• 抢先试驾
  • 评测
  • 对比测试
  • 游记
  • 新车
  • 选车
  • 用车
  • 经销商
  • 车主故事
  • 政策
  • 数据
  • 技术
  • 标准
  • 术语
  • 人物
  • 观点
  • 图说
  • 电车列国志
  • EV纪事
  • 公司新闻
  • 第1观察
  • 工厂探秘
  • 资本
  • 企业
  • EV晨报
  • 一周热点
  • 一周新车
  • 市场
  • 报告
  • 导购
  • 征文
  • 展会
  • 公开课
  • 返回

    2 回答
    我要回答

    其实自动驾驶技术是有明确标准规定的。就目前来看,全球汽车行业公认的两个分级制度分别是由美国高速公路安全管理局和国际自动机工程学会提出的。以后者的版本为例,自动驾驶技术共分为5个等级。分别是L0人工驾驶、L1辅助驾驶、L2部分自动驾驶、L3条件自动驾驶、L4高度自动驾驶和L5完全自动驾驶。


    而且就目前汽车所搭载的自动驾驶技术而言,基本上处于L2到L3阶段。也就是说,车辆仅能完成部分自动驾驶或者有条件的自动驾驶,人类驾驶员需要注意力高度集中,起到后备作用。而更多的车辆是处在L2部分自动驾驶阶段,车辆对方向盘和加减速等多项操作提供驾驶,而人类驾驶员则负责其余的驾驶动作。这点就有点像智能碰撞系统,如果在前方通过摄像头和传感器等感应到有障碍物存在,车辆自动判断并刹车。

    随着自动驾驶技术需求越来越旺盛,很多车企也开始逐步研发。百花齐放确实会激发行业的竞争力,但是危险系数同样存在,因为不同企业的研发人员水平有高有低,而自动驾驶技术依靠电脑进行判断,就很可能有失误的状况。而这时如果驾驶员不能及时进行判断并干预,要么就很可能发生交通事故。


    0 支持
    0 评论

    自动驾驶的另一技术核心是算法,在算法方面,当前行业仍以规则积累为主导,深度学习已在应用于优化算法能力,未来也将成为算法公司的核心能力。

    车辆领域和安全直接相关,因此所有系统的安全性需要达到100%并加入冗余。车辆领域对安全性的要求有:

    (1) 出现问题可以复现。

    (2) 出现问题可以立即改正。

    这两个要求深度学习目前都无法做到。因此在车辆工程领域主流的方法是:在对理论探索之后,在原理基础上进行简化,而一般不直接应用神经网络。规则积累是无人驾驶的算法框架,深度学习是提升算法可靠性和应用性的优化方法。


    目前在大多数国家自动驾驶和无人驾驶都是法律所不允许的,随着技术的进步,当无人驾驶、自动驾驶真的能走进千家万户之时,一定会有一个国际统一的标准参考执行。


    0 支持
    0 评论
    loading