Andreessen Horowitz. Павел Красномовец. Марта 2. 01. 73. 11. В январе один из наиболее известных фондов Кремниевой долины Andreessen Horowitz проводил саммит, где с презентацией «1. Френк Чен. Эти вопросы инвестору часто задают стартапы или крупные компании, которые хотят работать в сфере беспилотных авто. Они касаются трех аспектов: технологий, которые будут использоваться для достижения автономности; изменений в бизнес- ландшафте всего, что связано с автомобильным рынком сейчас, а также социальных последствия появления полностью беспилотных авто. Она включает историю развития автомобилестроения в мире: самые первые автомобили, первые 4-колесные автомобили, автомобили начала 20 века. Презентация на тему 'Автомобили'. Машины очень важны для человека, так как в современном мире сам человек уже не справится с ритмом высоких скоростей. Редакция AIN. UA публикует адаптированный перевод обзора презентации, сделанной предпринимателем Артуром Кюльяном на Medium. Уровень за уровнем или от первого сразу к пятому? Ключевое предположение состоит в том, что «все, что двигается, будет автономным». Мы говорим не только о автомобилях и грузовиках на наших дорогах, но и о дронах, детских игрушках и тележках для доставки, которые будут двигаться самостоятельно до такой степени, что наше вмешательство будет рудиментарным, нежелательными или даже незаконным. Cadillac World Thorium Fuel, или Cadillac WTF, Р. Получить код Увеличить. Презентация на тему История создания автомобилей. По состоянию на 2002 год, общая численность автомобилей в мире превысила 590 000 единиц. Демонстрировать слайды можно на уроках окружающего мира. Презентация Первые автомобили. Презентация знакомит с информационным проектом ученика третьего класса. Итак, как же мы дойдем до этого момента? Существует шестиуровневая система категоризации автономного вождения, разработанная Сообществом автомобильных инженеров (SAE). Нулевой уровень: только водитель. Здесь все просто — машиной управляет исключительно водитель. Уровень один: содействие. Автомобили, которые используем мы, в основном попадают в эту категорию.
Это машины с антиблокировочной системой тормозов и круиз- контролем, которые могут взять на себя не жизненно важные функции управления автомобилем. Уровень два: частичная автономность. В этой категории находятся системы, которые могут взять на себя управления в специфических случаях, но водитель по прежнему должен следить за их работой все время. К примеру, это касается ситуаций, когда авто едет самостоятельно по шоссе, а вы просто сидите, держа руки на руле, и ожидайте, что машина будет хорошо себя вести. Уровень три: условная автономность. Этот уровень подразумевает, что водитель не должен следить за работой системы постоянно, но должен находится в состоянии, когда быстро может взять на себя управление. То есть, нет необходимости держать руки на руле, но нужно будет схватить его, как только прозвучит сигнал экстренной ситуации, который система может эффективно распознать. Уровень четыре: высокая автономность. Когда машина отвозит вас от гаража до парковки, она выходит на четвертый уровень. Он не требует вмешательства водителя в специфических случаях или на каком- то из участков пути. Уровень пять: полная автономность. Святой Грааль зарыт именно тут. Пятый уровень означает, что беспилотная система может справится с любой ситуацией на протяжении всего пути и участие водителя не требуется уже потому, что у вас может не быть для него механизмов управления вообще. То есть, у человека просто нет выбора. Текущие автопроизводители, вероятно, будут двигаться по этим категориям постепенно, добавляя одну функцию за другой. Компании вроде Google наоборот стараются сразу оказаться на четвертом — пятом уровне, чтобы избежать сложных с точки зрения пользовательского опыта промежуточных моментов. Это ситуации вроде тех, когда нужно предупредить пользователя, что система не может справится самостоятельно и требует вмешательства водителя. Какие виды сенсоров будут использоваться? LIDAR или нет? Следующий вопрос заключается в оборудовании, которое позволит нам достигнуть пятого уровня. Будут ли это новые сенсоры или инкрементальное улучшающееся текущего hardware? Компании вроде Google полагаются на технологию LIDAR, которая расшифровывается как Light Identification Detection and Ranging — световое обнаружение и определение дальности. Этот метод позволяет измерять различные расстояния вокруг с помощью пульсирующего лазера. D- карта, построенная благодаря лазеру, совмещенная с камерами и умным ПО, дает автомобилю достаточно информации, чтобы тот мог управлять поездкой без участие человека. Текущая реализация этой технологии — вращающаяся головка на крыше — стоит $7. Такая цена является главной причиной того, что LIDAR не применяется в индустрии повсеместно. Но есть некоторые продвижения в технологии, которые смогут сделать его цельным, без движущихся частей, а стоимость снизится до $2. Если это произойдет, то почему бы не пользоваться LIDAR? Его минус в том, что это еще один сенсор, который мы должны разместить в машине. При этом, его функциональность можно реализовать с помощью двух стереокамер, которые позволяют создать 3. D- модель пространства. Они итак будут ставиться на автомобили, зачем использовать еще и дорогой LIDAR? Главный контраргумент в пользу лазерного сенсора является предоставляемое им разрешение и точность, которое недостижимо для стереокамер. Новые типы цифровых карт? Все используют Google