Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • صفحه اصلی
  • اخبار
    اخبار صنعت خودروسازی ترکیه
    اخبار جهانی صنعت خودرو
    اخبار ورزش‌های موتوری ترکیه
    اخبار جهانی ورزش‌های موتوری
  • خودروها
    خودروهای احتراق داخلی
    • مدل‌های احتراق داخلی
    • فناوری موتورهای احتراق داخلی
    • سوخت و مصرف
    • انتشار و محیط زیست
    • مالکیت موتور احتراق داخلی
    • تاریخ خودروهای احتراق داخلی
    الکتریکی
    • مدل‌های برقی
    • فناوری‌های خودروهای الکتریکی
    • شارژ و زیرساخت
    • فناوری باتری
    • برد و مصرف
    • مالکیت خودروی برقی
    • تاریخ خودروهای برقی
    هیبریدی
    • مدل‌های هیبریدی
    • سیستم‌های هیبریدی
    • باتری و شارژ
    • مصرف و بهره‌وری
    • مالکیت هیبریدی
    • تاریخچه خودروی هیبریدی
    سوپرکار
    هایپرکار
  • فناوری
    سیستم‌های کمک راننده
    فناوری‌های ایمنی
    فناوری‌های روشنایی و دید
    اینفوتینمنت و اتصال
    رانندگی خودران و هوش مصنوعی
    فناوری‌های آینده
  • راهنماها
    راهنماهای خرید
    راهنماهای فروش
    نگهداری و استفاده
    مالکیت و هزینه‌ها
    لاستیک و رینگ
    بیمه و معاینه
  • تاریخ و فرهنگ
    تاریخچه خودرو
    مدل‌های آیکونیک
    کلاسیک‌ها و مجموعه‌ها
    ماجرای خودروی ترکیه
    طراحی خودرو
    خودرو و فرهنگ عامه
  • ورزش‌های موتوری
    فرمول 1
    رالی (WRC)
    رالی‌کراس
    MotoGP
    فرمول 2 و فرمول 3
    کارتینگ
    24 ساعت لمان
    WEC
    NASCAR
    IndyCar
    DTM
    مسابقات GT
    دریفت
    مسابقات درگ
  • با ما آشنا شوید
    درباره ما
    تماس با ما
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. صفحه اصلی
  2. فناوری
  3. رانندگی خودران و هوش مصنوعی
  4. تراشه‌هایی که رانندگی خودران را هدایت می‌کنند: Nvidia و Mobileye

تراشه‌هایی که رانندگی خودران را هدایت می‌کنند: Nvidia و Mobileye

  • رانندگی خودران و هوش مصنوعی
  • نویسنده: Lütfi Mete Odabaşı
  • ایجاد: 27 اکتبر 2026
این مغزهای سیلیکونی که هر ثانیه ده‌ها مگابایت داده را در کسری از هزارم ثانیه به تصمیم تبدیل می‌کنند، نبرد اصلی قدرت در خودروهای خودران را تعیین می‌کنند.
این مغزهای سیلیکونی که هر ثانیه ده‌ها مگابایت داده را در کسری از هزارم ثانیه به تصمیم تبدیل می‌کنند، نبرد اصلی قدرت در خودروهای خودران را تعیین می‌کنند.

از lidar، رادار و دوربین‌ها هر ثانیه ده‌ها مگابایت داده جریان دارد. برای تبدیل این داده‌ها به تصمیم در کسری از هزارم ثانیه، یک مغز لازم است. اما چه کسی این مغزها را تولید می‌کند و هزینه این جنگ سیلیکون را چه کسی می‌پردازد؟

تراشه‌های رانندگی خودران چیستند و چرا این‌قدر مهم‌اند؟

Otonom bir aracın çipi, kameraların ve lidarın topladığı ham veriyi saniyeler içinde fren ve direksiyon komutlarına dönüştüren sessiz bir beyin gibi çalışıyor.

