విజ్ఞాన శాస్త్రం మరియు సాంకేతిక విజ్ఞానం - టెస్ట్ 17 - స్వయంచాలక వాహనాలు మరియు స్మార్ట్ మొబిలిటీ
Please keep at least one language enabled. || కనీసం ఒక భాషను ఎంచుకోండి.
Question 1
ప్రశ్న 1
Which scenario most clearly represents Advanced Driver Assistance Systems (ADAS) rather than full driving automation?
పూర్తి స్వయంచాలక వాహన నడపడంతో పోలిస్తే Advanced Driver Assistance Systems (ADAS)ను అత్యంత స్పష్టంగా సూచించే పరిస్థితి ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• ADAS can assist with steering, acceleration, braking, warnings or collision intervention while the human driver remains responsible for monitoring and driving.
• NHTSA classifies Levels 0–2 as driver-assistance levels rather than full driving automation.
• Assistance with both steering and speed control does not by itself make a vehicle fully autonomous.
• NHTSA classifies Levels 0–2 as driver-assistance levels rather than full driving automation.
• Assistance with both steering and speed control does not by itself make a vehicle fully autonomous.
వివరణ:
• ADAS దిశ నియంత్రణ, వేగ నియంత్రణ, బ్రేకులు, హెచ్చరికలు లేదా ప్రమాద నివారణ చర్యల్లో సహాయం చేయగలదు; అయినప్పటికీ డ్రైవర్ బాధ్యత కొనసాగుతుంది.
• NHTSA ప్రకారం Levels 0–2 డ్రైవర్ సహాయక స్థాయులు; ఇవి పూర్తి స్వయంచాలక వాహన నడపడం కాదు.
• దిశ నియంత్రణతో పాటు వేగాన్ని వ్యవస్థ నిర్వహించడం ఒక్కటే వాహనాన్ని పూర్తిగా స్వయంప్రతిపత్తితో పనిచేసే వాహనంగా మార్చదు.
• NHTSA ప్రకారం Levels 0–2 డ్రైవర్ సహాయక స్థాయులు; ఇవి పూర్తి స్వయంచాలక వాహన నడపడం కాదు.
• దిశ నియంత్రణతో పాటు వేగాన్ని వ్యవస్థ నిర్వహించడం ఒక్కటే వాహనాన్ని పూర్తిగా స్వయంప్రతిపత్తితో పనిచేసే వాహనంగా మార్చదు.
Question 2
ప్రశ్న 2
Which statement correctly distinguishes SAE/NHTSA Level 1 from Level 2 driver assistance?
SAE/NHTSA Level 1 మరియు Level 2 డ్రైవర్ సహాయక వ్యవస్థల మధ్య తేడాను సరైన విధంగా తెలిపేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Level 1 provides continuous assistance with either lateral control or longitudinal control.
• Level 2 can provide both steering and acceleration/braking assistance simultaneously.
• At both levels, the human driver remains responsible for monitoring the driving environment.
• Level 2 can provide both steering and acceleration/braking assistance simultaneously.
• At both levels, the human driver remains responsible for monitoring the driving environment.
వివరణ:
• Level 1లో దిశ నియంత్రణ లేదా వేగం–బ్రేకుల నియంత్రణలో ఏదో ఒకదానిలో నిరంతర సహాయం లభిస్తుంది.
• Level 2లో దిశ నియంత్రణతో పాటు వేగం–బ్రేకుల నియంత్రణను ఒకేసారి వ్యవస్థ సహాయకంగా నిర్వహించగలదు.
• రెండు స్థాయిల్లోనూ రహదారి పరిస్థితులను గమనించే బాధ్యత మానవ డ్రైవర్దే.
• Level 2లో దిశ నియంత్రణతో పాటు వేగం–బ్రేకుల నియంత్రణను ఒకేసారి వ్యవస్థ సహాయకంగా నిర్వహించగలదు.
• రెండు స్థాయిల్లోనూ రహదారి పరిస్థితులను గమనించే బాధ్యత మానవ డ్రైవర్దే.
Question 3
ప్రశ్న 3
Which statement correctly distinguishes Level 3 from Level 4 driving automation?
Level 3 మరియు Level 4 స్వయంచాలక వాహన నడపడం మధ్య తేడాను సరైన విధంగా తెలిపేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Level 3 is conditional automation: the automated system performs the dynamic driving task when engaged, but a fallback-ready user must respond to a takeover request.
• Level 4 is high automation within a defined Operational Design Domain and is designed not to depend on a human taking over when the system reaches its limits within that domain.
• Level 5, not Level 4, is the level intended to perform the driving task under all roadway and environmental conditions that a human driver could manage.
• Level 4 is high automation within a defined Operational Design Domain and is designed not to depend on a human taking over when the system reaches its limits within that domain.
• Level 5, not Level 4, is the level intended to perform the driving task under all roadway and environmental conditions that a human driver could manage.
వివరణ:
• Level 3లో వ్యవస్థ వాహన నడపడం పనిని నిర్వహించినప్పటికీ అవసరమైనప్పుడు నియంత్రణ స్వీకరించేందుకు సిద్ధంగా ఉన్న వ్యక్తి స్పందించాలి.
• Level 4 తన నిర్ణయించిన Operational Design Domain (ODD)లో అధిక స్థాయి స్వయంచాలక నడపడం; ఆ పరిధిలో వ్యవస్థ పరిమితికి చేరినప్పుడు తప్పనిసరిగా మానవ జోక్యంపై ఆధారపడకుండా రూపొందించబడుతుంది.
• అన్ని సాధ్యమైన రహదారి, పర్యావరణ పరిస్థితుల్లో వాహనాన్ని నడపగల స్థాయి Level 5; Level 4 కాదు.
• Level 4 తన నిర్ణయించిన Operational Design Domain (ODD)లో అధిక స్థాయి స్వయంచాలక నడపడం; ఆ పరిధిలో వ్యవస్థ పరిమితికి చేరినప్పుడు తప్పనిసరిగా మానవ జోక్యంపై ఆధారపడకుండా రూపొందించబడుతుంది.
• అన్ని సాధ్యమైన రహదారి, పర్యావరణ పరిస్థితుల్లో వాహనాన్ని నడపగల స్థాయి Level 5; Level 4 కాదు.
Question 4
ప్రశ్న 4
Which sensing capability is a camera particularly well suited to provide in an automated-driving perception system?
స్వయంచాలక వాహనంలోని పరిసర గ్రహణ వ్యవస్థలో camera ప్రత్యేకంగా ఏ సమాచారాన్ని అందించడానికి అనుకూలంగా ఉంటుంది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Cameras provide rich visual information such as colour, texture, lane markings, traffic lights, signs and appearance cues.
• Computer-vision algorithms can use these images to classify objects and interpret road scenes.
• Cameras do not themselves provide satellite positioning or V2I communications.
• Computer-vision algorithms can use these images to classify objects and interpret road scenes.
• Cameras do not themselves provide satellite positioning or V2I communications.
వివరణ:
• Camera రంగు, ఆకృతి, లేన్ గుర్తులు, ట్రాఫిక్ దీపాలు, రహదారి సంకేత బోర్డులు వంటి సమృద్ధమైన దృశ్య సమాచారాన్ని అందిస్తుంది.
• Computer Vision అల్గారిథములు ఈ చిత్రాలను ఉపయోగించి వస్తువులను వర్గీకరించి రహదారి దృశ్యాన్ని అర్థం చేసుకోగలవు.
• Camera స్వయంగా ఉపగ్రహ స్థాన నిర్ధారణ లేదా V2I సమాచార మార్పిడి చేయదు.
• Computer Vision అల్గారిథములు ఈ చిత్రాలను ఉపయోగించి వస్తువులను వర్గీకరించి రహదారి దృశ్యాన్ని అర్థం చేసుకోగలవు.
• Camera స్వయంగా ఉపగ్రహ స్థాన నిర్ధారణ లేదా V2I సమాచార మార్పిడి చేయదు.
Question 5
ప్రశ్న 5
Which statement best describes a major strength of automotive radar?
వాహన radar యొక్క ముఖ్యమైన బలాన్ని అత్యంత సరైన విధంగా తెలిపేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Automotive radar uses radio waves and is particularly useful for measuring range and relative motion of surrounding objects.
• Radar can be more robust than cameras to some lighting and weather limitations, although severe conditions can still affect performance.
• Its strengths complement rather than duplicate the detailed visual semantics of cameras or fine 3-D geometry of LiDAR.
• Radar can be more robust than cameras to some lighting and weather limitations, although severe conditions can still affect performance.
• Its strengths complement rather than duplicate the detailed visual semantics of cameras or fine 3-D geometry of LiDAR.
వివరణ:
• వాహన radar రేడియో తరంగాలను ఉపయోగించి చుట్టుపక్కల వస్తువుల దూరం మరియు సాపేక్ష కదలికను కొలవడంలో ప్రత్యేకంగా ఉపయోగపడుతుంది.
• కొన్ని వెలుతురు, వాతావరణ పరిమితుల్లో camera కంటే radar ఉపయోగకరంగా ఉండవచ్చు; అయితే తీవ్రమైన పరిస్థితులు దీనినీ ప్రభావితం చేయగలవు.
• Radar సామర్థ్యం camera ఇచ్చే దృశ్య అర్థ సమాచారం లేదా LiDAR ఇచ్చే సూక్ష్మ 3-D ఆకృతికి ప్రత్యామ్నాయం కాకుండా పరస్పరపూరకంగా ఉంటుంది.
• కొన్ని వెలుతురు, వాతావరణ పరిమితుల్లో camera కంటే radar ఉపయోగకరంగా ఉండవచ్చు; అయితే తీవ్రమైన పరిస్థితులు దీనినీ ప్రభావితం చేయగలవు.
• Radar సామర్థ్యం camera ఇచ్చే దృశ్య అర్థ సమాచారం లేదా LiDAR ఇచ్చే సూక్ష్మ 3-D ఆకృతికి ప్రత్యామ్నాయం కాకుండా పరస్పరపూరకంగా ఉంటుంది.
Question 6
ప్రశ్న 6
Which description best matches LiDAR in an automated vehicle?
స్వయంచాలక వాహనంలో LiDARను అత్యంత సరైన విధంగా వివరించేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• LiDAR stands for Light Detection and Ranging and estimates distance from emitted laser light and its reflections.
• Repeated measurements can form detailed three-dimensional point clouds of the environment.
• LiDAR is distinct from GNSS, microphones and ultrasonic parking sensors.
• Repeated measurements can form detailed three-dimensional point clouds of the environment.
• LiDAR is distinct from GNSS, microphones and ultrasonic parking sensors.
వివరణ:
• LiDAR అంటే Light Detection and Ranging; పంపిన laser కాంతి ప్రతిఫలనాలను కొలిచి దూరాన్ని అంచనా వేస్తుంది.
• అనేక కొలతలను కలిపి పరిసరాలకు సంబంధించిన విపులమైన మూడు-పరిమాణాల point cloud రూపొందించవచ్చు.
• LiDAR, GNSS, మైక్రోఫోన్ లేదా ultrasonic పార్కింగ్ సెన్సర్లకు భిన్నమైన సాంకేతికత.
• అనేక కొలతలను కలిపి పరిసరాలకు సంబంధించిన విపులమైన మూడు-పరిమాణాల point cloud రూపొందించవచ్చు.
• LiDAR, GNSS, మైక్రోఫోన్ లేదా ultrasonic పార్కింగ్ సెన్సర్లకు భిన్నమైన సాంకేతికత.
Question 7
ప్రశ్న 7
In which application are ultrasonic sensors especially useful in a road vehicle?
రహదారి వాహనంలో ultrasonic sensors ముఖ్యంగా ఏ పనికి అనుకూలం?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Ultrasonic sensors estimate short distances using high-frequency sound reflections.
• Their short-range capability makes them common in parking assistance and low-speed proximity sensing.
• They are not substitutes for long-range perception, GNSS or V2V communication.
• Their short-range capability makes them common in parking assistance and low-speed proximity sensing.
• They are not substitutes for long-range perception, GNSS or V2V communication.
వివరణ:
• Ultrasonic sensors అధిక ఆవృత్తి ధ్వని ప్రతిఫలనాలను ఉపయోగించి తక్కువ దూరాలను అంచనా వేస్తాయి.