Maps, Apple Maps, Waze и они обладают потрясающим уровнем разрешения, которое позволяет передвигаться по городу не задумываясь. Но этого разрешения недостаточно для машины, которая управляет сама собой. Какой информации не хватает? Информации, указывающей на: расположение искривлений дороги; расположение дорожных знаков; в какое время дня солнце будет светить прямо в камеру, делая систему слепой. Помимо этих, существуют и другие мелкие детали, которые полностью упущены в текущих картах. Просто потому, что нам, людям, они не нужны, а нынешние карты сделаны для человека, а не машин. Так нужны ли нам отдельные карты высокого разрешения исключительно для беспилотных машин? Но кто их будет предоставлять и во сколько это обойдется? Самый интересный вопрос, который никто не задает, есть ли здесь возможность для монополии? Потому что, в ближайшем будущем, когда мы достигнем пятого уровня автономии и лишимся выбора по управлению машиной самостоятельно, мы будем полностью зависимы от инфраструктуры, которая делает возможной работу беспилотных авто. Увидим ли мы более дешевую версию карт высокого разрешения, которая позволит машине работать с определенным скоростным ограничением или уровнем безопасности? Кто будет регулировать эту потенциально серую зону? Использование таких карт также имеет влияние на энергопотребление автомобиля. Поскольку нам придется полагаться на суперкомпьютер, который будет использовать эти сложные карты высокого разрешения с миллионами параметров, он будет требовать много энергии. Какой набор ПО использовать? Глубокое обучение задает повестку дня в Кремниевой долине, но существуют и другие достижения в сфере робототехники и поиске пути, о которых не стоит забывать. Основное отличие между этими методами состоит в способности системы учиться на основе предыдущего опыта и наборов данных или принимать решения, опираясь на заложенную логику и правила. На самом деле, роботы Boston Dynamics, которыми мы все восхищаемся, не используют машинное обучение совсем, но все равно показывают впечатляющие результаты. Несмотря на то, что напрямую запрограммированные правила не могут победить игроков Alpha- Go с тем же уровнем эффективности, что глубокое обучение, но их можно совместить с недавними достижениями машинного обучения для лучших результатов. Тестирование систем в реальном мире против виртуального? Для машинного обучения вам нужно иметь огромные наборы данных прошлого опыта, примеров правильного поведения и окружения. Вопрос состоит в том, какое количество данных будет браться с реальных машин, путешествующих по реальным дорогам, а какое — с виртуальных симуляций. Уже сейчас есть несколько попыток упростить последний тип обучения через симулированные вселенные вроде проекта Open. AI Universe. Можем ли мы быть уверены, что алгоритмы сходятся одному и тому же прогнозу, что и в реальном мире? В вымышленных мирах, которые можно симулировать, можно учесть гораздо больше ситуаций, но как точны они будут, учитывая разрешение и зернистость HD- карт, которые мы должны учитывать? Будут ли технологии V2. X играть важную роль? V2. X (Vehicle- to- everything) — технология, которая позволяет транспортным средствам коммуницировать с подвижными частями систем дорожного движения. V2. V (Vehicle- to- Vehicle) позволяет машинам «общаться» между собой. Такие технологии, к примеру, позволят вашей машине коммуницировать со светофором. Если вы подъезжаете к перекрестку, видите красный сигнал, но светофор знает, что вокруг нет других машин, он может пропустить вас раньше. V2. X- системы также смогут решить проблемы вроде пересечения Т- образных перекрестков, когда ваш автомобиль не «видит» движущегося на большой скорости авто за углом. Если обе машины в этом случае сконтактируют друг с другом, то столкновения удастся избежать. Представьте, скольких аварий можно будет избежать, если машины будут «общаться» друг с другом. Но, основной проблемой в таких технологиях является совместимость протоколов и эффективность коммуникаций, учитывая, что решения должно приниматься за миллисекунды. В таких случаях у авто не будет времени для дополнительных вычислений из- за непонимания «языка» другой машины. Эту технологию многие видят частью невероятного будущего, но никто не планирует ее в первой итерации полностью автономных автомобилей. Можем ли мы избавиться от светофоров? Светофоры на крестообразных перекрестках — полный отстой. Если наши машины смогут «общаться» и будут полностью автономными, то почему бы нам не избавиться от светофоров? Это может звучать очень хаотично, но, постойте, разве пакеты в компьютерных сетях двигаются не точно так же? Для реализации решения потребуется иметь умные алгоритмы перенаправления и экстремальный мониторинг в моменты проезда перекрестков, но оно того наверняка стоит. Только подумайте, какое улучшение эффективности транспорта это принесет. Как автопроизводители будут «локализировать» свои машины? Каждый город обладает своей культурой вождения. Как беспилотные автомобили будут подстраиваться под эти уникальные условия? Ведь, то, что безопасно на дорогах Бангалора, вызовет транспортный коллапс в Бостоне. Локализация — термин вышедший их компьютерных наук, которые означает, что ПО будет как- то подготовлено к условиям окружения, в котором оно используется. Какую форму это обретет в случае беспилотных машин?
0 Комментарии
Оставить ответ. |
АвторНапишите что-нибудь о себе. Не надо ничего особенного, просто общие данные. Архивы
Июль 2017
Категории |