人工智能在自動駕駛技術方面的應用_天天速讀

人工智能(AI)是當下最熱門的技術，正滲透顛覆每一個可能的行業，汽車行業也概莫能外。人工智能由數據驅動。而汽車趨勢朝著自動化、電氣化和網聯化方向深度演化，越發由軟件所定義并由數據驅動。車輛生成的數據為車內AI能力提供著基礎保障。進出車輛的數據流動決定了要構建的人工智能的類型。人工智能所在位置的選擇賦能不同的應用程序，并解決數據和AI帶來的隱私和安全問題。因此，要理解自動駕駛汽車中的人工智能，跟蹤汽車在各種AI應用程序的輔助下，通過不同自動化級別導航的過程是很重要的，對于這些應用程序是如何將計算機世界的整套技術堆棧帶到汽車上的同樣重要。

【資料圖】

人工智能的發展過程中，深度學習、計算機視覺和自然語言理解等各方面的突破，其中無人駕駛就是發展過程中的成果。無人駕駛汽車依靠人工智能，視覺計算，雷達，監控設備和 GPS，使計算機能夠自主、安全地駕駛汽車，其駕駛過程中無需人為操縱，且系統的精密性能為交通安全提供保障，這是一個高新技術的全能性智能系統。

自動駕駛汽車能夠幫助駕駛員判斷和選擇，即使在沒有人介入的情況下，也能實現車輛的操控。當前的自動駕駛系統按照美國汽車工程師協會的分級，共分為：駕駛員輔助、部分自動駕駛、有條件自動駕駛、高度自動駕駛、完全自動駕駛五個層級。這五個層級中人工智能所發揮的作用也有所不同，但是都為駕駛者提供有益的駕駛信息，協助駕駛者完成安全駕駛。

自動駕駛這個詞最早來自于飛機、列車、航運領域的輔助駕駛系統。它的廣義的定義為：自動駕駛是無須人工的持續干預下，用于自動控制交通工具行駛軌跡的系統。按照自動化程度和駕駛員的參與度，國際汽車工程師協會將自動駕駛分為5級。

對于L5級是完全自動駕駛，車輛無需人來控制，且可在所有路況下工作。雖然每個自動駕駛汽車公司都在努力實現L5級，但這是一個很難解決的技術挑戰，因為為自動駕駛功能賦能的人工智能(AI)是一個狹義的AI，需要特定路況的訓練數據來訓練所有可能的人類、其他車輛和其他會穿過車輛路徑的物體。這一技術領域被稱為感知空間，它的工作原理是利用計算機視覺進行目標檢測，并將來自車輛周圍多個傳感器和攝像頭的數據結合起來，以獲得道路的圖像。L5級在技術上是不可行的，因為需要在每一個城市的每一條道路上，在各種天氣和路況下訓練自動駕駛車輛，同時為每一個可能穿過車輛的物體進行規劃。自動駕駛汽車企業正繼續構建L5，同時測試L4(有時是L3)的新商業模式。L3是指需要時，需一名人力司機隨時待命，以便控制局面。L3和L4部署在地理圍欄的地理區域內，在這些區域內訓練自動駕駛車輛。以這種方式進行測試的三種商業模式包括1) 用于消費者通勤的Robotaxi、2) 使用自動卡車運送貨物、3) 使用小型自動卡車或送貨機器人運送貨物的“中間一英里”運輸。這些應用中的每一個都是由人工智能驅動的。它們中的每一個都離不開汽車技術堆棧的支持。

自動駕駛技術是一個涉及多個領域的復雜技術，人工智能技術是其中重要的一環。在自動駕駛中，人工智能主要負責實現自主決策和智能感知。其中，自主決策涉及到在各種不同的駕駛情境下，根據各種因素做出最佳的決策。這些因素包括道路情況、交通情況、天氣情況、行人和其他車輛的行動，以及其他各種因素。而智能感知則主要負責實現對周圍環境的感知，包括車輛和行人的位置、速度、方向等信息的獲取和分析，這些信息將為自動駕駛汽車用來做出最佳的決策和行動提供支持。

在自動駕駛技術中，人工智能技術主要由深度學習、計算機視覺和自然語言處理等技術構成。

其中，深度學習是自動駕駛技術中重要的技術之一，深度學習是一種機器學習方法，通過對大量數據的學習來實現各種不同的任務。在自動駕駛技術中，深度學習技術主要用于圖像識別、物體識別和行為預測等方面。例如，深度學習技術可以通過對圖像和視頻數據的學習，實現對不同類型的車輛和行人進行識別，并根據其位置和速度等信息做出最佳的決策方案。

此外，計算機視覺技術也是自動駕駛技術中重要的一部分。計算機視覺技術主要用于實現對圖像和視頻數據的分析和處理。在自動駕駛技術中，計算機視覺技術主要用于實現車輛周圍環境的感知和識別。例如，計算機視覺技術可以實現對道路、車道、路標、交通信號燈等元素的識別和分析，以及對其他車輛和行人的位置和動作的感知。

關鍵詞：