误导用户多款自动驾驶系统信息不完整-电子工程世界

日前，据外媒报道，美国公路安全保险协会IIHS发现，随着自动驾驶系统的功能逐渐丰富，用户对系统的了解开始产生认知偏差。该机构还收集了仪表板上的显示信息，确认车企是否为用户提供了半自动驾驶系统的正确信息。

自动驾驶，自动驾驶系统

IIHS向2000名受访者问询了五款不同的L2级自动驾驶系统，包括：凯迪拉克的Super Cruise、特斯拉的Autopilot、奥迪和讴歌的交通堵塞辅助系统Traffic Jam Assist、宝马的Driving Assistant Plus和日产的ProPilot Assist。调查过程中，IIHS并未告知受访者这类L2级自动驾驶系统所对应的车企名称。

以特斯拉为例，尽管在官网中对于Autopilot做出了“仍需驾驶员主动监控”的说明，但调查显示，对受访者误导性最大的就是Autopilot，近50%的用户认为，这款特斯拉车载系统允许用户在启动系统后双手脱离方向盘。相较之下，被其他系统误导的受访者占比只有33%或更低。

自动驾驶，自动驾驶系统

调查发现，大多数人都知道自适应巡航控制系统何时调整车速或检测到前方车辆，但许多人不了解为什么系统无法探查更远地方的车辆情况。此外，用户也不了解车道保持辅助系统何时处于“非激活”状态，即便接受过简单培训的用户对此也不太了解，更无法解释该情境下该系统仍未激活的原因。在这类情况下，驾驶员需要再度接管车辆操控，甚至要踩刹车。

关于未来车企是否会提供更详尽的自动驾驶系统信息这一点，目前还有待观察。由于各品牌名称差异太大，美国汽车协会已着手应对这类系统的命名及品牌推广问题，希望对目前9款流行的驾驶辅助系统名称进行标准化处理。

此外，在各款自动驾驶辅助系统中，近四成的美国人希望特斯拉Autopilot、日产ProPilot Assist技术能实现完全自动驾驶功能。

关键字：自动驾驶信息引用地址：误导用户多款自动驾驶系统信息不完整

上一篇：一文揭秘阿里汽车智能网联生态布局
下一篇：如何设计出更佳的人机界面

推荐阅读最新更新时间：2024-11-23 12:39

自动驾驶中道路异常检测的方法解析

Residual Pattern Learning: 在不影响模型闭集表现的情况下分割异常物体 Out-of-Distribution (OoD) Segmentation 是在原有的闭集分割器的基础上, 让模型进一步拥有识别异常物体的能力。现在的SOTA的方法都是基于重新fine-tuning/retraining整个闭集Segmentation网络, 这样会导致对原本inlier object的性能下降。同时, 大多数OoD的办法很难对多个不同的环境进行很好的拟合, 导致识别异常物体的性能在不同的场景会落差很大。在这里和大家分享一波我们ICCV 2023中稿的工作 Residual Pattern Learning fo

[嵌入式]

<font color='red'>自动驾驶</font>中道路异常检测的方法解析

车企需要海量数据来保证自动驾驶的安全性

据外媒报道，Essential创始人兼首席执行官兼安卓生态系统创始人——安迪·鲁宾(Andy Rubin)最近在采访中谈到，未来技术的发展将基于内部互联的软件方案及人工智能，两者将提供功能中枢(centralized hub)，可囊括消费者所需的所有技术。据鲁宾预计，企业因设法使其软件应用方案成为连接各设备的桥梁，为消费者提供自行选择所需的技术的技术，公司不应将过多精力放在如何提升各设备间的互动上。他还指出，目前需要实现人工智能等技术的商业化运营，这类技术正处于研发过程中，企业应提升该类技术的应用及创新。各公司还应推广并利用物联网(IoT)等先进技术，而非创建一套全新的生态系统，提供消费者使用。鲁宾还指出，当前的部分辅助工

[嵌入式]

让自动驾驶学习如何解读行人的肢体语言

游戏开发者使用动作捕捉技术教导自动驾驶Cruise理解行人手势图中表示工人在两车道的马路上进行施工。一名工人左手举着停车标志，用右手挥手示意汽车通过。这在司机看来并不是难事。然而，这种情况是否会让自动驾驶汽车停下来吗。它能否理解停止的标志以及如何反应，但是那个手势呢?这要复杂得多。而司机，人类和电脑，每天都要面对这种更复杂的情况，在这些情况下，解读肢体语言是关键。以一个城市的街角为例:一个准备闯红灯的行人停下来查看手机，挥手示意右转的车向前开。另一个行人举起手向对面的朋友挥手，但还是继续往前走。对于我们来说一眼就能理解这些手势。在不影响交通的情况下，安全地、无缝地应对这些挑战，需要自动驾驶汽车了解用于引导人

[汽车电子]