تراشه‌ی درون یک خودروی خودران - یا دقیق‌تر، رایانه‌ای که تراشه در آن قرار دارد - را مغز ماشین تصور کن. داده‌های خامی که چشم‌ها (دوربین‌ها)، گوش‌ها (رادار) و فاصله‌سنج‌های لیزری (lidar) جمع‌آوری می‌کنند، دقیقاً همین رایانه است که آن‌ها را به فرمان‌هایی برای چرخاندن فرمان و ترمز گرفتن تبدیل می‌کند. یکی از شرکت‌های رباتاکسی هنگام معرفی سخت‌افزار رانندگی خود، محاسبات را به مغز راننده تشبیه می‌کند: به‌عنوان اندامی که داده‌های خام حسگرها را به فرمان‌های رانندگی بلادرنگ تبدیل می‌کند.

مقیاس اینجا گیج‌کننده است. طبق برآوردها، دوربین‌های خودرو هر ثانیه ۲۰ تا ۶۰ مگابایت داده تولید می‌کنند، lidar ۱۰ تا ۷۰ مگابایت و رادار به‌مراتب کمتر، حدود ۱۰ کیلوبایت در ثانیه. این را مثل ویدیویی که از اینترنت خانه‌ات می‌گذرد تصور نکن؛ داده‌ای که اینجا جریان دارد، تصویر خام و اطلاعات فاصله‌ای است که قرار است در نیم ثانیه بعدیِ ماشین درباره مقصدش تصمیم بگیرد. چند میلی‌ثانیه تأخیر، یعنی تصادف. به همین دلیل سازندگان تراشه میلیاردها دلار به رقابتی که در آن درگیر شده‌اند سرمایه‌گذاری می‌کنند.

اما سوالی که احتمالاً بیشتر از همه ذهنت را مشغول می‌کند این است: در این جنگ پردازنده‌ها چه کسی برنده می‌شود؟ سه بازیگر بزرگ وجود دارند و مسیر هر سه بسیار متفاوت است.

Nvidia DRIVE: غول پلتفرمی شبیه بازی و کنسول بازی

ستاره بخش خودرویی Nvidia، یک SoC به نام DRIVE Orin است؛ یعنی یک رایانه کامل ساخته‌شده روی یک تراشه. SoC مخفف system-on-chip است؛ می‌توانی آن را نسخه خودرویی پردازنده گوشی‌ات بدانی. نرم‌افزار روی آن نصب می‌شود، حسگرها به آن متصل می‌شوند و خودرو دیگر می‌تواند فکر کند.

نسل جدید DRIVE AGX Thor که در آگوست 2025 در اختیار توسعه‌دهندگان قرار گرفت، قهرمان امروزی این داستان است. طبق گفته Nvidia، تور (Thor) در مقایسه با AGX Orin تا ۷.۵ برابر قدرت محاسباتی هوش مصنوعی بیشتری ارائه می‌دهد. مهم‌تر اینکه به‌گونه‌ای طراحی شده که الزامات سخت‌گیرانه ایمنی عملکردی (ISO 26262) و امنیت سایبری (ISO 21434) صنعت خودرو را برآورده کند. چون تراشه‌ای که در خودرو کار می‌کند، تابع قوانینی بسیار متفاوت‌تر از تراشه رایانه شماست؛ اگر یک بازی کرش کند، بازی را دوباره راه‌اندازی می‌کنی، اما اگر تراشه رانندگی کرش کند، کار از کار گذشته است.

استراتژی Nvidia فقط فروش تراشه نیست، بلکه در دست داشتن یک پلتفرم کامل است. DRIVE AGX Hyperion که در CES 2026 معرفی شد، از محاسبات تا معماری حسگرها کل پشته را پوشش می‌دهد و گفته می‌شود شرکت کنترل خود را در دنیای رانندگی خودران را محکم‌تر کرده است. ملموس‌ترین نمونه این موضوع، همکاری با Mercedes-Benz است: سیستم‌عامل مرسدس یعنی MB.OS با معماری Hyperion از Nvidia و نرم‌افزاری به نام Alpamayo ترکیب می‌شود. یعنی مغز یک خودروی لوکس آلمانی روی پلتفرم یک غول تراشه آمریکایی کار خواهد کرد.