• తక్కువ దూర సామర్థ్యం వల్ల పార్కింగ్ సహాయం మరియు తక్కువ వేగంలో సమీప అడ్డంకుల గుర్తింపులో విస్తృతంగా ఉపయోగిస్తారు.
• దీర్ఘదూర పరిసర గ్రహణం, GNSS లేదా V2V సమాచార మార్పిడికి ఇవి ప్రత్యామ్నాయం కావు.
• తక్కువ దూర సామర్థ్యం వల్ల పార్కింగ్ సహాయం మరియు తక్కువ వేగంలో సమీప అడ్డంకుల గుర్తింపులో విస్తృతంగా ఉపయోగిస్తారు.
• దీర్ఘదూర పరిసర గ్రహణం, GNSS లేదా V2V సమాచార మార్పిడికి ఇవి ప్రత్యామ్నాయం కావు.
Question 8
ప్రశ్న 8
What is the principal role of GNSS in an automated or connected vehicle?
స్వయంచాలక లేదా అనుసంధానిత వాహనంలో GNSS యొక్క ప్రధాన పాత్ర ఏమిటి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• GNSS supplies positioning, navigation and timing information from navigation satellites.
• Automated vehicles can combine GNSS with IMUs, perception sensors and maps for more robust localisation.
• GNSS can be degraded by blockage, multipath, jamming or spoofing, so it is rarely treated as the only localisation source in safety-critical automation.
• Automated vehicles can combine GNSS with IMUs, perception sensors and maps for more robust localisation.
• GNSS can be degraded by blockage, multipath, jamming or spoofing, so it is rarely treated as the only localisation source in safety-critical automation.
వివరణ:
• GNSS మార్గనిర్ణయ ఉపగ్రహాల నుంచి స్థానం, మార్గనిర్ణయం, సమయ సమాచారాన్ని అందిస్తుంది.
• మరింత విశ్వసనీయ స్థాన నిర్ధారణ కోసం GNSS సమాచారాన్ని IMU, పరిసర గ్రహణ సెన్సర్లు మరియు పటాలతో కలిపి ఉపయోగించవచ్చు.
• సంకేత అడ్డంకులు, multipath, jamming లేదా spoofing వల్ల GNSS ప్రభావితమవచ్చు; అందువల్ల భద్రతకు కీలకమైన స్వయంచాలక నడపడంలో దానిపై ఒక్కటే ఆధారపడటం సాధారణం కాదు.
• మరింత విశ్వసనీయ స్థాన నిర్ధారణ కోసం GNSS సమాచారాన్ని IMU, పరిసర గ్రహణ సెన్సర్లు మరియు పటాలతో కలిపి ఉపయోగించవచ్చు.
• సంకేత అడ్డంకులు, multipath, jamming లేదా spoofing వల్ల GNSS ప్రభావితమవచ్చు; అందువల్ల భద్రతకు కీలకమైన స్వయంచాలక నడపడంలో దానిపై ఒక్కటే ఆధారపడటం సాధారణం కాదు.
Question 9
ప్రశ్న 9
Why can a high-definition (HD) map be useful to an automated-driving system?
స్వయంచాలక వాహన నడపడం వ్యవస్థకు high-definition (HD) map ఎందుకు ఉపయోగపడుతుంది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• HD maps can contain lane-level geometry, road boundaries and other detailed features useful for localisation and path planning.
• They complement onboard sensing by providing prior knowledge about the roadway.
• Maps can become outdated because roads and traffic controls change, so map freshness and independent perception remain important.
• They complement onboard sensing by providing prior knowledge about the roadway.
• Maps can become outdated because roads and traffic controls change, so map freshness and independent perception remain important.
వివరణ:
• HD mapలో లేన్ స్థాయి రహదారి ఆకృతి, రహదారి సరిహద్దులు మరియు ఇతర విపులమైన లక్షణాలు ఉండవచ్చు.
• ఇవి వాహనంలోని సెన్సర్ల సమాచారానికి ముందస్తు రహదారి వివరాలను జోడించి స్థాన నిర్ధారణ, మార్గ ప్రణాళికకు సహాయపడతాయి.
• రహదారులు, ట్రాఫిక్ నియంత్రణలు మారవచ్చు కాబట్టి పటాన్ని తాజాగా ఉంచడం మరియు స్వతంత్ర పరిసర గ్రహణం ఇంకా అవసరం.
• ఇవి వాహనంలోని సెన్సర్ల సమాచారానికి ముందస్తు రహదారి వివరాలను జోడించి స్థాన నిర్ధారణ, మార్గ ప్రణాళికకు సహాయపడతాయి.
• రహదారులు, ట్రాఫిక్ నియంత్రణలు మారవచ్చు కాబట్టి పటాన్ని తాజాగా ఉంచడం మరియు స్వతంత్ర పరిసర గ్రహణం ఇంకా అవసరం.
Question 10
ప్రశ్న 10
What is the main purpose of sensor fusion in an automated vehicle?
స్వయంచాలక వాహనంలో sensor fusion యొక్క ప్రధాన ఉద్దేశ్యం ఏమిటి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Different sensors have different strengths, weaknesses, ranges and failure modes.
• Sensor fusion combines their measurements to improve localisation, object detection, tracking or environmental representation.
• Fusion can improve robustness but does not guarantee perfect perception if inputs are degraded, miscalibrated or incorrectly interpreted.
• Sensor fusion combines their measurements to improve localisation, object detection, tracking or environmental representation.
• Fusion can improve robustness but does not guarantee perfect perception if inputs are degraded, miscalibrated or incorrectly interpreted.
వివరణ:
• వేర్వేరు సెన్సర్లకు వేర్వేరు బలాలు, పరిమితులు, పరిధులు మరియు వైఫల్య విధానాలు ఉంటాయి.
• Sensor fusion వాటి కొలతలను కలిపి స్థాన నిర్ధారణ, వస్తు గుర్తింపు, వస్తు అనుసరణ లేదా పరిసర అవగాహనను మెరుగుపరుస్తుంది.
• Sensor fusion విశ్వసనీయతను పెంచగలదు; కానీ సెన్సర్ సమాచారం దెబ్బతిన్నా, calibration తప్పైనా లేదా అర్థవివరణ తప్పైనా సంపూర్ణ పరిసర గ్రహణానికి హామీ కాదు.
• Sensor fusion వాటి కొలతలను కలిపి స్థాన నిర్ధారణ, వస్తు గుర్తింపు, వస్తు అనుసరణ లేదా పరిసర అవగాహనను మెరుగుపరుస్తుంది.
• Sensor fusion విశ్వసనీయతను పెంచగలదు; కానీ సెన్సర్ సమాచారం దెబ్బతిన్నా, calibration తప్పైనా లేదా అర్థవివరణ తప్పైనా సంపూర్ణ పరిసర గ్రహణానికి హామీ కాదు.
Question 11
ప్రశ్న 11
A vehicle uses radar to estimate the relative speed of a car ahead and a camera to determine whether the detected object is a vehicle or roadside structure. What does this most clearly illustrate?
ఒక వాహనం ముందున్న వస్తువు సాపేక్ష వేగాన్ని radarతో కొలుస్తూ, అది వాహనమా లేక రహదారి పక్కన ఉన్న నిర్మాణమా అని cameraతో గుర్తిస్తోంది. ఇది అత్యంత స్పష్టంగా ఏ భావనను సూచిస్తుంది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Radar is strong at range and relative-motion sensing, while cameras provide rich visual information useful for classification.
• Combining these outputs can provide a more useful environmental estimate than either source alone for some tasks.
• This is a classic example of complementary sensor fusion.
• Combining these outputs can provide a more useful environmental estimate than either source alone for some tasks.
• This is a classic example of complementary sensor fusion.
వివరణ:
• Radar దూరం, సాపేక్ష కదలికను కొలవడంలో బలంగా ఉండగా camera వస్తువుల దృశ్య లక్షణాలను వర్గీకరించడంలో ఉపయోగపడుతుంది.
• కొన్ని పనుల్లో ఈ రెండింటి ఫలితాలను కలిపితే ఒక్క సెన్సర్తో పోలిస్తే మెరుగైన పరిసర అంచనా లభించవచ్చు.
• ఇది పరస్పరపూరక sensor fusionకు స్పష్టమైన ఉదాహరణ.
• కొన్ని పనుల్లో ఈ రెండింటి ఫలితాలను కలిపితే ఒక్క సెన్సర్తో పోలిస్తే మెరుగైన పరిసర అంచనా లభించవచ్చు.
• ఇది పరస్పరపూరక sensor fusionకు స్పష్టమైన ఉదాహరణ.
Question 12
ప్రశ్న 12
Which statement about Adaptive Cruise Control (ACC) is correct?
Adaptive Cruise Control (ACC) గురించి సరైన ప్రకటన ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Adaptive Cruise Control automatically adjusts speed to maintain a preset distance from a vehicle ahead.
• It is a driver-assistance technology and does not by itself perform the full dynamic driving task.
• The driver's responsibilities depend on the overall automation level and the vehicle system being used.
• It is a driver-assistance technology and does not by itself perform the full dynamic driving task.
• The driver's responsibilities depend on the overall automation level and the vehicle system being used.
వివరణ:
• Adaptive Cruise Control ముందున్న వాహనంతో నిర్ణయించిన దూరాన్ని ఉంచేందుకు వేగాన్ని స్వయంగా సర్దుతుంది.
• ఇది డ్రైవర్ సహాయక సాంకేతికత; ఒక్కటే మొత్తం వాహన నడపడం పనిని నిర్వహించదు.
• డ్రైవర్ బాధ్యత వాహనంలోని మొత్తం స్వయంచాలక స్థాయి మరియు ఉపయోగిస్తున్న వ్యవస్థపై ఆధారపడి ఉంటుంది.
• ఇది డ్రైవర్ సహాయక సాంకేతికత; ఒక్కటే మొత్తం వాహన నడపడం పనిని నిర్వహించదు.
• డ్రైవర్ బాధ్యత వాహనంలోని మొత్తం స్వయంచాలక స్థాయి మరియు ఉపయోగిస్తున్న వ్యవస్థపై ఆధారపడి ఉంటుంది.
Question 13
ప్రశ్న 13
Which statement about Automatic Emergency Braking (AEB) is most accurate?
Automatic Emergency Braking (AEB) గురించి అత్యంత సరైన ప్రకటన ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• AEB can apply the vehicle's brakes automatically when the system detects an imminent collision.
• Its purpose is to avoid a crash or reduce its severity in certain situations.
• One automatic safety intervention should not be confused with a system that performs the complete driving task.
• Its purpose is to avoid a crash or reduce its severity in certain situations.
• One automatic safety intervention should not be confused with a system that performs the complete driving task.
వివరణ:
• AEB సమీప ప్రమాదాన్ని గుర్తించినప్పుడు వాహన బ్రేకులను స్వయంగా అమలు చేయగలదు.
• కొన్ని పరిస్థితుల్లో ప్రమాదాన్ని నివారించడం లేదా దాని తీవ్రతను తగ్గించడం దీని లక్ష్యం.
• ఒక్క స్వయంచాలక భద్రతా చర్యను మొత్తం వాహన నడపడం పనిని నిర్వహించే స్వయంప్రతిపత్తితో సమానం చేయకూడదు.
• కొన్ని పరిస్థితుల్లో ప్రమాదాన్ని నివారించడం లేదా దాని తీవ్రతను తగ్గించడం దీని లక్ష్యం.
• ఒక్క స్వయంచాలక భద్రతా చర్యను మొత్తం వాహన నడపడం పనిని నిర్వహించే స్వయంప్రతిపత్తితో సమానం చేయకూడదు.
Question 14
ప్రశ్న 14
Which information exchange best represents Vehicle-to-Vehicle (V2V) communication?
Vehicle-to-Vehicle (V2V) సమాచార మార్పిడిని అత్యంత సరైన విధంగా చూపే ఉదాహరణ ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• V2V communication allows equipped vehicles to exchange information directly with one another.
• Safety messages can include position, speed, heading and other vehicle-state information.
• This cooperative information can supplement onboard perception, including for hazards that may not yet be directly visible.
• Safety messages can include position, speed, heading and other vehicle-state information.
• This cooperative information can supplement onboard perception, including for hazards that may not yet be directly visible.
వివరణ:
• V2V ద్వారా అనుసంధానిత వాహనాలు పరస్పరం నేరుగా సమాచారం పంచుకోగలవు.
• భద్రతా సందేశాల్లో స్థానం, వేగం, ప్రయాణ దిశ మరియు ఇతర వాహన స్థితి సమాచారం ఉండవచ్చు.
• నేరుగా కనిపించని కొన్ని ప్రమాదాల గురించి కూడా ఈ సహకార సమాచారం వాహనంలోని పరిసర గ్రహణానికి అదనపు సహాయం ఇవ్వగలదు.
• భద్రతా సందేశాల్లో స్థానం, వేగం, ప్రయాణ దిశ మరియు ఇతర వాహన స్థితి సమాచారం ఉండవచ్చు.
• నేరుగా కనిపించని కొన్ని ప్రమాదాల గురించి కూడా ఈ సహకార సమాచారం వాహనంలోని పరిసర గ్రహణానికి అదనపు సహాయం ఇవ్వగలదు.
Question 15
ప్రశ్న 15
Which scenario is the clearest example of Vehicle-to-Infrastructure (V2I) communication?
Vehicle-to-Infrastructure (V2I) సమాచార మార్పిడికి అత్యంత స్పష్టమైన ఉదాహరణ ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• V2I connects vehicles with roadside or traffic-management infrastructure.
• Examples include communication involving signal phase and timing, work-zone information or other infrastructure-generated messages.
• Direct communication between two vehicles is V2V rather than V2I.
• Examples include communication involving signal phase and timing, work-zone information or other infrastructure-generated messages.
• Direct communication between two vehicles is V2V rather than V2I.
వివరణ:
• V2I వాహనాలను రహదారి పక్కన ఉన్న లేదా ట్రాఫిక్ నిర్వహణ మౌలిక సదుపాయాలతో అనుసంధానిస్తుంది.
• ట్రాఫిక్ సంకేతం దశ–సమయ సమాచారం, పనులు జరుగుతున్న రహదారి ప్రాంతాల సమాచారం వంటి వివరాలను వాహనాలకు పంపడం దీనికి ఉదాహరణ.
• రెండు వాహనాల మధ్య నేరుగా జరిగే సమాచార మార్పిడి మాత్రం V2V.
• ట్రాఫిక్ సంకేతం దశ–సమయ సమాచారం, పనులు జరుగుతున్న రహదారి ప్రాంతాల సమాచారం వంటి వివరాలను వాహనాలకు పంపడం దీనికి ఉదాహరణ.
• రెండు వాహనాల మధ్య నేరుగా జరిగే సమాచార మార్పిడి మాత్రం V2V.
Question 16
ప్రశ్న 16
Which statement correctly distinguishes a connected vehicle from an autonomous vehicle?
అనుసంధానిత వాహనం (Connected Vehicle) మరియు స్వయంప్రతిపత్తితో పనిచేసే వాహనం మధ్య తేడాను సరైన విధంగా తెలిపేది ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Connectivity concerns communication and data exchange with external vehicles, infrastructure or networks.
• Driving automation concerns who or what performs the dynamic driving task.
• A vehicle may be connected without being autonomous, and automated-driving systems can use connectivity as an additional information source.
• Driving automation concerns who or what performs the dynamic driving task.
• A vehicle may be connected without being autonomous, and automated-driving systems can use connectivity as an additional information source.
వివరణ:
• అనుసంధానం అంటే బయట ఉన్న వాహనాలు, మౌలిక సదుపాయాలు లేదా నెట్వర్క్లతో సమాచార మార్పిడి.
• స్వయంచాలక వాహన నడపడం అంటే వాహనం నడిపే ప్రధాన పనిని మనిషి లేదా వ్యవస్థలో ఎవరు నిర్వహిస్తున్నారనే విషయం.
• ఒక వాహనం స్వయంప్రతిపత్తి లేకుండానే అనుసంధానితంగా ఉండవచ్చు; స్వయంచాలక నడపడం వ్యవస్థలు అనుసంధానాన్ని అదనపు సమాచార మూలంగా ఉపయోగించవచ్చు.
• స్వయంచాలక వాహన నడపడం అంటే వాహనం నడిపే ప్రధాన పనిని మనిషి లేదా వ్యవస్థలో ఎవరు నిర్వహిస్తున్నారనే విషయం.
• ఒక వాహనం స్వయంప్రతిపత్తి లేకుండానే అనుసంధానితంగా ఉండవచ్చు; స్వయంచాలక నడపడం వ్యవస్థలు అనుసంధానాన్ని అదనపు సమాచార మూలంగా ఉపయోగించవచ్చు.
Question 17
ప్రశ్న 17
Which example best represents an Intelligent Transportation System (ITS) or smart-mobility application?
Intelligent Transportation System (ITS) లేదా స్మార్ట్ మొబిలిటీ అనువర్తనానికి అత్యంత సరైన ఉదాహరణ ఏది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• ITS combines sensing, communications, data processing and control to improve transportation safety, efficiency and mobility.
• Adaptive traffic signals and real-time traveller information are common smart-mobility applications.
• ITS is broader than autonomous vehicles and can improve conventional transport systems as well.
• Adaptive traffic signals and real-time traveller information are common smart-mobility applications.
• ITS is broader than autonomous vehicles and can improve conventional transport systems as well.
వివరణ:
• ITSలో సెన్సింగ్, సమాచార మార్పిడి, డేటా విశ్లేషణ మరియు నియంత్రణను కలిపి రవాణా భద్రత, సామర్థ్యం, ప్రయాణ సౌలభ్యాన్ని మెరుగుపరుస్తారు.
• మారుతున్న ట్రాఫిక్కు అనుగుణంగా సంకేత సమయం మార్చడం మరియు ప్రయాణికులకు తక్షణ సమాచారం అందించడం సాధారణ స్మార్ట్ మొబిలిటీ అనువర్తనాలు.
• ITS స్వయంప్రతిపత్తి వాహనాలకే పరిమితం కాదు; సాధారణ రవాణా వ్యవస్థలను కూడా మెరుగుపరచగలదు.