让<font color='red'>自动驾驶</font>学习如何解读行人的肢体语言

韩国现代正式测试level 4级别的自动驾驶汽车

据国外媒体消息，近日，韩国现代汽车公司对3辆氢燃料汽车和2辆捷恩斯汽车进行了无人驾驶实测。车队从首尔出发，在2小时30分钟后抵达目的地平昌，全程零失误。本次参与测试的两款车型均符合美国汽车工程师协会（SAE）规定4级标准，即汽车在没有驾驶者干预下自动行驶，驾驶者仅需实时监测路况。这是韩国现代汽车首次在超过100公里的路程下，行驶速度达到法定最高限速的自动驾驶实测。从实测过程来看，驾驶者坐在车内仅需按下巡航和设定键，汽车便可自行驾驶。无人驾驶汽车在行驶过程中，精准地完成了维持和变更车道、超车、穿越7个隧道以及高速公路间的切换等任务。这些汽车搭载了很多最新技术，具有自动检测车距、GPS信号切断情况下的车辆位

[嵌入式]

自动驾驶数据闭环的大数据管理技术分析

数据闭环涉及较多领域，本期主题则是五大数据闭环之一的——大数据管理部分。不同等级阶段的车辆，需要采集的数据量也呈现几何级增长。以目前常见的L3阶段为例，随着4K超高清摄像头、128线激光雷达等传感器引入，每天8小时数据采集系统记录的数据量高达30TB。这么说吧，英伟达公司的自动驾驶技术测试也显示车辆学习数据收集系统在几小时内就能够充满TB级的固态存储硬盘（SSD）。众所周知，汽车自动化分五级。自动化程度越高，所需的数据存储量就越大。举个例子，比如二级自动驾驶汽车需要全程人为操作，但有附加的自动化系统，如变道辅助、盲点检测或自动停车功能。鲍曼认为，二级自动驾驶汽车需要4到10PB的数据。然而，三级

[汽车电子]

<font color='red'>自动驾驶</font>数据闭环的大数据管理技术分析

打造“全平台” 英特尔重金砸向自动驾驶

人工智能是未来科技公司走向兴与衰的分水岭，自动驾驶是其中一个重要的领域，英特尔最近向媒体展示了他们的自动驾驶路径——做自动驾驶领域的全平台。当你坐在英特尔这辆无人驾驶的车辆上时，不得不惊讶于技术的进步：无人掌控的情况下，它带着你在路上飞驰；红灯时，它能够以一个标准的车距排在其它车辆后面；在路口遇到“停车”标志时，也能够按照加州交通法规的要求，完全停下来再起步。英特尔让媒体试乘了这辆自动驾驶车辆。安全起见，英特尔为这辆车配备了驾驶员，以备不时之需。按照设定的路线，车辆在一个右转之后紧接着又有一次右转。在第一次右转时，车辆选择开上了最左道，这意味着，为了在不久之后的右转，它需要先并入右道。当时正好是下午五点左右——硅谷交通高峰时期

[汽车电子]

我国电子信息工程科技面临的13个挑战

2月15日，中国工程院信息与电子工程学部、中国信息与电子工程科技发展战略研究中心在北京发布“电子信息工程科技发展十三大挑战（2022）”（以下简称“挑战”）。“挑战”分析了我国电子信息工程科技13个领域所面临的技术挑战，具体如下： 1．信息领域以数字化、网络化、智能化为特征的信息化浪潮方兴未艾，信息技术一日千里、欣欣向荣，全面融入人类社会生产生活，与各行业不断交叉融合，正深刻改变着世界的经济格局、文化格局、安全格局和竞争格局。在双循环战略下，如何快速有效组织国内外优势科技力量，构建新型体制机制，攻克系列关键核心技术，补短板，加长板，建立与新时代大国竞争力和经济社会可持续发展相适应的信息体系，确保国家在信息

[半导体设计/制造]

我国电子<font color='red'>信息</font>工程科技面临的13个挑战

赛灵思FPGA唱响国内首个国家级信息安全大赛

继助力西安交通大学蝉联亚太区大学生机器人大赛冠军之后，全球可编程逻辑解决方案厂商赛灵思公司赞助的国内首个由教育部主办的2008年全国大学生电子设计竞赛信息安全技术邀请赛颁奖仪式于近日正式落下帷幕。在此次信息安全大赛中，基于赛灵思FPGA的“蜂窝网络通信中个人隐私泄露漏洞发现与告警系统”和“基于指纹识别的U盘保密系统”两个设计项目从FPGA组28个参赛队伍中脱颖而出，摘取该组别的桂冠。赛灵思公司全球大学计划高级总监Patrick Lysaght亲自出席了颁奖仪式并与教育部高教司的相关负责人进行了会晤。赛灵思公司全球大学计划高级总监Patrick Lysaght表示：“采用FPGA进行设计对发展信息安全产业的核心技术至

[嵌入式]