Re: [討論] ACC撞防撞車是不是設計太智障

看板car作者 (錢德勒)時間2年前 (2021/11/16 08:58), 2年前編輯推噓34(35推 1噓 32→)
留言68則, 37人參與, 2年前最新討論串3/5 (看更多)
※ 引述《rfvujm (Rfvujm)》之銘言： : 今天看新聞啦 : 又看到三寶開ACC撞防撞車 : ACC沒考慮前車突然急煞或失去動力的情況嗎 : 前方遠遠有不動的物體就這樣直直給他撞下去？ 其實感測器感測距離比人眼還遠，問題在感知上(確認前方是否有車) 自駕技術分 1. Sensing(感測) 2. Perception(感知) 3. Planning(規劃) 4. Control(控制) 最難的一直都是感知 感測到前方有物體是一回事，再進一步確認前方物體是一輛車又是一回事 目前市售車主要配置毫米波雷達+視覺辨識(輔助) 1. 雷達並不是偵測不到靜止物 但為了避免誤作動，選擇只輸出移動物體量測 2. 攝影機會有少數例子無法感知的情況(斜著的貨車、翻覆的貨車等) 3. ACC屬於ADAS(Advanced Driver Assistance Systems)只是輔助駕駛 遇到靜止物體沒反應比誤作動突然煞車影響小的多 [雷達] https://i.imgur.com/AInOO4D.jpg
(1) 可以量測到靜止物體 (2) 量測物理量：距離、角度、相對速度，但不包含高度資訊 nuScenes數據庫 https://i.imgur.com/7PlilVO.jpg
黃色的點是車用雷達的數據 https://i.imgur.com/s1BEZDB.jpg
無法確定雷達感測到的是前車、人孔蓋、橋墩、懸掛的號誌或看板 避免錯誤偵測造成急煞，只輸出可動的物體量測 為了解決感測靜止物體造成誤作動的問題 一些廠商有在開發4D Imaging Radar https://i.imgur.com/O5TxpCd.jpg
量測物理量：距離、方位角、高度角、速度 Arbe: Radar Revolution. Delivered https://www.youtube.com/watch?v=Yc4MfzbbtuI
The RadSee 4D Imaging Radar https://www.youtube.com/watch?v=h7t-6_wiZKM
[視覺] 視覺是根據演算法得到"距離"的資訊 但要開發一套100%正確的演算法太強人所難 相較於"直接量測"到物理量 演算法"計算"得到物理量 會讓軟體複雜度增加，這對系統強健性而言不是啥好事 當然以上討論的都還停留在輔助駕駛階段 Intel副總裁兼Mobileye總裁/首席執行官在CES演講中提過 https://i.imgur.com/AVwH4KT.jpg
ADAS和自駕差異不在於能力 而是平均失效間隔時間(MTBF, Mean Time Between Failures) 也就是當ADAS往自駕邁進時 除了要滿足功能外，更重要的是確保足夠可靠(極低失效跳脫機率) 關於這點，美國密西根大學M-City自動駕駛實驗室的彭暉提過 https://i.imgur.com/c4vJW1n.jpg
訂定ODD(Operational Design Domain) Lv4自駕在ODD運作，確保系統安全，是比較負責人的作法 ODD會受當地交通環境複雜度影響 例如： 1. 交通號誌(不同位置、被招牌擋住之類) 2. 車道寬度、車道線清晰程度 3. 用路人習慣、駕駛習慣 需要因地制宜，適合A區域的ODD不能直接套用到B區域 所以如何制定合理的ODD 成為目前自駕車發展討論相當熱烈的議題&難題 補充一下光達 傳統光達(AM lidar)量測到的三維點雲，但不包含速度資訊 速度必須經由不同時間點的數據進行推算 (點雲分類、時間軸前後關聯、過濾雜訊，進而推算該物體速度) https://i.imgur.com/i3DSwxa.jpg
所以目前有發展FCMW(frequency modulated continuous wave)光達 可以直接量測速度 但光達依舊有些感測問題 1. 鏡像、玻璃材質測不到(光穿透) 2. 黑色物體偵測距離偏短(吸收能量) 3. 惡劣天候感測能力不佳，甚至前車水花、海邊風砂干擾的問題 光達、雷達、攝影機三者互補 會是"安全"且最全面的作法 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.251.209.37 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/car/M.1637024328.A.097.html
推
11/16 09:02, 2年前 , 1F
推專業
11/16 09:02, 1F
推
11/16 09:03, 2年前 , 2F
人類辨識能力真的挺行的對吧
11/16 09:03, 2F
→
11/16 09:06, 2年前 , 3F
你的大腦在開車上路之前至少訓練了10幾年，ai才上
11/16 09:06, 3F
→
11/16 09:06, 2年前 , 4F
路幾年？
11/16 09:06, 4F
推
11/16 09:08, 2年前 , 5F
專業推～
11/16 09:08, 5F
推
11/16 09:11, 2年前 , 6F
專業推
11/16 09:11, 6F
