自动驾驶≠速度与激情

发布者:快乐奇迹最新更新时间:2024-11-07 来源: elecfans关键字:自动驾驶  识别算法  感知系统 手机看文章 扫描二维码
随时随地手机看文章

说起《速度与激情》系列

大家第一时间想到的是剧中出现的炫酷车技

还是他的经典台词“For Family”呢?

wKgZomR_UMSAMIPbAAT-kesJYDI808.jpg?imageView2/2/w/1000

看过“速9”之后

说实话我对“速10”有些担忧

毕竟开着跑车上太空都能被他们想出来

这天都上了,“速10”不得来个地心探险

开着钻探机入个地试试?


事实还真没有

他们只是坐着被远程劫持的卡车

载着炸弹去炸梵蒂冈和Aldeadávila大坝了

……


正因如此,看过“速10”之后

除去被眼花缭乱的壮观场景深深折服的同时

我也对未来驾驶多了一些隐忧


远程操控:车也会被“黑”?

最让人的担忧的

是黑客把我们的汽车

变成小朋友手中的遥控赛车

在数字化时代下

人们利用5G高带宽、低延时的特性

隔着屏幕就能获得对车辆的远程控制能力

wKgZomR_UMaAKrQjAApKRHddqnY825.jpg?imageView2/2/w/1000

如果黑客入侵车辆系统

可以通过WiFi、蓝牙以及自动驾驶的云端数据

从而取得车辆的控制权

在看到电影中但丁黑进了卡车的驾驶程序

准备炸梵蒂冈的场景后

我开始对自动驾驶的数据以及网络安全充满担忧

感知系统:不够清明的双眼

即使普通人难以遇到电影中的黑客危机

但自动驾驶的硬件也会让人忧心

比如在雨、雪等恶劣天气里

许多基于视觉的感知系统

包括雷达和摄像头

在雨、雪等恶略天气中也常会出现感知失灵的情况

导致车祸的发生

感知系统作为车辆自动驾驶系统中的关键系统

却是引发多起自动驾驶交通事故的主要因素


对抗攻击:自动驾驶的隐忧

自动驾驶应用的种种识别算法

对于大家来说相对陌生

但你一定听说过特斯拉车主的“见鬼梗”

驾驶特斯拉在墓地周边时

感知系统会通过雷达成像提醒车主周围都是“人”

wKgZomR_UMeALa9SAANZ0CrWAc4989.jpg?imageView2/2/w/1000

感知系统的识别算法

与人眼理解世界的逻辑不同

图像上的小小改变

就可能对算法的识别能力形成“攻击”

一点不起眼的污渍

一张小小的贴纸

都可能让自动驾驶汽车“指墓为人”

更可怕的,是有可能造成

指示牌文字识别错误

以及在高速驾驶中无法识别远处障碍物等

如果因为识别失误

直接撞上障碍物

不仅自动驾驶汽车能够“见鬼”

也能让车主“见鬼”

面向未来,自动驾驶路在何方?

