一般而言
普通人在精神高度集中的状态下
反应时间为200ms左右
经过训练的专业运动员
可以将这一数字缩短到
150-180ms左右
而自动驾驶的反应时间
则必须达到20ms
甚至更快
驾车行驶在瞬息万变的街道上,每一个十字路口,每一片视野盲区,危险往往就藏匿其中。一名合格的老司机往往能够通过丰富的驾驶经验躲避掉多数的风险,但对于“鬼探头”、前车无征兆急刹等突发情况,驾驶员的反应才是避免悲剧的第一要素。
单车智能
有限的信息,极限的反应
显而易见,机器处理紧急情况的反应时间要比人类迅速的多,而现在的自动驾驶也正通过自动辅助驾驶帮助人们处理这些突发情况:前有高速公路120迈多次变道紧急避险,后有市区公路1cm距离紧急制动。人工智能以敏捷的响应保护了人们的生命财产安全,但即使是如此一般的反应,距离实现真正的自动无人驾驶仍然有很大的距离。
在驾驶的途中,人工智能的反应速度永远会比人类快的多,但在信息获取的全面性和处理方式的准确性上,人工智能还有很长的路要走,这也是人与机器的差异所在。如果自动驾驶车辆可以掌握到整个道路信息,从几条车道扩展到整条公路,那么它所做出的判断无疑会更加准确。
车路协同
将“平视”转为“俯视”
从自动驾驶等级的L1-L5,再到高级辅助驾驶系统的逐步完善,一系列自动驾驶技术的突破将单车智能提高到一个前所未有的高度,但实现完全智能的自动驾驶不仅需要“智能的车”,也需要“智能的路”。随着单车智能发展进入瓶颈期,车路协同在5G时代的浪潮推动下回归到大众企业的视线中。
车路协同是利用5G等车载网络传感器与高精度地图的紧密配合获知相关路况,再通过V2X车用无线通信技术将信息传输到车端,极大的拓展自动驾驶汽车的感知范围。此时的智能驾驶将不止是单一车辆对于道路的智能分析,而是对整个道路信息的全局把控。
如果说单车智能是以驾驶者的视角“平视”道路,那么车路协同就是以上帝视角“俯视”整个街区的路况。
“平视”+“俯视”
趋近于未来的自动驾驶
相比于单车智能,车路协同的成本更低、商业落地速度更快,而通过5G技术实现的智能能力共享则更进一步提高了单车智能的上限:单车智能的安全性主要受制于传感器和算法的影响,任何情况下都会存在一定范围的视野盲区以及无法识别的物体,通过车路协同,则能消除单车智能的视野盲区。
车路协同配合单车智能,这样的互补关系,让智能驾驶做到更加完整全面的信息获取,相应的,对于路况的分析也能做出近似甚至高于人类的判断。二者彼此赋能,共同向前,才能更好的推动自动驾驶的落地。
平视或俯视
都需要“脚踏实地”
人工智能领域的不断突破,为单车智能的极限提供强有力的内生动力,实现车路协同则需要通信方案提供商、终端服务商等众多环节的共同参与,但无论以何种方式实现自动驾驶,都不能脱离强大的IT基础设施的支持。
戴尔科技作为全球领先的IT解决方案及服务的提供商,拥有十分丰富的产品类型与服务经验,通过领先的IT基础设施解决方案,推动着自动驾驶朝着未来稳步前行。
在人工智能方面,戴尔科技与AMD合作构建了面向自动驾驶汽车的基础架构解决方案,该方案基于采用了AMD EPYC处理器的PowerEdge服务器构建,通过更高的计算资源集成度、更多的PCIe链路以及内存通道,能够显著提高数据密集型工作负载的计算能力,满足人工智能训练苛刻的算力需求。
而在车路协同的落地方面,5G技术带来的实时路况分析对于数据的传输与存储提出了更为苛刻的要求:不仅需要足够的空间容纳海量的非结构化数据,也需要极低传输延迟与吞吐性能。面对如此挑战,企业则可以通过戴尔PowerScale轻松应对。
戴尔PowerScale全闪存架构通过提供高速开放网络的PowerSwitch,针对数据在跨边缘、核心、云之间的传输提供极高的I/O性能,减少延迟对自动驾驶决策的影响;而其作为横向扩展NAS存储,可在单个文件系统中从TB扩展至PB级容量,并支持节点无缝过度升级,大大提高存储的灵活性与可扩展性,保证充足的可用容量。
从上世纪50年代开始,人们便已憧憬着自动驾驶的未来,随着信息通讯以及人工智能的不断突破,全自动无人驾驶技术将不再只存在于科幻之中。也许自动驾驶的未来仍然十分遥远,而在这漫漫征程之中,戴尔科技也以自身科技优势支持企业不断向未来前进。
好文章,需要你的鼓励
微软与三星达成合作,将Copilot人工智能助手集成到三星的智能电视和显示器产品中。用户可以通过语音或遥控器直接与Copilot交互,获得智能问答、内容推荐、设备控制等服务。这一合作标志着AI助手从传统计算设备向家庭娱乐设备的进一步扩展,为用户提供更加智能化的观看体验。
成均馆大学团队开发出选择性对比学习新方法,让机器通过观察人类交互场景学会识别物体功能部位。该技术突破传统局限,采用动态学习策略,能根据信息质量调整学习方式,在多个数据集上显著超越现有方法,为机器人、自动驾驶等领域的智能交互应用奠定重要基础。
在全球经济不确定性增加的背景下,AI创新竞赛正在加速进行。但许多企业仍缺乏执行工具:Gartner预测到2027年,60%的组织将因数据治理问题而无法实现AI用例的价值。企业需要统一的数据平台支持所有数据模型,建立可靠的AI就绪数据管道,并通过主权AI工厂标准化AI流水线。通过集成向量数据库、嵌入管道和模型服务,企业可将生产就绪应用的部署时间从数月缩短至数小时,实现完整的数据主权和治理。
新加坡南洋理工大学研究团队开发出EgoTwin系统,这是首个能够根据文字描述同时生成第一人称视频和匹配人体动作的AI框架。该系统通过创新的头部中心动作表示方法和因果交互机制,解决了视角对齐和动作画面同步的核心难题,在17万样本的真实数据集上实现了显著性能提升,为VR内容创作、影视制作等领域提供了新的技术可能。