نکات برجسته

  • خودروهایی که از مرز 250 میلیون دستگاه گذشتند با فناوری Mobileye EyeQ تولید شدند (سه‌ماهه دوم 2026. .
  • انویدیا DRIVE AGX Thor وعدهٔ تا ۷.۵ برابر قدرت محاسباتی هوش مصنوعی بیشتر نسبت به نسل قبلی یعنی Orin را می‌دهد
  • رایانهٔ FSD تسلا از معماری دو SoC استفاده می‌کند و ۱۲ واحد پردازش ARM Cortex-A72 در خود دارد
  • انتظار می‌رود بازار تراشهٔ خودروهای خودران از ۱۴.۴۸ میلیارد دلار (2026) به ۳۵.۴۹ میلیارد دلار (2034) برسد
  • بر اساس برآورد اینتل، دوربین‌ها هر ثانیه ۲۰ تا ۶۰ مگابایت و لیدار ۱۰ تا ۷۰ مگابایت داده در خودرو تولید می‌کنند

Mobileye EyeQ: غول خاموش درون 250 میلیون خودرو

حالا بازیگری وارد صحنه می‌شود که بسیار کمتر تبلیغ شده اما بیشترین شواهد میدانی را دارد: Mobileye. این شرکت در سال 2017 توسط اینتل خریداری شد و با تراشهٔ طراحی‌خاص خود به نام EyeQ، زیرساخت نامرئی ADAS یعنی سامانه‌های پیشرفتهٔ کمک‌راننده را بنا کرد. تا پایان سال 2025 در سراسر جهان بیش از 230 میلیون خودرو با فناوری EyeQ تولید شد؛ در سه‌ماهه دوم 2026 این رقم از 250 میلیون گذشت. یک خودروی پنج‌نفره را تصور کن؛ این عدد تقریباً بخش قابل‌توجهی از همهٔ خودروهای جهان است. افزون بر این، بیش از ۲۷ خودروساز از این تراشه‌ها استفاده می‌کنند.

یکی از محصولات جاه‌طلبانهٔ Mobileye SuperVision است: یک رایانهٔ یکپارچه شامل ۱۱ دوربین و دو تراشهٔ EyeQ 5 High. پرقدرت‌ترین SoC که شرکت برای خودروهای خودران مصرف‌کننده اعلام کرده نیز EyeQ Ultra است. خانوادهٔ EyeQ نسل پنجم با ظرفیتی معرفی می‌شود که می‌تواند از خودروهای کاملاً خودران یعنی سطح ۵ پشتیبانی کند. یک خودروساز آمریکایی نیز پلتفرم «Surround ADAS» مبتنی بر نسل جدید EyeQ6H را با حلقهٔ دوربین و رادار ۳۶۰ درجه، قابلیت‌های نرم‌افزارمحور و وعدهٔ رانندگی بدون نیاز به دست روی برخی بزرگراه‌ها انتخاب کرد.

در برابر رویکرد متن‌باز انویدیا، جایگاه Mobileye چه خواهد بود؟ مدیرعامل شرکت، امون شاشوآ، پیش‌بینی می‌کند که بازهٔ 2026 تا 2027 نقطهٔ عطف بزرگی برای شرکت خواهد بود و با اظهاراتی نشان می‌دهد که فکر می‌کنند مدل انویدیا چیزی نیست که بتواند جایگاه‌های بازار را تغییر دهد. نکته‌ای که شاشوآ مدام بر آن تأکید می‌کند این است: بخشی از موج اطلاعیه‌ها و هیجان در این صنعت فقط سر و صدا است؛ مسئلهٔ اصلی محصول اثبات‌شده در میدان است. این جمله به که باید تقدیم شود، محل بحث است - اما 250 میلیون خودرو، استدلال محکمی برای دفاع است.