在自动驾驶的级别界定中

L2过度至L3可以称之为自动驾驶系统的分水岭

它代表着驾驶主体从人转为驾驶系统的过程

然而驾驶主体的转移也会引出一个非常重要的问题

自动驾驶事故的法律责任如何判定

目前我国也只是在某些城市的特定道路上

进行自动驾驶车辆的试点

相关法律还未发布

这也在一定程度上延缓了国内自动驾驶系统的发展


防止入侵,提升系统安全

面对自动驾驶系统入侵

厂商们在车辆生产时

就需要对车辆的基础设施中加入安全能力

比如数据安全加密、通讯信道加密

以及加入车辆入侵检测系统

并且在云端对系统持续进行安全升级


交叉印证,擦亮双眼

面对极端天气等情况造成的感知系统失灵

目前通过远红外摄像头、毫米波雷达、声纳

等多传感器融合感知

在感知层面进行交叉印证

是解决这类情况比较有效的方式


模型升级,算法加持

如今AI发展如此迅猛

自动驾驶系统更需要紧跟人工智能发展脉搏

不断在算法、数据层面助力模型升级

从而提升自动驾驶系统的主动安全能力


法理与技术并行

前一段时间就由于生成式AI的发展速度与伦理问题

以及法律规范的发展速度无法对等

导致许多AI领域的专家呼吁

所有AI实验室停止训练

比GPT-4更加强大的AI系统至少六个月

自动驾驶系统的发展也是一样

在技术研发的同时

我们更要加强对相关法律

以及社会层面问题的同步研究

才能确保技术在安全的范围内发展


伴随着以人工智能为代表的科技高速发展

以及人们对未来驾驶的无限憧憬

我们未来的驾驶方式只会更加多样

充满了驾驶的速度与激情

但驾驶安全则是我们永恒的命题


关键字:自动驾驶  识别算法  感知系统 引用地址:自动驾驶≠速度与激情

上一篇:汽车线束的制造工艺流程及工作原理
下一篇:详解英伟达芯片在自动驾驶的软件移植设计开发

推荐阅读最新更新时间:2026-03-23 18:06

南加州大学研究新数学算法 识别自动驾驶汽车上路前感知系统故障
在洛杉矶此类交通密集的城市,很多人都在问自动驾驶汽车什么时候会出现?但是由于在美国发生了一系列自动驾驶汽车重大事故,自动驾驶汽车的安全问题让普及自动驾驶汽车的梦想戛然而止。 但是,据外媒报道,美国南加州大学(USC)的研究人员发布了一项新研究,解决了自动驾驶汽车开发人员长期面临的一个问题:如何测试自动驾驶系统的感知算法,该算法可让汽车“理解”“看到”的东西。 南加州大学研究人员与亚利桑那州立大学(Arizona State University)的研究人员合作,采用了新数学算法,能够在自动驾驶汽车上路之前,识别其系统中存在的异常情况或是故障。 感知算法基于卷积神经网络,由机器学习(一种深度学习)提供动力。众所周知,很难对此类算法进
[机器人]
基于改进ResNet50网络的自动驾驶场景天气识别算法
摘要:为了充分利用 自动驾驶 汽车路测图像数据,增加行驶过程中对天气情况识别的准确性,提出了一种基于改进ResNet50 网络 的自动驾驶场景天气识别 算法 。该算法将SE模块与ResNet50网络相结合,通过在ResNet50网络4组模块内加入SE模块,以便更好地拟合通道间复杂的鲁棒性。基于自动驾驶汽车路测图像数据对所提算法进行 Python 编程 实现,结果表明:SE模块的加入能够增加算法的鲁棒性和准确性,提高了自动驾驶的天气识别精度。
[嵌入式]
基于改进ResNet50网络的<font color='red'>自动驾驶</font>场景天气<font color='red'>识别</font><font color='red'>算法</font>
自动驾驶与具身智能感知系统的设计优先级有何差异?
自动驾驶与具身智能经常被同提并论,甚至有人将自动驾驶视为具身智能在交通场景下的一个子集。从物理形式上看,自动驾驶车辆可以被理解为一种“带轮子的身体”,其核心任务是让这个身体在复杂的道路环境中安全移动。 然而,当我们深入探讨两者的感知系统设计时,会发现它们存在显著差异。自动驾驶追求的是一种极高标准的安全确定性,它要求系统在高速移动中对环境做出毫无差池的判断;而具身智能则更强调适应性交互,它关注智能体如何通过触碰、操作与物理世界进行深度对话。那两者感知系统的设计优先级有何差异? 远距精准探测与近场物理交互的差异 自动驾驶的感知系统其实是一套为了规避风险而设计的探测网络。由于车辆会以较高的速度在公路上行驶,它对感知的
[汽车电子]
<font color='red'>自动驾驶</font>与具身智能<font color='red'>感知</font><font color='red'>系统</font>的设计优先级有何差异?
自动驾驶与具身智能的感知系统有何差别?
