Xiaopeng ô tô đánh ai đó để chết thường xuyên: Bạn có dám mua nó không, bạn có dám sử dụng lái xe phụ không?
Một tai nạn giao thông vào ngày 10 tháng 8 đã khiến tự trị thúc đẩy trọng tâm của tranh cãi.Trên con đường trên cao, một chiếc Xiaopeng P7 đâm vào một chiếc xe bị đỗ trên đường. Người đứng ở phía sau xe phía trước bị đâm và chết.Hồ sơ trò chuyện của các chủ xe Xiaopeng nói rằng anh ta đã bật hệ thống hỗ trợ lái xe vào thời điểm đó, nhưng chiếc xe không đưa ra bất kỳ cảnh báo nào trước khi tác động và không tạo ra phanh -phương tiện không xác định được điều kiện đường bộ.Xiaopeng trả lời các phương tiện truyền thông rằng Sở Cảnh sát Giao thông đã đệ trình một vụ án. Xiaopeng sẽ hợp tác đầy đủ với các bộ phận liên quan để tiến hành điều tra tai nạn và hỗ trợ khách hàng xử lý các vấn đề liên quan đến theo dõi.Xiaopeng đã không trả lời liệu chủ sở hữu có mở chức năng lái xe phụ trong một tai nạn xe hơi hay không.Một bài học khác đã làm dấy lên mối quan tâm về sự an toàn của lái xe tự trị.Nửa năm trước, ô tô Xiaopeng vừa gặp tai nạn tương tự.Một chủ sở hữu Xiaopeng P7 ở Yueyang, Hunan, đã đâm vào một chiếc xe lăn trước mặt anh ta trước chức năng lái xe phụ trợ. May mắn thay, không có thương vong do người dân gây ra.Đẩy về phía trước một lần nữa, một năm trước, một chủ xe của Weilai Es8 đã lái xe vào một chiếc xe bảo trì đường bộ trong khu vực Hanjiang của tốc độ tốc độ cao của Shenhai và chết không may.Theo các báo cáo vào thời điểm đó, những người quen thuộc với vấn đề này nói rằng ông bắt đầu chức năng lái xe phụ trợ, nhưng chiếc xe không xác định được thùng cọc và phương tiện bảo trì trước làn đường.Xe thất bại, rollover phụ và xe bảo trì là ba cầu chì của ba vụ tai nạn này, và tất cả chúng đều là các vật thể tĩnh.Việc công nhận các đối tượng tĩnh vẫn là một vấn đề lớn đối với việc lái xe tự trị cho đến ngày nay.Vấn đề này đã gây ra rất nhiều tai nạn xe hơi trong quá khứ và các vụ tai nạn tương tự có thể tiếp tục xảy ra trong tương lai.Tại sao bạn không thể nhận ra đối tượng tĩnh?Có đáng để chủ sở hữu tiếp tục tin tưởng vào công nghệ mới này không?Ai gây ra tai nạn?Cảnh sát chưa đưa ra kết luận về vụ tai nạn của Xiaopeng P7, nhưng kết hợp với video mặt đường công cộng và thông tin liên quan, chúng tôi đã cố gắng khôi phục lại vụ việc.Trong vụ tai nạn, ba bên -Xiaopeng P7 chủ sở hữu xe hơi và hệ thống lái xe phụ trợ của Xiaopeng và phương tiện lỗi.Vụ tai nạn xảy ra vì chiếc xe phía trước bị lỗi và dừng lại trên làn đường nhanh ở phía bên trái của phần cầu cạn. Xiaopeng P7, đang lái xe bình thường trên làn đường, không có phanh hoặc tránh, và phía sau.Câu hỏi là, tại sao Xiaopeng P7 không tìm thấy chiếc xe lỗi ở phía trước?Người ta nói rằng chủ sở hữu của Xiaopeng P7 nói rằng ông đã mở hệ thống lái xe phụ trợ, và hệ thống không được công nhận. Điều đó xảy ra rằng ông vẫn bị phân tâm vào thời điểm đó.Trong phần cầu cao, một vật tĩnh đột ngột xuất hiện trên làn đường, đây là vụ tai nạn dễ bị tai nạn nhất trong lái xe tự trị.Cảnh tai nạn này phức tạp hơn bình thường.Trước hết, chiếc xe phía trước đậu trên làn đường nhanh ở phía bên trái của cầu cạn. Tốc độ xe trên làn rất nhanh. Nếu