• మారుతున్న ట్రాఫిక్కు అనుగుణంగా సంకేత సమయం మార్చడం మరియు ప్రయాణికులకు తక్షణ సమాచారం అందించడం సాధారణ స్మార్ట్ మొబిలిటీ అనువర్తనాలు.
• ITS స్వయంప్రతిపత్తి వాహనాలకే పరిమితం కాదు; సాధారణ రవాణా వ్యవస్థలను కూడా మెరుగుపరచగలదు.
Question 18
ప్రశ్న 18
Why are adverse weather and sensor obstruction important challenges for automated driving?
ప్రతికూల వాతావరణం మరియు సెన్సర్లకు అడ్డుపడటం స్వయంచాలక వాహన నడపడంలో ఎందుకు ముఖ్యమైన సవాళ్లు?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Cameras, radar, LiDAR and ultrasonic sensing have different environmental strengths and weaknesses.
• Weather, contamination, glare, occlusion or degraded lane markings can reduce perception performance.
• Sensor fusion and redundancy can improve robustness, but they do not eliminate every failure mode.
• Weather, contamination, glare, occlusion or degraded lane markings can reduce perception performance.
• Sensor fusion and redundancy can improve robustness, but they do not eliminate every failure mode.
వివరణ:
• Camera, radar, LiDAR, ultrasonic sensingకు వేర్వేరు పర్యావరణ బలాలు, పరిమితులు ఉంటాయి.
• వాతావరణం, సెన్సర్పై మురికి, తీవ్రమైన కాంతి, దృశ్య అడ్డంకులు లేదా చెరిగిపోయిన లేన్ గుర్తులు పరిసర గ్రహణ పనితీరును తగ్గించవచ్చు.
• Sensor fusion మరియు పునరావృత భద్రతా ఏర్పాట్లు విశ్వసనీయతను పెంచగలవు; కానీ ప్రతి వైఫల్యాన్ని పూర్తిగా తొలగించవు.
• వాతావరణం, సెన్సర్పై మురికి, తీవ్రమైన కాంతి, దృశ్య అడ్డంకులు లేదా చెరిగిపోయిన లేన్ గుర్తులు పరిసర గ్రహణ పనితీరును తగ్గించవచ్చు.
• Sensor fusion మరియు పునరావృత భద్రతా ఏర్పాట్లు విశ్వసనీయతను పెంచగలవు; కానీ ప్రతి వైఫల్యాన్ని పూర్తిగా తొలగించవు.
Question 19
ప్రశ్న 19
What does the Operational Design Domain (ODD) of an automated-driving system describe?
స్వయంచాలక వాహన నడపడం వ్యవస్థ యొక్క Operational Design Domain (ODD) ఏమిని వివరిస్తుంది?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• An ODD defines the conditions and boundaries within which a driving-automation feature is intended to function.
• It can include roadway type, geographic limits, speed, traffic, weather, lighting and other operating conditions.
• A system that works safely in one ODD should not automatically be assumed to work safely outside it.
• It can include roadway type, geographic limits, speed, traffic, weather, lighting and other operating conditions.
• A system that works safely in one ODD should not automatically be assumed to work safely outside it.
వివరణ:
• ODD ఒక స్వయంచాలక వాహన నడపడం సౌలభ్యం ఏ పరిస్థితులు, పరిమితుల్లో పనిచేయడానికి రూపొందించబడిందో వివరిస్తుంది.
• రహదారి రకం, భౌగోళిక పరిమితులు, వేగం, ట్రాఫిక్, వాతావరణం, వెలుతురు వంటి అంశాలు ఇందులో ఉండవచ్చు.
• ఒక ODDలో సురక్షితంగా పనిచేసే వ్యవస్థ మరొక పరిధిలో కూడా తప్పనిసరిగా సురక్షితంగా పనిచేస్తుందని భావించకూడదు.
• రహదారి రకం, భౌగోళిక పరిమితులు, వేగం, ట్రాఫిక్, వాతావరణం, వెలుతురు వంటి అంశాలు ఇందులో ఉండవచ్చు.
• ఒక ODDలో సురక్షితంగా పనిచేసే వ్యవస్థ మరొక పరిధిలో కూడా తప్పనిసరిగా సురక్షితంగా పనిచేస్తుందని భావించకూడదు.
Question 20
ప్రశ్న 20
Consider the following statements:
1. Cameras can provide visual semantic information such as lane markings and traffic-light appearance.
2. Radar is useful for estimating range and relative motion of surrounding objects.
3. LiDAR can provide detailed three-dimensional range information about the surroundings.
4. Sensor fusion guarantees perfect perception even if all sensors are severely degraded.
How many of the statements given above are correct?
1. Cameras can provide visual semantic information such as lane markings and traffic-light appearance.
2. Radar is useful for estimating range and relative motion of surrounding objects.
3. LiDAR can provide detailed three-dimensional range information about the surroundings.
4. Sensor fusion guarantees perfect perception even if all sensors are severely degraded.
How many of the statements given above are correct?
క్రింది ప్రకటనలను పరిశీలించండి:
1. Camera లేన్ గుర్తులు, ట్రాఫిక్ దీపాల రూపం వంటి దృశ్య అర్థ సమాచారాన్ని అందించగలదు.
2. Radar చుట్టుపక్కల వస్తువుల దూరం మరియు సాపేక్ష కదలిక అంచనాకు ఉపయోగపడుతుంది.
3. LiDAR పరిసరాలకు సంబంధించిన విపులమైన మూడు-పరిమాణాల దూర–ఆకృతి సమాచారాన్ని అందించగలదు.
4. అన్ని సెన్సర్లు తీవ్రంగా దెబ్బతిన్నప్పటికీ sensor fusion సంపూర్ణ పరిసర గ్రహణాన్ని హామీ ఇస్తుంది.
పై ప్రకటనల్లో ఎన్ని సరైనవి?