2025年11月5日,小鹏汽车正式发布“IRON”人形机器人,其高度拟人的步态与流畅的运动控制引发了行业广泛关注。作为造车新势力,小鹏此举不仅拓展了其技术边界,更凸显出自动驾驶与具身智能两大领域在技术路径上的深度关联。尽管两者在感知、决策、控制的共性框架上高度相似,但仍存在系统性差异,尤其在感知层面有很大的不同。 图片源自:网络 感知的相似点 在深入比较之前,我们应先明确“自动驾驶”与“具身智能”这两个概念。自动驾驶是指汽车在道路环境中完成感知、决策与控制,实现从A点到B点的安全、可靠行驶。具身智能则指拥有实体身体、通过身体与环境交互来感知、学习并行动的智能体,其范畴更广,涵盖服务机器人、搬运机器人,以及配
[汽车电子]
<font color='red'>自动驾驶</font>与具身智能的<font color='red'>感知</font><font color='red'>系统</font>有何差别?
自动驾驶汽车感知系统关键技术分析
摘 要: 随着汽车产业智能化变革与人工智能技术的突破,自动驾驶成为技术发展焦点。自动驾驶汽车依赖感知系统“看懂”路况,其关键技术成熟度直接关乎行车安全与应用普及。深入剖析这些技术,对突破技术瓶颈、推动自动驾驶商业化进程具有重要意义。文章深入分析了自动驾驶汽车感知系统的关键技术,阐述了各项技术的原理、发展现状,并探讨了不同技术在自动驾驶场景中的协同作用机制。通过对这些关键技术的剖析,为进一步推动自动驾驶汽车感知系统的优化和发展提供理论参考,助力自动驾驶技术走向大规模商业化应用。 伴随着科学技术的快速发展以及人们对于出行安全,效率要求的日益提升,自动驾驶技术已经逐步成为交通领域中的一个研究重点。自动驾驶汽车的目的是通过整合各种先进
[汽车电子]
轮胎压力监测系统(TPMS)算法,低功耗唤醒与异常压力识别策略
轮胎压力监测系统(TPMS)作为现代汽车安全的核心组件,通过实时监测胎压与温度数据,构建起全天候的轮胎健康监护网络。其算法设计需兼顾低功耗运行与高精度异常识别,尤其在直接式TPMS中,传感器需在纽扣电池供电下持续工作5年以上,同时实现毫秒级压力追踪与爆胎风险预测。本文从算法架构、低功耗唤醒机制及异常压力识别策略三方面展开技术解析。 直接式TPMS的算法架构采用“预测-更新”双闭环机制,以100毫秒为周期循环执行以下步骤: 数据采集与预处理:传感器内置的硅压阻式压力芯片(如MPXY8020A)与NTC温度传感器同步采集数据,通过SPI总线传输至MCU。数据预处理环节包括温度补偿(消除热膨胀对压力测量的影响)与卡尔曼滤波(抑制加速度计
[嵌入式]
虹膜识别原理及算法
虹膜识别原理 虹膜中包含丰富的色素细胞,当外部光线照射到眼睛上时,由于不同人的色素细胞对光有不同的吸收率,使得虹膜呈现不同的颜色。从识别的角度来说,虹膜的颜色信息并不具有广泛的区分性,那些相互交错的类似于斑点、细丝、冠状、条纹、隐窝等形状的细微特征才是虹膜唯一性的体现。这些细微特征在彩色图像和灰度图像中是一致的,因此一般采用灰度图像进行虹膜识别的研究。 虹膜识别技术的基本步骤为(如图3-1所示): (1)图像采集,用于获取虹膜图像; (2)虹膜图像预处理,进行虹膜内外边缘定位、归一化和图像增强等; (3)特征提取,得到虹膜纹理的特征编码; (4)特征匹配,将提取的虹膜特征编码与特征模板进行匹配以区分不同的虹膜。 虹
[嵌入式]
虹膜<font color='red'>识别</font>原理及<font color='red'>算法</font>
语音识别算法有哪些_语音识别特征提取方法
  语音识别算法有哪些   本文列举了几种不同的语音识别算法。   第一种:基于动态时间规整(Dynamic Time Warping)的算法   在连续语音识别中仍然是主流方法。   该方法的运算量较大,但技术上较简单,识别正确率高。   在小词汇量、孤立字(词)识别系统中,也已有许多改进的DTW算法被提出。例如,利用频率尺度的DTW算法进行孤立字(词)识别的方法。   第二种:基于参数模型的隐马尔可夫模型(HMM)的方法   该算法主要用于大词汇量的语音识别系统,它需要较多的模型训练数据,较长的训练和识别时间,而且还需要较大的内存空间。   一般连续隐马尔可夫模型要比离散隐马尔可夫模型计算量大,但识别率要高。   第三种:基于
[嵌入式]
语音<font color='red'>识别</font><font color='red'>算法</font>有哪些_语音<font color='red'>识别</font>特征提取方法
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

厂商技术中心

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

 
机器人开发圈

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved