close

风暴魔域那个职业厉害: 自動駕駛

风暴魔域幻兽进化三阶 www.upeme.icu 自動駕駛汽車(Autonomous vehicles;Self-piloting automobile )又稱無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人,是建立在人工智能,視覺計算,雷達,監控設備以及全球定位系統協同合作基礎上,使電腦能夠不需要人類操控,獨立自主安全的操控機動車輛的技術。

自動駕駛汽車通過視頻攝像頭,雷達傳感器、激光測距器、以及GPS 等技術手段感知周圍環境,根據已經建立的地圖系統,通過中央數據中心,將感測到的資料轉換成相應的道路導航。

由于自動駕駛汽車比人類擁有更全面的環境感知能力,可以使用光學雷達等主動與被動感測器持續做大范圍的監測。在擁有360度視野的同時,能夠捕捉到可見光、紅外線與超音波等人類無法感知的信息,因此可以對潛存?;齔靄踩返撓Χ?。

對于自動駕駛汽車的研究可以追溯到1920年前后。1980年前后,世界上第一輛能真正夠自動駕駛的汽車問世。從此以后,許多大型公司與研究機構開始制造可運作的自動駕駛汽車原型。目前,谷歌,特斯拉等公司均在自動駕駛領域取得卓越進展。

人機共駕:自動駕駛的終局?

「它經?;嵩誆緩鮮實氖被斜淶?,但如果你想撥一把方向盤救個急,它還會和你較勁,非常危險」,「整個過程就像看著自己孩子開車一樣,干著急還提心吊膽,搞得壓力很大」……

這里的「它」正是特斯拉 Autopilot 。之前美國《消費者報告》(Consumer Reports)曾報道稱,更新后的 Autopilot 具備了自動變道的功能,車主可以選擇在變道時不進行任何提醒,完全交由機器來抉擇。但試駕編輯們在體驗后卻紛紛吐槽了它。

特斯拉 Autopilot 一直以來都爭議不斷。一邊說它是新手們的福音,杜絕事故的好幫手,另一邊卻有人抨擊它是事故的罪魁禍首。這套系統帶來用戶體驗升級的同時也因為頻發的安全事故而備受關注。

不可否認的是,特斯拉 Autopilot 讓大家有機會一窺自動駕駛的未來,盡管它離真正意義上的「自動駕駛」還很遠。畢竟軟硬件的局限導致它最多只能實現 L2 級自動駕駛的能力,而這個階段中「人」依然是主體,需要機器和人相互配合完成,所以這些關于 Autopilot 的爭議全部都可以歸屬于典型的「人機共駕」問題。

圖1開啟了「Navigate on Autopilot」功能的特斯拉車型能夠實現自主變道 | Teslarati

在「完全自動駕駛」這個純技術的難題還未普及實現之前,「人機共駕」問題是所有汽車企業、自動駕駛企業都需要突破解決的另一道難題。

這道難題的核心是「人」這個不確定因素。按照控制權的劃分,「人機共駕」又可分為「雙駕單控」和「雙駕雙控」兩種模式。前者關注的是駕駛權的交接和人車在主駕、副駕時的問題;而后者關乎駕駛自信,在人車都有控制權的情況下,該相信哪方多一點。

所以要建立一套高效、體驗舒適、安全的自動駕駛系統是及其復雜的。原因很簡單,機器是必須要和人進行互動的。而且這個互動的過程不光牽扯到機器人學科,還囊括了機器學習、心理學、經濟學及政策等領域的問題。同時它也對我們已有的認知和假設形成了挑戰:到底人類的表現能有多糟?人工智能又會是多么強大的存在?

