Para el público en general, esperan que los autos que se conducen a sí mismos puedan seguir estándares más estrictos que los conductores humanos. La semana pasada, la Sra. Elaine Herzberg desafortunadamente fue derribada por un Uber en modo piloto automático en Arizona, EE. Al final, después de la tragedia, llegó el momento de reflexionar sobre la importancia de la detección y la toma de decisiones para la seguridad.
En primer lugar, uno de los desafíos que enfrentamos hoy es interpretar la información del sensor. Según el video publicado por la policía, parece que incluso si la capacidad de detectar y clasificar objetos es el elemento básico más básico en un sistema automovilístico autónomo, esto también es cierto. Una tarea desafiante. Sin embargo, esta capacidad está en el corazón del actual Sistema Avanzado de Asistencia al Conductor (ADAS), que incluye características como el frenado de emergencia automático (AEB) y mantenimiento de carril. Miles de millones de millas son suficientes para verificar , El sistema de detección de alta precisión en ADAS está salvando vidas. De manera similar, antes de superar desafíos aún mayores, esta tecnología también es un elemento esencial para la conducción totalmente automática de automóviles en el futuro.
Con el fin de demostrar que la capacidad actual y las sutilezas de la tecnología ADAS, que corren el vídeo en un monitor de televisión en el software de Mobileye, que supervisa reproducir un fragmento del accidente proporcionada por la policía a pesar del mal estado - Puede haber una gran cantidad de escena del accidente alto rango dinámico de datos se ha perdido, pero el software de Mobileye todavía está en aproximadamente 1 segundo cuando se pre-impacto, se detecta claramente. siguiente imagen muestra tres instantáneas, por encima de la caja de contorno detectado la bicicleta y la Sra Herzberg. el detector tiene dos fuentes de operación independiente: reconocimiento de patrones (generado cuadro delimitador) y un módulo de detección de 'espacio libre' (nivel de generación de la figura, que representa la parte superior de la parte roja de una línea roja 'transeúnte') usando el arreglo de desplazamiento (terminología técnica'. avión + paralaje '), el tercer módulo pueden distinguir entre la carretera y por lo tanto para verificar el objeto detectado objeto es 3D, pero la fiabilidad es baja, por lo que se describe como' fcvValid: bajo', la parte superior izquierda se visualiza en la pantalla lado. ocurrir debido a la baja confianza, donde los productos de eliminación de información del vehículo comúnmente disponibles, y la calidad de imagen es mala, después de todo, la vista fotografiar tacógrafo Sobre la base de los disparos de nuevo, puede haber algo de disminución de resolución desconocida.
La imagen de un videoclip de la policía del monitor de TV liberados. Imagen superpuesta muestra la respuesta de los sistemas ADAS Mobileye. Verde y blanco cuadro delimitador es el resultado de las bicicletas del módulo de detección de peatones y de salida de la figura horizontal muestra el camino y los obstáculos Entre las fronteras, lo llamamos 'espacio libre'.
El software utilizado en este experimento es el mismo que se utiliza en los vehículos equipados con ADAS actuales y ha sido validado en miles de millones de millas de usuario.
Ahora, el desarrollo de tecnologías de inteligencia artificial, como redes neuronales profundas, ha llevado a muchos a creer que los sistemas de detección de objetos de alta precisión ya pueden desarrollarse fácilmente, y los expertos en visión artificial con más de una década de experiencia se consideran infractores. Muchos recién llegados están llegando a este campo. Si bien estas nuevas tecnologías son realmente útiles, muchas tradiciones no pueden ignorarse. Esto incluye la identificación y finalización de cientos de casos de pruebas extremas, anotaciones para decenas de millones de conjuntos de datos y docenas de ADAS. El proyecto se está sometiendo a pruebas de verificación de producción de prueba desafiantes. La experiencia es crítica, especialmente en áreas donde la seguridad está a la vanguardia.
La segunda observación del incidente fue la transparencia. Todos dijeron "ponemos la seguridad en el puesto más importante", pero creemos que para ganar la confianza del público debe ser más transparente. Como anuncié en Mobileye en octubre pasado. Según el Modelo de Seguridad Sensible Responsable (RSS), las decisiones deben cumplir con el sentido común del juicio humano. Hemos formulado matemáticamente conceptos de sentido común como "situaciones peligrosas" y "respuesta correcta" y hemos establecido una conformidad matemáticamente garantizada con la definición. Sistema.
La tercera observación es la redundancia: el verdadero sistema sensorial necesita un diseño redundante y debe depender de fuentes de información independientes: cámaras, radares y lidars. La integración de estas fuentes de información puede ayudar a mejorar el confort de conducción. Sin embargo, no es propicio para la seguridad. Para demostrar que hemos logrado una redundancia práctica, Mobileye ha desarrollado un sistema independiente, solo de cámara, de extremo a extremo, así como un sistema Lidar independiente y solo de radar.
Si algo así como el accidente de la semana pasada ocurre nuevamente, la ya frágil confianza de los usuarios se reducirá aún más, y puede llevar a una supervisión pasiva y finalmente acabar con este importante trabajo. Como dije al presentar el modelo de seguridad sensible a la responsabilidad, Creemos firmemente que es necesario realizar una discusión significativa sobre el marco de verificación de seguridad para automóviles totalmente automatizados. Invitamos a fabricantes de automóviles, compañías de tecnología en este campo, autoridades reguladoras y otras partes relevantes a trabajar juntas para resolver estos importantes problemas.