噓
11/16 09:11, 2年前 , 7F
學飛機不會膩 在螃蟹車後面放應答器 很難嗎
11/16 09:11, 7F
推
11/16 09:11, 2年前 , 8F
無關訓練時間，只說能力很強不行嗎？
11/16 09:11, 8F
推
11/16 09:12, 2年前 , 9F
AI有夠廢吹牛也十多年了 還是這副鳥樣
11/16 09:12, 9F
→
11/16 09:13, 2年前 , 10F
AI果然只是騙投資人的騙局
11/16 09:13, 10F
AI絕對有用，但是並非萬解 不能啥都丟給演算法處理
推
11/16 09:22, 2年前 , 11F
不能說 AI爛 AI到ACC中間很多因子 你車上要裝多少
11/16 09:22, 11F
推
11/16 09:22, 2年前 , 12F
推專業
11/16 09:22, 12F
→
11/16 09:22, 2年前 , 13F
錢的電腦 還有感測器? ACC是大眾商品
11/16 09:22, 13F
→
11/16 09:23, 2年前 , 14F
只是要影像識別 計算精準都很容易 要快速便宜很難
11/16 09:23, 14F
→
11/16 09:24, 2年前 , 15F
更別說還要跟車上一堆控制通訊 會有很多問題要解
11/16 09:24, 15F
→
11/16 09:25, 2年前 , 16F
軟體上跑AI是一回事 燒到FW又是一回事 簡化再簡化
11/16 09:25, 16F
推
11/16 09:39, 2年前 , 17F
我覺得不能說AI廢 是騙投資人的人把他吹
11/16 09:39, 17F
→
11/16 09:39, 2年前 , 18F
上天 只講它能做到什麼 不講它做不到什
11/16 09:39, 18F
→
11/16 09:40, 2年前 , 19F
麼
11/16 09:40, 19F
推
11/16 09:47, 2年前 , 20F
錢大好神
11/16 09:47, 20F
推
11/16 10:23, 2年前 , 21F
推
11/16 10:23, 21F
→
11/16 10:38, 2年前 , 22F
雷達干擾一堆，一般對空都要有個五度角，避開地面的
11/16 10:38, 22F
→
11/16 10:38, 2年前 , 23F
雜訊！更不要說雨這種會吸微波的
11/16 10:38, 23F
→
11/16 10:48, 2年前 , 24F
建議你去研究Tesla AI day的內容
11/16 10:48, 24F
不是任何東西丟給Machine Learning，期待一個近似100%正確的演算法 我上面也有講 功能達到和足夠可靠是兩回事
推
11/16 10:48, 2年前 , 25F
推 言之有物
11/16 10:48, 25F
推
11/16 10:48, 2年前 , 26F
專業推推
11/16 10:48, 26F
→
11/16 10:54, 2年前 , 27F
現在的技術就像一個人在不熟的路上開車 只能看標線
11/16 10:54, 27F
→
11/16 10:54, 2年前 , 28F
、燈號來做反應
11/16 10:54, 28F
→
11/16 10:56, 2年前 , 29F
而人類開車會結合過去的駕駛經驗 預測接下來可能會
11/16 10:56, 29F
→
11/16 10:56, 2年前 , 30F
發生的事提前做反應
11/16 10:56, 30F
推
11/16 11:02, 2年前 , 31F
推
11/16 11:02, 31F
推
11/16 11:04, 2年前 , 32F
謝謝你認真回垃圾廢文
11/16 11:04, 32F
推
11/16 11:45, 2年前 , 33F
專業推
11/16 11:45, 33F
推
11/16 11:47, 2年前 , 34F
11/16 11:47, 34F
推
11/16 11:57, 2年前 , 35F
防撞車上個QR code讓電腦辨識就好辣
11/16 11:57, 35F
推
11/16 12:00, 2年前 , 36F
請問如果是怕誤判煞停 為什麼不做提醒而不煞車呢？
11/16 12:00, 36F
藍色lidar、白色radar https://i.imgur.com/nPmeMdl.jpg
Radar data is much noisier than lidar data 靜止的反射干擾訊號太多啦 天橋、大樓、人孔蓋、號誌、停車場出口閘門、減速丘.....一堆有的沒的 系統會一直提醒，光想像就很痛苦
→
11/16 12:01, 2年前 , 37F
前面有一陣煙也可以提醒 不一定要煞停
11/16 12:01, 37F
→
11/16 12:18, 2年前 , 38F
原來雷達有這麼多限制 難怪特斯拉要用攝影頭
11/16 12:18, 38F
推
11/16 12:18, 2年前 , 39F
推
11/16 12:18, 39F
→
11/16 12:19, 2年前 , 40F
感覺辨識數據和技術提升到一定程度能克服
11/16 12:19, 40F
演算法不能100%解決問題 所以才有新型態4D雷達(解決靜止物感知)、FMCW光達(直接輸出速度而非計算)
推
11/16 12:33, 2年前 , 41F
反推三寶...是不是腦袋不太會用?
