Zhihua的“ Damocles之剑”终于倒下了。
明天或意外，我不知道前方是哪一个。
最近，安海省的汤林德高速公路发生致命事故，教导了公众和媒体对智能驾驶的关注。后来，一些网民发现警告的警告更改为“高速公路道路状况很复杂，因此请勿使用巧妙的辅助驾驶”。
明智的驾驶技术的快速发展是改变人们的旅行方法。在2024年，中国的L2乘客渗透率和自主神经量高达55.7％。中国电动汽车100人民协会副主席兼秘书长张旺（Zhang Yongwei）预测，这一数字可能接近2025年的65％。
但是，当智能汽车进入一千个利布尔豪斯（Libhouseholds）时，“乌托邦”的“乌托邦”承诺反复打破了事实，它也将冷水倒入热炒作的国家情报驱动力中。
世界上的谋杀号码
马纽约人可能已经忘记了自全世界第一次谋杀智能驾驶员以来已经9年了。
2016年5月7日，在美国佛罗里达州，40岁的约书亚·布朗（Joshua Brown）在驾驶特斯拉（Tesla S.较低的车身直接在卡车拖车下方。约书亚·布朗（Joshua Brown）不幸去世。
这是美国第一次涉及智能驾驶汽车的交通死亡，这也是明智驾驶世界中的数字谋杀案。根据国家公路交通安全管理局（NHTSA）调查的报告，发生碰撞时，自动驾驶汽车驾驶系统是在州的。由于强烈的中断，该系统无法用白色的身体正确识别卡车，错误地将卡车视为路标，制动功能没有T按时开始，所有者没有采取刹车，转向或其他措施来防止碰撞，导致事故。这一事件促使特斯拉改善自动驾驶系统并加强相关操作的测试和验证。
在中国，智能驾驶造成了许多安全风险。今年2月，惠江（Zhejiang）曾一家据温州拥有的汽车发表声明说，当在高速公路上明智地使用NG驾驶时，该系统不承认障碍桶并撞上了施工车并几乎被撤销。 3月20日，高速公路交通警察高米（Gaomi Brigade）收到了一份报告，称驾驶员距Qingyin Expressway驾驶84公里的驾驶时发生了事故。调查后，车辆的驾驶员正在激活智能车辆驾驶操作，并且智能车辆驾驶操作的能力较弱，无法识别锥体桶。同时，驾驶员分心并忽略了观察道路的表面，导致车辆在建筑区开车时到达建筑单元的建设。
中国电动汽车一百人协会的副秘书长什叶华说，2024年驾驶的L2辅助率渗透率超过55％，NOA渗透率达到11％。消费者对自动智能的需求不仅是“ BE或不是或”，而且要转向“ BE或不是”的阶段。从未来开始，端到端的智能驾驶（Urban NOA）也将加速其受欢迎程度，预计今年的渗透率将达到20％。
智能驾驶发芽可能可以追溯到1920年代，但商业化始于特斯拉（Tesla），Tesla于2014年推出了自动驾驶仪系统，该系统是第一个配备大型汽车的L2级驾驶系统。
智能驾驶系统首先通过各种传感器实时收集环境信息，通常LIDAR，光波雷达的毫米级别，可见光摄像头，加速度传感器等，以获取图像，声音，深度和车辆周围距离等信息。
根据环境理解的结果，智能驾驶系统使用高级算法来计划路径并在不同情况下做出决策。这些决定包括但不限于障碍，遵守交通政策，不断变化的车道，停车或加速等，并最终转换为特定的车辆行动说明，并通过电子控制系统发送到汽车的电源系统，制动系统，转向系统等，从而完成了智能控制系统。
很长一段时间以来，辅助驾驶一直没有商业化。尽管它成为竞争的重要力量，但不可否认其智能水平仍然远离人们的期望，而且效率和安全之间的balanse仍然很难平衡。它这也是世界各地政策仍然对辅助驾驶保持保守的态度的重要原因。
颜色-abo区域和明智驾驶的死角
当汽车公司将智能驾驶技术融合在一起时，人们通常会忽略技术的本质和另一种操作工具。当前，智能驾驶技术的基本限制包括算法限制，感知限制以及人类计算机联系之间的耗时差异。这些局限性导致智能驾驶系统在复杂的情况下的性能，这可能会导致卡利格事故stasan。