1. Camera లేన్ గుర్తులు, ట్రాఫిక్ దీపాల రూపం వంటి దృశ్య అర్థ సమాచారాన్ని అందించగలదు.
2. Radar చుట్టుపక్కల వస్తువుల దూరం మరియు సాపేక్ష కదలిక అంచనాకు ఉపయోగపడుతుంది.
3. LiDAR పరిసరాలకు సంబంధించిన విపులమైన మూడు-పరిమాణాల దూర–ఆకృతి సమాచారాన్ని అందించగలదు.
4. అన్ని సెన్సర్లు తీవ్రంగా దెబ్బతిన్నప్పటికీ sensor fusion సంపూర్ణ పరిసర గ్రహణాన్ని హామీ ఇస్తుంది.
పై ప్రకటనల్లో ఎన్ని సరైనవి?
Select an option first. || ముందుగా ఒక సమాధానాన్ని ఎంచుకోండి.
Explanation:
• Statements 1, 2 and 3 correctly describe important strengths of camera, radar and LiDAR sensing.
• Statement 4 is incorrect because fusion can improve robustness but cannot guarantee correct perception when sensing information is severely degraded or misleading.
• Safe automated driving therefore depends on sensing quality, fusion, validation, fallback behaviour and operation within the intended ODD.
• Statement 4 is incorrect because fusion can improve robustness but cannot guarantee correct perception when sensing information is severely degraded or misleading.
• Safe automated driving therefore depends on sensing quality, fusion, validation, fallback behaviour and operation within the intended ODD.
వివరణ:
• 1, 2, 3 ప్రకటనలు camera, radar, LiDAR ముఖ్య సామర్థ్యాలను సరిగ్గా వివరిస్తాయి.
• Sensor fusion విశ్వసనీయతను పెంచగలదు; కానీ సెన్సర్ సమాచారం తీవ్రంగా దెబ్బతిన్నప్పుడు సరైన పరిసర గ్రహణానికి హామీ ఇవ్వదు. కాబట్టి 4వ ప్రకటన తప్పు.
• సురక్షిత స్వయంచాలక వాహన నడపడం సెన్సర్ నాణ్యత, sensor fusion, ధృవీకరణ, అత్యవసర ప్రత్యామ్నాయ చర్యలు మరియు నిర్ణయించిన ODDలో నిర్వహణపై ఆధారపడి ఉంటుంది.
• Sensor fusion విశ్వసనీయతను పెంచగలదు; కానీ సెన్సర్ సమాచారం తీవ్రంగా దెబ్బతిన్నప్పుడు సరైన పరిసర గ్రహణానికి హామీ ఇవ్వదు. కాబట్టి 4వ ప్రకటన తప్పు.
• సురక్షిత స్వయంచాలక వాహన నడపడం సెన్సర్ నాణ్యత, sensor fusion, ధృవీకరణ, అత్యవసర ప్రత్యామ్నాయ చర్యలు మరియు నిర్ణయించిన ODDలో నిర్వహణపై ఆధారపడి ఉంటుంది.
Answer Key సమాధానాల పట్టిక
-
Question 1 ప్రశ్న 1Answer: A. A system controls steering and acceleration/braking in some conditions, but the human driver must continuously monitor the road and remain responsible for driving సమాధానం: A. కొన్ని పరిస్థితుల్లో వ్యవస్థ దిశ నియంత్రణతో పాటు వేగం పెంచడం, తగ్గించడం లేదా బ్రేకులు వేయడంలో సహాయపడుతుంది; అయినప్పటికీ రహదారిని నిరంతరం గమనిస్తూ వాహన నడపడం పై బాధ్యత మానవ డ్రైవర్దే
-
Question 2 ప్రశ్న 2Answer: A. Level 1 can assist with either steering or acceleration/braking continuously, whereas Level 2 can assist with both at the same time while the driver continues monitoring సమాధానం: A. Level 1లో దిశ నియంత్రణ లేదా వేగం పెంచడం/తగ్గించడం–బ్రేకులు వేయడం రెండింటిలో ఏదో ఒకదానిలో నిరంతర సహాయం లభిస్తుంది; Level 2లో రెండింటిలో ఒకేసారి సహాయం లభించవచ్చు, కానీ డ్రైవర్ రహదారిని గమనిస్తూ ఉండాలి
-
Question 3 ప్రశ్న 3Answer: B. At Level 3, the automated system performs the driving task within its operating conditions but expects a fallback-ready user to respond when requested; at Level 4, the system can handle the driving task and fallback within its defined operating domain without relying on the user to take over సమాధానం: B. Level 3లో నిర్ణయించిన పరిస్థితుల్లో వ్యవస్థ వాహన నడపడం పనిని నిర్వహిస్తుంది; అవసరమైనప్పుడు నియంత్రణ స్వీకరించేందుకు సిద్ధంగా ఉన్న వ్యక్తి స్పందించాలి. Level 4లో తన నిర్ణయించిన పని పరిధిలో వాహన నడపడం మరియు అవసరమైన ప్రత్యామ్నాయ భద్రతా చర్యలను కూడా వ్యవస్థ స్వయంగా నిర్వహించగలదు
-
Question 4 ప్రశ్న 4Answer: B. Visual appearance information useful for recognising lane markings, traffic lights, signs and object classes సమాధానం: B. లేన్ గుర్తులు, ట్రాఫిక్ దీపాలు, రహదారి సంకేత బోర్డులు మరియు వస్తువుల వర్గాలను గుర్తించడానికి ఉపయోగపడే దృశ్య రూప సమాచారం
-
Question 5 ప్రశ్న 5Answer: A. It can measure object range and relative velocity effectively and often remains useful in conditions where purely visual sensing is degraded సమాధానం: A. వస్తువుల దూరం మరియు సాపేక్ష వేగాన్ని సమర్థంగా కొలవగలదు; కేవలం దృశ్య గుర్తింపు బలహీనమయ్యే కొన్ని పరిస్థితుల్లో కూడా ఉపయోగకరంగా ఉండవచ్చు
-
Question 6 ప్రశ్న 6Answer: A. It estimates surrounding geometry by emitting laser light and measuring reflected returns, enabling detailed range and 3-D point information సమాధానం: A. Laser కాంతిని పంపి తిరిగి వచ్చిన ప్రతిఫలనాలను కొలిచి పరిసరాల ఆకృతి, దూరం మరియు 3-D స్థల బిందువుల సమాచారాన్ని పొందుతుంది
-