11/16 12:33, 41F
推
11/16 12:41, 2年前 , 42F
推 之前看過很多反射導致無法被偵測到的案件
11/16 12:41, 42F
→
11/16 12:52, 2年前 , 43F
AI想更聰明 先裝張3080在車上吧 -.-
11/16 12:52, 43F
→
11/16 12:52, 2年前 , 44F
那種便宜貨還想多聰明
11/16 12:52, 44F
推
11/16 12:53, 2年前 , 45F
影像的solution就是吃pixel數、紋理特徵，pixel不
11/16 12:53, 45F
→
11/16 12:53, 2年前 , 46F
夠多、前處理不好就不精確，要做好就花時間，同一
11/16 12:53, 46F
→
11/16 12:54, 2年前 , 47F
個model結構，input的影像大張效果就好。
11/16 12:54, 47F
推
11/16 12:56, 2年前 , 48F
光達、雷達，同樣效果計算成本相對少，但沒有紋理
11/16 12:56, 48F
→
11/16 12:56, 2年前 , 49F
資訊無法判別是否為可能導致衝突的物件。
11/16 12:56, 49F
推
11/16 13:00, 2年前 , 50F
所以高速用光達，但靜止物被過濾。AEB可判斷靜止物
11/16 13:00, 50F
→
11/16 13:00, 2年前 , 51F
是否會導致衝突，但算太慢，免強可用最快約為時速80
11/16 13:00, 51F
→
11/16 13:00, 2年前 , 52F
，這就是目前技術瓶頸。
11/16 13:00, 52F
推
11/16 13:01, 2年前 , 53F
解決方法不難其實
11/16 13:01, 53F
單純滿足功能當然很簡單 要做到相當穩定可靠的程度談何容易
推
11/16 13:36, 2年前 , 54F
那會整路叫到你不要不要的，最後關掉
11/16 13:36, 54F
推
11/16 14:39, 2年前 , 55F
推錢大
11/16 14:39, 55F
推
11/16 15:46, 2年前 , 56F
好專業，請問防撞車上做一個ACC的辨識性統可行嗎?
11/16 15:46, 56F
→
11/16 15:47, 2年前 , 57F
例如安裝一個發射訊號的儀器
11/16 15:47, 57F
推
11/16 16:20, 2年前 , 58F
推
11/16 16:20, 58F
推
11/16 16:37, 2年前 , 59F
防撞車發射，每台車接收器不用成本嗎？為什麽要讓少
11/16 16:37, 59F
→
11/16 16:37, 2年前 , 60F
數王八蛋的成本轉嫁給全體用路人？
11/16 16:37, 60F
→
11/16 16:41, 2年前 , 61F
而且頻段不是您想用就用！全世界就你亂搞，萬一影響
11/16 16:41, 61F
→
11/16 16:41, 2年前 , 62F
到過境飛機或園區的機台等，誰負責？重點是讓三寶消
11/16 16:41, 62F
→
11/16 16:41, 2年前 , 63F
失才是正解
11/16 16:41, 63F
推
11/16 17:27, 2年前 , 64F
不是ai廢，車用自駕科技的可靠性需求和家用電腦差太
11/16 17:27, 64F
→
11/16 17:27, 2年前 , 65F
多了，任何程度的預期外狀況都可能導致嚴重事故
11/16 17:27, 65F
推
11/16 21:35, 2年前 , 66F
專業推
11/16 21:35, 66F
推
11/17 01:37, 2年前 , 67F
推整理 如果放了肯定是影響現行使用者體驗
11/17 01:37, 67F
※ 編輯: chandler0227 (42.72.181.47 臺灣), 11/17/2021 08:42:31
推
11/17 14:15, 2年前 , 68F
這就是電腦看到的東西
11/17 14:15, 68F
‣ 更多 chandler0227 的文章
文章代碼(AID): #1Xam982N (car)
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 3 之 5 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共5篇)
‣ 更多 chandler0227 的文章
文章代碼(AID): #1Xam982N (car)