庆应义塾大学SFC研究所(KRIS)与软银公司的先进技术研究所正合作开发新项目,为自动驾驶构建模型。
2023年5月,软银与SFC研究所宣布推出概念验证,用于增强东京南部藤泽市庆应义塾大学湘南藤泽校区(SFC)的自动驾驶班车运营。此项概念验证成果的独特之处,在于其用到了数字孪生——一种将物理世界重现为数字副本形式的技术手段。
数字孪生:先进自动驾驶的关键一环
实验室。在拥有独立5G网络的校园内,物理世界中的信息和事件将通过图像识别和空间传感技术在虚拟空间中进行数字化转换和共享。基于该数字孪生平台的各类研究与开发项目也在推进当中,而面向自动驾驶班车的高级运营概念验证就是其中之一。
除了车载摄像头和传感器外,园区周边还安装有六个用于获取信息的传感器,另有摄像头负责捕捉交通灯信号数据。在验证如何将这些数据集同数字孪生结合使用的同时,软银和SFC研究所也在利用它们真正推动自动驾驶进步。
自动驾驶需要诸多控制要素
在概念验证当中,本次测试完成了两项工作:
(1)在右转时,检测迎面驶来的车辆;(2)对交通信号做出预测。
右转时检测对向车辆
SFC校区的行驶路线包含直行道、右转道和弯道等。为了提升自动驾驶的实际表现,必须收集关于周边环境的大量数据。例如,仅通过安装在车辆上的摄像头,并无法检测远距离驶来的车辆状态。但通过接收来自数字孪生平台的信息,自动穿梭巴士系统就能提前对远端交通状况做出评估,甚至接收有多少人在场、他们如何移动以及是否有车辆从远处驶来的预报数据。这就让先进自动驾驶和提前避险成为了现实。
过去,右转只能由驾驶员在目视检查之后手动操作。但在本次概念验证中,只有在通过数字孪生副本提供的车辆和行人信息并确认安全之后,系统才会执行自动右转操作。这就有效解决了车载传感器无法检测远处对向来车的弊端。
交通信号预测
对自动驾驶而言,车辆提前了解交通信号灯何时转红或转绿,对于确保乘坐舒适性和安全性至关重要。例如,若能够预测交通灯何时变红,则可自动调整减速时间以防止紧急刹车。此外,如果能分析此前交通信号灯数据来预测指示转换的具体时长,车辆就能提前减速以避免在十字路口前突然制动。
但受背灯等原因的影响,安装在车辆上的摄像头有时无法准确检测到交通信号信息。
在本次概念验证中,研究人员采用AI对SFC园区周边拍摄的信号图像来预估交通灯信息,并将结果与自动穿梭巴士共享。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。