当前位置:首页 > 自动驾驶
  • 自动驾驶“淘汰赛”开始 资金消耗殆尽就只能出局

    自动驾驶“淘汰赛”开始 资金消耗殆尽就只能出局

    2020年,将是自动驾驶初创公司洗牌年。能否获得持续的资金支持,将是压倒初创公司的最后一根稻草。毕竟,距离自动驾驶卡车大规模商业化运营,还需要一段时间的煎熬。 近日,美国自动驾驶卡车初创公司Starsky Robotics的一名前雇员称,在未能筹集到新的资金来维持运营后,目前该公司正与潜在买家进行谈判,其中包括一些竞争对手。 这是Drive.ai被苹果公司收购后,第二家因为资金困难而宣布主动寻求买家的自动驾驶初创公司。而此前Uber收购Otto、戴姆勒收购Torc RoboTIcs均是处于自身战略布局考虑。 目前,这家成立仅3年时间的初创公司正在与一些潜在收购方进行接触,包括Embark、通用汽车旗下的Cruise、特斯拉以及投资了中国卡车自动驾驶公司图森未来的亚马逊,这些公司被披露对Starsky RoboTIcs的技术团队及部分业务感兴趣。 Starsky RoboTIcs的目标是让卡车在高速公路上实现自动驾驶,然后由司机遥控车辆,负责第一英里和最后一英里的远程驾驶。与其他一些朝着无人驾驶卡车目标的公司不同,Starsky并没有建立一个完全自主的解决方案。 取而代之的是,它使用远程操作在货站和高速公路之间远程驾驶卡车,高速公路的自动驾驶系统接管了这一过程。Starsky公司在今年2月份开始了第一次完全无人驾驶的测试,并一直提高到55英里每小时的测试速度。 通过建立可靠性和故障模式,提供所谓的“功能安全”,Starsky公司表示,有信心即使出了什么问题,它的卡车可以在高速公路的速度和条件下运行。该公司原本的下一个目标是在没有司机的开放的城区道路上达到高速公路的速度。 今年6月,这家公司成为美国第一家在公共道路上测试无人驾驶卡车的公司。随后,该公司还和数字货运代理Loadsmart合作,完成了第一辆无人参与物流链的自动驾驶货物配送。 这家公司创始人的信心还来自于其相对较低成本的感知方案。传感器的冗余以提高安全性是至关重要的,但涉及的传感器种类越多,这项技术就变得越复杂。Starsky公司从一开始就坚持只依靠低成本的毫米波雷达和摄像头方案。 Starsky公司的观点是,这给物流自动驾驶解决方案增加了太多的复杂性,并对解决方案的投资回报率产生了负面影响。然而,该公司可能等不到那一天的出现。就像特斯拉(同样不赞同激光雷达的方案),再伟大的梦想如果没有持续的收入现金流和资金支持,也很难坚持下来。 一份流传出来的致Starsky员工的文件称,该公司最近与Embark正在进一步紧密接触,后者自2016年成立以来已获得逾1.17亿美元的融资。 文件称,Starsky还在与一些投行机构就“公司出售给出价最高的买方,然后把钱还给银行”的协议进行谈判。目前,这家公司应该有足够的资金撑到2020年1月底。 Starsky联合创始人拒绝就可能出售公司置评。今年6月,该公司宣布计划到2020年增加到25辆无人驾驶卡车,但一名前员工表示,这个目标从未实现。 此前,Starsky从投资者那里筹集了2,000多万美元(投资者包括Y Combinator、前Y Combinator总裁等多家知名机构)。然而,自2018年3月以来,该公司未能获得任何资金。 这显然远远落后于其他竞争对手,比如Plus.ai(智加科技)在过去三轮融资中筹集了大约2亿美元,这解决了最为棘手的资金问题。另一家公司Embark也刚刚获得了7000万美元新资金,这是该公司迄今为止最大的一轮投资。 和其他初创公司不同的是,Starsky还运营着一个小型卡车车队,该车队成立于2017年,其目的是创造收入,为其自动驾驶项目提供资金。感恩节前,由于运费大幅下降,导致“亏本经营”,该公司悄悄地缩减了其公路货运业务。 一名前Starsky司机披露,该公司已经完全停止了卡车运输业务,而且即使2020年初货运条件有所改善,公司也没有复兴车队的计划。该公司还将2019年第四季度的亏损归咎于保费、设备维修和租赁费用的增加。 然而,整个自动驾驶卡车行业依然在朝着希望前进。 作为全球自动驾驶技术的领头羊,Waymo一直以来都在并行开发卡车自动驾驶技术,该公司首席执行官今年早些时候表示,Waymo正在“充实”其卡车业务,包括在各地加紧测试。 在他看来,自动驾驶卡车有一个合乎逻辑的商业模式闭环,希望尽快将其推向市场。更关键的是,可能会在Robotaxi之前商业化落地。 一辆真正无人驾驶的卡车将改变卡车运输业的面貌。在这个利润微薄、竞争激烈的行业,司机的工资、福利以及油耗是最大的成本,几乎占到运营商每英里成本的一半以上。第一家能够淘汰司机的自动驾驶公司可能会比竞争对手更有竞争力,从而主导市场。 包括汽车制造商,电商巨头等公司,都在把注意力明确转向自动驾驶卡车。一家自主卡车初创公司的创始人表示,有充分的理由相信,货运行业可能会在这场移动革命中起到带头作用。 其中,短期的核心价值是降低传统货运的成本,有行业人士表示,“未来10年,运输服务市场规模将超过2万亿美元。而自动驾驶卡车技术有潜力将成本降低50%以上。” 这种技术落地可行性来自于货运行业的特殊性,大约80%的货运路线是重复的,这大幅降低了自动驾驶卡车的技术障碍,因为它需要了解的道路和路况信息较少。这意味着,你可以以一种完全不同于Robotaxi的方式(任意A点到B点),将货运自动驾驶商业逻辑应用于这个市场。 智加科技公司相关负责人此前表示,下游客户选择自动驾驶卡车的一个主要因素是更高的燃油效率,这将使燃油成本至少降低15%。“毫无疑问,在Robotaxi大规模部署之前,自动驾驶卡车就已经准备好了。” 去年,戴姆勒卡车明确自己的目标是从L2跳过L3,在商业卡车运输中,直接部署L4,这也被认为是提高安全性、效率和生产率的合乎逻辑的下一步。 作为全球第二大卡车制造商,沃尔沃集团也在今年宣布,预计2020年1月之后将成立了一个专注于自动驾驶运输的新业务集团(自负盈亏、独立核算),其业务范围涵盖了采矿、港口和各类物流中心之间的货物运输等行业。 有业内人士表示,2020年和2021年全球将有不少自动驾驶卡车货运试点展开,并且相信卡车运输业将是第一个大规模采用自动驾驶的行业。更关键的是,卡车长距离自动驾驶的实现,未来的商业化投资回报也将越来越清晰。 但,实现这一目标的前提,是在足够的资金支持下完成。在高工智能汽车看来,随着2019年汽车制造商加紧在乘用车自动驾驶研发上的合纵连横、降低研发成本,商用车自动驾驶行业也将步其后尘。考虑到商用车制造商的研发能力普遍弱于乘用车,合作研发更为紧迫。 而一些资金消耗殆尽的自动驾驶初创公司,则面临出局的风险。

    时间:2020-05-11 关键词: 自动驾驶

  • 抛开复杂术语 自动驾驶本质上来说只是增强了人类驾驶员的能力

    抛开复杂术语 自动驾驶本质上来说只是增强了人类驾驶员的能力

    在许多科普文中,作者都喜欢把 Level 0-Level 5 的含义解释一遍,但这些等级具体指什么可能大部分人还是一知半解。 事实上,这所谓的 Level 0-Level 5 来自 SAE J3016,全名为《道路机动车辆自动驾驶系统相关术语的分类和定义》。 它原本是行业内部人士的参考标准,但现在不提这个分级,似乎就无法讨论并理解自动驾驶汽车的本质。 这个标准行文的技术性与表达风格却外行人看的一头雾水。接下来,就让我们用常人能读懂的语言来解读这个复杂的自动驾驶「符号」。 自动驾驶等级概览 既然我们说的是自动驾驶,那么需要人类介入的 Level 0-Level 3 就不在本文中细讲了,因为从本质上来说,它只是增强了人类驾驶员的能力。 简言之,还需要人类驾驶员的自动驾驶汽车,称其为 ADAS 或者半自动驾驶最为贴切。 但实际情况是,很多人对自动驾驶分级理解不够清晰,将 Level 2/3 也归入了自动驾驶。 在这里,我们还是要提醒一下,别过于相信某些厂商的宣传话术,在这些级别的自动驾驶下,驾驶员还是需要对车辆负责。 那么,现在的车辆到底都处在什么水平? 先拿特斯拉举例,虽然 Elon Musk 天天拿全自动驾驶说事,但当下的 Autopilot 只是一套 Level 2 ADAS 系统。当然,通过不断升级迭代,它正在向 Level 3 过渡。 其他一众市售车辆搭载的各种主动安全系统,本质上也都是 Level 2。 能达到 Level 4 的车也不是没有,包括 Waymo、百度在内的公司,旗下的自动驾驶出租车(Robotaxi)算得上真正的自动驾驶。 真正的自动驾驶,需要 AI 系统全权对车辆进行控制,人类已经被完全排除在外。 纵观整个行业,Level 5 的高峰还无人触及,大家甚至不知道它何时才能落地或者能否真正实现。 好在,Level 4 并非遥不可及。 那么,差了一个等级的 Level 4 和 Level 5 到底有什么相同,又有什么不同? 自动驾驶汽车与人类驾驶员角色 在 Level 4/5 这两个等级上,人类驾驶员已经无需介入驾驶任务。 从技术角度看,这是巨大的进步,因为它将人类从无聊的驾驶任务中解放了出来。 同时,许多人还希望,真正的自动驾驶汽车能赋予所有人平等的出行权利。 但目前关于人类驾驶员的讨论也让许多人对 L4/5 产生了混淆。 在正式的定义中,我们并没有要求必须为 L4/5 级别的自动驾驶汽车配备安全驾驶员。人类也是可以驾驶 L4/5 自动驾驶汽车的。 这也就是说,当自动驾驶汽车到来的时候,不必完全剥夺驾驶员的驾驶权利。 我们先考虑以下三个问题: (1)如果是 AI 在驾驶,那么车里有没有驾驶员都不重要了,因为 AI 根本不需要他们协助。 (2)如果人类想要驾驶,那么他们可以在开启 AI 系统前直接控制方向盘,也可以要求 AI 系统交出控制权。当然,如果 AI 系统认为当下不够安全,它可以推迟移交控制权。 (3)此外,还有一种可能性,即 AI 提出将车辆控制权移交给人类驾驶员。当然,与 Level2/3 不同,AI 系统想交还驾驶权一定不是因为自己控制不了这辆车。 这三个问题看完,你有什么想法? 既然 AI 比人类驾驶技术更高且更安全,那么将驾驶权再交还给人类是不是就算打开了潘多拉魔盒? 因此,许多人反对在全自动驾驶汽车上为人类驾驶员留接口,这样不但能彻底断绝人类失误导致的事故,还能简化车辆内饰设计,腾出更多空间。 举例来说,没有方向盘和踏板的车辆可以重构整个内饰设计,比如放下旋转座椅或者让乘客彻底躺下放松身心。 当然,行业也有质疑 AI 的声音,毕竟 AI 系统也有可能卡机或出问题。 尤其是当被其他车辆追尾后,车辆传感器就会出现问题,到时谁负责将这个几吨重且没有行动能力的车辆停在路边呢? 因此,他们还是认为应该保证人类在 L4/5 车型上的话语权。而人类驾驶是否应该被彻底移除出全自动驾驶汽车,现在仍在争论中。 Level 4 与 Level 5 到底哪里不同? 既然 Level 4 与 Level 5 都算自动驾驶,那么两者最大且最重要的不同是什么? 探讨这个问题,我们就得说说「When」(什么时候)和「Where」(什么地方)。 打个比方,如果你有一个可以拧平口或凹槽螺丝的螺丝刀,但不能拧十字螺丝,我们能说这个螺丝刀没有用吗?不是的,只能说它的应用范围有些窄。 但如果我们有一个万用螺丝刀,是不是可以拧更多的螺口? 举这个例子,与 Level 4 和 Level 5 有什么关系? 当然有,Level 5 就是那个终极版的万用螺丝刀,它不用担心时间或地点,能像人类驾驶员一样说走就走。 那么 Level 4 呢? Level 4 更像是单用途螺丝刀,它虽然也算自动驾驶,但会受到一定的限制。 在这个级别下,车辆可能只适应某些城市的环境,而且得配合阳光明媚的天气。这两个限制条件缺一不可。这就是 Level 4 的工作范围。 这样来看,Level 4 比 Level 5 简单多了。 其实,人类的驾驶能力非常全面,不但能在阳光明媚时开车出行,雨雪天也不在话下。 而 Level 5 则是一个更为艰巨的任务。业内人士认为:大家从 Level 4 起步,并希望通过「分而治之」式的渐进发展让 Level 4 逐步迭代成 Level 5。 用术语来说,这些 Level 4 面对的限制条件叫做运行设计域(ODD)。 在 SAE J3016 标准中,是这么解释 Level 4 与 Level 5 在能力上的差别的: Level 4:「只允许自动驾驶系统在 ODD 范围内接管车辆」; Level 5:「允许自动驾驶系统在所有驾驶员可控的路况下接管车辆」。 至于 ODD,也有正式的定义: 即「专门给自动驾驶系统或其功能设定的运行条件,包括但不限于环境,地理和时段限制,和/或必不可少的某些交通流量或道路特征。」 对公众来说,最让人迷惑的就是这些 ODD,因为汽车厂商能定义 ODD 的范围太广了,而且业界还没有一个标准化的定义方式。 如果一家厂商做一款适用于白天但不适用于夜间的自动驾驶系统,而另一家的产品能胜任黑夜但抵挡不了雨天呢? 这就意味着,当一辆 Level 4 自动驾驶汽车从你身边经过时,你无法一眼看出它的 ODD 是什么。 鉴于自动驾驶汽车未来将完成打车行业的大一统,车辆能力与用户需求的匹配和调度又将成为各个平台最棘手的麻烦。 总结来讲: (1)Level 4 自动驾驶汽车有自己的天花板,其受到「时间」和「地点」两个维度的限制; (2)Level 4 的限制范围学名叫做「运行设计域」; (3)在 ODD 的设置上,业界还没有统一标准; (4)Level 5 不受 ODD 的限制; (5)不管是 Level 4 还是 Level 5,只在驾驶员可控的路况上起作用; (6)无论 Level 4 还是 Level 5,只适用于公路驾驶,并不适用于越野路况。