چرا تسلا تراشهٔ خودش را طراحی کرد؟

داستان تسلا از میان این سه، سرکش‌ترین است. شرکت ابتدا از پردازنده‌های مبتنی بر انویدیا استفاده می‌کرد و سپس کاملاً به FSD Chip طراحی خودش روی آورد. این تراشه ۱۲ واحد پردازش ARM Cortex-A72 دارد و توسط تسلا به‌عنوان یک رایانهٔ شبکهٔ عصبی تعریف شده است. جزئیات قابل‌توجه این است که رایانهٔ FSD معماری دو SoC دارد: یعنی برای محاسبات حیاتی، همزمان دو پردازنده درگیر کار هستند.

اما چرا؟ چرا از پلتفرم آماده استفاده نکنی و زحمت طراحی تراشهٔ خودت را به جان بخری؟ دلیل روایت‌شده از سوی تسلا این است که تراشه‌های همه‌منظورهٔ انویدیا به اندازهٔ کافی برای نیاز تسلا اختصاصی‌سازی نشده بودند. وقتی سیلیکون خودت را طراحی کنی، به قطعه‌ای می‌رسی که دقیقاً برای مدل هوش مصنوعی خودت بهینه شده و می‌توانی مصرف انرژی آن را کنترل کنی. مثل کتاب آشپزی به آن فکر کن: می‌توانی با کتاب آشپزی دیگری غذا درست کنی، اما در کتاب آشپزی خودت دقیقاً دستور مورد نظرت را می‌نویسی. البته این کار بهایی دارد - طراحی تراشه کارِ فوق‌العاده گران و پرخطری است. در بخش تولید هم کارخانه‌های غول‌پیکری مانند TSMC درگیر هستند.

یک نکته عددی: ادعاهایی در گردش است که تراشه Nvidia خودش 320 TOPS یعنی تریلیون عملیات در ثانیه انجام می‌دهد و سیستم دو تراشه‌ای Tesla به 144 TOPS می‌رسد. اما اینجا باید محتاط بود؛ این اعداد از تعریف‌ها و دوره‌های زمانی متفاوتی می‌آیند و TOPS به‌تنهایی برتری هیچ‌کدام از دو سیستم را اثبات نمی‌کند. در نهایت، قدرت محاسباتی همان‌قدر که یک خودرو دارد، با کیفیت نرم‌افزار روی آن معنا پیدا می‌کند.

سه پلتفرم در کنار هم: Nvidia، Mobileye و Tesla

ویژگیNvidia DRIVEMobileye EyeQTesla FSD Chip
رویکردپلتفرم باز، به خودروسازان فروخته می‌شودراه‌حل سخت‌افزار-نرم‌افزار کلید در دستکاملاً در اختیار خودش، مخصوص خودروهای خودش
ستاره محصول فعلیDRIVE AGX ThorEyeQ 5 / EyeQ UltraFSD Chip (دو SoC)
مقیاسهمکاری با خودروسازانی مانند Mercedes-Benzبیش از 250 میلیون خودرو، بیش از 27 خودروسازفقط خودروهای Tesla
جدیدترین نسلDRIVE AGX Hyperion (CES 2026)Surround ADAS مبتنی بر EyeQ6H12 هسته ARM Cortex-A72 CPU
قدرت اکوسیستمCUDA و پشتیبانی گسترده توسعه‌دهندگانناوگان گسترده اثبات‌شده در میدانیکپارچگی عمودی، هماهنگی خودرو-نرم‌افزار

این سه مسیر در همان حال سه مدل کسب‌وکار را هم نمایندگی می‌کنند. Nvidia پلتفرمش را به همه می‌فروشد، Mobileye با راه‌حل بسته‌بندی‌شده‌اش مقیاس پیدا می‌کند و Tesla همه چیز را خودش انجام می‌دهد. کدام یک برنده می‌شود؟ به احتمال زیاد همه تا مدتی بیشتر در بازار باقی خواهند ماند؛ چون نیاز و میزان ریسک‌پذیری هر خودروساز متفاوت است.

