
在世界各地,每年有130多万起致命的汽车碰撞事故。这其中包括易受伤害的道路使用者,如骑自行车的人、行人和骑摩托车的人。IEEE会员Bilin Aksun-Guvenc认为,事故可通过智能手机数据显著减少,尤其关注弱势道路使用者。
Aksun-Guvenc的研究使用智能手机数据向驾驶员和自动驾驶汽车告知碰撞风险。
智能手机配备了一系列传感器,包括GPS、加速度计、陀螺仪、步进计数器和光传感器,可以测量易受伤害的道路使用者的运动。通过智能手机应用程序,这些数据可以精确定位用户的位置、未来位置和出行方向,然后通过空中连接将其广播给车辆。
为什么汽车制造商不直接使用机器视觉来识别行人和其他弱势道路使用者?
汽车制造商确实使用机器视觉和现有的车辆摄像头进行保护,但这些系统无法看到拐角处或通过障碍物,因为它们需要一条视线来检测用户。视觉传感器也会受到照明和天气条件的影响;例如,一些车道保持辅助系统在雨中停用。通信系统较少受到这些条件的阻碍,可以补充机器视觉以改善用户跟踪。
那么,行人的智能手机上需要一个特殊的应用程序吗?司机需要什么吗?这会成为汽车的标准功能吗?
同样的应用程序可以在驾驶员的智能手机上以及易受伤害的道路用户的设备上运行。由于许多用户已经拥有智能手机,因此将这项技术集成到生产车辆中是很简单的。该系统,尤其是2级自动化车辆,可以显著增强防撞措施。
用户的手机如何与车辆通信?
低能耗蓝牙是一个可行的选择,因为它的功耗最小。它允许“广告模式”,即手机在不配对的情况下广播数据,维护用户隐私。也就是说,该技术在通信技术方面是不可知的。蜂窝技术也可以在没有显著延迟影响的情况下实现这一目的。
有可能将这个系统集成到非手机设备中吗?
当然,推荐使用。建筑工人可以携带类似于数字安全背心的信标,而骑自行车的人可以将该系统集成到GPS设备中。这种简单的指路明灯方法将使没有智能手机的儿童受益。
您在设计此系统时面临了哪些挑战?
为了完善我们的方法并评估其全部潜力,有必要在现实世界中部署大量用户。智能手机GPS精度和通信延迟等问题可能会导致误报和漏报,但这些都是可以解决的问题。
这个系统还包括其他应用程序吗?
该系统的通信功能可以在各种情况下提供帮助,例如在大学校园里引导送餐机器人,这些机器人在等待穿过路口时经常堵塞坡道。更好的车辆通信可以缓解这种情况。此外,车与车之间的合作可以增强城市的机动性,有可能取代十字路口的物理交通信号灯。
了解更多:是什么让自动驾驶汽车安全?我们期望他们有多安全?IEEE标准协会致力于根据跟车、道路共享、行人情况、十字路口场景和能见度问题,包括考虑道路规则及其区域和/或时间相关性,为自动驾驶汽车制定最佳安全实践。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。