    时间:2020-05-11 关键词: 自动驾驶

  • 诸多企业积极立Flag 加快布局自动驾驶的步伐

    诸多企业积极立Flag 加快布局自动驾驶的步伐

    这些年,等自动驾驶的心情,就跟谈了一场恋爱似的。本以为走过了轰轰烈烈的热恋期,熬过了平平淡淡的低迷期,也是时候领证了,可谁知道对方却在关键时期出了Bug。这样一来,这两年奔向婚姻殿堂的想法又要被搁浅了。所以,到底是哪些车企当年狂立Flag,结果进度条却一直在重启的? 特斯拉 在等待自动驾驶到来的路上,一定没少听过特斯拉的创始人马斯克高谈论阔。早在2016年,马斯克就大吹法螺——其宣称,到2017年底,特斯拉汽车将能够自主地从洛杉矶开到纽约,途中“无需人工触碰”。 但显然,越来越多的“事件”告诉我们,对车辆本身的“放手”仍存在一定的危险性。 且在后来的日子里,马斯克不止一次的宣告着自动驾驶就快来了,每次翘首以盼的用户们都以失望收场,很快就变成了狼来了的故事。 今年年初,马斯克再次对外表示,特斯拉的全自动驾驶功能今年年末就能完成,如果再给他一年时间(即 2020 年),他甚至敢让司机在驾驶席睡大觉,整个过程行云流水,不需要车主动个指头。 而今,年末已近,特斯拉能不能实现其自动驾驶Flag?观众很快就能知道答案了。 通用汽车 都说“年轻人”不靠谱,但这并不代表上了年纪的“人”就一定是靠谱的。比如通用汽车,这个已经一百多岁的“期颐老人”也很喜欢“开玩笑”。 作为美国知名的传统车企,通用汽车很早就开始布局自动驾驶,并于2016年以10亿美元正式收购了自动驾驶初创公司Cruise Automation(以下简称Cruise),以加强集团内部自动驾驶研发进程。 随后于2017年末,Cruise 宣布,计划在2019年年底之前推出自动驾驶商业出租车服务。但就在今年6月,Cruise执行官丹·安曼(Dan Ammann)在接受采访时宣告此次预测失败,并将这一服务推迟到2019年之后。 此外,通用汽车中国曾在去年1月公布了第四代Cruise自动驾驶汽车,并称其为无需驾驶员、方向盘和踏板就能实现安全驾驶的可量产L5级自动驾驶汽车,且计划在2019年正式推向市场。 而目前,2019年只剩下不足10天了,至于这一次的Flag是否能够成功拔掉,就得看通用汽车能不能抓住2019的小尾巴了。 一汽红旗 当然,“不靠谱”的并不仅仅是国际企业,还有国内汽车大佬——一汽集团。 众所周知,去年10月30日,一汽集团旗下红旗品牌发布技术品牌“阩旗”计划,即R.Flag,包括红旗i.RFlag“旗偲计划”、红旗e.RFlag“旗羿计划”、5f.RFlag“红旗五觉体验”及红旗m.RFlag“旗麟计划”。 而这其中,i.RFlag“旗偲计划”便是代表智能网联化领域。按计划,红旗将在2019年推出实现L3级自动驾驶的量产车型,2020年推出实现L4级自动驾驶的量产车型,2025年将实现L5级自动驾驶。 但就在今年的世界智能网联汽车大会上,一汽集团董事长徐留平重新洗牌了计划,其透露,红旗L3级量产车将在明年实现量产,之后再陆续布局L4级。 显然,红旗的自动驾驶之路,只能往后挪一挪了。 广汽集团 与一汽集团一样,广汽集团也曾公布过自己的自动驾驶车辆量产时间表。 在无人驾驶领域,广汽集团其实早有布局。2013年,其就曾开发具备自主知识产权的无人驾驶汽车,并在2015年北美底特律车展上发布无人驾驶WitStar概念车,随后于2017年广州车展上,亮相了可以实现L5级自动驾驶的原型车。 去年8月,广汽新能源汽车有限公司董事、总经理古惠南在公开场合表示,其将在2019年向市场量产L3级别的自动驾驶车,成为业内推出自动驾驶车辆的车企。 但就在今年初的举办的中国电动汽车百人会论坛上,广汽集团常务副总经理吴松表示,这一时间将被推迟到2020年。 Uber 如果说通用汽车、一汽集团都是背靠整车制造的豪门大户,那么Uber算得上是自动驾驶领域的新贵企业,其“自动驾驶+打车服务”的模式让人充满想象,随着未来自动驾驶出行服务的相继落地,Uber将是不容忽视的玩家。 对于未来的规划,Uber曾在2016年5月前后,于公开和私人演讲中表示,预计到2019年,该公司将生产1.3万辆自动驾驶汽车,但4个月后,这一预测变成了7.5万辆以上。其还表示,到2020年,该公司的汽车将不再需要人类安全驾驶员;到2022年,数万辆完全自动驾驶的Uber出租车将出现在13个城市。 但事件的转折就发生在2018年的3月,Uber的一辆自动驾驶汽车发生了车祸。此后,Uber自动驾驶不得不停摆9个月,从而审视自我,并收缩战线,且宣布停止开发自动驾驶卡车业务。也正因如此,Uber的预测也将随之延后,但具体将会在何时实现仍未有消息透露出来。 小结:当然,除以上企业外,还有诸多企业也在积极立Flag,布局自动驾驶。比如大众就计划2021年推出L4级别自动驾驶汽车;奔驰与宝马将分别于2020年与2021年推出L4、L5级别自动驾驶汽车; 福特2021年实现自动驾驶目标等等。只是目前日子还没到,尚处于无法检验的情况。其实,也不能全怪企业们一而再,再而三的跳票,因为自动驾驶要实现商业化确实艰难,技术难题和法规监管障碍始终是绕不过去的坎。此外,面对竞争激烈的网约车服务行业,自动驾驶如何实现盈利,也是一大难题。不过,未来两年里,企业们信誓旦旦许的承诺能不能实现,就等时间告诉我们答案。

    时间:2020-05-11 关键词: 自动驾驶

  • 全球车企开始“过冬” 新一轮裁员潮规模庞大

    全球车企开始“过冬” 新一轮裁员潮规模庞大

    天气越来越冷,全球车企也开始“过冬”。 近期,几大汽车巨头裁员、减薪的消息引发广泛关注。据悉,奔驰母公司戴姆勒表示,未来三年将在全球范围内裁员裁员3%,预计至少1万人;大众旗下的奥迪公司声称,到2025年将裁员9500人,以节省数十亿欧元;此外,宝马公司也表示将出台薪酬调整方案,以削减成本。 这还只是冰山一角。 早前,通用、福特、日产等几大汽车巨头也公布了裁员计划,裁员规模同样颇为庞大。据相关统计数据显示,仅目前已知的情况,全球预计将有超过80000名汽车领域员工将失去工作。对此,德国汽车工业协会警告称,随着全球汽车销量继续走低,2020年还将出现更多裁员。 这些车企巨头以及一些主流汽车品牌之所以纷纷加入裁员大军,一方面是因为全球汽车市场逐渐疲软,汽车销售持续下降,另一方面则是因为转型电动汽车及发展自动驾驶技术太过“费钱”。 由于美国关税政策、英国脱欧事件等影响,世界经济形势不稳,对汽车销量产生了不利影响。德国汽车工业协会预计,2019年全球汽车销量将下降410万辆至8010万辆,同比下降5%;2020年全球汽车销量下滑趋势还将继续,预计将下降1%至7890万辆。 德国汽车研究中心(CAR)的一份报告也显示,到2020年,全球轿车和运动型多用途车(SUV)的销量将再次下降。 德国汽车工业协会主席Bernhard Mattes在接受采访时表示:“全球车市正处于困境中。” 据中国汽车工业协会公布的数据显示,截至2019年10月,中国汽车市场连续16个月销量同比下滑。中国汽车工业协会副秘书长姚杰表示,预计2019年中国汽车销量将同比下降10%。,这与德国汽车工业协会的预测数据较一致。 在全球汽车市场面临困境的情况下,车企加快了向电动化、智能化转型的速度。投资电动汽车、自动驾驶汽车,意味着巨额的资金成本,这使得车企们不得不在市场寒冬的情况下,进一步节省开支,而裁员成为了普遍选择的手段。 业内专家表示,未来几年,全球汽车市场的下滑将有望得到遏制,在下降趋势触底之后,汽车市场将迎来反弹。但是新的增长点将主要来自新能源汽车以及自动驾驶汽车,在新的增长模式下,车企转型将会带来持续的失业。当然,车企转型也会带来一些新的就业机会。即使短期内无法填补失业空缺,这仍然是积极的信号。 一些行业人士把希望看向了中国。虽然中国汽车市场也面临挑战,但是毫无疑问的是,中国依旧是全球各国中更有潜力的汽车市场,且中国消费者对于新能源汽车的接受度也更高。同时,得益于政府的支持,中国新能源汽车市场快速扩张、自动驾驶技术商用趋势向好,这些都将成为中国汽车市场更早迎来复苏的坚实基础。 近日,国家工信部发布《新能源汽车产业发展规划(2021-2035年)》(征求意见稿),为新能源汽车产业与市场的可持续发展带来了新的利好。意见稿提出,到2025年,新能源汽车市场竞争力明显提高,动力电池、驱动电机、车载操作系统等关键技术取得重大突破,新能源汽车新车销量占比达到25%左右。 总的来说,虽然全球汽车行业正经历寒冬,但是电动化、智能化、网联化转型将推动春天的到来。在当前形势下,车企应当坚定转型步伐,持续强化核心技术创新能力,在不断提升汽车综合性能与安全性的同时,注重行业内的协作,这样才能在困境中一起寻找到突破之路。

    时间:2020-05-11 关键词: 电动汽车 自动驾驶 suv

  • 自动驾驶初创公司生存艰难 能否获得持续的资金支持非常关键

    自动驾驶初创公司生存艰难 能否获得持续的资金支持非常关键

    12 月 26 日讯,首次实现无人驾驶卡车试验的 Starsky Robotics 公司称,由于公路卡车车队(over-the-road trucking fleet)的表现不容乐观,所以决定缩减车队规模。 Starsky RoboTIcs 称,目前不会停止运营,如果 2020 年初货运业务得到改善,“可能”会重新联系司机,确定司机是否可以重返工作岗位。 Starsky RoboTIcs 是一家已经成立了 3 年的初创公司。今年早些时候,该公司无人驾驶卡车在没有配备安全驾驶员的情况下,在佛罗里达州收费高速公路上行驶了 9.4 英里,顿时名声大噪。不过,人们对 Starsky RoboTIcs 的小型货运车队却知之甚少。小型货运车队于 2017 年成立,主要目的是创造收入为自动驾驶项目提供资金。 据了解,Starsky 在 2017 年到 2018 年 3 月间,已经从 Trucks VC 和 Shasta Ventures 等投资者处筹集了 2000 多万美元(约合 1.4 亿元人民币)的资金。但之后,该公司未能筹得任何资金。 Starsky 一直因致力于创新而赢得赞誉,最近更是在 FreightTech 25 榜单中列 12 位。该公司也面临着来自其他自动驾驶初创公司的激烈竞争,如图森未来(TuSimple)。而图森未来已在过去六轮融资中共筹集了约 2.98 亿美元(约合 20.87 亿元人民币),而且美国联合包裹服务公司(UPS)在图森未来的自动驾驶货运业务中也持有少量股份。此外,竞争对手 Plus.ai 在过去的三轮融资中也筹集了约 2 亿美元(约合 14 亿元人民币),而且 Ike 也在 A 轮融资中筹集了 5200 万美元(约合 3.64 亿元人民币),都远远超过 Starsky 公司。 同时,该公司一名前雇员表示,Starsky RoboTIcs 在未能筹集到新资金以维持运营后,目前正与潜在买家进行谈判,其中还包括一些竞争对手。而且根据 12 月 16 日的一份员工内部文件,该公司的自动驾驶汽车竞争对手,如 Embark、通用 Cruise、特斯拉、Nicola 和亚马逊都对 Starsky 的部分团队有兴趣。文件还表示,Starsky 也在与硅谷银行(Silicon Valley Bank)和 iBanks.com 谈判,希望能在“卖出最高价”后,再将钱还给银行。 Starsky 的联合创始人 Stefan Seltz-Axmacher 拒绝就可能出售该公司置评,而且在领英的个人资料中表示,该公司仍在“积极招聘”。今年 6 月,该公司曾宣布,计划到 2020 年将无人驾驶卡车增加至 25 辆。不过,据一位前雇员表示,从未实现过。 或许即将到来的 2020 年将是自动驾驶初创公司洗牌年。能否获得持续的资金支持,将是压倒初创公司的最后一根稻草。毕竟,距离自动驾驶卡车大规模商业化运营,还需要一段时间的煎熬。在这个人潮拥挤的自动驾驶战场,未来被淘汰的还会有谁呢?

