风起云涌！2017 自动驾驶行业大事记
随着越来越多的自动驾驶汽车驶上街头，人们也开始重点关注这些从科幻电影中走出来的科技新物种了。
不过，这些处于测试状态的自动驾驶汽车确实暴露了不少弱点。更重要的是，虽然它们会恪守每一条道路交通法规，但在理解人类驾驶员意图方面，却非常没有“眼力劲”。而在未来很长一段时间里，它们都要和有人驾驶汽车分享道路。
大家的担忧很快就成真了。2017 年，我们见识了不少自动驾驶汽车事故，好在没有人因此丧命。
去年，MIT AgeLab 和新英格兰汽车媒体协会曾共同做过一次消费者研究，结果显示：3000 名受访者中有大约一半（48%）都表示自己永远也不会为全自动驾驶汽车掏腰包。他们做出这一选择是出于对自动驾驶技术的不信任，而且也不愿失去对车辆的控制权，同时这些受访者还质疑自动驾驶汽车的安全性。
简而言之，大多数非科班出身的普通消费者都对自动驾驶技术持怀疑或不信任态度。
不过，科技和汽车公司们并没有被吓倒。显然，它们根本不在乎用户是否能接受，甚至不准备在短时间内将自动驾驶汽车卖给普通用户。
这些公司是不是疯了？不卖车靠什么吃饭？答案是——靠车队，这些公司这次可是要彻底革新传统交通方式了：Waymo、通用、Uber、福特等公司现在都持这一态度。
一个共识是，今年行业在 ADAS 系统和 Level 2 传感器技术上取得了长足的进步。即使是 Level 4 车型的研发，也在不断加速，大大超越业内人士预期。
比如，在业内人士看来，Waymo 敢在凤凰城部署“不配备安全司机”的全自动驾驶汽车就是无比自信的表现，这也是 2017 年自动驾驶行业最大的里程碑。
接下里，雷锋网就带大家一起回望 2017 年，看看今年自动驾驶汽车发展的重大历史时刻。
1. 安全司机终于“下岗”
2017 年，Waymo 的自动驾驶测试车再次升级，原本坐在方向盘后负责关键时刻控制车辆的安全司机宣告“下岗”。
虽然 Waymo 在自动驾驶行业的领先优势早已为人熟知，但当 John Krafcik（Waymo CEO）上个月宣布公司旗下没有安全司机的测试车已经在亚利桑那上路时，还是让专家们吃了一惊，就好像“无头骑士”复活一般。
不过，这次凤凰城的居民就要受累给 Waymo 当一回“小白鼠”。
Waymo 取消“安全司机”，真正全自动驾驶汽车上路
2. 电脑与人类谁的驾驶技术好？
2017 年，我们得到的最大教训是：对自动驾驶汽车行业来说，如何证明车辆安全性恐怕是技术公司要面对的最大挑战。我们无法估计自动驾驶技术到底能阻止多少事故。
今年，在公路上测试的自动驾驶汽车可没少遇见事故，不过警方调查显示，这些事故都是人类驾驶员的错。虽然事实如此，但人们还是不禁捏了一把冷汗。
让我们来复盘 Uber测试车在今年的那起侧翻事故。
在正式报告出炉前，警方初步判定这次事故是人类驾驶员的错，而 Uber 的自动驾驶测试车是无辜的受害者。不过，最终报告的细节和目击者的证言让人直冒冷汗。
原来，当时那位“鲁莽”的司机正在十字路口等着左转，而且车速并不快。相反，处在自动驾驶模式的 Uber 测试车速度却保持在 40 英里/小时（约合 64 千米/小时），它并没有发现那辆正在左转的车辆。此外，Uber 司机称当时红绿灯刚刚从绿灯变成黄灯，测试车并没有做出反应（加速通过或减速等待）。
当然，Uber 遇到的这起事故并非业内所说的“极端事件”，而是我们每天都可能遇到的日常情况。从技术上来看，自动驾驶汽车确实严格遵守了交通规则，但事实上它应该根据当时的情况作出实时反应。
简单来说，这些汽车还没有学会人类司机的“防卫性驾驶”技巧。
