加州将放宽无人车路测标准:没方向盘也行,没人类驾驶员也行

简介:
本文来自AI新媒体量子位(QbitAI)

06a808e8016817a0b00592265645450e9da6c3be

加州机动车辆管理局将于明年开始允许没有方向盘、踏板、后视镜和人类驾驶员的无人驾驶汽车在该州上路测试。

该部门今天发布了关于无人驾驶汽车在公开道路上行驶的修订版监管草案。在15天的公示期过后,这些新规将提交给该州政府,并将于2018年年中开始实施。

加州是无人驾驶汽车测试的热门地点,所以此次调整获得了谷歌和Uber等公司的密切关注。目前有42家公司获准在该州测试285辆无人驾驶汽车。约有1000名驾驶员获得了测试许可,但在该州新规生效后,企业便可在不配备人类驾驶员的情况下部署这些汽车。

4ef5fc5796aba07388361d91d643cd7f65199805

这些规定与2015年的初步草案差异很大。当时的监管草案否决了没有人类驾驶员的无人驾驶汽车,包括没有配备方向盘的谷歌原型车。但在今年5月,加州机动车辆管理局调整了草案,不仅允许测试没有人类驾驶员的无人驾驶汽车,还会对全自动驾驶汽车的生产和销售进行监管。

也难怪前不久Waymo CEO John Krafcik又公开表达了将“真正的robocar”推向市场的决心。在新的法规下,Waymo那些退休了的“萤火虫就有可以在加州上路了。

加州机动车辆管理局今天又对草案进行了一些细微调整,包括要求厂商在准备测试无人驾驶汽车之前通知当地政府。他们还发布新的模板,方便厂商将人类驾驶员因为安全问题被迫接管汽车控制权的情况汇报给该机构。另外,当厂商对无人驾驶汽车进行技术升级时(例如改变自动化水平),同样需要向监管者汇报。

加州并未改变无人驾驶卡车测试禁令,他们认为应该通过单独的流程来商讨此事。

89e32d1b95b823b42fe27cce3b69954f9ebccd8c

美国国会目前正在考虑一项立法,允许企业生产和部署没有踏板和方向盘等传统控制组件的汽车。这项议案还将制止各州通过自己的法规来监管无人驾驶汽车测试行为,这将与加州现有的制度形成冲突。

需要强调的是,此举并不意味着全自动驾驶汽车将因此在加州道路上泛滥。厂商在公共道路上测试没有驾驶员或传统控制组件的汽车前,仍然需要获得联邦政府发放的许可和豁免资格。

不过,美国国会考虑将联邦机动车安全标准(FMVSS)的豁免资格上限从2500辆增加到10万辆——意味着汽车厂商和科技公司今后可以测试数十万辆不符合联邦安全规定的无人驾驶汽车。这些公司目前测试的汽车最多只能达到“3级”无人驾驶,所以仍然需要实施一定的人为干预。

本文作者:李杉 
原文发布时间:2017-10-12 
相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6