    时间:2020-05-11 关键词: 自动驾驶

  • 通用与NHTSA商讨 希望能允许不带方向盘的自动驾驶汽车上路

    通用与NHTSA商讨 希望能允许不带方向盘的自动驾驶汽车上路

    不带方向盘且还能上路的汽车你见过吗?它来了! 据外媒报道,近日美国国家公路交通安全管理局(NHTSA)相关负责人透露,通用汽车正在NHTSA商讨。前者希望可以再美国道路上部署不带方向盘或其他人为控制的自动驾驶车辆。 事实上,早在2018年1月份通用就已经递交了该申请,同时公布的还有第四代Gruise自动驾驶汽车的照片。新车基于雪佛兰Bolat电动车打造,原有的司机位置变成了一个乘客前座,中控部分只有一个显示屏和少量按钮。 通用称,该车可在无需驾驶员、方向盘和踏板等情况下通行,并认为这是自动驾驶领域的一个革命性进展。 据悉,新车还安装了通用第四代自动驾驶软件和硬件,包括21部雷达、16部摄像机和5部激光雷达,这些激光雷达可以自动驾驶汽车“看到”附近的物体和障碍物。 对此,NHTSA表示,除非可以确保自动驾驶车辆拥有不低于传统汽车安全性,否则不会允许通过。 通用也在与NHTSA进行积极对话,NHTSA会不断的把他们的想法和顾虑告知企业,而企业也会反馈更多的补充信息。

    时间:2020-05-11 关键词: 通用 自动驾驶

  • 保时捷申请的自动驾驶专利 可以增加乘员的舒适度

    保时捷申请的自动驾驶专利 可以增加乘员的舒适度

    12 月 26 日讯,近日,保时捷申请了一项可调节式车顶的专利技术,可以增加自动驾驶汽车的座舱空间,从而增加乘员的舒适度。 据了解,这项专利技术可通过调节车顶形状而实现对车辆内部空间进行调整,以确保驾乘人员能更加舒适地享受乘车环境,不过,这种技术距离量产水平还有不小的差距。 目前,汽车车顶均采用钢板冲压而成,也有一些高端车型采用铝合金以及其他复合材料,不过所有车型均为硬性材质,以保证车辆在顶压测试中可以达到法规要求,以保证乘客安全,而保时捷的这种可调节车顶形状的技术,不仅对材料提出了新的要求,对车顶的布置位置及调整工艺也提出了新的挑战。并且,从空间尺寸相对有限的车顶位置,将车顶尺寸进一步增大,这需要将部分车顶重叠在一起后再展开,这项专利也可称得上是汽车界中的折叠屏了。 此前,保时捷申请了一项或用于自动驾驶汽车的专利,该专利包括一款复杂的电动驾驶座椅,有多个姿态,还配备能够折叠或重新放置座椅的车辆控制系统,描述了一款电动座椅,可以配置成不同姿态,以便操作汽车、工作或者放松。 据悉,保时捷还曾与波音公司发布联合声明,双方将共同研发一款可实现垂直起降的飞行出租车,用于支持未来城市移动出行的解决方案。因此,尽管保时捷方面公开表示将坚守“汽车方向盘”的阵地,但自动驾驶技术与未来移动出行或许已经成为保时捷尝试发展的新方向。 由此看来,保时捷正在发力自动驾驶领域,而纯电动 Taycan 可能就是保时捷应用自动驾驶技术的首选车型。

    时间:2020-05-11 关键词: 自动驾驶 保时捷

  • 预计中国将会在2030年较广范围地使用全自动驾驶技术

    预计中国将会在2030年较广范围地使用全自动驾驶技术

    全自动驾驶,这可能是听起来就足以让人兴奋的科技浪潮之一了。但是,“全自动驾驶”究竟是什么,其定义却一直模糊不清。 通常我们所说的自动驾驶,包含了6个等级,L0-L5。关于等级的划分,也是百家争鸣,各大机构各持己见。今天我们采用的是世界上公认度最高的SAE(SAE International国际自动机工程师学会)对于自动驾驶的等级划分。 在SAE的语境下,将6个等级通俗地划分。L0-L2称之为“辅助驾驶”更为恰当。L3则因为需要驾驶员干预可以理解为“半自动驾驶”。而只有L4-L5这种完全脱离了驾驶员干涉的级别,才可以称作“全自动驾驶”。 那么,当前人类造出来的车辆,处于哪一等级? 特斯拉Autopilot系统/ 特斯拉官方 拿走在自动驾驶商业化最前沿的特斯拉举例。特斯拉主流车型的智能驾驶系统目前还处在 L2 的水平,或者说是L2.5。但它还不到 L3 的级别,因为在任何情况下,特斯拉都不会完全接管车辆。哪怕打开“自动辅助驾驶”(Autopilot)功能,车辆也会每隔一段时间,要求驾驶员紧握方向盘。 那么,真正的全自动驾驶距离我们中国消费者到底还有多远呢? 自动驾驶在中国为何难以迈向下一步? 单纯从技术角度来说,相较于美国等发达国家,中国在自动驾驶领域并没有落后太多。除了全世界共同面临的技术瓶颈和高昂的设备成本之外,中国市场还面临一些特有的情况。 首先,最让自动驾驶从业人员头疼的或许就是中国复杂的路况。国内道路开放性相当高,在一条并不宽的道路中,机动车、摩托车、三轮车、两轮电瓶车、自行车可能同时出现,这还没算随时可能进入马路的行人。而在乡村道路上,这样复杂的路况则更常见,甚至还存在地面标线不规范、人车混流、加塞逆行的现象。无数的不确定因素,简直就是自动驾驶技术的“噩梦”。 对于老司机来说,上述路况都极难应对,更何况是对一个没有感情的机器。 其次,中国尚未就自动驾驶制定健全的法律法规。全自动驾驶作为一种全新的驾驶模式,其可适用的道路安全管理法规和用于约束人类司机的法规也完全不同。 全自动驾驶的诞生就是为了将驾驶人从方向盘上解放。因此,基于这样的初衷,原有道路交通安全法中“驾驶员不得拨打接听手持电话”、“不得连续驾驶超过4小时未停车休息”、甚至“驾驶员不得无证驾驶”等等都成了需要重新审视的问题。仅是修改现有的法律很难同时满足自动驾驶车辆和传统车辆。没有健全的法律,全自动驾驶车辆是商业化落地几乎不可能。 不过,以当前L2的水平来看,谈道路安全和伦理问题可能还远。摆在眼前的最紧迫的问题可能是“非法上路”。中国目前没有进行相关立法,因此汽车制造商和互联网企业只能通过试验性测试推动进程。较大规模的自动驾驶车辆路测情况难以实施,车辆无法获得海量真实数据,因此也就难以谈论“进化”。 或许是逐渐意识到自动驾驶的难度,单车智能的瓶颈显然难以突破,中国将自动驾驶的突破口转向了车路协同。但这就不得不提到第三个困难,道路基础设施不完善。 车路协同对于道路的基础设施要求非常高,可以通俗理解为路比车“热闹”。因此,完善的通讯和定位设施是不可或缺的。 如果要实现车车互联、车物互联,又要保证安全的情况下,交互信息必须要在极短的时间传送到终端,才能避免事故发生。 首要的问题就是现在的4G太慢了。当前,4G的传输速度最高仅为100兆每秒,网络速率时延高达50毫秒,这样的时延对于高速行驶的车辆来说,无法实现实时控制,基本是致命的症结。 此外,对于L4级别以上的车辆,高精地图也是必备的基础设施之一,且还需要实时更新。当下高精地图面临的瓶颈则有以下几点:数据采集和使用受限、中国没有制定自动驾驶地图的统一标准、缺少统一的数据管理平台。 硅谷技术曲线/ 维基百科 不难看出,以上三个难点彼此牵制,因此技术、法律法规和基础设施建设在自动驾驶的发展中需要起到协同作用,很难单独发展。其实不只是中国,全球都陷入了或多或少的困境中,美国商业杂志《福布斯》此前曾表示,如果将全自动驾驶放在硅谷技术曲线中,那它现在的位置大约在Trough of Disillusionment(泡沫破灭期)。 中国离全自动驾驶还有多远? 如果中国想要迎来全自动驾驶时代,那就必须要克服复杂的路况带来的技术挑战、法律法规制定的瓶颈和道路基础设施建设的高投入。 与燃油车技术不同,中国不再沿着其他国家的脚印跑步,而是已经行走在第一梯队。同样在第一梯队的各大跨国车企都给出了对于自动驾驶的时间表:沃尔沃预计旗下第一辆自动驾驶车辆在2021年上路,2025年在售的三分之一车辆均为自动驾驶车辆;现代汽车则将在城市环境中自动驾驶的时间点定在了2030年;戴姆勒与宝马预计其合作研发的L4自动驾驶汽车可在2020年至2025年期间大规模量产。 但可以看到,这些定义和措辞却都有些“模棱两可”。 这就是自动驾驶赛事选手们的“感伤”,因为全自动驾驶技术的发展,仍存在许多未知。Waymo首席执行官约翰·克拉夫西克(John Krafcik)也曾直言不讳“无人驾驶真的很难,你不知道什么是你不知道的。” 那么,回到那个常年占据着汽车行业“热搜”的问题:中国离全自动驾驶时代究竟还有多远?亿欧汽车预计,这个时间节点大约在2030年左右到来,而2025年左右将迎来一个大的突破。 就技术层面而言,面对中国复杂的道路情况,全自动驾驶汽车需要具备应对大量多变交通场景、道路类型以及复杂的交通参与者的能力。如若将安全责任彻底转移到车辆方,自动驾驶系统的可靠性需要达到非常高的水平才行。J.D. Power今年的一份报告显示,行业专家预测,基于技术上的难题,实现完全自动驾驶车辆上路,还需要至少12年。 关于法律法规的难题,在北京京师律师事务所田济民律师看来,技术的迅速发展和量产的缓慢进行本身就是一种矛盾,而自动驾驶立法则正取决于其矛盾有多尖锐。当前,第一层矛盾则是车企在无人驾驶上投入了高昂费用,却迟迟无法从市场中得到对等的回报。另一层矛盾是消费者已经用钱为技术买单,但相关技术却无法发挥应有的作用。这样的矛盾都将成为加速立法的重要因素。 当前,中汽中心正在推进中国智能网联汽车相关标准体系的研究工作,计划到2020年,制定30项以上智能网联汽车重点标准,初步建立能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系;到2025年,制定100项以上智能网联汽车标准,系统形成能够支撑高级别自动驾驶的智能网联汽车标准体系。 技术和法律法规,很难说谁走在前面,预计到2025年前后,技术突破将会和法律法规的完善接踵而至。 在基础设施建设方面。2013年年底,中国移动、中国联通和中国电信获得了4G网络运营牌照。2018年,三大运营商推出不限量4G流量套餐,标志着4G基站的铺设基本完成。粗算下来,大约耗时4年。 而为了达到理想的覆盖范围,实现车联网技术,5G基站数量需要达到4G基站的2倍多。由于基站的铺设受到成本和选址复杂等问题掣肘,亿欧汽车预计中国5G基站的建设可能要持续7-8年。 据中国汽车工程学会预测,2025年、2030年中国所销售新车的联网比率将分别达到80%和100%,总市场规模将超过万亿元。因此,亿欧汽车预计,2025年将是5G在车联网中实现大规模商用的节点,2030年则已经趋于成熟。 结合国家政策层面,2015年国务院发布的《中国制造2025》提到,到2025年,掌握自动驾驶总体技术及各项关键技术,建立较完善的智能网联汽车自主研发体系、生产配套体系及产业群,基本完成汽车产业转型升级。工信部等发布的《汽车产业中长期发展规划》称,2025年高度和完全自动驾驶汽车开始进入市场。 所以,亿欧汽车预测,全自动驾驶技术将会在2025年迎来突破,并在这之后会稳步成长几年,预计中国将会在2030年较广范围地使用全自动驾驶。 当然,任何一次科技浪潮的来临,都是由无数朵小浪花组成的。无人驾驶这场浪潮中,所有浪花协同运动,或许还能加速这场浪潮的到来。