圖2MIT 進行的「人機共駕」研究,右上角為試驗車輛「Black Betty」| MIT

MIT 之前曾進行過一項關于「人機共駕」的課題研究,從設計和開發「以人為中心」自動駕駛系統的角度出發,提出了七大原則。這些指導原則中并沒有把人類本質的復雜性剔除掉,而是將其融合到了整套系統中。這也恰恰是這套課題研究的精髓所在。

實驗成果的展示我們可以在一輛叫做「Black Betty」的無人車上看到。它只搭載了攝像頭,主要通過機器學習的方式進行外部環境感知,規劃決策,駕駛員監控,語音識別、聚合以及管理人機雙向操控的無縫切換(語音控制),方向盤上安裝了扭矩傳感器。通過下面的視頻,大家可以看到這輛無人車的具體表現:https://www.youtube.com/watch?v=OoC8oH0CLGc

「人」才是復雜因素?

在過去的十幾年里,汽車自動駕駛的能力在逐步提升,迫使政策制定者以及行業安全研究人員開始思考如何為「自動駕駛」定級的問題,目的是借此為相關法律、標準、工程設計甚至是業界交流提供可參考的框架。目前行業內普遍采納的是美國汽車工程學會 SAE 制定的分級標準,它將自動駕駛分為 L0 到 L5 共六個等級。不過 SAE 對每個級別的定義其實是很模糊的,并不能給出清晰、明確的區別,所以它似乎已經不太適合作為引發行業思考的「磚」了,更像是汽車系統設計開發的一套指導原則。

圖3美國汽車工程學會 SAE 對自動駕駛的分級 | SAE

目前業界對自動駕駛汽車有如下三種普遍的觀點:1. 駕駛任務很簡單;2. 人類不擅長開車;3. 人類和機器無法做到良好的配合。相較這些觀點而言,MIT 的研究則完全朝著相反的方向進行:1. 開車這件事實際上很難;2. 人類是非常棒的駕駛員;3. 讓人和智能機器實現高效協作是能夠實現的,而且是很有價值的目標。

基于這樣的前提和假設,MIT 提出了「以人為中心」的框架并將其應用至人機共駕系統的開發過程中,在執行具體的駕駛任務時將人類與機器的邊界完全去掉。與此同時,MIT 還提出了針對人機共駕的「七原則」,討論了在設計、開發、測試「Black Betty」的過程中如何應用這些原則。

「人機共駕」的七原則

一、人機共駕(Shared Autonomy)

MIT 認為自動駕駛應該分為兩個等級:一、人機共駕(Shared Autonomy);二、全自動駕駛(Full Autonomy)。這樣的分類方式不僅能夠提供有建設性的指導方針,添加必要的限制條件同時還可以對要實現的目標進行量化設定。甚至,對每個類別下要實現的功能、對應的技術需求以及可能遇到的問題都可以劃分出來。

這個原則的核心在于對「人類駕駛員在環」的討論。為了實現對車輛的有效控制,人和機器組成的團隊必須共同保持對外部環境有充分的感知。目標是促使整個行業對「人機共駕」和「全自動駕駛」進行清晰地劃分。

圖4表 I 「人機共駕」和「全自動駕駛」這兩種路徑中涉及的技術,包括用于大規模量產時對每項技術表現的等級要求 | MIT

需要指出的是,表 I 中的術語「Good」和「Exceptional」用來表示解決 1% 極端案例的優先級順序。遠程操控、V2X 和 V2I 等并非必須的技術,如果要使用的話需要達到特殊的能力要求。

在實現高等級自動駕駛的方法上,傳統思路全程都跳過了對「人」這個因素的考慮,精力主要集中在對地圖、感知、規劃以及表 I 中「全自動駕駛」一欄標注為「exceptional」的技術上。實際來看,考慮到目前的硬件和算法能力,這種解決方案對高精度地圖、傳感器套件的魯棒性要求很高,提供的是較為保守的駕駛策略。

而正如表 I 所述,「以人為中心」的自動駕駛汽車著眼點主要在司機身上。負責控制車輛的依然是人,但前提是要對人的狀態、駕駛方式及之前的人機合作經驗做充分的考量,同時把車輛的轉向、加減速等交由人工智能系統負責。以特斯拉的 Autopilot 為例,之前 MIT 的研究顯示,測試中有超過 30% 的行程都是由這套 L2 級駕駛輔助系統控制完成的。而如果人機共駕應用成功的話,應該能實現超過 50% 的機器控制率。在這次實驗中,MIT 表示無人車系統在接管過程中呈現出了不同程度的能力,而人類駕駛員始終在密切關注著機器的動態,根據感知系統獲得的信息及時預測可能發生的危險。