首先，算法缺陷是智能驾驶系统面临的重要问题。目前，大多数智能驾驶系统仍处于L2-L3驾驶水平，并且在很大程度上依赖于高准确性和固定策略的地图来决策，并且在临时构造和Extry等动态情况下的处理能力有限EME天气。
这种意外交通是由于建筑和维修造成的，该线路被道路屏障关闭，因此车辆需要移至反向车道。因为在造成碰撞事故引起的施工耕种情况下，未发现反向车道中的水泥分离码头。这种非常规道路条件的这种“长尾巴”场景是当前的Onesl2级智能驾驶。
其次，检测到的限制也是一个重大问题。智能驾驶系统主要取决于相机和雷达的理解，但它们可能无法准确地识别出复杂环境的障碍。
当前，智能驱动环境理解的主要方式是纯视觉算法或视觉 +覆盖物。
纯视觉算法使用摄像头作为其主要硬件设备，比激光镜头便宜，从而使驾驶解决方案使用纯视觉算法更好，这些算法在应用到大尺寸时更有效。视觉系统可以捕获丰富的质地，颜色和其他信息，并自然地识别交通标志，线条，行人脸和车辆的外观，并且可以为自动车辆提供大量的语义信息。
但是，纯视觉算法受环境的高度影响。在特定的天气条件下，例如强降雨，厚厚的露水，大雪，直接光，精炼等，图像质量大大降低，从而降低了识别的准确性甚至失败。在光线发生巨大变化（例如隧道和地下车库）的情况下，需要复杂的光学处理，影响道路和周围物体的识别。
数据表明，在多雨和模糊天气的明智驱动因素中，障碍物身份的准确性降低了42％，AEB响应距离（自动紧急制动）下降了37％。遮挡也是纯视觉的缺点。当某物略微阻止时，纯的视觉算法可能无法准确确定整个事情，这将影响对场景的理解和判断。
LIDAR是一种传感器，用于准确获取三维位置的信息。通过发送和接收激光束，它可以获得空间点信息（即点云），并根据此信息进行三维建模，以确定目标的位置，大小，外部轮廓，等等。
它填充了其他传感器，这可以弥补纯视觉解决方案的缺点，并直接获得三维信息。同时，纯视觉解决方案仍然具有瓶颈，并且需要积累和处理数据的成本，以及对计算算法的强有力支持。激光雷达可以提高车辆在周围环境中的看法的准确性，并减少高级驾驶的要求算法。这是感觉融合的明智解决方案的必要组成部分。
但是，传统的激光雷达仍然存在理解缺点。使用传统覆盖率为120°的水平场计算，只有在汽车的前部超过350万时，才能在相邻车道上通过和切割，这很容易引起划痕。
其次，封面缺乏发现和理解低点的封面。由于主盖角的垂直场的极限，在Pashead方向上有一个3m至7m的视觉盲区。智能驾驶系统不会在侧面看到小障碍和移动物体。此外，LIDAR缺乏道路周围静态物体的身份，在具有模糊线的部分中，很容易计划以大变化的方式计划轨迹线，从而影响驾驶体验。
此事故中的模型使用双眼纯视觉智能驾驶解决方案。目前，主流双眼视觉视觉该行业的视觉驾驶解决方案的最大检测距离近200米，其明显低于发现三眼相机视觉解决方案（约300-350米）或盖子（约250-500米）的有效距离。这也导致了这样一个事实，即驾驶员从事故中占据车辆只需要2秒钟。
识别外国障碍也是智能驾驶的主要挑战。智能驾驶系统容易受到识别非标准物体（例如临时道路障碍，水马和消防栓）的盲区。纯视觉方案依赖于语义段图像，并且在获取不规则对象的特征中存在错误；虽然多传感器融合会导致由于时空对齐问题而导致误解。
comporter computer的责任时间的差异是一个重要的问题。该测试来自德国德国汽车俱乐部对于驾驶员完成有效收购的平均2.3秒，这次在高速公路方案中甚至已扩大到2.6秒。不同的驾驶员有不同的罪恶事实，一些驾驶员可能会因为疲劳，干扰或谨慎而延迟延迟。
Tsinghua University的车辆学院教授Li Shengbo还指出，从“注意到异常”到“完整的转向 +制动”的驾驶员的平均反应时间为2.6秒，而现有主流L2级自主驾驶只有1.5秒的使用者在突然的情况下使用了1.5秒。