    时间:2020-05-11 关键词: 自动驾驶

  • 自动驾驶在寒冬中孕育希望 Deepfake现已成魔

    自动驾驶在寒冬中孕育希望 Deepfake现已成魔

    2019年已经走过了98%,再过几天,20后就要诞生了! 这一年注定是充满了里程碑的一年。它将大众从《西部世界》、《终结者》等好莱坞科幻电影不切实际的虚幻场景中抽离出来,让人们认识到,AI其实是世界上的有形力量而非梦幻,从而开始认真讨论AI对社会,经济,政治和国际力量平衡的影响。 本文回顾了语言模型成绩斐然、人脸识别遭遇阻碍、自动驾驶迟迟未实现、DeepFake进入主流等等AI领域的发展现状:有哪些技术突破面世,又遭遇了哪些新的困难?一起跟随吴恩达的Deeplearning.ai,来看今年AI最重要领域内的六大标志性事件和趋势。 新智元吴恩达团队盘点2019AI大势:自动驾驶寒冬,Deepfake已成魔!小程序 自动驾驶:在寒冬中孕育希望 就在几年前,一些汽车公司还在承诺,最早在2017年就可推出可上路的自动驾驶汽车。不过,今年1月《华尔街日报》报道,Waymo首席执行官约翰·克拉夫奇克(John Krafcik)表示,自动驾驶汽车可能永远无法在全路况条件下行驶。他的这一表态也成为2019年汽车行业的大裁员定下了基调。 自动驾驶在2019年遭遇瓶颈,几家在自动驾驶领域活跃的公司的商业化扩展的速度明显放缓。GM Cruise和特斯拉已经将自家旗下的自动驾驶出租车的最后期限推迟到2020年。 对于Waymo和Lyft而言,尽管美国凤凰城监管部门在2018年就已允许这两家公司开展自动驾驶出租车的运营业务,但到目前为止,这项服务仅在少数有限地区开展,愿意选择这项服务的人群也是寥寥无几。商用业务进展不顺,今年11月,Waymo宣布关闭在德州奥斯汀的自动驾驶汽车研发机构。 从技术上看,城市中道路的实时驾驶环境比路测更复杂,可能出现的极端危险情况也明显增多。但如此多的极端情况,能实际出现的几率却很低,这就造成了一个麻烦,工程师们可能无法获得足够的模拟数据再现这些情况。目前来看,一些行驶路线相对固定,可预测性较高的车辆,比如自动驾驶公交车、货车等,这些车可能比私家车和出租车更有希望尝到自动驾驶技术落地的真正甜头。 从成本上看,传感器(尤其是激光雷达)成本居高不下,而且供应量吃紧,汽车企业成本控制,更多地选择自己尝试制造这些设备,同时势必对车辆上的传感器数量进行缩减,而传感器数量的减少意味着训练和认知数据量的下降,如果传感器的性能提升速度无法弥补这个下降,威胁到的将是自动驾驶技术的重中之重——安全性。 从市场环境上看,2019年是全球汽车企业大裁员的一年。在全球经济下行、新车需求减少的背景下,日美欧各大车企先后宣布了大裁员计划。据不完全统计,全球每三家汽车公司中就有一家正在裁员。自动驾驶是个烧钱的行业,新技术的研发离不开传统车企的技术和资金支持,目前这个环境下,过去的富爸爸们也显得捉襟见肘了。 当然,也不是没有好消息,中国就正在尝试另一种思路。不再训练自动驾驶汽车在现有的城市环境中进行导航,而是对现有城市进行数字化改造,以适应并促进自动驾驶技术的发展。这被称为“智能城市”建设,包括路边传感器设备的完善,这些传感器会根据导航提示(例如车道变化和限速牌)传递更丰富的道路信息。 总体来看,2019年是自动驾驶行业内划分进一步细化的一年,技术瓶颈和资金紧缩让企业无法维系大而全的业务线,转而专攻一个个自己擅长的专门领域。 传统汽车制造商,比如福特和梅赛德斯,将重点放在了辅助驾驶功能上,背靠谷歌的Waymo则继续致力于全自动驾驶汽车,一些小公司则努力在有限场景中部署全自动驾驶,这些公司的目标会随着时间的推移而不断扩展。 Deepfake:技术孕育的妖怪如何收服? 2018年底开始,一批能够生成高度还原图像的模型陆续诞生,如BigGAN和StyleGAN,前者可以生成ImageNet中发现的类的图像,后者能够生成姿势,发型和衣服等要素的逼真变化。 2019年,基于深度学习技术生成的“Deepfake”假视频开始泛滥,这些视频能够凭空制造根本不存在的名人或政治人物的演讲内容,这些逼真的视频让人们发出“技术无所不能”的赞叹,同时,也引发了更多的人对技术滥用和不可控的担忧,甚至是恐惧。 Deepfake的出现实现了“以假乱真”的合成技术从图像到视频的跨越 在Deepfake视频中,英国足球明星大卫·贝克汉姆(David Beckham)可以用9种语言传达抗疟疾信息。中国科技企业发布基于同样技术的应用ZAO,可以将视频中用户的脸换到流行的电影场景中的演员身上,让用户感觉就像是自己在演电影一样。 不过,与恶搞娱乐和公益相比,Deepfake更多地显示了技术的“阴暗獠牙”。利用Deepfake伪造的演讲视频已经对马来西亚和加蓬的政治丑闻产生影响。 据Deepfake检测软件的DeeptraceLabs的一份报告称,目前在线的Deepfake视频中有96%是非自愿拍摄的“换头”色情片,片中人的脸往往被换成了女性名人的脸。这已经超出了恶搞的范畴,触及违法的边缘。 “妖怪”已经从瓶中放出,我们应如何应对?科技企业和政府立法部门已经开始努力。Facebook宣布了开启一项总奖金高达1000万美元的竞赛,开发Deepfake假视频的自动检测技术。中国政府颁布了关于禁止传播虚假视频的相关规定。美国加州也通过了一项类似的法律,众议院则在考虑推动对抗Deepfake假视频的国家层面的立法。 这可能是一场旷日持久的“猫捉老鼠”的高科技比拼。南加州大学计算机科学教授黎颢表示,这场比拼中,当猫的一方前景可能并不乐观,尽管今天的Deepfake视频仍有明显特征,但一年之后,这些假视频和真视频可能就根本没有区别了。 人脸识别落地受挫,政府插手立法遏制 相比NLP领域的蓬勃发展,人脸识别却在前进路上遭遇到了严重的抵制。国际反监视情绪的推波助澜,阻碍了人脸识别系统的进一步泛滥。 公众出于对自身隐私、肖像被滥用的担忧,美国和欧洲的维权人士以及监督组织对人脸识别可能导致公民人身权利遭到潜在危害而深感忧虑,于是促使立法来限制该技术的使用。 他们的努力推动了国家禁止对该技术的公共和私人使用的势头,让刚刚崭露头角、准备大干一场的人脸识别大规模商用遭受当头一棒, 如今随着美国联邦政府对问题进行审议,美国多个城市通过了反面部识别法。而欧盟也正在努力制定自己的限制标准。下面我们回顾一下今年几起标志性的事件。 今年5月,旧金山成为美国第一个禁止警察和其他政府官员使用人脸识别的大城市;马萨诸塞州波士顿的萨默维尔地区则紧随其后。在接下来的几个月内,旧金山的邻居奥克兰和伯克利也通过了类似的法律。这些法律是由美国公民自由联盟牵头的,该联盟旨在促进国家立法。 在华盛顿,美国国会议员抨击了国土安全部对该机构在机场和边境使用该技术的计划。参议院和众议院的立法者提出了至少十二项法案,其中许多法案得到了两党的支持。这些法案旨在限制使用面部识别在压制人身,剥夺住房和创造利润方面的影响。 欧洲监管机构推动将面部图像分类为符合现有隐私法规的生物识别数据。欧盟委员会正在考虑立法来针对私人组织和公共机构“不加区别地使用”面部识别的行为。尽管如此,法国还是在10月准备了一项基于该技术的国家识别项目。 中国对人脸识别的使用在美国引起了反对,美国联邦贸易当局禁止向几家中国公司出口美国技术。 2016年,美国国家电信和信息管理局发布了人脸识别指南,要求公司保持透明,实行良好的数据管理并允许公众对与第三方共享人脸数据的某些控制权。尽管该技术的主要供应商是NTIA的成员,但尚不清楚他们是否遵守这些准则。 虽然立法限制使用人脸识别的初衷是为了保护公民的隐私,但不同的立场以及各自为政的作风,反而可能带来一些负面的效果。 今年6月份,亚马逊网络服务公司首席执行官Andy Jassy大吐苦水:“求求国会赶紧统一立法的吧,要不然我们将会面对的是:在美国50个州有50种不同的法律法规!”这样的混乱局面甚至可能让当地的执法部门都陷入困惑之中。 NLP飞跃,语言模型变得精通语言 早期由Word2Vec和GloVe embeddings支持的语言模型产生了令人困惑的聊天机器人、具有中学阅读理解能力的语法工具,以及勉强能看的翻译。但最新一代的语言模型变得如此之好,甚至有人认为它们很危险。 2019年自然语言处理领域发生了什么呢?一个新的语言模型生成了新闻文章,读者评价其和《纽约时报》一样可信;同样的语言模型还为《纽约客》的一篇文章做出了贡献。令人欣慰的是,这些模型没有像人们担忧的那样散布大量虚假信息。 2019年,研究人员在让机器理解自然语言方面取得了飞跃。通过对巨大的、未标记的数据集进行预训练,新模型通常可以熟练掌握自然语言。然后,他们通过在专门语料库上进行微调来掌握给定的任务或主题。 早期的模型如ULMFiT(由Jeremy Howard和SebasTIan Ruder提出)和ELMo(来自艾伦人工智能研究所和华盛顿大学)展示了预训练的潜力,而谷歌的BERT是这种方法的第一个突破性的成功。BERT于2018年底发布,在GLUE阅读理解基准测试中得分之高,以至于测试的组织者首次将模型的表现与人类的baseline分数进行了比较。今年6月,微软的MT-DNN模型首次击败了人类。 今年2月中旬,OpenAI发布了GPT-2,一个预训练的通用语言模型,其创建者甚至认为它太过危险而不能发布,因为它有能力生成令人信服的文章。GPT-2使用40GB的Reddit评论进行了训练,并没有引发假新闻的大灾难,但确实为一部小说、一首前卫的歌词,以及《权力的游戏》的同人小说做出了贡献。OpenAI最终在11月发布了完整版本的模型。 在这期间,来自百度、卡内基梅隆大学、谷歌大脑、Facebook等其他机构的一系列模型依次超越了NLP基准。其中许多都基于transformer架构,并利用了BERT风格的双向编码。 新闻的背后:2018年7月,就在BERT诞生前不久,DeepMind研究员SebasTIan Ruder预测了预训练对自然语言处理的影响。此外,他还预测,NLP的突破将彻底改变整个人工智能。他的论点基于2012年前后预训练对计算机视觉模型的激发。许多业内人士将深度学习的爆炸式增长追溯到这一刻。 现状:尽管经过了一年的创新,语言模型仍然有很大的增长空间:即使是1.5万亿参数的GPT-2也经常吐出一堆令人费解的文字。至于最新的模型是否有能力用铺天盖地的虚假信息扰乱民主,即将到来的美国选举季将检验这一点。 从《星际争霸II》到机器手解魔方:机器学习更多地依赖模拟数据 机器学习的未来可能更少地依赖于收集真实数据,而更多地依赖模拟环境。 有了足够的高质量数据,深度学习就像变魔术一样有效。但是,当样本很少的时候,研究人员就用模拟数据来填补空白。 2019年,在模拟环境中训练的模型完成了比该领域先前工作更复杂、更多样的壮举。在强化学习方面,DeepMind的AlphaStar在复杂战略游戏《星际争霸II》(StarCraft II)中取得了特级大师段位——能够打败99.8%的人类玩家。OpenAI Five训练了一个由5个神经网络组成的团队,打败了Dota 2的世界冠军。但这些模型在模拟世界学习,学会的是在模拟世界中行动。其他研究人员将AI在模拟中学习到的技能迁移到现实世界中。 OpenAI的Dactyl机械臂在虚拟环境中花费了相当于13000年的模拟时间,开发出操作魔方所需的灵活性。然后将这些技能应用到一个真实魔方上。当还原一个魔方需要15次以内的旋转时,它的成功率达到60%。当还原魔方需要更多次操作时,它的成功率下降到20%。 加州理工学院的研究人员训练了一个神经网络来区分重叠地震和同时发生的地震,方法是模拟横跨加州和日本的地震波,并将模拟结果作为训练数据。 亚马逊旗下的Aurora自动驾驶汽车部门同时进行数百次模拟,以训练其模型在城市环境中导航。该公司正在以类似的方式训练Alexa的对话能力、送货无人机和机器人。 模拟环境,诸如Facebook的AI Habitat,谷歌的强化学习行为套件,以及OpenAI的Gym,都可以为AI掌握任务提供资源,例如优化纺织生产线,填充3D图像中的空白点,以及在嘈杂的环境中检测对象。在不久的将来,模型可以探索分子模拟,以了解如何设计具有预期结果的药物。 冲突爆发:符号主义和连接主义的古老争论再燃 以Twitter为阵地,以加里·马库斯(Gary Marcus)为首的长达一年的争论,为围绕人工智能发展方向数十年的争论注入了新的活力。 马库斯是纽约大学教授、作家、企业家,以及基于逻辑的AI的鼓吹者,他发起了不懈的Twitter争论,试图打破深度学习的根基,并推广其他人工智能方法。 马库斯重新点燃了所谓的符号主义者和连接主义者之间的古老争论,前者坚持认为基于规则的算法对认知至关重要,而后者则认为将足够多的神经元与正确的损失函数连接起来是获得机器智能的最佳途径。 与马库斯针锋相对的AI从业者重新熟悉了象征主义的方法,以免连接主义的局限性导致资金崩溃,或人工智能陷入寒冬。这一争论促使人们对人工智能的未来做出了清醒的评估,并在12月23日由马库斯和深度学习先驱、蒙特利尔大学Yoshua Bengio教授的一场现场辩论中达到高潮。辩论过程非常有礼貌,双方都承认两个党派之间需要合作。 2018年12月,马库斯向深度学习支持者的“帝国主义”态度发起了挑战,开始了自己的进攻。他继而鞭策Facebook的深度学习先驱Yann LeCun,要他选择一方:是把自己的信仰寄托在纯粹的深度学习上,还是有好的“出色的老式人工智能”(good old-fashioned AI)的一席之地? OpenAI在10月份提出的混合模型成为头条新闻。它的机械手通过深度强化学习和经典的Kociemba算法的结合解决了魔方难题。虽然马库斯指出是Kociemba算法计算出了解决方案,而不是深度学习,但其他人断言机器人可以通过进一步的训练来学习这项技能。 去年12月,微软提出“神经符号人工智能”(neurosymbolic AI),填补了这一空缺。这是一个旨在弥合神经表示和符号表示之间差距的模型架构。 随着2019年临近结束,NeurIPS会议强调了人工智能社区的soul searching。谷歌研究员Blaise Aguera y Arcas在一次主题演讲中表示:“我们目前所有的训练模式都是为了让AI在特定任务中取得胜利或者赢得高分,但这并不是智能的全部。” 符号主义者和连接主义者之间的敌意可以追溯到半个多世纪以前。1969年,马文·明斯基和西摩尔·派普特在《Perceptrons》书中,仔细分析了以感知机为代表的单层神经网络系统的功能及局限,证明感知机不能解决简单的异或(XOR)等线性不可分问题,帮助触发了第一个AI冬天。 第二个AI寒冬是在将近20年后,部分原因是符号AI依赖于LISP计算机,而LISP计算机已经随着PC的出现变得过时了。 神经网络在20世纪90年代开始普及,并在过去十年计算能力和数据的爆炸式增长中取得了主导地位。 当连接主义者和符号主义者齐头并进,或者直到一个派别消灭另一个派别时,我们期待着激动人心的新时代。

    时间:2020-05-11 关键词: AI 自动驾驶

  • 物联网发展的本质是什么

    物联网发展的本质是什么

    物联网已经大大改变了我们的生活方式。不久之前,智能家居的概念还只存在于科幻小说世界中,在智能家居中,连接了各种系统以简化居民的生活。虽然我们还没有生活在这样一个时代,即通过物联网技术以雷·布拉德伯里在其短篇小说《细雨将至》中所设想的水平运行,但物联网的使用方式正在不断发展和变化,以使我们的生活更加轻松、惬意。 工商业世界 人们习惯于将物联网视为一种面向消费者的时尚,比如智能手机、智能手表以及Alexa和Siri等智能语音助理。然而,尽管有许多物联网产品可供公众购买,但物联网的许多真正好处都存在于工业和商业领域,以改善从生产到交付的几乎所有方面,甚至是客户满意度和保留率。例如,可优化制造流程的智能设施和防止因意外维修需求而导致延迟的预测性维护,同时还可提高工人的安全性。 公司还可以使用物联网以多种方式提高整体客户满意度。物联网可以生成大量数据,这些数据大部分是由客户的各种设备生成,这些数据可以向公司展示客户是如何,以及何时使用产品或服务的,以及他们将产品或服务与之结合使用的内容。这最终使公司能够基于他们获得的海量数据为客户创造令人难以置信的个性化体验,同时也使公司能够在问题出现之前解决它们。 在工业物联网(IIOT)正在彻底改变工业界的同时,物联网也在为面向客户的业务做出同样的事情。除了物联网应用为客户提供个性化的惊人机会之外,它还可以增强客户关系并提高客户忠诚度。具体而言,物联网数据流为公司提供的洞察力使他们能够预测客户想要什么或不想要什么。 工作将如何变化 为了掌握物联网,公司需要准确了解如何有效利用物联网产生的海量数据。为了做到这一点,公司越来越依赖数据分析、机器学习和人工智能领域的专家来完成这项工作。虽然许多人认为,随着世界变得更加自动化,对人力资源的需求将逐渐消失,但实际上,这一新领域只是在改变所需的工作类型,而不是彻底将其从等式中移除。 事实上,不管这些机器人在未来几十年里能否胜任我们所有的工作,我们都可以使用物联网之类的技术使今天的工作人员更安全、更轻松。例如,长途卡车驾驶员可以使用由物联网生成的数据,以即时警告车队中的其他驾驶员潜在的道路危险状况或事故。事件流处理系统还可以让公司实时处理安全问题,实现分析,以将物联网数据转化为可以拯救生命的可操作见解。 物联网正在塑造企业的未来,并为数据科学、数据安全和用户界面设计等新兴行业的专业人士创造了巨大需求。此外,物联网正在创造新的职业,如医疗机器人技术专家和农业技术专家,他们将这项令人兴奋的新技术与外科和农业等旧职业融合在一起,以创造一个新的、更高效的世界。物联网还提高了公司允许员工在家远程工作的能力,从而不再需要传统的砖混办公室,这不仅提高了员工满意度,而且还对环境产生了积极影响,因为它减少了出行或为整个办公室供电的需要。 影响我们的出行方式 物联网将改变世界运转方式的一个更为明显的方式是,通过其与不断兴起的自动驾驶汽车运动的结合。尽管想象一个我们不再需要自己开车的未来令人兴奋,但出于安全考虑,许多消费者不愿接受自动驾驶汽车。这些担心并非完全没有根据,因为自动驾驶汽车曾发生过多次严重事故。 然而,随着物联网的实施,这些事故可以得到进一步缓解。最终,将为所有自动驾驶汽车在行驶过程中如何相互通信制定标准。自动驾驶车辆中各种传感器生成的大量数据,以及与现有技术系统连接的潜力,可以显著提高驾驶员和行人的安全性。 公司已经在研究使自动驾驶汽车更安全的解决方案,从处理激光雷达、声纳、雷达和光学信号的优化传感器,到将所有数据转换为有用见解的机器学习算法。(来自物联之家网)一旦有了标准化的方法,这些智能汽车就可以相互通信,并且它们之间共享的数据将创建一个庞大的数据池,然后可以对其快速分析,以确保减少致命事故的发生率。 物联网并不是一个完美的系统,但它能让我们过上轻松、惬意的生活。如今,它也正在彻底改变工商业,改变了我们处理工作的方式,并在我们拥抱一个更加自动化的世界时帮助我们保持安全。目前还不清楚物联网将达到什么程度,但它今天的实际应用足以让人们对未来感到兴奋。