Question 7 ప్రశ్న 7Answer: B. Short-range detection of nearby obstacles during parking or low-speed manoeuvring సమాధానం: B. పార్కింగ్ లేదా తక్కువ వేగ కదలిక సమయంలో దగ్గరలోని అడ్డంకులను తక్కువ దూరంలో గుర్తించడం
-
Question 8 ప్రశ్న 8Answer: A. To provide position, navigation and timing information that can support vehicle localisation and route-related functions సమాధానం: A. వాహన స్థాన నిర్ధారణ మరియు మార్గ సంబంధ పనులకు ఉపయోగపడే స్థానం, మార్గనిర్ణయం, సమయ సమాచారాన్ని అందించడం
-
Question 9 ప్రశ్న 9Answer: B. It can provide detailed prior information such as lane-level geometry and road features that supports localisation and planning when combined with onboard sensing సమాధానం: B. లేన్ స్థాయి రహదారి ఆకృతి, సరిహద్దులు వంటి విపులమైన ముందస్తు సమాచారాన్ని అందించి, వాహనంలోని సెన్సర్ల సమాచారంతో కలిపి స్థాన నిర్ధారణ మరియు మార్గ ప్రణాళికకు సహాయపడుతుంది
-
Question 10 ప్రశ్న 10Answer: C. To combine complementary measurements from sensors such as cameras, radar, LiDAR, GNSS or IMUs to improve the overall estimate of the vehicle and its surroundings సమాధానం: C. Camera, radar, LiDAR, GNSS లేదా IMU వంటి వేర్వేరు సెన్సర్ల నుంచి వచ్చే పరస్పరపూరక కొలతలను కలిపి వాహనం మరియు పరిసరాలపై మొత్తం అంచనాను మెరుగుపరచడం
-
Question 11 ప్రశ్న 11Answer: A. Sensor fusion using complementary sensing capabilities సమాధానం: A. పరస్పరపూరక సెన్సర్ల సమాచారాన్ని కలిపే sensor fusion
-
Question 12 ప్రశ్న 12Answer: A. It automatically adjusts vehicle speed to help maintain a selected following distance, but this function alone is not full autonomous driving సమాధానం: A. ముందున్న వాహనంతో నిర్ణయించిన దూరాన్ని ఉంచేందుకు వాహన వేగాన్ని స్వయంగా సర్దుతుంది; కానీ ఈ సౌలభ్యం ఒక్కటే పూర్తి స్వయంచాలక వాహన నడపడం కాదు
-
Question 13 ప్రశ్న 13Answer: B. It can automatically apply braking when an imminent collision is detected, but it remains a collision-intervention driver-assistance feature rather than proof of full autonomy సమాధానం: B. సమీప ప్రమాదాన్ని గుర్తించినప్పుడు బ్రేకులను స్వయంగా వేయగలదు; అయినప్పటికీ ఇది పూర్తి స్వయంప్రతిపత్తిని నిరూపించదు, ప్రమాద నివారణకు సంబంధించిన డ్రైవర్ సహాయక సాంకేతికత మాత్రమే
-
Question 14 ప్రశ్న 14Answer: A. A vehicle exchanges position, speed, heading or related safety information directly with nearby equipped vehicles సమాధానం: A. ఒక వాహనం తన స్థానం, వేగం, ప్రయాణ దిశ లేదా సంబంధిత భద్రతా సమాచారాన్ని సమీపంలోని అనుసంధానిత వాహనాలతో నేరుగా పంచుకోవడం
-
Question 15 ప్రశ్న 15Answer: B. A vehicle receives traffic-signal phase and timing information from roadside infrastructure సమాధానం: B. రహదారి పక్కన ఉన్న మౌలిక సదుపాయాల నుంచి ట్రాఫిక్ సంకేతం దశ మరియు సమయ సమాచారాన్ని వాహనం స్వీకరించడం
-
Question 16 ప్రశ్న 16Answer: A. A connected vehicle exchanges information with other vehicles, infrastructure or networks; autonomy refers to the vehicle's ability to perform parts of the driving task without continuous human control, so the two concepts are related but not identical సమాధానం: A. అనుసంధానిత వాహనం ఇతర వాహనాలు, మౌలిక సదుపాయాలు లేదా నెట్వర్క్లతో సమాచారం పంచుకుంటుంది; స్వయంప్రతిపత్తి అంటే నిరంతర మానవ నియంత్రణ లేకుండానే వాహన నడపడంలో కొన్ని భాగాలను నిర్వహించే సామర్థ్యం. కాబట్టి ఇవి సంబంధం ఉన్నప్పటికీ ఒకటే కావు
-
Question 17 ప్రశ్న 17Answer: A. A city combines traffic sensors, signal-control systems and real-time communication to adjust signal timing and provide congestion information సమాధానం: A. నగరం ట్రాఫిక్ సెన్సర్లు, సంకేత నియంత్రణ వ్యవస్థలు మరియు తక్షణ సమాచార మార్పిడిని కలిపి ట్రాఫిక్ సంకేతాల సమయాన్ని సర్ది రద్దీ సమాచారాన్ని అందించడం
-
Question 18 ప్రశ్న 18Answer: A. Because rain, snow, fog, dirt or ice can degrade some sensors and perception functions, and no single sensing modality is perfect in every condition సమాధానం: A. వర్షం, మంచు, పొగమంచు, దుమ్ము లేదా ఐస్ వల్ల కొన్ని సెన్సర్లు, పరిసర గ్రహణ పనులు బలహీనపడవచ్చు; ప్రతి పరిస్థితిలో సంపూర్ణంగా పనిచేసే ఒక్క సెన్సింగ్ విధానం ఉండదు
-
Question 19 ప్రశ్న 19Answer: B. The specific conditions under which the automated-driving feature is designed to operate, such as road type, geographic area, speed range, weather or time conditions సమాధానం: B. స్వయంచాలక వాహన నడపడం సౌలభ్యం పనిచేయడానికి రూపొందించిన నిర్దిష్ట పరిస్థితులు—ఉదాహరణకు రహదారి రకం, భౌగోళిక ప్రాంతం, వేగ పరిమితి, వాతావరణం లేదా కాల పరిస్థితులు
-
Question 20 ప్రశ్న 20Answer: C. Only three సమాధానం: C. మూడు మాత్రమే