现在有一个国际TTC的国际标准（碰撞时间，计算与前面遇到障碍的车辆所需的时间）L3自动驾驶，要求智能驾驶系统的TTC时间为10秒钟，从发布预警到成功的驾驶员成功获得的预警。但是，没有强制性要求L2+可以辅助Driving。
但是，在高速情况下达到10秒的TTC时间非常困难，这意味着智能驾驶系统需要提前10秒钟看到障碍，并告知驾驶员，这是对汽车对汽车理解的理解的测试。如果速度达到100公里/小时，则智能驾驶系统必须提前识别300至400米的障碍以满足要求。当前，只有高线束线圈可以实现超过300米的检测距离，并且不使用普通乘用车。
同时，天冯指出，大多数汽车公司的驾驶系统尚未达到当前标准 - 以每小时120公里/小时的速度，刹车识别的理论时间限制仅6秒，并且有4个区域安全空间。
从智能驾驶的两种主要技术途径来看，一些技术缺陷仍然很难有效删除。
一个是“学校规则”。 CAr感知，决策和实施都取决于人类工程师的预先编写的政策。这些策略存在于代码线中，而代码的数量达到了数千条。
该类型中有两个主要缺陷。首先，我们将处理无尽的“长尾问题”。在实际环境中，您将处理不同的情况。尽管99.9％的规则是该模型的预设，但其余0.1％的罕见情况仍然不合理，从而导致智能驾驶的大量潜在风险。
第二个是代码错误。编写代码时，人工工程师不可避免地会犯错。在途中不可能没有错误代码 - 数千个代码行。您永远不知道何时隐藏的错误代码“爆炸”并造成严重的后果，例如失去车辆。
另一种类型是变压器。在过去的五年中，变压器的深度学习体系结构改变了人工智能。转移Ormer从新的AI开发期开始。如今，备受尊敬的AI模型和产品-Chatbot Chatgpt，Midjourney的一代工具，视频Sora Generation工具等都在变压器中开发。
在明智的驾驶领域，视觉变压器也被认为是最有前途的研究方向。特斯拉（Tesla）在2021年发行的FSD使用变压器架构，许多国内制造商Arenext也加入了此轨道。
变压器看起来很有希望，但远非完美。它更好，具有更好的可伸缩性和可用性，但是培训模型需要大量的计算强度。特斯拉具有与其他汽车公司进行多次计算的能力，但这还远远不够，并且已成为智能驾驶的不兼容的门槛。
另一个障碍是“黑匣子问题”。基于变压器的模型都是“黑匣子”y了解他们的行为方式。这意味着，如果模型偶尔会释放出异常结果，人们将是无助的。
“黑匣子问题”可以使chatgpt说一个少于四，六个的单词，或者可能是独特图像的Midjourney输出，您可以嘲笑结果。但是，如果汽车的智能系统突然有幽灵刹车，意外的加速度和不正确的转向，那么谁能笑？
变压器可以在Golden Avenue上进行自动驾驶，也可以是一种过渡技术，一切仍不清楚。
现实生活中的技术缺陷反映了当前驾驶智能的常见风险 - 系统和算法牢固地持续到99％的常规场景，但在边际情况的1％中突然失败了，错误错误或功能失败的1％可能会导致100％的风险。
技术神话的挫败感和完善
为了加强智能驾驶的技术定义，许多汽车公司在国际国家标准，故意被“智能驾驶”，“自动驾驶”和“辅助驾驶”的概念混淆或混淆，并找到了各种智能驾驶员系统，例如NOA（导航辅助驾驶），NOP（飞行员辅助驾驶），NGP驾驶），
更重要的是，为了证明其品牌产品应对复杂的道路条件的能力，许多汽车公司创建了营销词的技术销售，例如“公园空间到停车位”，“ L2.999/L2 ++”，并故意创建了诸如“ Zero of Plote Process”和“ Zero of The Posite”和“释放双手”智能驾驶技术。
