|
文/zxl 通俗的说法是，在自动驾驶级此外分别上，L1级“解放”双脚，L2级“解放”双手，L3级“解放”双眼…… OK，看起来很夸姣，但一项研究讲明，跟着自动驾驶辅助功能的逐渐普及，另一个问题可能会愈发紧张——那就是晕车。
晕车问题很常见，简略说的话，就是车上人员的视线脱离道路，不再与车辆行驶动态和路线进行交汇，致使感官上泛起偏差，若干互相间有极大偏差的感官数据传到大脑之后，就会造成大脑“当机”——这就是所谓的晕车。 以晕船为例，人在船上房间里摇晃的时候，眼睛看到的房间内景物是相对静止的，可是前庭神经却能感觉到船在摇晃，两种感官数据叠加在一起，大脑就不知道该怎么处置了，所以就晕船了。那么，为啥睡觉的时候不晕船？因为眼睛闭上了，大脑能够零丁处置好前庭神经这一路感官数据了。 10年前曾经见过一位DTM车手在上海出租车上晕车，依照车手的诠释称，当他觉得司机应该加快的时候，成效司机刹车了；当他觉得司机应该减速的时候，司机却加快变道——这其实就是感官数据的不服衡。
那么，雷同的环境也会泛起在自动驾驶时代——当搭客在车上盯着本身的手机或者电脑目不转睛，但体感却能感觉到各个标的目的的加快度，所以晕车现象会变得更易泛起。 那么，可否解决或者是说预防这个问题呢？ 采埃孚近期和德国萨尔州的神经学专家进行互助，通过哄骗基于人工智能(AI)的算法辨认每位乘员的身体反响，再反馈到车辆驾驶系统中，进行智能调理。 目前这项技能还在观点阶段，采埃孚只是在车内安排了一组传感器，并开发了一套乘员可穿着设备。在车辆动态行驶进程中，可记实乘员体温、心率、肤色以及脉搏等生理指标。同时通过延续侦测车辆动态加快和摇摆的幅度，以果断搭客在特定环境下晕车的几率。
目前，实验车辆的行驶里程已跨越一万千米，采埃孚研究团队以热成像、图像和驾驶动态学数据的形式，采集了跨越50000GB的中央和自主神经系统反响数据，组成关于晕车的多模态数据资源。最终通过综合阐发，所记实大量的生理数据、摄像头数据以及与驾驶动力学相关的丈量成效，以图研究出晕车现象与车辆动力学之间的瓜葛。 简略说，这种做法雷同于通过大量的原始数据采集，最终找出每位乘员身体状态和车辆动态之间的均衡点。在下一次乘坐或者驾驶之前，基于人工智能的算法计较出的最佳行驶动态并反馈到驾驶节制系统中，从而开启预防性驾驶模式，解决晕车问题。 并不止采埃孚，也有一些此外车企或者科技公司也在存眷这个问题。好比公共曾进行的一项测试，方式就简略得多。通过在车内安装LED灯，这些灯会跟着汽车的减速和加快发出分歧颜色的光，以扶助搭客感知自动驾驶汽车的下一步动作。 其依据在于，晕车通常是由于搭客不知道或者无法预测司机的下一步举措而发生的。
但若搭客知道下一步会产生什么，会使他们能更好适应汽车的运动。 |