nên tránh chiếc xe phía sau, nó chỉ có thể được thay đổi thành làn đường bên phải; thứ hai , nó cũng quan trọng hơn. Ra khỏi xe và mở thân cây, và sau đó đóng thân cây và đứng ở phía sau xe.Một số nhà phân tích tin rằng tình trạng của người trước xe phía trước có thể khiến chiếc xe không thể nhận ra.Bởi vì Xiaopeng P7 muốn xác định chiếc xe phía trước ở phía xa, nó chủ yếu dựa vào cảm biến để xác định các đặc điểm của xe phía trước và đèn hậu.Tuy nhiên, trong vụ tai nạn này, Xiaopeng P7 không chỉ không xác định được chiếc xe ở phía trước mà còn không nhận ra người đứng sau chiếc xe.Máy ảnh và radar sóng milimet là hai cảm biến quan trọng nhất trong hệ thống lái xe.Xiaopeng P7 ra mắt vào đầu năm 2020, hệ thống XPilot 2.5 được trang bị 5 camera, radar sóng 3 mm và hệ thống XPilot 3.0 đã được nâng cấp lên 14 camera và radar sóng 5 milimet.Máy ảnh giống như mắt người. Những gì bạn nhìn thấy là hình ảnh. Radar sóng milimet nhìn thấy dải và sử dụng hiện tượng Doppler để cảm nhận tốc độ và góc tương đối của vật thể.Xiaopeng P7 phát hiện đường làn qua camera được cài đặt trên kính chắn gió phía trước.Theo chủ sở hữu của vụ tai nạn Xiaopeng P7, chiếc xe của anh ta là hệ thống XPilot 2.5.Một ngành công nghiệp xe hơi phân tích theo chiều sâu, cấu hình lái xe phụ Xpilot 2.5, máy ảnh có thể xác định loại mục tiêu, nhưng tốc độ nhận biết của người đi bộ thường khó có được hơn 60 km/h; nói chung, chỉ có radar và máy ảnh sóng milimet Cũng tin rằng có một mục tiêu tĩnh tại cùng một điểm, và nó sẽ có sự tự tin cao cho quy định.Nếu hồ sơ trò chuyện của Internet được thông qua, tốc độ được thiết lập bởi chủ xe tại thời điểm đó là 80km/h, vượt quá phạm vi nhận dạng người đi bộ của hệ thống nhận thức xe.Kỹ sư phần mềm \”Libos dữ liệu\” nói với dòng sâu: \”Tình trạng của chiếc xe Xiaopeng P7 chắc chắn là sự can thiệp nhiều hơn cho hệ thống lái xe phụ. Và nó cũng liên quan đến tốc độ của chiếc xe. Liu Feihong, một người trong tự trị Công nghiệp lái xe, đã phân tích cuộc hành trình sâu sắc, \”Từ quan điểm của video tai nạn, cảnh đó là một trường hợp góc cho nhận thức về lái xe phụ trợ, đó là cảnh rất khó giải quyết tại cuộc đổ bộ hiện tại.\” \”?Tại sao một đối tượng tĩnh trên đường cao tốc trở thành trường hợp góc của hệ thống nhận thức?Có khó để xác định các đối tượng tĩnh?Theo dữ liệu, khi xe đang lái, hệ thống không nhận ra đối tượng tĩnh, mà để sàng lọc các đối tượng tĩnh ảnh hưởng và can thiệp chính xác việc lái xe.\”Trên thực tế, nó có thể được xác định, nhưng không có cách nào để đánh giá xem có nên tránh nó hay không, bởi vì những vật thể tĩnh này trên đường không tốt để đánh dấu, và thật dễ dàng để bị đánh giá sai khi nó được đánh dấu.\” Phanh.\”Nó dễ chịu hơn so với thường xuyên phanh ma\”, ông nói.Thiết bị nhận thức liên quan ở đây là radar máy ảnh và sóng milimet mà chúng tôi đã đề cập ở trên.Máy ảnh cần sử dụng học máy để huấn luyện và xác định các vật thể. Radar sóng milimet được xác định bằng sự phản xạ của sóng điện từ.Nhưng hai cảm biến này có những hạn chế riêng.