Для достижения понимания поведения людей и поведения водителей на автомобилях и дорогах необходимо собрать большие объемы данных для анализа. Две компании, которые в настоящее время имеют больше всего данных, - Tesla и Waymo. Согласно отчету The Verge, две компании собирают данные. Не то же самое. Тесла использовала сотни тысяч EV, оснащенных полуавтономными автопилотами Autopilot, которые были проданы для сбора данных в реальном мире, чтобы понять эффективность этих автомобилей. Waymo, независимый от автоматизированной программы вождения Google, использует мощные Компьютер моделирует и возвращает результаты обучения относительно небольшому числу команд реального мира. Аналитик Morgan Stanley Адам Джонса считает, что для Tesla ценность данных может быть выше. В настоящее время проходит Tesla. Сотни тысяч владельцев по всему миру собирают информацию о производительности в функции автопилота. Помимо пробега, Tesla также собирает данные о том, как Autopilot обрабатывает различные сценарии вождения, когда полуавтономное вождение не используется. Автомобиль Tesla записывает примеры действий, которые программа Autopilot хотела бы принять. , передать данные обратно в Теслу и позволить компании имитировать все миллиарды миль Информация о автопилоте. Что касается Waymo, то в начале 2018 года она объявила, что смоделировала 5 миллиардов миль автономных данных вождения и достигла рубежа в 5 миллионов миль, движущихся по дорогам общего пользования. Ограничение Waymo заключается в том, что его можно собрать только примерно от 500 до 600 команд для самостоятельного вождения. Реальные данные, и эти автомобили управляются только в таких штатах, как Техас, Калифорния, Мичиган, Аризона и Грузия, а разнообразие - не более 300 000 электромобилей Tesla в мире. Однако Waymo планирует добавить к концу года тысячи людей. Транспортные средства недавно объявили о разработке полностью самостоятельной версии электромобиля I-Pace SUV в сотрудничестве с Jaguar Land Rover. Waymo сказал, что в ближайшие несколько лет он увеличит количество флотов до 20 000. Как только эти автомобили будут в пути, накопленный пробег будет больше Стоит отметить, что данные, собранные Tesla и Waymo, не только небольшого размера, но и различного контента. Waymo использует 3 разных типа датчиков LiDAR, 5 радиолокационных датчиков и Благодаря 8 камерам Tesla оснащена 8 камерами, 12 ультразвуковыми датчиками и радаром, направленным вперед. Guangda может помочь создать панорамное изображение высокого разрешения окружающей среды автомобиля. В темноте точность все еще сохраняется, производительность превосходит камеры, радар и ультразвук, но Tesla не используется. Сбор данных - это одно, а обработка данных также является трудной задачей. В этом отношении Waymo явно больше, чем Tesla. Преимущества: Waymo построила полную компьютерную модель тестового города, восстановила данные о реальном мире вождения на компьютере с 25 000 виртуальными автомобилями, а затем загрузила обучающий опыт на испытательный автомобиль. Для имитационного теста потребовалось много инвестиций, ресурсов, времени. И исследование, у Waymo есть материнская компания для поддержки, текущий имитируемый пробег близок к 6 миллиардам миль и планирует запустить коммерческую программу такси в конце года. Однако в гонке на самодвижущийся уровень NVIDIA - это не что иное, как технология NVIDIA. Сотни компаний, в том числе Tesla, используют его. В марте NVIDIA представила систему моделирования DRIVE Constellation, целью которой является упрощение для компаний, не имеющих размера или финансовой поддержки команды Tesla и Waymo, для входа в зону самообслуживания. Мили для тестирования и моделирования дорог Этого недостаточно, чтобы определить, какая компания имеет конечное преимущество. Другая проблема заключается в том, как определить безопасность самозанятых автомобилей. Число так называемый лифт (расцепления), в соответствии с отслеживать безопасность водителя должно восстановить контроль над системой автомобиля автопилот с универсальным показателем всех компаний, но этот показатель не является совершенным, потому что определение не является достаточно точным, это легко подделать.