    时间:2020-05-11 关键词: 物联网 IoT 自动驾驶

  • 自动驾驶汽车出现漂移技术 目的是为了提升自动驾驶的应急能力

    自动驾驶汽车出现漂移技术 目的是为了提升自动驾驶的应急能力

    “漂流”是许多驾驶爱好者非常喜欢的,但是任何尝试过漂流的人都知道其并不像看上去那么容易。 据《futurism》消息,Dynamic Design Lab的研究人员打造了一辆特殊的自动驾驶汽车,它能利用科技让自己在受控的轨道上完成漂移。 据悉,该团队使用了一款名为MARTY的经典DeLorean跑车打造了这款自动漂移车。为了控制航向,研究人员在其中一位科学家的笔记本电脑上编写了GPS坐标和算法程序以此来处理实际驾驶。在MARTY第一次尝试过程中其不用碰任何一个橙色圆锥体就可以完成整个路线的导航。 这项研究的目的并不是为了炫技,而是为了提高自动驾驶在遇到危险情况下的应急能力。他们希望这款车能避免任何可以在物理定律范围内避免的事故。 连专业赛车手都对MARTY赞不绝口。2015 Formula Drift世界冠军Fredric Aasbo就指出,MARTY完成连续过弯等等高难度动作时,展现出的敏捷度和精确度,令人印象深刻。 MARTY项目负责人 Jonathan Goh 表示:“通过漂移,我们可以得到驱动物理学的两个极端例子。如果我们能在最安全和最不安全的情况下,很好的控制自动驾驶车辆,那么控制其他状态下的自动驾驶车辆也会变得相对容易一些。” 据悉,MARTY是一辆电动汽车,它搭载了一对能提供7000牛/米扭矩峰值的电动马达。车内装有一对GPS天线,用来追踪一英寸以内的距离。方向盘、刹车分别有电脑和电气控制,为了适应漂移和快速转弯,该车的悬架则是特别定制的。

    时间:2020-05-11 关键词: 自动驾驶

  • 连网车辆我们应该怎样来监管

    连网车辆我们应该怎样来监管

    未来几年,连网和自动驾驶汽车将主导我们的道路,我们将如何监管这些新技术? 没有一项技术会凭空出现,规则也一样。当汽车最初被制造出来的时候,我们没有交通标志、红绿灯、交警系统,也没有驾驶员培训系统。1909年,美国有20万辆汽车,1916年激增至225万辆。与此同时,汽车与行人共用道路,结果,出现了许多不必要的“灾难”(或者我们现在称之为“事故”)和公众对汽车的抵制。 随着时间推移,现代交通管理系统逐渐被建立起来。总之,车辆被限制在每小时5英里,这样它们就不会惊吓到马匹了。曾经有一段时间,警察被要求管理所有交通,而不是让人们知道谁有道路通行权。最终,我们遇到了当前的系统:要求每个人在允许驾驶之前了解交通规则。 考虑到所有这些因素,我们应该考虑连网汽车需要什么法规来安全地与非连网汽车和行人一起通行。最好是预测需要哪些法规,而不是针对问题制定法规。技术和汽车公司、开发商以及未来的连网汽车用户都有机会影响法规,而不是做出适应和调整。 政府监管是不可避免的。尽管汽车制造商和技术公司表示连网、自动驾驶汽车将比传统汽车更安全,但在测试阶段不可避免地会出现自动驾驶汽车误读其他车辆为无物,或误读停车标志作为限速标志。优化自动驾驶系统的唯一方法是让自动驾驶汽车公共道路上行驶,但这会带来很大风险。 那么,您如何提醒行人和司机,自动驾驶汽车的反应可能与“人工驾驶”汽车不同?在您确定自动驾驶汽车值得信赖之前,您允许在街道上出现多少自动和/或连网汽车?您如何定义“值得信赖”?“这些都是我们今后必须回答的问题。 一般来说,网络安全的法规很少,我们需要尽快开始规范汽车的网络安全。现代汽车已经有几十个“电子控制单元”,并且高级汽车可能拥有100多个,并且许多车辆已经连接到互联网。事实上,克莱斯勒和通用汽车已经不得不解决一些问题,这些问题使得黑客可以通过移动网络控制他们的汽车。如果汽车制造商和技术公司不尽快采取行动,那么每一次事故都会被放大,而网络攻击也会受到审查,因此他们需要尽快与政府进行沟通。 监管基础设施 政府还应该监管基础设施。自动驾驶汽车必须正确识别道路和交通标志,车辆还必须能够识别出是否被胶带或雪覆盖的标志,否则,自动驾驶汽车可能会误读为停车标志。一组研究人员创建了一个程序,旨在识别“侠盗猎车手5”中的停车标志,目的是创建一个类似程序,以便在现实世界中实现相同的功能。 自动驾驶汽车无论在哪里都必须识别标志,这要求至少在国家层面,最好是在全球层面上的做到交通法规标准化。虽然许多国家已经签署了《维也纳道路交通公约》,该公约确立了标准的交通规则,但美国和日本等许多国家却没有,即使在签署了该公约的国家,标志也可能会有很大不同。日本的停车标志是倒立的红色三角形,与世界上大多数国家的八边形不同。智利确实签署了该公约,并遵循了用蓝色边框创建“强制性”标志的惯例,但也用红色边框创建了“强制性”标志,这可能会让外国司机感到困惑。 如果国家有不同的标志,自动驾驶汽车将必须被编程以知道它们在哪个国家,从而知道如何读取标志。标准化和监管可以使这一过程更加简单和安全。 当汽车第一次出现时,它遭到了许多批评。它被指控用烟尘和灰尘填满儿童的肺和杀害行人,而且不少驾驶者被石头击中。大多数技术传播者倾向于看到技术处于浪漫之中,但是自动驾驶汽车会有许多担心自身安全的批评者。在上世纪初,出台规章制度打击交通事故。这一次,我们应该主动规范,以确保连网车辆被更快地接受。自动驾驶汽车公司有机会主导标准化,而不是适应法规,他们应该抓住这个机会。

    时间:2020-05-11 关键词: 网络 自动驾驶

  • 中国ADAS突围的差异化越来越大 可靠的感知是自动驾驶安全性的基石

    中国ADAS突围的差异化越来越大 可靠的感知是自动驾驶安全性的基石

    2016年特斯拉的致命事故让人们意识到了精准感知的重要性。一个关键目标未识别,就会导致车毁人亡。 中国驾驶场景的特殊性,决定了必须有本土化的感知解决方案,才能满足自动驾驶的高可靠性要求。提供专门针对中国驾驶场景开发的视觉感知算法成为中国创业公司打造ADAS方案差异化竞争力的一个重要切入点。通过全面掌握国内驾驶场景,并建立最符合国情的数据样本库,用更懂中国驾驶场景的感知算法帮助自动驾驶在国内的落地。 自动驾驶致命事故的启示:可靠的感知是自动驾驶安全性的基石 2018年3月, Uber自动驾驶测试车在亚利桑那州测试时造成一名女子死亡(图1), 这是全球首起自动驾驶致命事故。 图1 Uber自动驾驶测试车事故现场 美国国家运输安全委员会近日披露,导致事故的主要原因是Uber自动驾驶系统无法准确识别在人行横道以外出现的行人。自动驾驶系统数据显示,车辆雷达在碰撞发生前大约6秒时观测到这名推着自行车穿过马路的行人,当时汽车时速69公里,系统反复将其识别为不明物体、车辆、自行车等(图2)。 图2 Uber的系统没有准确识别到在人行横道外的行人 特斯拉Autopilot致命事故分析 2016年,美国一辆特斯拉Model S电动汽车在途径十字路口的时候,撞上了一辆正在左转的卡车,这是特斯拉Autopilot系统发布以来的第一起致命事故。 图3 特斯拉Autopilot系统未能检测到侧面行驶过来的卡车 特斯拉指出:“在强烈的日照条件下,驾驶员和Autopilot系统都未能检测到拖挂车的白色车身,因此未能及时启动刹车系统。由于拖挂车正在横穿公路,且车身较高,这一特殊情况导致Model S从挂车底部通过时,其前挡风玻璃与挂车底部发生撞击。” 一个关键目标未识别,就会导致车毁人亡。惨痛的教训让人们意识到了精准感知的重要性。 来自中国特色驾驶场景的挑战 国内的道路交通状况,跟国外相比,有很大区别。 一方面,道路更加复杂且不规范,因此国外开发的视觉感知算法,需要针对国内道路进行专项的训练和加强,才能获得较为理想的感知结果。 另一方面,关于交通参与者(车辆、行人、骑行者)方面,目标类型更加“中国化”(比如驮着奇形怪状货物的快递电动车),且在规则的遵循上也缺乏共识化的路权意识,因此既要针对国内特色的异形目标进行专项识别,也需要加强“提前”感知的能力,比如在车辆或行人目标只暴露出一部分时就能够识别,否则在其他司机进行强行加塞等侵略性驾驶时,自车容易与不守规矩的目标车辆发生碰撞。 下面我们将从道路设施和交通参与者两个维度,分析中国驾驶场景的特殊性。 国内道路设施的特殊性 在国内,虽然现代化的高速路、城市高架路越来越普及,但是也存在很多老旧的、非结构化(图1)的甚至不合理的道路设计(图2),这些场景已经大大增加了视觉感知的复杂度。 图1 城市中大量存在的非结构化道路 上图展示的非结构化路段,再加上交通参与者频繁地进行道路穿插,对自动驾驶系统视觉感知算法目标识别的全面性、实时性和准确率都提出更高的要求。 图2不合理的十字路口设计及混乱的交通导流标志 另外,如图2所展示的,国内有不少的十字路口直行道有错位设计,比如进入路口时会多出一条车道(为了增加路口车流量,疏通交通);或者车道在进入十字路口时为直行道,在出十字路口时对应的竟是左拐车道。这种流行的错位设计,会徒增许多并道汇流需求。这就更加容易导致车辆在十字路口进行变道,人为加剧国内变道频繁的现象,给感知能力带来挑战。 相比于国内的道路交通状况,我们再对比一下欧美在“城乡结合部”、繁忙十字交通路况、高速公路以及普通城市道路上的场景复杂度(图3)。 图3 欧美相对简单的道路场景 从上图可以感受到,国外的所谓复杂道路场景,相比于国内来讲,还是相对简洁明了的。这归功于良好的道路规划和清晰的路权意识。如果基于这种“简化”场景进行感知算法的开发,很难覆盖国内的极端情况。然而事实情况是,目前国内主流的视觉感知算法,都是来自Mobileye等国外公司,且开发场景也基于国外驾驶场景。 除此之外,国内还存在不少国外较为少见的交通信号灯和交通标志。上文提到国内道路设计的问题,事实上,正是由于道路问题导致交通疏导非常依赖于红绿灯及交通标志的支持。而为了满足各种道路指引需求,国内的红绿灯设计可谓五花八门,如下图。 图4 多样的红绿灯类型是对非本土感知算法的挑战 除了红绿灯和交通标志,国内还常用汉字注释来的引导交通秩序,比如道路旁的汉字立牌、车道中的汉字指示等。这些场景的攻克很难依靠国外企业,只能依靠本土企业,立足国内场景,解决本土需求。 国内交通参与者的特殊性 国内的一些交通参与者,在国外非常少见。典型的如城市道路中骑电动车频繁穿插的快递小哥,以及城乡结合部存在的各种“异形”交通工具,在识别上有一定难度,有漏检现象产生,需针对性的训练。而类似的情况在国内很多,如果能够立足国内场景,及时补数据,就能够更快地覆盖并提升感知性能。 图5 市中心和城乡结合部区域的常见“异形”交通工具 另外,国内的高速公路及城市高架路等封闭道路常有行人等非机动车目标出现,这对行人的远距离准确检测提出了非常高的要求。如果算法在国外没有针对这种少见的场景进行专项训练,一旦实际运行过程中出现,是很危险的。 图6 封闭道路上的行人和骑行者 如何打造更懂中国场景的视觉感知算法? 地平线自2015年成立以来,便积极扎根国内,基于国内道路视觉数据构建自己的图像样本库;且针对典型中国场景进行扩充和训练,有针对性地优化了视觉目标感知的全面性、实时性,同时提高了关键特色目标的准确率。其中,全面性方面,地平线感知算法可支持10类动态目标感知、53类静态目标感知、23类语义分割;实时性方面,支持1080P @ 30 FPS;准确率方面,关键区域车辆检测率大于99.6%,尤其是行人检测方面,检测距离达到70米,检测率超过99.1%,误报率小于1次/百公里。除此之外,地平线也建立了长效机制,保证及时升级对新挑战场景的感知能力。从技术角度看,依靠对国内交通更理解的本土开发人员,再加上对本土场景库进行持续扩充迭代,才能开发出更匹配中国国情的算法。具体来说,包括: 针对国内交通工具的特点,地平线扩大(或本土化)道路目标识别种类,加入类似老人代步车、装满快递包裹的快递电动车/三轮车等中国特色交通工具,有效帮助城市领航等高级别自动驾驶功能,以及城乡结合部的十字路口预警等功能在国内的落地;同时针对中国行人和骑行者特有的行走、骑行特点,有效增加了对行人的感知准确率; 图7 地平线Matrix-Mono对行人的感知结果 针对国内非结构化道路较多以及道路设计不合理、十字路口车道线复杂的特点,地平线进行了本土化优化,提高了车道线的感知能力,并扩大了感知范围;针对中国特色的交通信号灯和交通标志方面,地平线扩大(或本土化)对国内道路和车道特点的感知识别能力。例如,增加对带箭头等非标准红绿灯的感知识别;考虑地面失效箭头仍旧由痕迹的问题,避免误报;逐步加强对临时交通标志安装位置歪斜、角度畸形等国内实际场景的识别能力,避免关键信息的漏检。再加上国内道路设计不合理,交通参与者严重依赖交通标志的引导,因此对于国内特色交通标志的感知能力,是地平线重要努力方向,以获取更多有价值、置信度高的交通信息,助力自动驾驶在国内的落地进程; 图8 地平线感知算法对交通标志的检测结果 针对国内交通参与者缺乏交通共识导致的道路混乱、目标运行轨迹难以预判的情况,地平线算法加强了对“鬼探头”等目标未露出全貌时的目标识别能力,力争提前检出危险关键目标,给车控算法(AEB-P、AEB-C等features)提供更加及时的目标信息。同时增强对任意角度目标(机动车、非机动车等)的识别。

    时间:2020-05-11 关键词: 自动驾驶 adas

  • 天气对于自动驾驶的实现有多大的影响

    天气对于自动驾驶的实现有多大的影响

    许多部署自动驾驶汽车技术的公司认为,只需几年时间在技术上就能够在不需要驾驶员干涉的情况下,达到第五级全自动驾驶水平。一旦法规完全制定完毕,人类就可以正式进入完全自动驾驶的时代。 可是根据许多研究机构的追踪,现实情况似乎并非想象中的那么简单。因为自动驾驶车对于沙漠,南极洲或其它罕见气候的地区,仍旧存在着重大问题需要克服。在全球的许多地区都拥有不同的气候情况,即使聚焦在最早实施自动驾驶的美国,也是如此。例如:有些地区雨雪是常见的气候,有些地区还有飓风、龙卷风造成的强风,或强雨,冬季更有暴风雪的可能性,这对于自动驾驶车技术显然有很大挑战。 简单来说,雨、雪、风、雾会改变了自动驾驶车辆识别街道的方式。相机在大雾、大雨或大雪中基本上是无用的,因为激光雷达相机对这几种情况都会呈现反射作用,以至于无法辨识。至于采用GPS识别,由于缺乏独立导航服务所需的精确度,因此也不太可靠。 为了突破这一困境,WaveSense公司研发出一种地面扫描雷达系统。也就是预先将感测系统埋在道路下方,再进行实时搜集信息及监控并使用这些信息来检测汽车在高速行驶时的位置。但是要在美国或全球各地设置地面传感器雷达站需要花费大量资金,这就变成一个障碍。 目前市场上对于自动驾驶汽车的想法,都是停留在实际车辆的销售情况,也就是针对该车辆中所内含的自身定位和最佳驾驶参数等所需的硬件,而不是与外部连接的车辆与基础建设。 随着自动驾驶概念的推广以来,社会也逐渐在接受未来某一个时间点,具有L五级自动驾驶能力的汽车势必会来临。但是要达到一个广泛被采用之前,其障碍还不是现今汽车厂商所能够想象的。 在人口较稠密的地区,在地底下埋设地面扫描雷达系统,不会成为一个严重的问题。因为在这些地区,你总会得到一群需求强大的客户,让政府得到可以兴建这一设备的理由。可是到了农村地区,这就变成一个很大的问题。因为埋在地底下的雷达系统(或任何需要完全自驾的系统),就变成一个相当昂贵的系统了(以道路使用频率来看),这就成为进入全自动驾驶时代的障碍了。

    时间:2020-05-11 关键词: 传感器 无人驾驶 自动驾驶

  • 哪一些行业可能受到自动驾驶的影响

    哪一些行业可能受到自动驾驶的影响

    从快餐餐饮、房地产、国防、甚至是家庭装修,许多大型产业将受到自动驾驶(Driverless)技术影响而翻转改变他们旧有的策略。显然,科技和汽车公司有望获得成长,但许多其他产业可能面临严重的变动,除非他们能够适应自动驾驶车带来的许多变化。 自动或无人驾驶车将在未来20年的某个时间点在美国广泛使用,这几乎是确定的。目前包括谷歌(Google)、苹果(Apple)和奔驰(Mercedes Benz)在内的二十多家大型企业已经在努力建设自己的自动驾驶车。特斯拉(Tesla)的Model S已经在高速公路上以自动驾驶模式行驶。 以下摘自CBInsights文章,探索33个行业从明显的专职司机和货车运输到健身产业也受到冲击,这些产业将会因自动驾驶汽车的出现而受到影响。 1、保险业 观察人士认为,自动驾驶车将提升汽车运输安全性,麦肯锡(McKinsey)预测自动驾驶车可以将美国的汽车事故减少90%。虽然短期内为保险公司节省开支,但随着车祸的风险下降,保险需求也跟着下降。由于这种转变,一些保险公司推出以使用为基础的保险单(UBI),这些保险单根据驾驶的行驶里程数以及驾驶习惯的安全程度向消费者收费。 2、汽车修理业 意外事故减少也意味着减少汽车维修厂的次数。最重要的是,机械师的传统专业知识将不再那么有价值,因为汽车的联网程度和对软件的依赖更加深。这些讯息可以让驾驶员更容易了解他们实际需要的维修情况,并使他们能够做预防性维护,避免昂贵的维修费用。例如,新创公司Zubie为联网汽车的车主提供实时诊断及检查。 3、专业驾驶员和货车运输业 对货车司机、出租车司机和其他职业驾驶人员的需求将因自动驾驶车而减少。相反地远程信息处理技术,利用电信促进通讯并从车辆收集数据,将使出租车和货车运输公司管理自身的自驾车队,从而提供最佳效率服务与行车路线。这些系统依然需要人力进行管理。 4、旅游及饭店业 订房网站像AirBnB等大型连锁企业已经在寻找新道路来吸引年轻旅客。自动驾驶车的扩张将会带走饭店客户群中的一大部分,像是从A地点到B地点开车时选择在路边汽车旅馆住宿一晚的人。奥迪(Audi)品牌战略副总裁预测,20年内,汽车旅馆的客户有一大部分人将选择睡在他们的自动驾驶车中过夜。 5、航空业 跨越各大洲的汽车旅行似乎不会那么快出现,但国内和短途航班将会面临自动驾驶车的重大威胁。一旦自动驾驶车使汽车出游变得更方便旅行,许多人会选择按照需求乘坐汽车的短途旅行,而不是经历许多航空旅行的麻烦。 6、汽车零件业 不止事故减少,而且智能驾驶软件(如剎车辅助系统)会减少车辆的磨损及零件更换频率。PwC预测到2030年,电子设备将占汽车制造成本的50%,高于现在的三分之一。同时,传统汽车零件制造商可能会面临更多科技公司的竞争,例如英伟达(Nvidia)。已有许多家汽车制造商采用Nvidia芯片,代替自驾汽车的大脑。 7、叫车服务业 叫车服务公司优步(Uber)、Lyft也将受到自动驾驶车的影响。虽然优步的实力能够压倒传统的出租车公司,但与BMW大型汽车制造商与谷歌科技公司相比,他们花费了更多时间在研发自动驾驶车上,目前还不清楚是否能制造出好的自动驾驶车。 未来,优步在自动驾驶不必再向司机支付费用,但还是要承担拥有自己的车队成本,目前由第三方承包商所承担的负担。尽管如此与没有大量导航和驾驶数据的竞争对手相比,优步还是占有结构性优势。另外,自动驾驶车的硬件可能迅速产品化,因为汽车对机械零件的依赖程度会比现今还要少。 8、公共交通业 uberPOOL这种乘车服务对消费者依需求收费,导入自动驾驶车队到偏远地区提供服务,此举将吸引更多人迁移到郊区,舒缓城市拥挤人口。Zipcar预测乘车费用将便宜到可以取代固定路线的公共交通工具。公交车、交通车、小客车与校车以后都将被淘汰。 9、停车场业 随着自动驾驶车队根据需求在各个地点之间不断移动,对长时间停车的需求将大大降低。根据麦肯锡的说法,自动驾驶车队仅在美国就可以节省610亿平方英尺停车位。在美国的一些大城市里,停车位占用了总面积三分之一的土地,因此这些空出来空间将为土地拥有者重新创造价值,因而改变都市的样貌。 10、快餐餐饮业 据报导,70%的麦当劳销售额都是透过得来速窗口获得的,自动驾驶时代将会使麦当劳等快餐餐饮业受到冲击。在自动驾驶车中,人们只需输入目的地的坐标,将会减少消费者决定临时绕道来购买食物的机会。停下来购买食物与否将取决于偏好、情绪和质量,而不再是方便。此外位于高速公路出口附近的快餐餐厅将会受到打击,因为人们在自动驾驶车运输时可能减少停车时间,自动驾驶车在使用前将加满油。 11、食物制作与配送业 自动驾驶可以为餐厅提供高效率配送食物的方式,同时食物送达时仍然保持新鲜与温度。一辆自动驾驶车将能够进行多次运送,而不需要在每次交易之间往返回餐厅。2018年1月,必胜客(Pizza Hut)与丰田汽车(Toyota)展开合作开发自动驾驶车等配送方案。一个月后,竞争对手达美乐(Domino)与福特(Ford)也展开合作开发自动驾驶运送车的第二轮测试。 12、能源和石油业 密西根大学的研究人员去年得出结论说,自动驾驶车将导致我们消耗比目前更多的能量,因为便捷性会鼓励我们更加频繁使用(电动汽车仍然需要透过电网获得电力)。然而,像特斯拉Model S等电动车与自动驾驶车发展可使汽油需求下降。但自动驾驶电动车许多基础设施还处于初级阶段(例如充电站网站)。这个过渡期将使石油和天然气公司有机会找出它们如何融入新能源生态系统。 13、房地产业 不仅是停车场,自动驾驶车将使整个房地产业重新构想如何分配空间。快速又便捷的交通将使房地产价值从城市中心转移到郊区。在商业地区,以人为驱动驾驶空间将被转换为其他用途,未来在街角设置加油站将降低,也不需将工业区设置在港口附近以帮助货车司机。 14、媒体和娱乐业 大幅降低开车盯着道路的时间,将有充足的时间阅读新闻和进行娱乐。广播公司将相互竞争提供观众视频内容,而不用担心行驶安全。对于广告商来说,自动驾驶车提供一个巨大的机会,能够为驾驶附近的商品和服务提供广告。未来,我们将拥有更多的汽车屏幕,用来提供乘客各类讯息广告。 15、配送业 自动驾驶车将改变许多物流业人员的命运。当用户可以规划自己的自动驾驶车来购买披萨,去洗衣店、邮件、杂货等时,专业配送人员的需求将急剧下降。 16、实体店面零售业 随着无人驾驶机和自动驾驶车接手配送服务,实体商店的位置可能变得不再重要。透过网络点餐,无论位置在何处都可以利用自动驾驶车取货,不再担心商店的配送范围。随机走进商店的顾客将会减少,市中心便利性可能变得不再重要,因为人们可以在自动驾驶车中阅读、聊天和睡觉,而在需要投入精力在行车上,可能会使他们更有意愿造访更远的商店和餐厅。 17、汽车拥有权不再 由于人们都能随时搭乘自动驾驶车,将会有越来越多的乘客放弃传统的自有车模式。汽车拥有权可以转换为租赁模式,租赁公司提供车辆和所有维护只需付一次性费用。 18、汽车维修厂、洗车场将减少 随着汽车所有权和维护转移到自动驾驶车队的所有者而非个人下,维护车辆的责任也将转移到车队。因此,维修厂、洗车场,甚至出租场所都将消失。 19、医疗保健业 自动驾驶车提高了安全性。自动驾驶车在发展成熟下很大程度上不会发生意外碰撞。由于碰撞减少,医疗产业每年可能减少约500亿美元收入。 20、救援和紧急服务 自动驾驶车沿路上可以监控乘客的健康状况,并在紧急情况下将他们送至医疗机构,例如路上发生心脏病的人提供自动驾驶救护车。车联网可以提供实时交通讯息会比人类驾驶员更有效的规划理想路线,甚至可以与医疗中心联系,以便在途中自动将患者数据(如生命迹象)发送给医生。 21、驾校 全球驾驶员培训学校将在一定程度上消失。 22、城市规划 大多数现代城市都是为了迎合汽车需求而建造的。地铁和高架列车可以避开地面道路的限制,但高速公路、桥梁和隧道的设计主要考虑大量的驾驶员和货运车辆。自动驾驶车将会改变这些道路的使用方式。自动驾驶车能够相互链接网络有秩序的移动。交通号志将被重新设计,并可能在很多情况下被淘汰,因为自动驾驶车将能够以更高的速度和平稳地相互移动。值得提醒的是,随着人们不再优先考虑靠近城市中心的便利性将会加速城市扩张。 23、网络服务条款 V2V车对车通讯的管理对无线数据交换出现新的隐忧。自动车需要实时数据传输。LTE-V仍然是V2V的一个可能的管道,未来网络服务提供商可能会将其产品应用于自动驾驶车领域。 24、车内设计/制造 未来配合乘客的不同需求,进行情境开发设计,包括:会议模式(后座可收起,前排乘客座椅旋转以面向后方)和休息室模式(更类似于卧房)。因此,汽车内装将面临并进行生产产品的改变。 25、网络安全性 随着新的无线通信形式的出现,科技公司需要解决新的安全和数据保护问题。自动驾驶车可能被黑客攻击致使油门失去作用。新创公司持续进行技术创新,以降低自动驾驶车网络安全风险:例如,Karamba Security已经构建了一种解决方案,透过辨识和阻挡攻击来保护汽车的外部连接组件。 26、交通执法 随着交通顺畅以及人为控制车辆人数减少,城市的交通罚单收入和其他违规行为将大幅下降,交通执法人员需要更多规范来指挥车辆。如果一辆自动驾驶车违反交通法规,谁该负责罚责这个问题,是车主?自动驾驶车软件制造商?如果汽车是租赁方式租车,该如何处理?在实际的层面上,警察如何与自动驾驶车进行互动的问题。每个交通指挥人员都有能力强制禁止车辆吗? 透过网络连接,每辆车都可以知道路线上的事故、障碍物和哪里有警察/消防/救援活动,并据此进行路线规划。这种实时改变路线也有助于减少紧急人员的反应时间并挽救生命。 27、健身 自动驾驶者可将通勤时间变成健身时间,因为汽车可配备适合健身器材供乘客使用。 28、老人保健与儿童保育 自动驾驶车将增加老年人的行动能力,保持活跃的社交活动。对于看护的需求将减少,老年人更容易留在家中(而不是住在疗养中心),并且不需要看护人员移动他们的位置。自动驾驶车也可能影响儿童保育,自动接送至学校和托育服务。 29、居家空间改善 无人驾驶结合共享概念,住家拥有车库或车棚将大幅削减,未来改建不需要的车库空间很快就会成为一个蓬勃发展的行业。房主将重新利用车库空间来扩大他们的房屋,提高他们的房产价值,甚至可以像Airbnb这样平台将多余空间出租给旅客。这也将为设计师和承包商重新整修车库空间创造机会。 30、诉讼 自动驾驶车将减少汽车事故,导致相关诉讼下降。当发生事故时,自动驾驶车将提供更准确的事故数据以及谁在事故中发生意外。自动驾驶车也可能将原本属于个人驾驶的责任转移到制造和拥有自动驾驶车队的公司,这可能会减少对私人执业律师的需求,同时促使汽车公司扩展法律部门。 31、军事活动 军事采用自动驾驶车可以消除军事人员的危险,减少伤害并挽救生命。目前许多武装部队已经在试验无人驾驶坦克和无人驾驶飞机。 32、全球非营利组织工作和救灾 对于在偏远地区或资源贫乏地区工作的非营利组织和志愿者而言,自动驾驶车可以为需要的人提供运送物资的新方法,而不需要司机(运送这些地区需要的食物、住所和其他资源)。除了提供食品、服装或医疗设备等用品之外,自动驾驶车还可以配备卫星和小区服务,连通性到偏远地区或自然灾害、政治动荡或其他事故中断基础设施的地方。 在偏远地区更容易提供物资和连通性将提高非营利组织的效率,并使他们能够将志愿者时间从运输任务转移到其他更具影响力的工作。 33、数据中心和网络基础设施 随着自动驾驶车驶上道路,将产生大量的数据,并且需要基础设施来支持。英特尔(Intel)估计自动驾驶车每天可以产生4TB的数据,这意味着自动驾驶车的崛起将推动对更多数据中心和光纤网络的需求。