二、從數據中學習(Learn from Data)

從表 I 不難發現,這其中涉及的任何一項車輛技術都是數據驅動的,需要搜集大量的邊緣案例數據,利用這些數據持續不斷地優化算法。這個學習過程的目的應該是,通過大量數據實現從傳統的??榛嘍窖跋蚨說蕉稅爰嘍絞膠臀藜嘍窖骯?。

要實現車輛的自動駕駛,傳統的方法,不管是哪個級別,幾乎都不會大量的應用機器學習技術。除了在一些特殊的線下場景,比如 Mobileye 的視覺感知系統要進行車道線識別,或者是通用 Super Cruise 搭載的紅外攝像頭要對駕駛員頭部動作進行預測等。

特斯拉的 Autopilot 可能要比其他方案更進一步,在開發針對第二代硬件平臺 HW 2.0 的軟件算法時,在視覺感知上應用了越來越多監督機器學習的原理。但即便如此,對車輛的絕大部分控制以及對駕駛員狀態監測的實現中,并沒有利用大數據驅動的方式,也幾乎不涉及線上學習的過程。

而在目前業界進行的一些全自動駕駛技術的路測中,機器學習主要應用于環境感知這一環節。更甚的是,這些車輛采集到的數據,無論是從量還是多樣性來看,和具備 L2 級自動駕駛能力的車型相比,遜色不少。

圖5特斯拉 Autopilot 對目標物、車道線的檢測主要依賴機器學習算法進行 | Electrek

MIT 認為,「L2 級自動駕駛系統中機器學習框架使用的數據,從規模和豐富性的角度來看都具有足夠的擴展能力,可以覆蓋多變的、具有代表性、挑戰性的邊緣案例?!谷嘶布藎⊿hared Autonomy)要求同時搜集人和車輛的感知數據,挖掘分析后用于監督學習的標注。在 MIT 的實驗過程中,駕駛場景感知、路徑規劃、駕駛員監控、語音識別以及語音聚合都應用了深度神經網絡模型,可以通過搜集到的大量駕駛體驗數據進行持續性的調校和優化。

在進行數據采集時,MIT 表示并不會只局限于單一的傳感器來源,而是對整個駕駛體驗通盤考慮,并將所有的傳感器數據流通過實時時鐘(real-time clock)匯總、聚合,用于多個神經網絡模型的標注。這種方式能夠讓駕駛場景與駕駛員狀態能夠很好地匹配起來,而在聚合的傳感器數據流進行標注工作,使??榛募嘍窖翱梢栽謔莨婺T市硎鼻崴傻叵蚨說蕉搜骯?。

三、監督人類(Human Sensing)

這個其實就是我們俗稱的「駕駛員監控」。它指的是對駕駛員的整體心理以及功能特征,包括分心、疲憊、注意力分配和容量、認知負荷、情緒狀態等的不同程度進行多維度的衡量和評估。

目前除了通用 Super Cruise 在方向盤上裝有一枚紅外攝像頭外,不管是搭載了 ADAS 駕駛輔助系統的量產車型,還是在路測的全自動駕駛汽車,絕大部分都沒有提供任何有關駕駛員監控的軟件和硬件。特斯拉 Model 3 其實也裝了一枚車內攝像頭,但目前尚未啟用,具體功用官方表示要等軟件更新后才知道。而基于視覺的解決方案以外,市面上還包括一些準確率不高的方式。比如特斯拉在方向盤上安裝了扭矩傳感器,也有的公司利用監測方向盤是否發生倒轉的方式推斷駕駛員是否出現疲勞情況。