آیا انقلاب خودروی تعریف‌شده با نرم‌افزار خودروسازان را به سمت ساخت تراشه سوق می‌دهد؟

یکی از پربحث‌ترین مفاهیم دنیای خودرو در سال‌های اخیر، خودروی تعریف‌شده با نرم‌افزار یعنی SDV است. ایده ساده اما انقلابی است: دیگر خودرو را با قدرت موتور بلکه با نرم‌افزارش متمایز می‌کنی. ویژگی‌های جدید با به‌روزرسانی‌های بی‌سیم می‌آیند و هوشمندی خودرو در یک پلتفرم محاسباتی متمرکز جمع می‌شود. این یعنی جایگزینی ده‌ها واحد کنترل کوچک در معماری کلاسیک خودرو با مغزهای قدرتمند و متمرکز.

و دقیقاً در همین نقطه است که کارها پیچیده می‌شود. اگر قدرت رقابتی خودرو در نرم‌افزارش باشد و نرم‌افزار به تراشه‌ای قدرتمند نیاز داشته باشد، خودروسازان با یک سؤال حیاتی روبه‌رو هستند: مغز را از چه کسی می‌خواهی بگیری؟ خودروسازی که از پلتفرم آماده استفاده می‌کند، به فناوریِ ایجادکننده تمایز وابسته به تأمین‌کننده‌اش می‌شود. دقیقاً به همین دلیل است که سخت‌تر شدن کنترل Nvidia بر پشته خودش، برخی خودروسازان را نگران می‌کند. خودروسازی که تراشه خودش را طراحی می‌کند اما مجبور است هزینه توسعه میلیاردها دلاری را به دوش بکشد. صناعتی را تصور کن که بین دو گزینه بد در نوسان است - کمی پرتنش است، نه؟

افزون بر این، این وابستگی فناوری بُعد هزینه هم دارد. هر قابلیت جدید ADAS، پیچیدگی کالیبراسیون و هزینه تعمیر اضافه می کند؛ که این هم به حاشیه سود سازندگان فشار می آورد و گسترش این سیستم ها در خودروهای رده اقتصادی را دشوارتر می کند. یک بحث عرضه هم وجود دارد: اشتغال مرکزهای داده هوش مصنوعی به قطعات تراشه (به ویژه حافظه های DRAM)، عرضه تراشه خودرویی را محدود می کند. پس کارخانه های تراشه اول برای چه کسی تولید می کنند؟ برنامه هوش مصنوعی گوشی تو یا دستیار ترمز خودرویت؟ بحث درباره اولویت بندی، مسئله واقعی عرضه در سال 2026 است.

شکاف میان وعده و واقعیت: قدرت پردازش رایگان نیست

تا اینجا همه چیز هیجان انگیز بود. اما نکته ای هست که باید با نگاه نقادانه به آن بپردازیم: همه این قدرت پردازش بهایی دارد و فقط مالی نیست. یک تحلیل دانشگاهی محاسبه کرده که یک میلیارد خودروی خودران که روزی یک ساعت رانندگی خودران دارد و رایانه اش 840 وات مصرف می کند، از نظر انتشار کربن بار قابل توجهی ایجاد خواهد کرد. یعنی در حالی که مدام از خودروهای خودران به عنوان دوستدار محیط زیست تعریف می کنیم، باید انرژی مصرفی مغزهایشان را هم در محاسبات لحاظ کرد. وقتی خودروها برقی می شوند، اگزوز صفر است، اما مغز خودروی برقی که به پریز وصل است هنوز هم برق مصرف می کند.

نکته واقع بینانه دیگر: پیش بینی های بازار بزرگ هستند، اما در حال حاضر فرمول قطعی «این قدر TOPS لازم است» وجود ندارد. اینکه خودران کاملی در سطح 5 چه قدر پردازش خواهد خواست، همچنان یک مسئله مهندسی باز است. تراشه های نسل پنجم Mobileye با قابلیت سطح 5 معرفی می شوند، اما فاصله میان قابلیت و واقعیت اثبات شده، دقیقا در وسط همان چیزی قرار دارد که Shashua آن را «سروصدا» می نامد.