发生在赌城拉斯维加斯的一起事故更是让人无语。当时一辆自动驾驶穿梭车跟在一辆卡车后行驶，卡车在半路停下后开始慢慢倒车，但穿梭车却停在那里一动不动，等着被卡车撞。虽然从交规上来看卡车要负全责，但穿梭车的做法未免太迟钝。为什么它不后退一点或者鸣笛提醒卡车司机？
AutoKab CEO Carlos Holguin 就认为，从感情上来讲，卡车司机的责任是相对的，穿梭车系统的设计者也有责任。
眼下，因为自动驾驶汽车没有违反交规就帮它们“脱罪”的做法有些不妥。有行业人士建议，立法者在考虑各种日常情况后拿出一份自动驾驶汽车驾驶行为标准。自动驾驶汽车在面对危险时可不能为了不违规而放弃乘客的生命，更得有“常识”。
不过，如何打造有常识的自动驾驶汽车？2017 年的经验教训可没给我们答案。
3. 英特尔 VS 英伟达战况升级
英特尔 CEO Krzanich
2017 年，我们见识了一场自动驾驶行业的修辞大战，参与这次文字游戏的是自动驾驶平台竞争中的双巨头——英伟达和英特尔。
针对自家旗下的 AI 芯片，两大巨头你来我往，双方都认为自家芯片能完虐对方。这场口水战先由英伟达挑起，它拿 Xavier SoC 与英特尔的 PC 芯片作对比。
随后，英特尔 CEO Krzanich在洛杉矶车展上发起反击，称 EyeQ5“在深度学习运行效率上是对手 Xavier 的两倍以上”。
两周后的 CES 2018 上，英特尔将公布自家自动驾驶平台的细节信息。它可能会用上 EyeQ5、Atom、I/O 接口和以太网等。
公平的来讲，由于英特尔暂未公布自家平台的详细信息，因此拿 EyeQ5 与 Xavier 作对比有点不负责任。
当然，这场战斗的走向如何我们不得而言。按照行业发展趋势来讲，一旦有公司真金白银投入某个平台，尤其是与程序员和系统设计师进行了深入合作的情况下，就很难切换到新平台，除非新平台上有更大的利益诱惑。
除此之外，英伟达围绕 DrivePX 打造的生态系统也更为庞大。除了原有合作伙伴，今年英伟达还拉来了世界第一大汽车制造商丰田，未来日本巨头的自动驾驶系统将用上 DrivePX。
面对英伟达咄咄逼人的自动驾驶阵营，英特尔发言人显得很淡定，他表示自家公司也有许多重要的合作伙伴，不过现在还不能公布它们的名字。
英特尔与英伟达上演火星撞地球，EyeQ5 和 Xavier 芯片到底谁更强？
4. 百度阿波罗平台：做自动驾驶领域的安卓
自动驾驶阵营
在西方世界，谷歌是自动驾驶领军企业。在中国，则不得不提百度。2017 年，中国也开始加入自动驾驶大战，而百度就是中坚力量。
今年夏天，百度正式在自动驾驶行业发声，推出了名为“阿波罗”的开源自动驾驶平台。
到目前为止，该平台已经获得了 73 家公司支持，这里不但有中国汽车公司奇瑞、长安和长城，还有美国科技公司与德国汽车巨头，其中不乏英伟达、英特尔、微软、福特、德尔福、大陆、博世、戴姆勒等鼎鼎大名的公司。
就在最近，NXP 也加入到百度阿波罗平台，未来它将提供包括毫米波雷达、V2X、安保、连接和车载体验等技术。
需要注意的是，百度的阿波罗计划并非中国专享，微软和 TomTom 等合作伙伴还想把阿波罗带出国门。
阿波罗另一个引人侧目的吸引力来自设立的 100 亿人民币发展基金。未来三年内，百度和长江产业基金将在三年内把这些钱投资到超过 100 个自动驾驶项目中。
可想而知，百度阿波罗是在复制安卓系统的成功之道。从设计之初，阿波罗就包罗万象，它不但提供了云服务，还搭建了开放软件平台和硬件参考平台。借助硬件参考平台，合作伙伴可以直接开发自己的应用。
“由于参考平台的基础是英伟达 Drive PX，因此你可以说英伟达已经占据了有利地位。”业内人士表示。“不过，这并不意味着英伟达已大获全胜，因为英特尔也是阿波罗项目的合作伙伴。”