    时间:2020-05-11 关键词: 无人驾驶 自动驾驶

  • 最支持Waymo的人辞职 Waymo自动驾驶未来如何只能交给时间去验证

    最支持Waymo的人辞职 Waymo自动驾驶未来如何只能交给时间去验证

    今天科技圈最大的事件,莫过于谷歌的两位创始人、谷歌母公司Alphabet的首席执行官Larry Page和总裁Sergey Brin双双宣布辞职,谷歌首席执行官Sundar Pichai将出任Alphabet首席执行官一职。谷歌两位创始人双双辞职的原因,竟然是觉得事情不那么有趣了。值得一提的是,外媒将Alphabet新任CEO Sundar Pichai称为“战时CEO”,因为谷歌现在正在被全球监管部门调查数据收集行为、员工抗议“公司暴力恐吓”等事件困扰。 Alphabet作为全球市值最高的科技公司之一,其在前沿技术方面的投入也是巨大的。Alphabet的来源在于2015年底,谷歌宣布进行架构调整,将很多前沿投入从谷歌剥离,谷歌核心业务仍旧保留在谷歌,其他公司独立同属于母公司Alphabet下,包括后来成为全球自动驾驶领头羊的Waymo。 Waymo源自谷歌X实验室的无人车项目,从2009年开始,迄今已有10年,即便是从2016年初正式独立成为谷歌姐妹公司后,也有三年的时间。值得一提的是,在独立后的三年,是Waymo迅猛发展的三年。尴尬的是,从2009年开始,诞生了十年的Waymo,仍旧是还处于不断烧钱的状态。幸好背后有着谷歌的支撑,仍旧可以给员工最好的待遇、设备和研发条件等,但是,随着认为无人车是有趣的事情的谷歌创始人双双离职,10年不赚钱的Waymo,会何去何从呢? Waymo的现在是怎么的要去探索Waymo的未来发展,就要先看看Waymo发展的现状,拥有着什么样的筹码去支持未来的发展。下面看看Waymo的自动驾驶现状:1、全球规模最大的自动驾驶测试车队——Waymo的自动驾驶测试车队,应该是在600辆到800辆之间,测试范围覆盖全美25个城市;2、全球测试里程最多的车队——自动驾驶测试里程,可以分为公开道路测试和模拟环境测试,Waymo这两项数据都是排名第一,其中公开道路测试数据,在将近一年前就突破了1000万英里,并且呈现指数级增长; 模拟环境测试里程,因为模拟仿真系统CarCraft的存在,每日可以测试800万英里,而今年7月份,模拟测试里程则突破了100亿英里的水平;无论是公开道路测试里程,还是模拟环境测试里程,没有人能超越Waymo;3、全球首个RoboTaxi服务APP——Waymo One,在2018年12月,Waymo推出了RoboTaxi叫车服务APP——Waymo One,经过一年的发展,并且将其服务范围从刚开始的400名“Early Rider”项目客户,拓展到1000人以上;4、全球首个L4级别自动驾驶车辆量产工厂,在2019年1月,Waymo宣布在底特律建造全球首个L4级别自动驾驶汽车量产工厂,随着建设的深入,最新一批30辆自动驾驶车辆即将下线; 5、全球首张无人驾驶载客测试牌照&全球首个真正无人驾驶出租车运营:Waymo拿到加州颁发的首张完全无人驾驶测试牌照,另外,在亚利桑那州,Waymo宣布逐渐将Waymo One提供的自动驾驶车辆安全员去掉; 作为全球自动驾驶的领头羊,Waymo拥有着太多的自动驾驶行业第一的头衔,这是领头羊的荣誉,但,领头羊也是有压力的,那就是10年了,怎么还不见赚钱,这10年究竟烧了多少钱,还需要多少年才能看到Waymo赚钱?在商业化方向,Waymo确实是面临压力,目前,Waymo商业化的方向,除了一直致力的RoboTaxi服务,Waymo CEO John Krafcik在德国宣布,将会进军各行各业,其中,自动驾驶重卡将会新的商业化方式之一。Waymo的将来会是怎么样?Waymo作为自动驾驶行业的标杆,肩负着引领自动驾驶行业向前发展的重任,其中包括了商业化赚钱。但是,10年不赚钱的Waymo,让自动驾驶行业出现的很多不一样的声音,尤其是在中国市场,认为自动驾驶不可行。 自动驾驶行业从业者有一个认知,就是认为Waymo不倒,自动驾驶行业就不会倒,但是,Waymo会倒吗?有着谷歌的支持,只要谷歌主业继续赚钱,就有可能继续在自动驾驶行业投入。这是Larry Page和Sergey Brin认为有趣的事情之一。但是,Larry Page和SergeyBrin双双宣布辞职,理由是认为事情已经没有那么有趣了。这是否会影响到对Waymo的继续投入呢?首先,要看两人的去向,Larry Page和Sergey Brin是辞去了行政职务,仍旧保留董事席位。 值得一提的是,两人的投票权不会边,仍旧拥有Alphabet超过50%的投票权,两人在公开信中表示:“我们坚定地致力于谷歌和Alphabet的长期合作,并将继续作为董事会成员、股东和共同创始人积极参与其中。此外,我们计划继续定期与Pichai交流,特别是在我们都感兴趣的话题上!”Waymo到底会不会在两人感兴趣的话题List上呢?我们拭目以待。万一Waymo不在这个感兴趣的话题List上,如果谷歌不再全力支持Waymo,或者削减Waymo的预算,Waymo又会何去何从呢?在Morgan Stanley眼里,在2018年,Waymo估值可以达到1750亿美元,在2019年这个估值砍掉了40%,只剩下1050亿美元,理由是RoboTaxi的商业化不及分析师预期。但是,这仍旧是全球估值最高的自动驾驶公司。 如果谷歌不在全力支持了,Waymo有能力从外界融资吗?答案是肯定可以的。在2019年,美国的自动驾驶公司融资达到了高潮,从年初的Aurora的5.3亿美元开始,随后Nuro的9.4亿美元,随后单轮次融资来到了10亿美元的高潮,Uber ATG 10亿美元,Argo融资26亿(10亿美元现金)美元、Aptiv融资20亿美元(16亿美元现金)等等。Waymo尚未从外界融资,一方面是谷歌还在全力支持,另一方面就是估值太高,大众CEO Herbert Diess曾建议大众用137亿美元购买10%的Waymo股份,但被董事会否决。如果Waymo要开放融资,会拿到多少钱呢?Waymo可能需要的不仅仅是钱,而是来自车企的资源,曾经the InformaTIon爆料称Waymo向欧洲车企融资,并且点名是大众,但交易最终没有出现,大众投资了福特的Argo,双方达成自动驾驶合作。2009年,Waymo诞生于谷歌的X实验室;2019年,Waymo会随着谷歌创始人的双双离开而出现波折吗?这个问题只能留给时间来解答。

    时间:2020-05-11 关键词: 自动驾驶 waymo

  • 5G如何与车联网融合发展

    5G如何与车联网融合发展

    万物互联的5G时代,物与物之间的通信让人们看到了应用创新的无限潜力。而作为物与物之间通信的典型应用场景,车联网技术的发展正如火如荼。 那么,当车联网遇上5G又将产生哪些创新的火花呢?对此,在近日中国信息通信研究院组织召开的“2020年中国信通院ICT深度观察报告会”上,中国信通院技术与标准研究所主任工程师葛雨明在接受C114专访时为我们进行了解读。 5G会更好与自动驾驶耦合 当前,以5G为代表的新一代信息通信技术为车联网提供了超低时延、超高可靠、超大带宽的无线通信保障和高性能的计算能力,对于车联网的发展来说可谓如虎添翼。 在葛雨明看来,5G等新技术的引入,能够促进车联网两方面的应用场景创新:一是更好地为交通的智能化服务能力提升做保障、提升行驶安全和出行效率,例如车辆与车辆或者路侧基础设施之间,可以实现十字交叉路口碰撞预警、紧急刹车预警等车辆行驶安全应用;二是促进自动驾驶技术的成熟,例如车辆编队行驶可以降低空气阻力省油、给司机提供更多休息时间、适当减少司机数量,远程遥控驾驶、智慧矿山网联自动驾驶可提升智能化程度和安全生产水平。 “尤其未来更高级别的自动驾驶,都需要依靠5G网络去做,5G会更好地与自动驾驶耦合。而有了5G商用的加持,车联网技术的发展也将进一步提速。”葛雨明指出,要把5G和车联网的融合作为一个整体的布局考虑,甚至在5G基站建设过程中就要去考虑对于车辆连接能力的支持;5G标准化工作中,例如在R17标准制定过程中,在计算能力、网络切片等核心技术也会把车联网作为核心的应用场景来支持。当然,未来,5G时代的车联网发展也将面临定位准确性、自动驾驶安全性、运营模式和商业模式创新等方面的挑战,这些问题还有待进一步验证。 车联网跨行业协同仍需要加强 与此同时,车联网亟需跨行业协同创新。葛雨明指出,车联网涉及到汽车、电子、信息通信、交通运输和交通管理等行业,是一个跨行业、跨领域深度融合的新型产业生态,因此跨行业协同仍然需要加强。 为此,今年10月底举行的中国汽车工程学会年会暨展览会期间,由IMT-2020(5G)推进组C-V2X工作组联合中国智能网联汽车创新联盟、上海国际汽车城组织的“四跨”互联互通应用示范,聚集了70余家产业链企业,包含芯片模组、终端、车企、CA平台。 IMT-2020 (5G)推进组C-V2X工作组就是一个跨行业协同的创新发展平台,会给产业链各环节的厂商搭建研讨交流的平台,组织互联互通等应用示范活动,能够让大家更好的在一起合作,能够把产品研发做好,把标准制定完成,把整个产业生态体系建设起来。 另据葛雨明介绍,2020年IMT-2020(5G)推进组C-V2X工作组将主要讨论三方面工作:一是重点解决定位、安全等技术上的问题;二是明年会组织大规模的测试验证;三是再研究,之前的连接是以通信技术为主去研究车联网的体系架构,现在会强调把大数据、区块链、AI、计算等能力去综合考虑,从而设计出未来车联网的整体架构。 