پس در این جنگ سیلیکونی، برنده چه کسی خواهد بود؟

پاسخ صادقانه: هنوز مشخص نیست و احتمالا یک برنده واحد هم نخواهد بود. Nvidia با قدرت پلتفرمی و همکاری هایی مانند Mercedes، جایگاه خود را به عنوان تاثیرگذارترین تامین کننده دوران خودروی تعریف شده توسط نرم افزار تثبیت می کند. Mobileye با ناوگان اثبات‌شدهٔ 250 میلیونی خود و مزیت مقیاس، بالغ‌ترین بازیگر این عرصه است. Tesla هم استثنایی است که هم بهای ساختن تراشه اختصاصی خود و هم دستاوردهایش را به تنهایی بر عهده گرفته است. هر سه جای یکدیگر را نمی گیرند؛ به سه پرسش متفاوت، سه پاسخ متفاوت می دهند.

شاید هوشمندانه ترین پرسش این باشد: وقتی مغز خودروها در دست چند شرکت متمرکز می شود، رانندگان و سازندگان چه به دست می آورند و چه از دست می دهند؟ سود، رسیدن سریع فناوری به بلوغ است. زیان، وابستگی است - و صورتحساب آن وابستگی وقتی صادر می شود که این تراشه ها اولین بار در جاده اثبات شوند، نه وقتی اولین بار یک اتفاق بد رخ می دهد. پس به همین دلیل در جریان باشید.

منابع

  • The Evolution of EyeQ - Mobileye
  • Mobileye Releases Second Quarter 2026 Results
  • New Mobileye EyeQ Ultra - Intel Press Release
  • Mobileye SuperVision Put to the Test - Mobileye Blog
  • Nvidia launches Drive AGX Thor developer kit
  • Nvidia: How It Is Tightening Its Grip on the Autonomous Vehicle Stack
  • گسترش همکاری مرسدس-بنز و انویدیا - اتاق خبری Nvidia
  • سخت‌افزار اتوپایلوت تسلا - ویکی‌پدیا
  • تراشه‌های هوش مصنوعی در حوزه خودروهای خودران - Lux Research
  • نگاهی به داخل صندوق عقب ما: قدرت پردازش Waymo - وبلاگ Waymo
  • رایانه داده خودروی خودران - Premio
  • رایانه‌هایی که خودروهای خودران را به حرکت درمی‌آورند می‌توانند منبع عظیمی از انتشار کربن باشند - اخبار MIT
  • سیستم‌های ایمنی Mobileye و انویدیا چقدر به هم شبیه هستند؟
  • بازار تراشه‌های خودروی خودران - Fortune Business Insights
  • بازار تراشه‌های ADAS خودرویی - Dataintelo
  • فشار بر DRAM - Area51ESG
  • خودروی تعریف‌شده با نرم‌افزار - Valeo

این صفحه را به اشتراک بگذارید

ویرایشگر دسته

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

یک علاقه‌مند جوان، پویا و مشتاق به تحقیق و یادگیری در حوزه خودرو و ورزش‌های موتوری. مته با نگاه جوانان به پلتفرم خبری، اطلاعاتی و فرهنگی خودروی ما ارزش می‌افزاید. او نوآوری‌های فناوری خودرو و تحولات ورزش‌های موتوری را از نزدیک دنبال می‌کند و آموخته‌هایش را به محتوایی مفید و پرمحتوا برای otomobilgi.com تبدیل می‌کند.