2017 年，自动驾驶行业合纵连横的趋势越来越明显，它主要分成了英伟达、英特尔和 Waymo 三大阵营。不过，携快速发展的阿波罗平台，未来百度也有希望打破这一平衡三角。
在 CES 2018 上，百度将推出阿波罗 2.0，车辆将获得简单的城市道路自动驾驶能力。
当然，如果你对百度阿波罗还有更多兴趣，2018 年 1 月 16 日，雷锋网在美国科技大本营硅谷举办 GAIR 硅谷智能驾驶峰会上，我们邀请了百度智能驾驶事业群组总经理李震宇，他将出席并带来主题演讲。此外，现场还有将有近百家自动驾驶产业链公司，欢迎报名参与，详情请访问https://gair.leiphone.com/gair/gairsv2018。
关于刚刚更新的阿波罗1.5，最核心负责人做了这些详解
5. 英特尔/Mobileye 祭出“安全模型”概念
今年 10 月，被英特尔以 150 亿美元鲸吞的 Mobileye 发布了一篇震动整个行业的重磅论文（《论安全和可大规模部署自动驾驶汽车的形式化模型》）。
这篇论文意义重大，自动驾驶开发商第一次提出用数学模型让自动驾驶汽车在事故中免责。“只要自动驾驶汽车遵守预先设定的‘事故反应准则’，就能免受事故困扰。”论文中直截了当的写道。
这篇论文象征着自动驾驶行业向着定义自动驾驶汽车安全边界迈出了重要一步。当然，这只是万里长征第一步。
Mobileye CEO Amnon Shashua撰文：数学模型如何规范自动驾驶困境？
6. Waymo 的模拟里程
今年 10 月问世的 Waymo 安全报告绝对是业内首创，它已经成了自动驾驶开发者的虚拟路书。从该报告的一些细节来看，其他厂商想追上 Waymo，还得付出巨大的努力。
在报告中，Waymo 还讲解其设计自动驾驶软硬件和测试车辆的方法。
Waymo 与竞争对手的不同之处在于“Waymo 一直在通过软件的视角设计自己的传感器系统。”从过去八年的软件开发经验中，Waymo 悟出了如何更清晰的“看清”车辆周边环境。软硬件结合的方式与苹果如出一辙，这是缺乏软件开发能力的传统汽车制造商的软肋，它们根本无法复制 Waymo 的独门绝技。
更重要的是，Waymo 有自己独一无二的测试方法，它的测试车在公路上已经跑了 850 万英里。
当然，这个惊人的数字并不重要，Waymo 的强大在于它们的模拟测试。
“通过模拟，我们测试了各种可能的情况，并在部署至车队前做了软件升级。Waymo 将测试车在公路上遇到的棘手情况都转化成虚拟模式，随后自动驾驶软件就可以在模拟机中进行千锤百炼。”Waymo 在安全报告中写道。
2016 年，Waymo 的模拟测试里程高达 25 亿英里，超过地球到月球的距离。今年，它每天的模拟里程更是从 800 万英里提升到了 1000 万英里，而且在模拟中自动驾驶软件啃得可都是硬骨头。
有观察人士指出：“想通过累积测试里程教会自动驾驶汽车人类常识有些不现实，因为我们还需要基于安全常识的自动驾驶汽车标准，而这是整个行业的阿克琉斯之踵。”
全网唯一完整译文 | Waymo无人车报告：通往自动驾驶之路
7. Level 4 自动驾驶依然限制多多
Waymo 的运行设计区域
需要注意的一点是，没了安全司机的 Waymo 自动驾驶汽车依然只是 Level 4 级别水平，算不上真正的全自动驾驶汽车。
根据 SAE 的定义，进入 Level 4 后，驾驶员就无需关注车辆安全，你可以安心在车上睡大觉。不过，其前提是车辆在特定的环境或区域内行驶。“一旦出了这个安全区，你就得赶紧醒过来控制住方向盘，否则车辆可能会自动在路边停下。”