圖6全新一代凱迪拉克 CT6 搭載的駕駛員監控系統由 Seeing Machines 提供 | 官方供圖

MIT 認為「對駕駛員狀態的感知和監控是實現高效人機共駕的的第一步,同時也是最關鍵的一步?!乖詮サ畝嗄昀?,來自機器視覺、信號處理、機器人等領域的專家都進行過相關課題的研究,目的都是在探討如何盡可能保證駕乘人員的安全。此外,對駕駛員狀態的監測對如何改善和提升人機交互界面、高級駕駛輔助系統 ADAS 的設計都有很大幫助。隨著汽車智能程度的不斷提高,如何準確、實時地探測到駕駛員的各種行為對打造安全的個性化出行體驗尤為重要。

比較有意思的一點是,從完全的手動駕駛到全自動駕駛,這其中涉及到不同模式切換的問題。一般來說雙手脫離方向盤(handoff)就是一種信號,可能表示系統要做好接管的準備了,但還有什么其他更準確的信息可以用來判斷,可能這也是「駕駛員監控」的研究人員需要持續思考的地方。

四、共享的感知控制(Shared Preception-Control)

通俗點來說,這相當于為整個自動駕駛系統增加了「一雙眼睛和手」。目的是建立額外的感知、控制和路線規劃機制。即便在高度自動駕駛系統運行狀態下,也要及時地為駕駛員推送信息,將其納入到整個駕駛過程中。

研究全自動駕駛的目的就是為了完美地解決「感知-控制」的問題,考慮到人類的不靠譜和行為的不可測性。所以傳統觀點認為最簡單的辦法就是把人從開車這件事上排除掉,像十幾年前在 DARPA 挑戰賽中獲勝的隊伍一樣。

但和傳統解決思路相反的是,MIT 提出的「以人為中心」的理論將人置于感知和決策規劃閉環中的關鍵位置。因此,整車感知系統就變成了支持性的角色,為人類駕駛員提供外部環境信息,這其實也是為了解決機器視覺本身存在的局限性而考慮的。

圖7

圖8表 II MIT「以人為中心」自動駕駛系統執行的感知任務,包括對駕駛員面部表情、動作以及可駕駛區域、車道線以及場景內物體的檢測 | MIT

在 MIT 的研究中,工作人員圍繞這個原則設計了幾條關鍵的算法。表 II 是其中幾個典型的案例。首先,從視覺上可以看到神經網絡做出的判斷、道路分割的區域以及對駕駛場景狀態的預估的可信程度;其次,將所有的感知數據整合并輸出融合式的決策建議,這樣在表 IV 的場景下就能夠對整體風險進行預估;再次,MIT 一直使用的是模仿學習:將人類駕駛員操控車輛時方向盤的動作作為訓練數據,進一步優化端到端的深度神經網絡;最后,MIT 使用的端到端的神經網絡屬于一個叫做「arguing machines(爭論機器)」框架的一部分,它為主要的感知-控制系統(表 III)提供了來自人類的監督。

這里的「爭論機器框架」是 MIT 2018年提出的一個概念,詳細技術細節可點擊(//1t.click/DAK)查看。它將主要 AI 系統與經過獨立訓練以執行相同任務的次要 AI 系統配對。?該框架表明,在沒有任何基礎系統設計或操作知識的情況下,兩個系統之間的分歧足以在人工監督分歧的情況下提高整體決策管道的準確性。

圖9表 III 對「爭論機器」框架在「Black Betty」自動駕駛測試車上的應用和評估 | MIT

圖10表 IV 通過結合車內外感知系統數據得出的融合型決策能夠充分預估可能發生的風險 | MIT

五、深度定制化(Deep Personalization)

這里涉及到一個「將人類融入到機器中」的概念。通過調整 AI 系統的參數,使其能夠更適合人類操作并呈現出一定程度的定制化。最終的系統應該帶有該駕駛員的行為特征,而不是像剛出廠時的普通配置一樣。

六、不回避設計缺陷(Imperfect by Design)

對整個汽車工業而言,處于很多原因的考慮,進行工程設計時通??悸親疃嗟氖恰赴踩?,所以要盡可能地講系統錯誤出現的頻率和程度降至最低?;瘓浠八?,對自動駕駛而言,完美是目標,這也導致了在進行某些功能設計時,可能會因其「不完美」和「不確定」的性質而放棄這些可能是「必要」的設計。