实际上，这种类型的宣传本质上是Mavoid，这是明智驾驶水平的严格含义。该系统的许多系统，包括特斯拉FSD，确实不符合国际技能或行业技能。这些是汽车公司的重要营销方法。
根据驾驶国际汽车工程协会的自主标准Ineers（SAE）等级，L2级属于“人机一起驾驶，驾驶员占主导地位”。换句话说，L2级系统有助于全速自适应巡航，线路维护，自动停车和其他功能驾驶，但是驾驶员需要在整个行程中监视道路状况，并且不会长时间离开方向盘，这部分是自动驾驶的。
L3级别“由系统领导，OneDriver仅限于分离。”在某些环境（例如封闭车道）中，L3系统可能会完全转换为驾驶活动，但是一旦系统发布检索请求，驾驶员就必须立即做出响应。可以看出，L3的自动级别不是完全自主驾驶，但是“有条件的自主驾驶”是“有条件的自主驾驶”。可见驾驶。在任务的主导地位。
值得注意的是，在各个级别的自动驾驶中，L3是更换车辆的主要水驾驶权。根据行业和信息技术部的“汽车驾驶汽车驾驶”的“分类”，L3水平只能在特定方案中获得系统，而驾驶员仍然需要愿意获得当场比赛。北京和其他地区通过了法律，以澄清车辆经理负责未配备驾驶员或安全官员的L4车辆的事故，但驾驶员仍然是L3车辆的主要责任。
从驾驶到人类到明智的驾驶是一个逐渐的过程，这是在此举中。过渡时期的特定时间导致认真的思考 - 技术尚不旧，但消费者错误地认为这已经实现。某些公司的突破是该行业的整体水平。这次事故是提供混乱的共同描述。
关于智能驾驶技术，不同的汽车公司ASIZE POSIITS功能，而无需讨论其边界的位置以及场景不建议使用智能驾驶的位置。例如，这次事故，纯粹的视觉解决方案以及时间是午夜和高速公路上，在这种情况下，这不适合使用智能驾驶。如果您想使用它，则应该继续盯着您的面前，双手不能离开方向盘。但是，对于普通买家来说，他们可能不知道此用途的细节。
值得注意的是，高速公路的道路维修和表达不是紧急情况。如果道路上的此类信息可以传递给车辆，以便车辆可以提前了解道路状况，而不是等到传感器向紧急环境做出反应之前，就可以避免这种类型的悲剧。
至于如何优化提取时间，Zhihua对障碍的响应的当前速度取决于更好的硬件（例如更高的硬件相机的定义，更好的激光圈）和算法变化，例如使用网络中发生的技术，从而提高了识别特殊障碍的能力。
另一方面，探索诸如物理AI，大型感知，多传感器融合以及有效的道路运输机制等技术的全面应用具有重要意义。通过在道路上纳入摄像机的数据，雷达安装的车辆，帽子和其他传感器，以及对动态交通环境数据的实时审查的审查，我们可以对Trapic提供更全面，更准确的了解，这可以帮助车辆根据当前的交通状况做出合理的决定。同时，通过将诸如障碍位置和操作转移之类的信息上传到云平台，并将其推向车辆，可以减少车辆的三端，道路和云的侧面。
在过去的九年中，随着智能T驾驶技术已经变得更加先进，它不仅可以适应更多的道路状况，而且还可以显示出更像真实人物的驾驶能力。但是我们需要清楚的是，智能驾驶系统仅在复杂的运输系统中看到“本地现实”，并且很难涵盖所有情况，并且诸如误解和失败之类的风险将每小时发生。作为一名顽强的驾驶员，您应该知道如何了解舒适性和技术安全之间的尺寸。
这场悲剧使人们想起了“流浪地球”中的一条线：“没有一个人的文明没有任何意义”。现在，让我们看一下Wang Chuanfu的讲话：“安全是电动汽车的最大奢侈品，明智的驾驶是安全旅程的最强大职业，也许它具有更大的意义。汽车的主要特征是一种运输方式，安全运送乘客到达目的地的安全将是最终的目的。
真正的智能驾驶vollution不在参数和资本游戏中的比赛，而是在生活中。通过简单地将生活的趋势放在技术叙事之上，可以是明智的驱动，从营销头到社会健康。否则，每次事故都将在公众对齐伊阿的信心下渗透，并最终成为粉碎行业的最后一根稻草。