    时间:2020-05-11 关键词: 车联网 5G 自动驾驶

  • 自动驾驶不断发展 安全无忧出行才是最后的目标

    自动驾驶不断发展 安全无忧出行才是最后的目标

    大部分汽车创新和特性相关新闻中都开始提及全球三大趋势——汽车的互联化、电气化和自动化。这三大趋势塑造着当前大环境,在创新和财务回报方面为企业提供了千载难逢的机遇,更重要的是,这些趋势还创造了一项重大的使命—— 类似最初在瑞典提出的“Vision Zero”等项目旨在减少因交通事故造成的伤亡,并在全球多个辖区作为一种模式进行推广。另一个类似的项目是由美国国家安全委员会提出的“Road To Zero”,旨在将每年130万的道路交通死亡人数降至零。 互联化和自动化技术为保障安全无忧出行奠定了基础 (National Safety Council, 2018)。 汽车安全的技术挑战 让车辆成为“车轮上的服务器”,这不仅关系到新型车辆的车载计算水平,而且还关系到车辆与车辆外部各种系统间的连接。最基本的系统之一就是全球导航卫星系统(GNSS),包括GPS定位、DSRC或基于移动网络的车辆对车辆(V2V)和车辆对基础设施(V2I)技术,它们允许车辆与其他车辆和基础设施通信,如用于状况感知的交通信号灯以及用于信息娱乐的数据连接。互联性对于软件维护和更新也十分重要。美国的普通驾驶员平均每天在车里待1个小时 (AAA FoundaTIon for Traffic Safety, 2019),在车里的大部分时间里,互联性对于提供娱乐和效用来说必不可少。 一个安全的系统需要可靠的设备,以防因设备故障发生事故;需要功能安全,以防因系统故障导致事故;还需要安全防护,以防因系统遭到黑客攻击发生事故。这些功能的有机结合有效防范了人为错误,从而提高了车辆的总体安全性。 安全系统的要素 安全防护对于互联车辆和自动驾驶车辆来说不可或缺,否则其功能安全性就会受到损害。自2015年以来,已发生超过25起车辆黑客事故,最严重的一次公开事故影响了140万辆汽车 (Drozhzhin, 2015)。到2030年,汽车所产生数据估值将达到7500亿美元 (McKinsey & Company, 2016)。汽车系统十分复杂,每辆车有100多个ECU和1亿多行代码,高复杂性可能会造成更多无法预见的漏洞,就像大规模召回的情况一样。随着无线接口的广泛应用,允许不对车辆进行物理访问即可修复安全漏洞。 与其他非汽车应用的安全嵌入式电子系统类似,业内通过在汽车设计中采用先进的核心安全原则来解决这些安全性挑战。 汽车的外部接口不但需要抵御物理攻击,还需要保持通信的完整性和保密性。这就需要安全的域隔离,并且系统也需要能够抵御逻辑攻击。车辆内部通信,以及各种ECU和汽车MCU的软件操作,都需要得到保障。 需要车辆网关来安全可靠地互连和处理这些异构车载网络中的数据。 网关提供物理隔离和协议转换,用于在功能域(动力传动、底盘与安全系统、车身控制、信息娱乐、远程信息处理、ADAS)之间路由数据。功能域通过共享数据实现新功能。通过网关,工程师可设计出更稳健、功能性更强的车载网络,从而增强驾驶体验 (Simacsek, 2019)。 核心安全原则 车辆制造商(OEM)积极致力于研发新功能,以期从竞争中脱颖而出。自动驾驶需要安全连接和功能域ECU之间的高带宽通信,因此要想实现自动驾驶,网关必不可少。 网关作为车载网络的核心,也非常适合用来支持全车范围的应用,如无线(OTA)更新和车辆数据分析,以及与OEM服务器(云)的安全通信。 网关具有对车辆数据的中央访问权 机器学习(ML)技术在自动驾驶系统中的应用创造了其他潜在的攻击手段。系统需要能够避免机器学习模型可能被盗的情况,或者提供识别被盗机器学习模型的方法。系统需要防止用户生物识别信息等与隐私相关的信息丢失,如果车辆具有用户识别功能,那就可以用对抗性的方法保护系统免受这些系统的欺骗。机器学习还可以通过检测异常情况来防范这些攻击,或用于建立更强大的防御机制。 汽车安全的标准考量 安全性是一种法律责任,因此对于汽车市场来说至关重要。用户需要能够相信他们的车辆会做它应该做的事情。安全性还可以实现平台合并和系统一致性。随着自动化等级超过SAE 2级(L2),持续监控驾驶环境的责任也从人类驾驶员转移到了自动驾驶系统。 安全概念的演变 传统的汽车安全,如ISO 26262等标准的功能安全定义,根据风险的严重性、暴露率和可控性提供汽车安全完整性等级(ASIL)。这项标准还定义了V开发模型,要求完全指定组件特性及其相应的规范和可追踪性,按照其规范所做的修改也应可检测。利用数据库训练机器学习模型,累积的训练会违背初始时组件特性均已指定的假设。此外,自动驾驶系统利用机器学习时,将软件组件的层级架构实施成端到端的解决方案,这违背了ISO 26262标准的模块化方案 (Salay & Czarnecki, 2018)。 自动驾驶系统的安全性不仅要注重传统的功能安全性,还要考虑行为安全性。作为驾驶策略的一部分,自动驾驶系统需要学习与非自动车辆和行人交互。它们需要学习预测其他参与方的行为,还需要预测危险和安全关键的情况,即便是边缘情况也不例外。自动驾驶系统需要防范周围动态环境可能带来的风险,即使是在硬件或软件无故障的情况下。 汽车安全专家正在开发ISO/PAS 21448标准,即预期功能安全(SOTIF),用于涵盖ISO 26262未涉及的场景。对于某些场景来说,为开发ISO/PAS 21448 SOTIF所进行的大量工作并未有效覆盖边缘情况以及不安全的未知条件。对于自动驾驶市场的其他场景来说,这项标准可能会限制或扼杀创新,特别是它关系到自动驾驶领域机器学习的使用。 实现自动驾驶的安全 为了实现安全无忧的自动驾驶,系统需要具备以下特性: ・可靠:超低故障率(汽车级品质) ・安全:强大的故障检测能力(ISO 26262 ASIL D) ・可用:正确操作准备就绪(能够区分安全相关和非安全相关的故障) ・容错:即便在发生故障时,也可以继续操作(降低性能/功能,仅可继续操作重要功能) ・可信赖:故障预测功能能够提前检测故障(离线测试) 安全概念的演变,行业方法SAE自动驾驶分类较低级别中的大部分辅助功能都是“故障防护”系统,这意味着一旦发生故障,系统将会进入安全模式。在L0、L1自动驾驶功能的情况下,系统依靠驾驶员对车辆继续进行安全操作。在当前的L2和L3系统中,我们期望系统能够具备更高级的可用性,能够识别故障并以降低性能的模式继续运行,仅在部分情况下依赖驾驶员。预计L4和L5系统将可以在发生故障后继续运行,这意味着当系统检测到故障后,系统内置足够的冗余来容错,以便继续全面运行足够长的时间,直到系统将车辆恢复到安全状态。 当出现故障时,切换到人类驾驶员是L0至L3系统的一个关键部分。要实现从自动驾驶系统到人类驾驶员的切换,需要进行大量研究工作。 Eriksson和Stanton的研究发现,在非紧急情况下,完成切换所需时间从2至26秒不等,如果驾驶员收到切换请求时正在进行其他任务,所需的时间会更长。请记住,车辆在高速公路上自动驾驶时,高速行驶下的速度超过每秒25米。在最快的反应时间下,车辆需要行驶半个足球场的路程才能完成切换,在最慢的反应时间下,车辆则需要行驶将近6个足球场的路程才能完成切换。在紧急情况下,驾驶员的反应会比较慢,并且人类驾驶员可能会做出错误的决策,造成交通事故 (Eriksson & Stanton, 2017)。基于这种情况,恩智浦认为实现安全无忧出行需要L2甚至更高级的自动驾驶系统,才能使其在发生故障后继续运行,至少能够安全停车。 安全概念的演变,恩智浦方法 当争论被表述为安全的自动驾驶系统要始终遵守交通规则时,我们在现实世界中却会观察到与严格的规则相应、有时候甚至是相反的某些场景,存在社会规范可以使大多数复杂的系统进行更高效的运作。这些社会规范允许在某些情况下违反交通规则,比如在即将驶入车道时,绕过抛锚车辆或被拦下的车辆。有时,违反交通规则并不是故意为之,而是避免交通事故的必要措施。自动驾驶系统需要配有决策矩阵,从而选择可接受的违反交通规则的方式,以实现更安全、高效的驾驶。 (有时)需要遵守的规则 自动驾驶汽车需要确保采取的任何措施都不会危及生命安全。这给安全工程师验证车辆安全性带来了很大的压力,然而并没有令人满意的方法来验证自动驾驶汽车永远安全运行。 自动驾驶系统架构分为两个功能域:1) 建模域,对环境进行监控和建模;2) 规划域,用于制定行为策略和规划,并进行路径选择。系统分为两个功能域,每个功能域由多种设备组成,使其具有更优的可扩展性和异质性,每个功能域还可根据特定的应用要求提供高效的计算架构匹配。如果不了解系统的决策机制,那就无法保证其安全性。这就是大型端到端系统处理感知和规划时所涉及的问题。配有接收传感器输入和提供驱动指令输出的封闭式黑盒方法很难进行验证和调试,而且也很难扩展到新的算法、传感器解决方案和计算。相对于端到端解决方案,建模和规划分区架构更有利于实现系统的安全性。 高水平分区自动驾驶系统世界上大多数汽车制造商都在研发自动驾驶技术,到2050年,自动驾驶市场估值将达到7万亿美元。安全性和防护性是辅助驾驶和自动驾驶系统成功为消费者部署并采用的基石。 恩智浦认为ISO 26262和ISO/PAS 21448(SOTIF)在定义安全自动驾驶系统方面互为补充且不可或缺。ISO 26262可解决因电子系统故障造成的安全风险,ISO/PAS 21448 SOTIF为设计验证和确认任务提供指导,以检测因定义或设计缺陷导致的功能行为故障。 最后 能够放松身心、处理邮件或看看喜欢的节目,而不是真正的开车上下班,这是某些驾驶员梦想的便利场景。我们真正的目标是确保您通过安全连接充分享受这些功能,同时通过系统内置的安全无忧出行技术为您和周围的驾驶员提供更高的安全性。

    时间:2020-05-11 关键词: 自动驾驶

  • 高新兴V2X赋能自动驾驶 自动驾驶产业化将加速到来

    高新兴V2X赋能自动驾驶 自动驾驶产业化将加速到来

    12月27日-29日, 广州市黄埔区人民政府、汽车电子产业联盟、广州市工业和信息化局、广州市交通运输局联合主办的2019智能网联汽车驾驶大赛(广州)暨2019智能网联汽车技术大会在广州国际生物岛进行,来自广汽、文远知行等企业和华南理工大学、武汉大学、南昌大学等高等院校研发的30支车队参赛,成功完成信号下发、5G-V2X施工车道预警和5G-V2X弱势行人检测预警等车路协同(V2I)场景和14个单车智能(V2V)场景。高新兴科技集团为大赛提供覆盖“人-车-路-网-云”的车路协同一体化解决方案。其中多支自动驾驶车队使用高新兴车载设备,基于高新兴车路协同系统,实现路侧信息与车辆信息的融汇应用,为自动驾驶提供辅助决策,成功通过行人避让等测试场景。 在比赛现场,记者看到全场5.5公里的赛道共有12个智能路口,在赛前由大赛技术支持单位高新兴完成了车路协同改造。可以看到各个路口均安装了信号机、雷达、摄像机以及RSU(路侧单元)、MEC(移动边缘计算)、5G CPE等设备,打造业内首款全方位感知、高效计算处理、高速信息传递能力的超强车路协同系统。记者跟随比赛车辆重点体验了三个车路协同场景。 5G-V2X弱势行人检测预警场景体现主要是当路侧设备感知到行人信息和非机动车信息并存在碰撞危险时,就向路过车辆广播该信息,参赛车辆收到预警,提前减速避让,以最优速度通过路口。现场技术人员介绍,当车辆以时速60km/h行驶时,会提前60米接收到可能发生碰撞风险的行人信息(提示距离与车辆时速和行人速度有关,RSU最大传输距离为600米)。其中搭载高新兴车载终端,实现智能网联赋能自动驾驶的参赛团队均成功完成行人避让实景测试。 在5G-V2X施工车道预警中,通过智慧锥桶采集占道施工的位置,精确到厘米级,通过5G将数据上传到部署在云端的管理平台后,管理平台直接将位置信息下发到MEC(边缘计算)进行计算分析并通过RSU广播给车载OBU,行驶在施工影响车道上的参赛车辆接收到施工警示信息,提前变换车道,避免发生碰撞事故,或者重新规划路线。 信号下发的测试场景中,参赛车辆到达路口前就会接收到路口RSU设备发送的信号灯状态信息,车上的自动驾驶系统就会主动根据红绿灯状态进行车速调整或停车等待绿灯亮起。如果是人工驾驶,则车载可视系统会实时显示红绿灯状态与倒计时,并提供时速参考,确保司机以最优速度通过当前红绿灯。 本次大赛的成功举办标志着智能网联技术“给人看”变为“给车用”。 参赛车辆的自动驾驶系统通过高新兴车路协同系统可以获取更多路面动态(包括车辆与行人等)信息,减少传感器等成本,并大幅度降低自动驾驶汽车数据处理融合、路径规划等计算负担,实现高效传输,这也是国内首次成功实现智能网联技术赋能自动驾驶车辆,可以预见,自动驾驶产业化将加速到来。

    时间:2020-05-11 关键词: 自动驾驶 智能网联

  • 从ADAS迈向全自动驾驶所需的关键技术分析

    从ADAS迈向全自动驾驶所需的关键技术分析

    自动驾驶技术在人工智能和汽车行业的飞速发展下逐渐成为业界焦点。根据相关机构预测2019年仅在中国智能驾驶市场规模就将突破千亿元,达到1137亿元。2022年中国智能驾驶市场规模将突破200亿元,并预测在2023年中国智能驾驶市场规模将增长至2415亿元左右。这其中技术中摄像头和传感器使未来的自动驾驶系统拥有几乎与人类一样的视觉和感知能力。感知检测系统(例如RADAR和LIDAR)是自动驾驶车辆的眼睛,能够采集环境信息并识别物体和危险状况。智能导航检测系统基于惯性测量单元(IMU)和创新陀螺仪技术,即使在难以接近的区域也能确定车辆的位置。 雷达、激光雷达、惯性MEMS/IMU、摄像头和超声传感器等不同子系统组合,为成功实现自动驾驶和未来高度安全和可靠的高级驾驶员辅助系统构建了框架。25年来,ADI一直是交通运输市场和汽车系统技术领域高品质感知系统的开拓者之一。凭借宏伟的Drive360方案和创新的传感器融合概念,ADI的目标是为具有卓越性能和精确度的一流感知和导航检测系统提供行业领先的全方位解决方案,以实现新一代高级驾驶辅助系统(ADAS)和自动驾驶应用。 ADI下一代感知系统 车辆健康监测 具有高性能传感器的信号链 信号处理和分析,旨在收集当前和未来车辆系统的数据并用于早期诊断和预测 感知系统 ADI专注于开发高性能雷达和激光雷达传感器解决方案,以实现先进的ADAS感知应用,例如: 更快速检测目标 对象精确分类 识别更小的目标 图像稳定 导航感知系统 自动驾驶应用的关键传感技术之一是惯性MEMS/IMU解决方案,用于实现 GPS屏蔽期间的精确动态导航辅助 无通信基础设施导航 高精确度运动捕捉 精确定位 自动驾驶系统的传感器融合

    时间:2020-05-11 关键词: adi 自动驾驶 adas 激光雷达

发布文章

技术子站

更多

项目外包