Waymo 的安全报告上也写的很清楚，车辆必须在“运行设计区域”活动，而这个区域的限制可不是一般的多。Waymo 将地理环境、道路类型、速度、天气、时间和当地交通法等都考虑了进去。
同时，Waymo 也承认，现在能支持 Level 4 自动驾驶汽车的“运行设计区域”还非常有限，用户也不能选择安全区外的目的地。不过，Waymo 未来会拓宽“运行设计区域”，并以此试水打车业务。
除此之外，Waymo 还在克服不利天气对自动驾驶汽车的影响。据雷锋网了解，Waymo 早在 2012 年就开始在寒冷地区进行测试。同时，在炎热沙漠中的试车也在有条不紊的进行中。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
致力免费为玩家、消费者提供国内最值得入手的新奇酷玩产品
读懂智能与未来！
今日搜狐热点行业跨步太大，自动驾驶汽车面临众多问题行业跨步太大，自动驾驶汽车面临众多问题it之帝百家号近日，UBER自动驾驶汽车被撞翻在地，UBER以及警方宣布联合调查此事，在没有得到结论之前，UBER将暂停自动驾驶汽车的测试。【行业跨步太大，自动驾驶汽车面临众多问题】　　这并非自动驾驶汽车第一次出车祸，之前就有用户在开启特斯拉自动驾驶特性后导致车祸发生，即使谷歌在测试自动驾驶汽车时，也会发生碰撞摩擦。【行业跨步太大，自动驾驶汽车面临众多问题】　　另外，除了自动驾驶汽车事故之外，自动驾驶汽车商业化也是一个难题。【行业跨步太大，自动驾驶汽车面临众多问题】　　谷歌在自动驾驶领域默默投入六年之久，至今仍没有实现商业化；而百度日前也表达了自动驾驶汽车商业化难度太大，导致百度目前有拆分或者融资的需求。【行业跨步太大，自动驾驶汽车面临众多问题】　　而自动驾驶汽车之所以面临以上等众多问题，就是因为行业跨步太大。【行业跨步太大，自动驾驶汽车面临众多问题】　　世界科技的发展是爆发性的，人类科技更是在第一次工业革命出现开始出现变革，随后人类才开始进入机械时代。随后每隔近百年，才发生一次科技革命。【行业跨步太大，自动驾驶汽车面临众多问题】　　在第三次科技革命过去近半个多世纪，人类就想从半自动化向全自动化或者智能化时代发展，跨步确实太大。【行业跨步太大，自动驾驶汽车面临众多问题】　　而每一次科技革命之后，都是人类观念先行改变然后接受新事物，才推动了新事物的发展。但就目前而言，自动驾驶汽车观念并没有深入人心，也就是说，人类还没有接受自动驾驶汽车这新思想。【行业跨步太大，自动驾驶汽车面临众多问题】　　在2015年时，英国保险代理商Adrian Flux，当时以英国驾驶人为问卷对象所做的调查，有高达70.3%的英国驾驶员选择不会使用或乘坐自动驾驶车辆，回答「可能会」与「明确会」的人分别占比仅为24.2%与5.5%。【行业跨步太大，自动驾驶汽车面临众多问题】　　另外，70%受访者表示，不论自动驾驶发展如何，人类仍应持有对车辆的掌控性；80%的人则提到即使是自动驾驶，也应该要有方向盘。【行业跨步太大，自动驾驶汽车面临众多问题】　　也就是说，即使自动驾驶汽车技术成熟，人类依旧要对汽车拥有绝对的掌控权，可见，人类在思想上还是没有接受自动驾驶汽车这一新概念。【行业跨步太大，自动驾驶汽车面临众多问题】　　UBER已经在多个地区开始测试自动驾驶汽车载人服务，但是必须是收到UBER邮件邀请并且满足相关规定的人才可以乘坐，可见，自动驾驶汽车并不是人人都能接受的事物。【行业跨步太大，自动驾驶汽车面临众多问题】　　不仅如此，新事物的出现，离不开政府的大力推广，只有这样才能加速新事物的普及以及技术的升级换代，因为使用的人越多，发现的问题就越多，这样就能更快更及时做出修正。