中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

自動駕駛汽車的等級劃分，你了解嗎？

目前權威的分級主要來自于NHSTA（即美國國家高速路安全管理局）和SAE International（即國際汽車工程師協會）分別制定的兩套標準。標準主要通過對智能汽車的自動化程度進行指標性分解，并根據各項指標維度的主控者進行判別，從而完成自動駕駛汽車的級別劃分和定義。

簡單來說，無論分級如何定義，大致可以劃分為三階段：

• 第一、帶有初級輔助駕駛系統的汽車，僅能提供簡單的預警系統，主要操作者仍為人類；
• 第二、帶有高級輔助駕駛系統的汽車，可在限定條件和區域進行無人駕駛，能夠應對較多場景的復雜工況并可依據傳感器和融合算法進行環境感知、預判從而完成監視、預警、剎車及導向等相關任務，但仍需要人類進行監控和接管，且最終決策者的仍為人類；
• 第三、完全脫離人類操控的智能汽車，在所有環境下可憑借汽車的軟硬件完成所有操作決策，無需人類介入。

言歸正傳，我們來具體了解下自動駕駛汽車的等級劃分：

• NHSTA/SAE：L0–人工駕駛，由人類全權駕駛汽車，但可通過初級預警系統得到輔助性警告幫助；
• NHSTA/SAE：L1–輔助駕駛系統（DAS），轉向、加減速、剎車等底層控制由系統和人共通完成，由系統完成對部分工況的處理，但對于環境的觀察和監控以及異常駕駛狀況的應對主要應對者仍為人類，系統主要提供單一功能輔助。
• NHSTA/SAE：L2–高級輔助駕駛系統（ADAS）或半自動駕駛，轉向、加減速、剎車燈底層控制可交由系統完成，由系統完成對部分工況的處理，對于環境的觀察和監控及異常駕駛狀況的應對主要應對者仍為人類，該級別系統可提供組合功能輔助。
• NHSTA/SAE：L3–高度自動駕駛（HAD），轉向、加減速、剎車燈底層控制以及對于環境的監控觀察均可由系統決策完成，可應對更多實際工況場景并進行有效應對，人類更多專注于系統無法完成的異常情況處理，該級別系統可在限定條件下進行完全的自動駕駛，如高速公路。
• NHSTA/SAE：L4–超高度自動駕駛，系統可完成底層控制、對于行車環境的有效觀察以及對于較多異常情況的處理，人類主體作為特殊情況的支援者。
• SAE：L5–完全自動駕駛，系統可獨立完成所有層面的操作和決策。

隨著自動駕駛級別的提升汽車的操控權和決策權，逐步實現由人類主體向自動駕駛系統的讓渡，自動駕駛系統的操作領域和處理的工況場景越來越多。這就引出自動駕駛領域的一個概念——ODD（Operational Design Domain），即操作設計范圍。

簡單來說，ODD指的就是一組環境指標參數，自動駕駛系統根據各項指標參數條件自適應的調整運行決策從而確保在既定的環境條件下能夠安全的運行，環境指標通暢包括道路狀況、車速、地理環境、自動駕駛系統運行的環境條件等。

也就是說，自動駕駛系統是被限定在ODD范圍內，在既定的條件范圍內，自動駕駛系統可以安全的操作運行，超過了ODD范圍，自動駕駛系統就會存在風險。自動駕駛級別的提升，某種程度上也就對應著自動駕駛系統的ODD范圍在不斷擴大，理論上的甚至可以無限大，也就是所謂的L5級完全自動駕駛。

這樣來看，到了L5級別ODD也就失去了定義的必要。但現實情況是，完全的自動駕駛至少從目前的研究現狀來看，還是可望而遠不可及。即便是國內自動駕駛的龍頭百度在L4級別的落地應用也是限定在特定ODD范圍內進行自動駕駛。原

因之一就是異常場景的組合情況的可能性是無限大的，而現階段很難通過傳統的方式進行窮盡處理，人做為操作主體與自動駕駛系統最大的區別在于，自動駕駛系統可以在底層控制以及算法層面遠勝于人。

但對于突發狀況的反應和處理，自動駕駛系統在目前的技術實現能力方面卻是遠遠不及個體人類，而僅僅在對于突發狀況的處理方面的應急區別將會成為完全自動駕駛能否實現的關鍵所在，而這一點需要依賴人工智能的研究成果是否有會有突破性進展并且應用到汽車行業，即如何對從未遇見過的異常狀況進行類人思考甚至更快的反應進行處理。

綜上，某種程度上，ADAS可視為實現無人駕駛這一最終目的的前提，無論是ADAS抑或是無人駕駛，二者的原理從目前的技術實現導向來看，都是利用安裝在汽車上的各種傳感器進行環境數據的監控和收集，并結合地圖數據進行系統計算，從而實現對于車輛行駛路線的規劃，并綜合各項數據進行最優化決策并控制車輛達到預定目標。

隨著ADAS系統的不斷完善，應對的工況場景越來越多，漸進式地向無人駕駛這一終極目標邁進。目前綜合國內外的情況，根據NTHSA（美國高速路安全管理局）定義的分級，自動駕駛技術的發展現狀正處于L2和L3的階段。

無人駕駛的特殊性在于，面對復雜的道路狀況和異常環境，即使自動駕駛技術已經足夠優秀，并使得可能性事故發生概率一降再降，但是相關的事故一旦發生也是極難被人們接受的，某種程度上也反映了其商業落地的困難程度。

囿于技術現狀以及商業化落地的迫切需求，與其追求實現遙遙無期的無人駕駛似乎更加理性的“車路協同”等概念正在被廣泛提出并付諸于商業實踐，單車智能這一藍圖宏愿歸于平靜。

熟識工程技術難度的傳統車企以格外慎重的姿態面對自動駕駛的浪潮，反觀風頭正盛的技術公司們給與了民眾越來越多的期望。在不遠的未來，傳統車企要竭力避免成為技術公司的硬件代工廠，技術公司也很難拋卻與汽車硬件的融合而空談自動駕駛系統，憂慮與恐懼或許會加速彼此合作與交融。

本文由 @江天一隅 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議