Para el público en general, esperan que los autos que se conducen a sí mismos puedan seguir estándares más estrictos que los conductores humanos. La semana pasada, la Sra. Elaine Herzberg desafortunadamente fue derribada por un Uber en modo piloto automático en Arizona, EE. Al final, después de la tragedia, llegó el momento de reflexionar sobre la importancia de la detección y la toma de decisiones para la seguridad.
En primer lugar, uno de los desafíos que enfrentamos hoy es interpretar la información del sensor. Según el video publicado por la policía, parece que incluso si la capacidad de detectar y clasificar objetos es el elemento básico más básico en un sistema automovilístico autónomo, esto también es cierto. Una tarea desafiante. Sin embargo, esta capacidad está en el corazón del actual Sistema Avanzado de Asistencia al Conductor (ADAS), que incluye características como el frenado de emergencia automático (AEB) y mantenimiento de carril. Miles de millones de millas son suficientes para verificar , El sistema de detección de alta precisión en ADAS está salvando vidas. De manera similar, antes de superar desafíos aún mayores, esta tecnología también es un elemento esencial para la conducción totalmente automática de automóviles en el futuro.
Para probar las capacidades y sutilezas de la tecnología ADAS actual, ejecutamos el software de Mobileye en el video en el monitor de TV. Este monitor reproduce el fragmento proporcionado por la policía del accidente. Aunque la situación no es buena, puede haber muchas escenas de accidentes. Se han perdido datos de alto rango dinámico, pero el software de Mobileye todavía se detectó claramente aproximadamente un segundo antes del impacto. La imagen inferior muestra tres instantáneas del cuadro delimitador de bicicletas detectado anteriormente y la Sra. Herzberg. Dos fuentes independientes: reconocimiento de patrones (cuadro delimitador de generación) y módulo de detección de "espacio libre" (que produce un mapa horizontal donde la parte roja representa un "transeúnte" que aparece sobre la línea roja). Uso de estructuras de movimiento (terminología técnica para ' Plano + paralaje '), el tercer módulo puede distinguir entre caminos y objetos. Esto verifica que el objeto detectado es 3D, pero es menos confiable y, por lo tanto, se describe como' fcvValid: Low 'y se muestra en la parte superior izquierda de la pantalla. Fang. La baja credibilidad se debe al hecho de que la información normalmente disponible para los vehículos de producción no se encuentra aquí, y la calidad de la imagen es pobre. Después de todo, la imagen tomada por el registrador de conducción Sobre la base de los disparos de nuevo, puede haber algo de disminución de resolución desconocida.
Las imágenes provienen de videoclips publicados por la policía en el monitor de TV. La imagen superpuesta muestra la respuesta del sistema ADAS de Mobileye. El recuadro delimitador verde y blanco es la salida del módulo de detección de bicicletas y peatones. El mapa horizontal muestra el camino y los obstáculos. Entre las fronteras, lo llamamos 'espacio libre'.
El software utilizado en este experimento es el mismo que se utiliza en los vehículos equipados con ADAS actuales y ha sido validado en miles de millones de millas de usuario.
Ahora, el desarrollo de tecnologías de inteligencia artificial como redes neuronales profundas ha llevado a muchos a creer que los sistemas de detección de objetos de alta precisión ya se pueden desarrollar con facilidad, y que los expertos en visión por computadora con más de una década de experiencia se consideran muy rebajados. Muchos recién llegados están llegando a este campo. Si bien estas nuevas tecnologías son realmente útiles, muchas tradiciones no pueden ignorarse. Esto incluye la identificación y finalización de cientos de casos de pruebas extremas, anotaciones para decenas de millones de conjuntos de datos y docenas de ADAS. El proyecto se está sometiendo a pruebas de verificación de producción de prueba desafiantes. La experiencia es crucial, especialmente en áreas donde la seguridad está a la vanguardia.
La segunda observación del incidente fue la transparencia. Todos dijeron "ponemos la seguridad en el puesto más importante", pero creemos que para ganar la confianza del público debe ser más transparente. Como anuncié en Mobileye en octubre pasado. Según el Modelo de Seguridad Sensible Responsable (RSS), las decisiones deben cumplir con el sentido común del juicio humano. Hemos formulado matemáticamente conceptos de sentido común como "situaciones peligrosas" y "respuesta correcta" y hemos establecido una conformidad matemáticamente segura con la definición. Sistema.
La tercera observación es la redundancia: el verdadero sistema sensorial necesita un diseño redundante y debe depender de fuentes de información independientes: cámaras, radares y lidar. La integración de estas fuentes de información ayuda a mejorar el confort de conducción. Sin embargo, no es propicio para la seguridad. Para demostrar que hemos logrado una redundancia práctica, Mobileye ha desarrollado un sistema independiente, solo de cámara, de extremo a extremo, así como un sistema independiente Lidar y solo de radar.
Si algo así como el accidente de la semana pasada ocurre nuevamente, la confianza ya frágil del usuario se reducirá aún más, y puede conducir a una supervisión pasiva y finalmente acabar con este importante trabajo. Como dije al presentar el modelo de seguridad sensible a la responsabilidad, firmemente que ahora es necesario hacer una discusión significativa de la conducción automática de un marco de validación de seguridad para automóvil. invitamos a los fabricantes de automóviles en el campo de las empresas de tecnología para abordar estas cuestiones importantes con las autoridades reguladoras y otras partes pertinentes.