Đối với máy ảnh, có nhiều loại đối tượng tĩnh và các hình dạng khác nhau. Có rất nhiều đào tạo mẫu. Các xe tải lăn, phía sau của thân cây và duy trì việc duy trì bên đường không phải là mẫu phổ biến. để nhận ra nó.Ví dụ, \”xe tải trắng\” nổi tiếng, Tesla đã va chạm với xe tải trắng nhiều lần, bởi vì hệ thống lái xe phụ của Tesla không xác định được thân xe, nhưng xác định anh ta là bầu trời, cuối cùng bị đánh giá sai.Những hạn chế của radar sóng milimet cũng rõ ràng.Xe hơi, các dấu hiệu kim loại đỗ trên làn đường và một số trở ngại tĩnh không tiêu chuẩn sẽ gây ra lỗi nhận dạng do vấn đề độ phân giải radar và tiếng vang.Hệ thống nhận thức của chiếc xe đóng vai trò của mắt người. Mắt người có một đặc điểm rất nhạy cảm với các vật thể thể thao. sự vật.\”Đây là điểm yếu kỹ thuật cốt lõi của radar sóng milimet.\” Chen Ziying, một người quản lý đầu tư cao của Capital Capital, nói với hành trình sâu sắc của cô rằng theo ý kiến \u200b\u200bcủa cô, độ phân giải góc của radar sóng milimet là một khó khăn kỹ thuật trong Ngành công nghiệp mà ngành công nghiệp luôn muốn vượt qua. Nghị quyết sẽ ảnh hưởng trực tiếp đến độ chính xác hình ảnh, và có một sự khác biệt lớn trong việc nhìn và không rõ ràng.Nói chung, càng nhiều ăng -ten, góc chùm càng hẹp, hiệu suất radar càng mạnh và cách tăng ăng -ten thường là dung dịch MIMO (mảng lớn) và giải pháp đa cấp, nhưng trước đây tồn tại trong tín hiệu Sự can thiệp, thứ hai, sau này có một số mức độ hạn chế, vì vậy rất khó để vượt quá độ phân giải góc dưới 1 ° \”, cô nói.Trong trường hợp không có bước đột phá trong công nghệ, việc xác định các đối tượng tĩnh sẽ luôn là một điểm đau để hỗ trợ lái xe.Giám đốc điều hành ô tô lý tưởng Li Xiang đã từng nói: \”Sự kết hợp của radar sóng hiện tại+milimet sóng giống như đôi mắt của một con ếch. Không sao khi đánh giá vật thể động, và nó gần như không đủ năng lực đối với các đối tượng tĩnh không tiêu chuẩn. Tỷ lệ công nhận bên ngoài chiếc xe cũng dưới 80%. \”Li muốn nói rằng thời gian cho giai đoạn này là năm 2019. Vào thời điểm đó, Tesla Model 3 trực tiếp lên đường để dọn dẹp xe, và chủ sở hữu đã chết không may.Ba năm đã trôi qua, và tình hình dường như không thay đổi nhiều.Làm thế nào để giải quyết nó về mặt kỹ thuật?Các vật thể tĩnh trên con đường cao tốc giống như một bộ phim bom tấn trên con đường tự giới thiệu. Thỉnh thoảng, nó thật đáng sợ.Làm thế nào để giải quyết vấn đề này?Liu Feihong nói rằng vấn đề có thể không tĩnh, nhưng trong những cảnh hiếm hoi, thấp này, chẳng hạn như xe tải phụ trên đường cao tốc, tần suất của cảnh này quá thấp.Trong khung kỹ thuật hiện tại, nút thắt vẫn còn trong số lượng dữ liệu của các cảnh hiếm, không phải trong cảm biến.Ông tin rằng nhận thức hiện tại dựa trên dữ liệu -ví dụ, hệ thống nhận ra mèo và chó. Có 20 hình ảnh của mèo và 2.000 con chó. Sau đó, việc nhận dạng hệ thống của chó sẽ tốt hơn nhận dạng mèo.Vì vậy, một cảnh là \”khan hiếm\”, sau đó nó là một trường hợp góc.Tuy nhiên, nút cổ chai kỹ thuật hiện tại là \”mặc dù số lượng cảnh khan hiếm là nhỏ, nhưng có rất nhiều loại cảnh khan hiếm. Một trong những địa điểm đáng xấu hổ ở đây.\” Theo logic này, hãy để hệ thống lái xe tự trị tiếp tục tiến hóa Yêu cầu một dòng \”cho ăn\” ổn định rất nhiều dữ liệu, bao gồm càng nhiều kịch bản khan hiếm càng tốt, để hệ thống tăng cường khả năng nhận biết trong học tập.