【行业跨步太大，自动驾驶汽车面临众多问题】　　但是，自动驾驶汽车上路测试面临政府难关。　　例如在国内，几乎没有一家国内厂商在本土测试自动驾驶汽车，即使是百度，其也将自动驾驶汽车放在美国进行路测。【行业跨步太大，自动驾驶汽车面临众多问题】　　在美国，厂商如果想要测试自动驾驶汽车，其必须满足多项政府规定，例如厂商要申请获得测试资格，要遵守当地法律法规，还要缴纳一定的保证金，否则就不能在当地展开测试，可见，政府也并没有积极推动自动驾驶汽车的发展。【行业跨步太大，自动驾驶汽车面临众多问题】　　出现这样的现象，就是因为人类在观念上还没有接受这类新事物，导致其商业化发展缓慢,更何况自动驾驶技术目前根本就不完善。【行业跨步太大，自动驾驶汽车面临众多问题】　　人类科技的发展,先从蒸汽时代进入电气时代，尽管现在是科技时代，但人类的科技多数仍停留在半自动化上，并没有实现完全自动化，在完全自动化没有实现的前提下，人类想迈过自动化直接进入智能化，这显然是不现实的。【行业跨步太大，自动驾驶汽车面临众多问题】　　人工智能以及高速移动网络都没有实现，自动驾驶也不可能实现。　　谷歌“阿尔法”狗是强大的人工智能，其是基于强大的数据处理战胜了韩国棋手李世石，在与李世石的战斗中，“阿尔法”狗并不是一台电脑，而且是其背后强大的数据中心以及高速传输的网络。通过摄像头拍到的画面，传到数据中心，通过对现有数据以及其它数据的对比分析，得出下一步走法。【行业跨步太大，自动驾驶汽车面临众多问题】　　自动驾驶汽车，其神经中枢依旧是人工智能，通过将摄像头和雷达探测的数据传输给汽车上的神经中枢，作为车载电脑，其能承载数据是有限的，只有将大量的数据放在云端，通过云端数据的对比分析，车载电脑（人工智能）做出具体指示，这样才能保证自动驾驶汽车的安全。【行业跨步太大，自动驾驶汽车面临众多问题】　　而要想实现汽车和云端数据的快速传输，必须依靠高速的移动网络，这也是电信巨头都打算用5G撬动物联网的原因，在4G网速下，根本难以承受大量的数据传输。【行业跨步太大，自动驾驶汽车面临众多问题】　　在思想上，人类还普遍没有接受自动驾驶汽车；在技术上，由于人工智能以及高速移动网络没有实现，厂商就急于实现自动驾驶汽车的商业化，只能说是步子跨的太大。【行业跨步太大，自动驾驶汽车面临众多问题】本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。it之帝百家号最近更新：简介:数码、科技，最前沿的技术相关文章自动驾驶产业链上有哪些玩家？一份研究报告带你全面了解这个行业自动驾驶产业链上有哪些玩家？一份研究报告带你全面了解这个行业黑智百家号伴随着人工智能的迅速升温，许多行业都加入了智能化的大潮，交通行业正是其中之一：汽车制造商、配件供应商、科技巨头及创业公司纷纷进军自动驾驶，而服务提供商、基础设施提供商以及城市规划与管理者们也在尝试为交通进一步迈向智能化添砖加瓦。5月25日，在联想之星未来之旅之“人工智能”暨Comet Labs智能交通实验室中国推介会上， Comet Labs发布智能交通研究报告。对自动驾驶的历史、现状做了全面的梳理，并详细分析了产业链上的主要参与者。Comet Labs专注于B2B人工智能和机器人投资与孵化，今年初在旧金山启动了智能交通实验室，来整合交通行业内的产业资源。在5月初，Comet Labs智能交通实验室于发布了《全球智能交通产业图谱》，将智能交通产业划分了车载传感器、智能制造、基础设施及车联网、自动化、车载智能、安全和服务七个层次以及28个细分类别，并整理了两轮车辆、公共交通、卡车／货车、飞机等专用交通工具的智能化探索，最终列举了263家正在推动自动驾驶与未来出行的典型创新企业。