《中国人工智能学会通讯》——2.3 智能驾驶汽车的发展概况

2.3 智能驾驶汽车的发展概况

当前世界各国都非常重视对自主驾驶汽车的研究,发展了许多实验性的自主驾驶系统[1] ,美国国防部高级研究计划局 (DARPA) 先后举办了三次无人驾驶车辆的“大挑战”(Grand Challenge)比赛[2] 。其中 2004 年和 2005 年举办的两次越野环境挑战赛,重点测试了自主驾驶汽车在越野环境的感知与规划控制能力;2007 年的城市挑战赛(UrbanChallenge),强调自主驾驶汽车在复杂城市环境中的适应能力。作为长距离自主驾驶实验的代表,意大利帕尔玛大学 VisLab 实验室研制的无人驾驶电动汽车在2010年7月从意大利出发,经过莫斯科、西伯利亚,最终在 2010 年 10 月底到达中国上海,全程 13 000 公里。此次实验距离很长,但无人车前方需要有一辆人工驾驶的引导车。

进入 21 世纪,美国、欧洲、日本等国的著名汽车厂商都非常重视汽车智能驾驶技术的研究,自主驾驶汽车已经被作为新一代汽车产业革命的主要突破点。2013 年,奔驰汽车公司的自主驾驶汽车完成了从曼海姆到普福尔茨海姆的城市和城际道路的自主驾驶试验,行驶距离约 100 公里。2015 年3 月,美国 Delphi 公司用 9 天时间完成了从旧金山到纽约的自主驾驶试验,行程约3 400英里。近年来,Google、Apple 等信息领域的高新技术企业也加入到无人驾驶汽车关键技术研发的队伍中,并且进展迅速。2012 年 5 月,谷歌在内华达州获得了美国首个无人驾驶汽车测试许可证。美国政府已在内华达、加利福尼亚、佛罗里达及密歇根州四个州为无人驾驶汽车发放了公路试验牌照。欧洲方面,英国、西班牙等国也已经允许无人驾驶汽车上路测试。

我国的汽车智能驾驶技术研究始于 20 世纪 80年代末,近年来也取得了快速的发展。在“八五”和“九五”期间,由南京理工大学、国防科技大学、浙江大学、清华大学等联合研制了“ATB-1”和“ATB-2”两台自主驾驶实验车。2008 年以来,在国家自然科学基金“视听觉信息的认知计算”重大研究计划支持下,国防科技大学、南京理工大学、北京理工大学、西安交通大学、军事交通学院、中科院合肥物质科学研究院、清华大学、同济大学、上海交通大学等院校在自主驾驶技术方面取得系列研究进展。在高速公路自主驾驶方面,2000 年国防科技大学研制的 CIT-AVT-IV 自主驾驶汽车实现了 75.6 km/h 的高速公路自主驾驶。2003 年 6 月,国防科技大学研制成功面向结构化道路的红旗自主驾驶轿车,该车在正常交通状况下,高速公路最高稳定自主驾驶速度为 130 km/h,最高峰值自主驾驶速度为 170 km/h,并具备超车功能。2011 年 7 月,国防科技大学在国家自然科学基金“视听觉信息的认知计算”重大研究计划支持下,完成了国内首次长距离高速公路自主驾驶实验,全程 286km,人工干预比为 0.7%。2012 年 7 月,军事交通学院研制的 JJUV-3 实验车完成从天津到北京的城际高速公路自主驾驶实验,具备跟车行驶、自主超车能力。

目前,汽车自主驾驶技术的研发在取得快速进步的同时,仍然存在较大的困难和挑战。一方面,智能驾驶汽车对于复杂环境和复杂交通场景的建模与理解能力存在不足,距离人类驾驶员尚有明显差距。另一方面,现有的智能驾驶汽车还难以实现在不确定环境和动态变化场景条件下的优化决策与智能控制,其自适应和学习能力还有待提高。基于人机交互和人机智能协同技术,将人类驾驶员的智能与自主驾驶系统的机器智能进行融合,实现人类驾驶员与自主驾驶系统之间的优势互补,将为上述问题提供一种有效解决途径。

时间: 2024-10-11 02:14:32

《中国人工智能学会通讯》——2.3 智能驾驶汽车的发展概况的相关文章

中国人工智能学会通讯——数据助力智能驾驶体验

我个人的经历,之前也从事人工智能方面的工作,多数在语音识别研究和应用.从去年加入数据堂以来,专注于在AI数据.数据和人工智能之间的关系,我想大家都很了解,也不言而喻,数据是一个非常重要的方面.数据跟我们的算法之间是什么关系.我喜欢用这样一个比喻,数据是一个教材,算法像是一个老师,老师用教材去教导你未来想要产生的人工智能的任何一个应用,比如说在今天的论坛上--智能驾驶,智能驾驶就是智能应用的一个孩子. 我们先看一下智能驾驶,大家讲了很多在自动驾驶方面的事情,包括算法.硬件等.我想从另外一个角度,从

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——无智能,不驾驶——面向未来的智能驾驶时代 ( 下 )