محتوای مرتبط

با FSD v12 تسلا، دورانی که مهندسان قاعده به قاعده دیکته می‌کردند پایان یافت؛ اکنون شبکه عصبی مستقیماً از تصویر خام دوربین تصمیم فرمان را می‌گیرد.
رانندگی خودران و هوش مصنوعیسر و سامان دادن به رانندگی خودران چگونه مدل End-to-End را تغییر می‌دهد؟
در برف سنگین عملکرد تشخیص لیدار بیش از 50 درصد افت می‌کند و چون هوش مصنوعی نمی‌داند به کدام سنسور اعتماد کند، رباتاکسی‌ها متوقف می‌شوند.
رانندگی خودران و هوش مصنوعیخودروهای خودران چرا در برف و باران کور می‌شوند؟
وایمو فقط در محدوده‌های محدود بدون راننده حرکت می‌کند، تسلا در همه جا زیر نظارت کار می‌کند؛ این تفاوت تصادفی نیست، بلکه دقیقاً همان مدل کسب‌وکار دو شرکت است.
رانندگی خودران و هوش مصنوعیوقتی وای‌مو به‌تنهایی در شهر می‌گردد، چرا تسلا هنوز به راننده نیاز دارد؟
در رانندگی خودران یک سنسور درست واحد وجود ندارد؛ برنده را تعادل هزینه، ایمنی و مقررات تعیین خواهد کرد.
رانندگی خودران و هوش مصنوعیلیدار یا دوربین؟ کارنامه جنگ سنسورها در رانندگی خودران
تا زمانی که فرمان در دست توست، خودرو هرچقدر هم هوشمند باشد، از نظر قانونی تو همچنان راننده هستی.
رانندگی خودران و هوش مصنوعیسطح 2 یا سطح 3؟ وعده و واقعیت در رانندگی خودران
دوربین و لیدار سنسورهای هوای خوب هستند؛ دوست واقعی‌ای که در شب مه‌آلود و بارانی ماشین را سرپا نگه می‌دارد، رادار 4D سنجش‌گر ارتفاع است.
رانندگی خودران و هوش مصنوعیرادار 4D در رانندگی خودکار چه کاری انجام می‌دهد؟
چون هر دو سیستم در سطح 2 SAE هستند، خلبان واقعی پشت فرمان همچنان خودت هستی: هیچ خودرویی امروز مسئولیت را از تو برنمی‌دارد.
رانندگی خودران و هوش مصنوعی۵ تفاوت کلیدی میان Super Cruise و Tesla FSD
خودروهای خودران آژیرها را از فاصله ۸۰۰ متری می‌شنوند اما هنوز جلوی آتش‌نشانی می‌ایستند و راه را می‌بندند؛ گوش دارند، ولی رفلکس‌شان کم است.
رانندگی خودران و هوش مصنوعیخودروهای خودران در برابر آژیر پلیس و آمبولانس چه می‌کنند؟
اشتراک ۹۹ دلاری FSD تسلا وعده‌ی رانندگی کاملاً خودکار می‌دهد، اما اینکه پولتان می‌ارزد بستگی به این دارد که روزانه چند کیلومتر رانندگی می‌کنید.
رانندگی خودران و هوش مصنوعیآیا پرداخت هزینه ماهانه برای رانندگی خودکار منطقی است؟
یک راننده خودکار، در شبیه‌سازی میلیاردها کیلومتر مجازی با خطا کردن یاد می‌گیرد؛ اما آزمون اصلی روی آسفالت واقعی آغاز می‌شود.
رانندگی خودران و هوش مصنوعیخودروهای خودران چگونه رانندگی را یاد می‌گیرند؟ مدرسه سایه شبیه‌سازی

برچسب‌ها

  • رانندگی خودران
  • تسلا
  • خودران کامل
  • مرسدس-بنز
  • لیدار
  • سامانه‌های کمک‌راننده
  • فناوری حسگر
  • ادغام حسگرها
  • سطوح خودران
  • nvidia drive
  • mobileye eyeq
  • خودرو تعریف‌شده با نرم‌افزار

ما را در شبکه‌های اجتماعی دنبال کنید

  • درباره ما
  • متن روشنگری KVKK
  • سیاست حریم خصوصی
  • تماس با ما
Otomobilgi.com
پلتفرم مستقل فرهنگ خودرو
قدرت‌گرفته از Virgo CMS