而黑智拿到的这份Comet Labs的报告，则从技术和行业标准角度对“自动驾驶”的不同概念做了归纳汇总，并结合对自动驾驶领域参与者的归纳与分析，将产业链进行划分。此外，《报告》围绕自动驾驶产业链上的关键部分——ADAS做了展开。报告认为，ADAS不是真正的自动驾驶，但它是实现“自动驾驶”的基础。在最后，报告还展望了自动驾驶的未来和亟待解决的问题。以下为报告全文：自2016年起，一切围绕“自动驾驶”的概念和故事开始比以往更频繁地进入公众视野：从Uber与沃尔沃共同打造无人汽车，到Alphabet将Waymo从Google X中拆分；从特斯拉Autopilot 1.0的意外事故，到新加坡nuTonomy的无人驾驶出租车在本土上路；从高通收购恩智浦，到英特尔收购Mobileye；从ADAS到车联网；从激光雷达到高精度地图……截至2017年第一季度，全球前14大技术公司里，已经有12家宣布开发自动驾驶相关的技术；在汽车领域，全球前14家的整车厂之中，已有13家宣布要进军自动驾驶领域。自动驾驶的时代，已经来临。业内领先的技术公司以及诸多在近两年成长起来的初创企业，都对自动驾驶投入了巨大的人力、物力和财力，积极地推动自动驾驶技术革新的浪潮。在这一交叉属性明显的领域，需要整车厂（OEMs）和零部件以及技术提供商进行合作，通过研发技术、升级产品，乃至并购等方式，保持在业内的竞争力。除此以外，自动驾驶的车辆共享和租赁服务因具备更佳的用户体验，其优势和价值已经开始显现。从三个角度理解“自动驾驶”关于如何界定“自动驾驶”的概念，一直是汽车行业的热议话题。随着行业热度的提升，近年来相关概念的引用和使用产生了一些混乱，“自动驾驶”、“无人驾驶”、“自我驾驶”、“自动化汽车”等词均在不同场合被提及。那么，到底该如何定义“自动驾驶”？1）从技术元素的角度自动驾驶描述的是一个目前人类想象力所能达到的理想驾驶状态，是一个结果。在实现的途中，需要融合和运用多种技术，主要涉及到人工智能算法技术、云技术以及机器人技术。其中任意两种技术的结合，都是广义自动驾驶概念的外延，或者是实现自动驾驶的底层基础。2）从原理的角度所有的控制系统都是由传感器、控制器、执行器组成的，即对应感知信息、决策、执行三个功能模块。人类驾驶即是如此，自动驾驶亦是如此。3）从行业标准的角度关于如何界定“自动驾驶”的概念，一直是汽车行业的热议话题。随着行业热度的提升，相关概念的引用和使用产生了一些混乱，为了解决这个问题，行业的做法是分级。目前行业内普遍采用的分级标准是美国汽车工程师学会（SAE，即Society of Automotive Engineers）J3016国际标准。该标准来自日美国交通部与国家公路交通安全管理局（NHTSA）联合推出的《美国自动驾驶汽车政策指南》。该指南的推出，意味着此前颇为权威的NHTSA五级分级标准未成为联邦标准。两个标准的区别主要是，在“有条件自动化”与“完全自动化”之间SAE多分了一级为“高度自动化”。自动驾驶的行业发展历程从1925年世界上第一辆“无人驾驶汽车”的诞生到2015年前后，自动驾驶行业在几个关键事件的驱动下，经历了阶进式的发展。按照国际上众多车企的时间表，2016年至2018年是自动驾驶汽车走向市场化的时间段，因此2016年也被业界看作“自动驾驶元年”。回顾这一年，整车厂和技术服务提供商开始深入合作，产业链日臻完善。自动驾驶的产业链产业链中的玩家，可大致划分为整车厂（OEMs）、零部件/技术提供商，以及运营和服务提供商。整车厂和技术供应商的合作关系科技界与整车厂的合作目前主要有两种模式：一是传统的供应商模式，即科技企业进入整车厂的供应链，向其供货；二是更加平等的合作关系，双方各取所长。