但是在 MIT 的研究看來,豐富、高效的溝通機制在設計用于實現「人機共駕」的人工智能系統時,是非常必要的因素。就「溝通」而言,系統存在的不完美對人和機器而言,在進行感知模型的交換和融合過程中,能夠提供密集、多樣的信息內容。如果將 AI 系統的不確定性、局限性和錯誤都隱藏起來,這也就錯失了與人建立信任、深度理解關系的機會。MIT 認為,此前業界在設計半自動駕駛系統時所采取的「完美」思路,可能是迄今為止所犯的嚴重錯誤之一。

而在開發「Black Betty」這輛無人車時,MIT 把人工智能系統的局限性通過文字和視覺的形式與人類進行充分溝通。例如將人類和機器對外部世界的感知視覺化,讓駕駛員知曉 AI 系統的局限所在。研究人員表示這種方式相比只是提供「報警」或者「模糊的信號」,是最簡潔有效的人機溝通方式。盡管這種溝通機制要實現還面臨一些技術上的難題,比如視覺化的過程通常對芯片的算力和實時調用的能力要求很高。但值得機器人、自動化以及人機交互等領域共同關注并思考解決的辦法。

七、系統級的駕駛體驗(System-Level Experience)

目前,汽車工業的工程設計過程中,一個最主要的目標就是「安全」。另一個則是「降低成本」。第二個目標導向的是??榛?、基于零部件的設計思考。但同樣的模式在面向機器人、計算機視覺、機器學習等領域的人工智能系統設計中卻有著迥異的理由。

譬如在設計中重視單一功能(目標物檢測等)的實現,能夠有效測試該算法的合理性并逐步使之得到改善和優化。但是這個過程也難免會把注意力過渡集中在單一功能而忽略了系統的整體體驗。

在過去的幾十年里,「系統工程」、「系統思考」這樣的原則一直在指導著汽車工業產品的輸出。然后,類似的思考卻幾乎沒有應用在自動駕駛汽車的設計、測試和評估過程中。正如 MIT 上面提到的這六大原則,人和機器都不可避免會有缺陷,只有當「人機共駕」這個框架在系統層面上得到考慮時,這些缺陷才可能有機會成為優勢。

對「人機共駕」的永恒討論

不管短期還是長期來看,其實很難預測自動駕駛的哪條實現路徑最終會成功,而且退一萬步說,你甚至都不知道什么樣的結果算得上是「成功」。在談到研究目的時,MIT 希望一套自動駕駛系統能夠同時滿足「安全」、「愉悅的駕駛體驗」和「提升的出行體驗」這三個要求,而不是彼此妥善折中。而盡管「人機共駕」這個話題在過去的十年里,是包括汽車工業、機器人在內很多領域研究的焦點,但它仍值得更深入的探討。

在今年四月份的上海國際車展上,Tier 1 供應商采埃孚聯合英偉達推出了coPILOT 智能高級駕駛輔助系統。這是一套定位「L2+級」 的自動駕駛輔助系統,目的是提高乘用車的安全性和駕駛舒適性。從產品名稱不難看出,這套系統同樣強調了「人機共駕」的概念。它配備了相應的傳感器和功能,能夠監控駕駛員并在發生潛在危險情況時觸發警告。例如,當發生駕駛員注意力不集中、幾乎完全未將注意力放在路面交通上或顯示出瞌睡跡象等。所以人工智能扮演了「私人駕駛助手」的角色,這個產品理念與 MIT 的研究不謀而合。

到底完美解決駕駛任務比完美管理人類的信任和注意力哪個更難?這是值得深思熟慮的問題。MIT 認為關于這個問題的討論仍不會停止,不管是這篇論文還是「Black Betty」這臺無人測試車,都是基于「人機共駕」研究的成果,MIT 認為它是開發「以人為中心」自動駕駛系統的必由之路。

