疫病流行後、自動運転開発の方向性がより明確になりました!

疫病流行後、自動運転開発の方向性がより明確になりました!

自動運転は長い間、人々に「とても人気があるが、とても遠い存在」という印象を与えてきました。それは、何千人もの人々が追い求めている、はるか遠くにあり、世界とは無縁の「星」のようなものです。このような状況は、新しい技術や新しい産業にとって明らかに不健全であり、望ましくありません。そのため、自動運転は長年にわたり、実装され、一般の人々に受け入れられる機会を積極的に模索してきました。

今年の疫病の流行は間違いなく自動運転にこの機会を与えた。感染症流行の期間中、無人の食品配送車、無人消毒車、無人物流車などが登場し、私たちは喜ばしく思いました。それらは自動運転の応用価値を一般に示しただけでなく、業界が実際のシナリオでそれらをどのように実装するかという答えを見つけることができました。このような背景から、業界の発展は徐々に新たな段階に入りつつあります。

しかし同時に、有人自動運転は基本的に姿を消し、大きな役割を果たしていないこともわかります。 WaymoやUberなどの企業による自動運転の開発が一時、全面停止されました!これにより、自動運転開発の別の側面も明らかになりました。この点では、自動運転の発展には時間がかかり、開発には依然として課題が残っています。

まとめると、今回の流行は自動運転に一般大衆にその姿を見せる機会を与え、同時に自動運転自体の発展をより明確に見せる機会も与えた。良い面であろうと悪い面であろうと、今回の流行のテストは自動運転の将来の発展についてより明確かつ正確な理解をもたらしました。では、状況をはっきりと見た後、業界はどの方向に進むのでしょうか? この記事では独自の予測を述べます。

主流に入り、特定のシーンのアプリケーションが大量に動き始める

まず第一に、この流行は特定のシナリオにおける自動運転の応用に間違いなく前向きな推進力をもたらした。さまざまな無人車両の出現は、アプリケーションの実装と価値の実証に適した機会を提供するだけでなく、資本市場が関連企業をますます優遇するように促します。特に物流分野では、業界の発展が直接的に熱狂の波をもたらしました。

関連情報によると、2月から3月にかけて、無人車両配送を専門とする2つの企業「玉世科技」と「秀世斉」がそれぞれ1億元を超える巨額の資金調達を受けた。無人配送の顕著な価値により、この分野はますます多くの人々の注目を集めています。物流アプリケーションを例にとると、特定のシナリオでは自動運転が徐々に主流になりつつあります。

これまで、自動運転は公園、港、空港、鉱山などの閉鎖されたシナリオでよく使われてきました。例えば、中国重型トラックグループはTAGE Intelligent Drivingと提携して無人鉱山車両を多数開発している。また、振華重工も西京科技と提携して自社工場の自動運転化を進めている。技術的な要件や制限が比較的低いため、多くの用途があります。

現時点では、特定のシナリオでの応用においては、自動運転に対する技術、インフラ、コストなどの制約は高くありませんが、実際の応用によって実証された人間代替価値は非常に重要です。これを踏まえると、今回の流行により、特定の場面での応用の傾向が再び高まり、拡大しているため、大規模かつ正常化された開発が重要な目標と方向性となる可能性がある。

[[320174]]

つまり、特定のシナリオにおける自動運転の応用は、これまでは試行や模索の段階にあったかもしれないが、流行後は大規模な応用普及の波が来るかもしれない。その時までに、さらに多くの企業や資本が参加し、関連製品の種類や量も急速に増加するでしょう。待って見ましょう!

市場を見据え、有人現場アプリケーションは「安定」を切望

次に、有人シナリオにおける自動運転の応用について見てみましょう。現時点では、技術、場所、基準などの制限により、自動運転は基本的に有人シナリオでのテスト段階にあります。これまで、BaiduやWeRideに代表される国内企業が路上テスト資格を取得しており、現在は公道テストが主流となっている。

この現実を踏まえると、有人自動運転は流行中に大きな役割を果たすことができなかっただけでなく、一時は姿を消した。米国カリフォルニア州では、ウェイモやウーバーなどが公道テストを一時停止すると発表した。一方、中国では、一部のロボタクシー車両が感染状況の改善後にようやく旅客運行を再開し、感染拡大中はまったく姿を消していた。

その理由は、有人自動運転の技術がまだ十分に成熟していないからだ。 WeRideのCEOはこう語った。「もしこの流行が1~2年遅く起こっていたら、私たちの自動運転は実用化され、その価値を発揮できただろう」。今や有人自動運転にとって最も重要なのは時間だ。有人アプリケーションに完全に安全であることを確認するために、技術をテストして完成させるには時間がかかります。

路上テストを開始したすべての自動運転企業にとって、安全性は直面する大きな課題です。 Uber と Tesla はどちらも安全性の問題に悩まされている。現在は、車両に安全担当者を配置するのが一般的ですが、これは真の無人運転には程遠いことを意味します。

これを踏まえると、今回の流行によって有人自動運転の問題点が改めて浮き彫りになり、企業の野心が刺激された後、今後有人自動運転に必要なことは、技術への注目を高めることかもしれない。これまでのように「技術がクールかどうか」ではなく、「技術がいかに安定しているか」に重点を置くべきです。技術が安定して初めて、安定的に実装することができます。

<<:  2020年のAIの7つの開発トレンド

>>:  顔認識技術の応用に関する法的規制

ブログ    
ブログ    

推薦する

人工知能とソフトウェア開発の未来

人工知能はソフトウェア開発をあらゆる面で変えています。多くの企業が AI 機能の導入を競っていますが...

...

...

人工知能とデータ分析の新たなトレンド

明らかに、AI とデータ分析の世界はダイナミックな変化の真っ只中にあります。将来は、イノベーションと...

NLP とは異なり、データ駆動型手法と機械学習は、次の 3 つの理由により NLU に勝てません。

自然言語理解 (NLU) は人工知能における中核的なトピックの 1 つであり、最も困難かつ象徴的なタ...

ディープラーニングの分散トレーニングにおける大きなバッチサイズと学習率の関係をどのように理解すればよいでしょうか?

[[207640]]この記事は、Zhihu の質問「ディープラーニングの分散トレーニングにおける大...

...

顔認識を禁止した後、サンフランシスコは検察官の事件処理を支援するためにAIを活用

最近、海外メディアの報道によると、サンフランシスコ市は7月1日に導入予定の「偏見削減ツール」を発表し...

マイクロソフトの英語音声評価機能がアメリカ英語一般版で開始され、教育業界に力を与える

発音は言語学習の重要な部分です。 Microsoft Azure Cognitive Service...

Spark を使用して行列分解推奨アルゴリズムを学習する

[[182792]]協調フィルタリング推奨アルゴリズムにおける行列分解の応用では、推奨アルゴリズムに...

GenAI Security: Microsoft Copilot でデータ侵害を防ぐ方法

Microsoft の Copilot は、世界で最も強力な生産性向上ツールの 1 つと言われていま...

...

ワン・ガン:人工知能は伝統的な産業の雇用の26%を置き換え、38%の新規雇用を創出する

[[265464]]人工知能の応用分野はさらに充実し、インテリジェント製造、インテリジェント運転、ス...

組み込みアルゴリズムソートアルゴリズム

[[433624]] 1. バブルソートバブル ソートは、C 言語のシンプルな初級レベルのソート ア...