到目前为止似乎比较完美,而实际还 存在着一些问题.我们现在看到很多道 路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个 交通标志牌,因为毕竟这个深度学习算 法是目前最完美的,它有时候还会错过 一个交通标志牌,这时候怎么办呢?我 们会发现在路面上也有非常明显的视觉 特征,我只要把路面的这些视觉特征识 别出来进行匹配,其实是有连续的绝对 的视觉参考的.所以我们做的办法是, 把这个路面粘贴起来.这个粘贴的方法 很简单,跟我们手机拍场景图片一样, 我们慢慢移动的时候可以把这个场景

中国人工智能学会通讯——混合智能概念与新进展

脑科学以阐明脑的工作原理为目标,近年来已成为最重要的科学前沿领域之一.脑功能计算.脑智能模仿再度成为学术界和产业界热议话题[1-4].欧盟.美国.日本相继启动了大型脑研究计划,强有力推动了人们对脑结构.脑功能和脑智能的探索和认识:另一方面,人工智能研究风起云涌,最近一个标志性事件是谷歌的AlphaGo以4:1战胜围棋世界冠军李世石[5],实现了围棋人工智能领域史无前例的突破.2016年9月斯坦福大学发布了<2030年的人工智能与生活>报告[6],全面评估了当前人工智能的进展.挑战.机遇与展望.

《中国人工智能学会通讯》——2.4 智能汽车对人机交互和人机协同技 术的需求

2.4 智能汽车对人机交互和人机协同技 术的需求 对于汽车智能驾驶技术,经历从初期的危险预警,到高级驾驶辅助,最后到完全自主驾驶的发展过程.目前由于技术的限制,在智能驾驶汽车发展到具备完全自主驾驶能力之前,驾驶员与车辆自主驾驶系统进行互动,共同实现车辆安全驾驶的情况将长期存在.事实表明,人类驾驶员与自主驾驶系统在环境感知.决策与规划.控制执行等方面的能力存在互补性.人在环境感知方面具有丰富的经验知识,具有较强的鲁棒性和适应性.自主驾驶系统可以长时间持续地对环境进行全方位.高精度探测,在发现危险时

中国人工智能学会通讯——着力突破与创新 实现超越与引领

提 要 2016年3月,围棋人机大战的结果,在舆论界激起了惊涛骇浪:在科技界也引起了强烈反响.为了把握人工智能的发展现状和规律,探讨我国人工智能的发展战略,在中国人工智能学会和众多人工智能同行的支持下,由本文作者出面申请了一次高层战略研讨会,这就是以"发展人工智能,引领科技创新"为主题的香山科学会议.与会者同气相求.同心协力,站在国家战略的高度,以纵览全球的视野,通过深入的研讨和论证,凝聚了诸多宝贵的共识,形成了直送中央的<关于加快发展我国人工智能的专家建议>.本文简要介绍

中国人工智能学会通讯——深蓝、沃森与AlphaGo

在 2016 年 3 月 份,正当李 世石与AlphaGo 进行人机大战的时候,我曾经写过 一 篇< 人 工 智 能 的 里 程 碑: 从 深 蓝 到AlphaGo>,自从 1997 年深蓝战胜卡斯帕罗夫之后,随着计算机硬件水平的提高,计算机象棋(包括国际象棋和中国象棋)水平有了很大的提高,达到了可以战胜人类最高棋手的水平.但是,长期以来,在计算机围棋上进展却十分缓慢,在 2006 年引入了蒙特卡洛树搜索方法之后,也只能达到业余 5 段的水平.所以 AlphaGo 战胜韩国棋手李世石,确实是人

中国人工智能学会通讯——深度学习与视觉计算 1.3 计算机视觉领域利用深度学习可能带来的未来研究方向

1.3 计算机视觉领域利用深度学习可能带来的未来研究方向 第一个,深度图像分析.目前基于深度 学习的图像算法在实验数据库上效果还是 不错的,但是远远不能够满足实际大规模 应用需求,需要进一步的提升算法性能从 而能够转化相应的实际应用.比如这个基 于图片的应用,可以估计性别和年龄,但 是其实经常会犯错,因此需要进一步提升 深度图像分析的性能. 第二个,深度视频分析.视频分析牵扯 到大量的数据和计算量,所以做起来更加 麻烦.当前深度视频分析还处于起步的阶 段,然而视频应用非常广泛,比如人机交互. 智

中国人工智能学会通讯——2016机器智能前沿论坛召开

2016 年 12 月 17 日,由中国人工智能学会.中国工程院战略咨询中心主办,今日头条.IEEE<计算科学评论>协办的"2016机器智能前沿论坛"暨"2016 BYTE CUP国际机器学习竞赛颁奖仪式"在中国工程院举办.论坛嘉宾包括中外顶尖的数据挖掘.机器学习,以及自然语言处理方向的专家学者. 与以往不同,本次论坛除介绍机器学习的重大进展和应用外,还着重讨论了机器学习技术在媒体数据上的应用,并为2016 BYTE CUP 国际机器学习竞赛的获奖选手进