Đây thực sự là giải pháp hiện tại của Tesla.Tesla luôn nhấn mạnh vào các mạng lưới thần kinh và học máy, và đã nỗ lực với thuật toán, thay vì xâu chuỗi số lượng cảm biến như lực lượng xây dựng xe mới ở Trung Quốc, làm tăng số lượng cảm biến.Cấu hình cảm biến của Tesla Model 3 và Model Y thấp trong cùng một mô hình giá, nhưng thuật toán tạo nên sự thiếu cảm biến.Musk tin rằng bằng các sơ đồ thị giác thuần túy, Tesla cũng có thể lái các phương tiện như mọi người, bao gồm cả việc xác định các đối tượng tĩnh.\”Chiến lược bên trong là chìa khóa. Do đó, Tesla thu thập thu thập dữ liệu trực quan qua mỗi chiếc xe và liên tục tối ưu hóa mô hình thuật toán, sẽ bao gồm hầu hết các kịch bản, nhưng vẫn có những rủi ro không thể đoán trước được.\”Rủi ro tồn tại. Cho đến nay, Tesla đã không cải thiện nhiều trong việc nhận biết các đối tượng tĩnh.Chen Ziying tin rằng Fusion Multi -sensor là một giải pháp an toàn hơn, bởi vì những hạn chế của lớp vật lý rất khó phá vỡ. Một khi trường hợp góc mới xuất hiện, đó là một sự kiện lớn cho cuộc sống.Tesla hiện đang thực hiện một giải pháp như vậy, vẫn được xem xét nhiều hơn dựa trên quan điểm trưởng thành và chi phí của các cảm biến.\”Họ sẽ luôn sử dụng các giải pháp trưởng thành nhất. Trong tương lai, với sự trưởng thành và chi phí công nghệ trong tương lai, tôi tin rằng Tesla sẽ không tuân thủ con đường tầm nhìn.\” Giống như yêu cầu những người mù biết cách Điều này khó khăn, \”cô nói.Các công ty xe hơi trong nước đã theo một cách khác -kích thích số lượng và hiệu suất của các cảm biến, chẳng hạn như sự phát triển của radar sóng 4D milimet để thúc đẩy sản xuất hàng loạt của LIDAR.Vào thời điểm đó, tai nạn xe tải trắng Tesla, chiếc xe được sử dụng trên xe là một radar sóng milimet thiếu thông tin cao, vì vậy độ tin cậy thấp. Nó chỉ có thể dựa vào cảm biến hình ảnh từ một khoảng cách xa. Cuối cùng, cuối cùng, cuối cùng, Thật khó để thoát khỏi giới hạn của lớp vật lý để gây ra tai nạn xe hơi.Khi độ phân giải của sóng milimet 4D tăng lên và độ tin cậy tăng lên, sau khi xác định một ngăn có chiều cao 2 mét, thông tin này sẽ ngay lập tức phản hồi cho hệ thống quyết định để đưa ra dự đoán phanh trước và toàn bộ bảo mật sẽ cao hơn.Lidar cung cấp một khả năng khác.Hầu hết các mô hình mới được ra mắt bởi những chiếc xe trong nước ở Trung Quốc đã bổ sung radar laser trong số các mẫu mới được ra mắt trong năm nay, như Weilai ES7, lý tưởng L9, Xiaopeng G9, v.v.\”Trong tương lai, các khiếm khuyết của radar sóng milimet truyền thống sẽ được bổ sung từ từ bởi sóng 4D, nhưng về độ chính xác, radar sóng 4D milimet sẽ không bao giờ tốt như radar laser, do đó radar sóng milimet và radar laser cuối cùng theo cách bổ sung cho nhau. \”Chen Ziying đã phân tích hành trình sâu sắc.Nhìn chung, để bỏ qua \”kẻ giết người gây tử vong\” của các vật thể tĩnh, vẫn còn một chặng đường dài để giúp lái xe.Có đáng tin tưởng cho việc lái xe phụ trợ không?Mỗi tai nạn lái xe phụ trợ phát ra báo động cho ngành công nghiệp.Tuy nhiên, nó không hoàn toàn là nguyên nhân của hệ thống, và rất khó để các chủ sở hữu thoát khỏi sự đổ lỗi.Trong hồ sơ trò chuyện trực tuyến, chủ sở hữu trong vụ tai nạn Xiaopeng P7 nói rằng anh ta đã \”bị phân tâm\” vào thời điểm đó, đó là một lỗi nghiêm trọng.Lái xe phụ trợ không phải là lái xe tự trị, bất kể nó được nhấn mạnh đến đâu.Chức năng này vẫn không thể giải phóng tay của tài xế và nó chỉ đóng vai trò \”phụ trợ\”.Người lái xe phải lái xe bằng xe. Khi bạn gặp phải trường hợp khẩn cấp, bạn phải tiếp quản. Người lái xe chịu trách nhiệm cho vụ tai nạn.Sau vụ tai nạn Weilai năm ngoái, ngành công nghiệp xe hơi mới rất bình tĩnh. Trong quá khứ, những tuyên truyền phóng đại và vô trách nhiệm trở nên ít hơn, và lời nhắc rủi ro đã được củng cố.Ví dụ, người dùng mới phải bật hệ thống lái xe phụ của Xiaopeng và họ phải trải qua bài kiểm tra. xe bị bắt gặp. Bản chấtTesla, Weilai và các công ty xe hơi khác cũng nhắc nhở trong hướng dẫn sử dụng rằng phương tiện tĩnh hoặc chướng ngại vật trước xe có thể không thể xác định và dừng hệ thống.Nhưng có bao nhiêu cảnh báo có các kỳ thi hoặc gợi ý này, rất khó để đánh giá chủ sở hữu xe hơi.Trên Internet, thường có một số phương tiện lái video để hỗ trợ lái xe tốc độ cao. Chủ sở hữu giữ điện thoại để gửi tin nhắn hoặc chơi trò chơi, và một số người thậm chí còn ngồi ở hàng sau, hoàn toàn để xe tự lái.Những người này có thể thoát khỏi việc khoe hoặc săn bắn, nhưng những gì được phơi bày là sán.Sự hình thành của loại may mắn này dựa trên sự tin tưởng được thiết lập trong sử dụng hàng ngày.Có lẽ khi chủ sở hữu thường bắt đầu chức năng lái xe phụ, hệ thống có hiệu suất tuyệt vời và thậm chí vượt quá mong đợi của chủ sở hữu, nhưng điều này không có nghĩa là hệ thống có khả năng đối phó với tất cả các cảnh cực đoan.Và những trường hợp góc hiếm hoi thường xuất hiện vô tình và gây tử vong.\”Trí tuệ nhân tạo có thể xác định 80%và 90%, ngay cả khi đó là 99,999%, nhưng nó ít hơn 100%. Nhưng thường thì tai nạn là do 0,00x%không thể được nhận ra. Đây là những hạn chế của AI.\” Mọi người nói với cuộc hành trình sâu sắc.Liên hệ quá mức với nhiều nhân viên an ninh Robotaxi theo chiều sâu. Họ đang ngồi trên Robotaxi, nơi tuyên bố có khả năng không người lái L4, cho phép chiếc xe lái xe tự trị trong phần Trình thử nghiệm, nhưng họ đã sẵn sàng tiếp quản bất cứ lúc nào.Nhiều nhân viên an ninh nói rằng quá trình này mệt mỏi hơn lái xe, vì họ cần tập trung ở mức độ chú ý cao.\”Tay lái không nằm trong tay bạn. Bạn không biết khi nào bạn phải tiếp quản, bạn không thể giúp nó.\” Rome không được xây dựng trong một ngày. Lái xe tự trị phải thực sự được áp dụng ở quy mô lớn. Có Vẫn còn nhiều đột phá về công nghệ và quy định. Những trở ngại.Đối với chủ sở hữu xe hơi, điều này đòi hỏi thời gian, sự kiên nhẫn và nhận thức hơn về rủi ro.Cho dù công ty xe hơi đang quảng bá như thế nào, chủ sở hữu xe hơi cần phải ghi nhớ mọi lúc. Lái xe tự trị hiện tại là một giai đoạn khi L2 đến gần L3, và nó không thể hoàn toàn dựa vào cảm biến để đưa ra quyết định.Chen Ziying tin rằng điều kiện tiên quyết cho mọi người với tư cách là người lái xe chính phải rõ ràng. \”Nếu không, nó là quá nhiều chi phí cho việc sống trong việc phát triển lái xe tự trị như là cuộc sống của việc lái xe tự trị.\”