通过合作关系图我们发现：在海外，美国和德国的传统车企在与科技公司的合作展开得更早也更广泛；在国内，一方面，百度通过提供完整的软硬件和服务解决方案，已经走在了国内科技公司与整车厂合作的前面，另一方面，携手芯片厂商和高精度地图厂商，是国内的整车厂目前最迫切的合作切入点。ADAS不是真正的自动驾驶，但它是实现“自动驾驶”的基础- ADAS 是 Advanced Driver Assistance System 的缩写，即“高级驾驶辅助系统”。- ADAS 不是一项配置，而是几项配置协调作用的系统，利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。- ADAS 硬件的核心是传感器（摄像头、雷达等）和处理器，软件核心是算法。- ADAS 主要起到的是驾驶辅助的功能，目前主要实现在 SAE 标准的 L0-L3 阶段，所以不是真正的“自动驾驶”，但它却是实现“自动驾驶”的基础。ADAS 系统除具有预警功能外，还可以在紧急情况下干预驾驶员操作，避免碰撞等交通事故的发生。自动驾驶的未来1、降低激光雷达的成本对自动驾驶固然意义重大，但降低成本的问题可能不是真正的难点激光雷达在过去几年因缺乏民用应用场景，没有人过度关注成本问题，但在自动驾驶应用民用化的推动下，已经产生了至少两种降低成本的方法：一是采用低线数雷达配合其他传感器，即传感器的融合；二是用固态激光雷达来替代因机械旋转部件昂贵而导致高成本的传统激光雷达。因此，在产业链各方有足够的重视和投入的情况下，激光雷达成本问题的技术进步，可能会在比人们所预期的更短的时间内实现。2、多传感器融合的过程会异常艰难为满足ADAS应用的高性能需求，多传感器的融合已经成为业内共识的趋势。目前传感器融合的方案已呈现出趋同的趋势，未来竞争的核心也主要集中在算法的研究上，但传感器融合的过程必将会异常艰难：其一，需要大量投入人力和财力完成融合的系统架构；其二，以计算机视觉为主的系统只能做到L3，而在L4面对更复杂的情况时必然会产生更加庞大难以处理的数据量；其三，传感器融合之后会产生融合算法的问题，在捕捉到巨大数据量的情况下要面临决策和取舍。训练深度神经网络的人工智能算法，让机器自己去学习和建模，仍然是最佳的方案。3、核心基础设施的升级需尽快实施随着自动驾驶技术逐渐被主流汽车厂商采用，核心基础设施的升级需要被提上日程并尽快实施。基础设施升级涉及到很多方面——从喷绘新的、更清晰的车道分隔线，到整合新的传感器和通讯模块。自动驾驶汽车需要能获取足够多关于所处环境的信息，以便进行预判、制定决策以及作出反应。当前的基础设施为人类驾驶员提供信息的方式并不一定适合自动驾驶汽车。针对人类驾驶员，我们使用不同的颜色、标志、信号灯、障碍物和车灯闪烁方式提供信息；而对自动驾驶汽车来说，这些信息输入将与环境结合，进而提供与道路状况相关的更多信息——传感器能监控车流信息，而汽车之间也能进行通信。4、智能交通生态中出现突破性的事件对自动驾驶的实现至关重要全球各国各地的交通环境会受到包括自然环境，政府的城市规划、政策，以及道德、民族文化等多方面因素的影响。如何让自动驾驶系统与交通环境适配，会成为一个长久的课题。智慧城市、节能汽车、电动汽车、车联网等智能交通生态中的任何一个环节的突破性进展，乃至政府政策的引导（比如雄安新区的智慧城市、智慧交通的定位），都会大幅推进自动驾驶实现的进程。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。黑智百家号最近更新：简介:智能时代商业变革从这里开始！作者最新文章相关文章