來源:車云網

閱讀全文

埃貝赫推冗余電子安全開關 確保L4自動駕駛汽車安全功能正常運行

據外媒報道,德國一級汽車零部件供應商埃貝赫(Eberspaecher)非??春米遠菔壞奈蠢?,并希望為下一代汽車貢獻技術。該公司表示,車道偏離預警系統以及車距控制器等半自動功能已經提供了很高程度的舒適性和安全性。

因此,為了滿足自動駕駛的高要求,埃貝赫專門研發了一款電子開關系統,該系統具備很強的可靠性和魯棒性,而且通過了一系列的驗證。今年秋季開始,該冗余安全開關系統(Redundant Safety Switch)將投入量產,此類基于半導體的開關可用于L4自動駕駛汽車。

圖1

(圖片來源:埃貝赫官網)

半自動駕駛(據SAE J3016標準,L3)已經成為很多車輛的標準功能,車道偏離預警系統、停車輔助或自適應巡航控制等應用讓如今的道路交通更易于管理。為了實現更大的安全性以及讓車輛提高操作所有自動化功能的能力,埃貝赫提供了各種電子開關組合產品,可根據車輛電網的拓補結構靈活配置與組合。如有必要,此類開關系統可確保所有與安全相關的功能能夠正常運行,從而使車輛,即使在無法預見的情況下,也能繼續行駛。

未來,下一代的自動駕駛汽車將使用冗余安全開關系統。此類半導體開關在發生過壓、欠壓或短路等情況時,會自動連接和斷開混合動力汽車和電動汽車的12V電網,從而確保在不到100微秒的時間內,與安全相關的功能可得到?;?。今年秋季,埃貝赫將開始為一家知名汽車制造商量產該開關系統。

來源:蓋世汽車

閱讀全文

特斯拉可以全自動駕駛了?專家認為不靠譜

昨天自動駕駛投資者日上,特斯拉CEO馬斯克又帶來了一個重大聲明——全自動駕駛即將實現了。

圖1

雖然發布會上馬斯克一如既往的遲到了半小時,也很直白的告訴大家我又遲到了,不過對于接下來消息的重磅程度來說,這點不守時好像不算什么。馬斯克表示,今年晚些時候,特斯拉的車型能夠達到真正的L5級無人駕駛狀態,明年第二季度,車主們可以真正的放開雙手、閉上眼睛,讓車自己駕駛了。

圖2

但是現場沒有任何演示視頻,也沒有什么證據表明特斯拉能夠達到所謂的L5級無人駕駛。特斯拉只展示了一些最新自己研發的HW3.0 全自動駕駛的硬件細節,不過軟件方面的展示顯得很無蒼白。

圖3

HW3.0對畫面處理能力為每秒2300張,是HW2.5的21倍;計算能力提升了大約7倍;HW3.0 芯片由三星代工,在3月20日后生產的Model S/X 、4月12日后的Model 3 已經是HW3.0硬件;HW4.0也在研發中了,預計2年后才會出來,性能比現在HW3.0提升3倍。

圖4

馬斯克還大膽的懟了所有其他企業,因為他公開稱使用所謂的激光雷達是非常愚蠢的行為,而幾乎所有其他自動駕駛公司都采用了激光雷達的模式,特斯拉則大量依靠攝像頭。馬斯克的理由很簡單,現在的車都是人開的,人只有眼球,可沒有激光雷達啊,為啥人可以不用激光雷達開車,自動駕駛汽車就非要用它呢?

不得不說,馬斯克充滿激情和野心,不過專家認為全自動駕駛不是靠他個人的意志力就能實現的。畢竟這是生死攸關的事業。所以三個小時的發布會雖然看上去很精彩,可是實際上缺乏細節,經不起推敲。

來源:AutoGrace

閱讀全文

自動駕駛發展困難重重 Phantom Auto融資進軍遠程駕駛行業

據外媒報道,遠程駕駛初創公司Phantom Auto在其A輪融資中成功融得1350萬美元(約合9096萬元人民幣),此輪融資由美國柏尚風險投資公司(Bessemer Venture Partners)領投,融得的資金將用于擴大物流業務,此類物流業務只要在人行道、倉庫和貨場開展。如今,所有上述地點都部署了自動駕駛和遠程操作技術。

圖1

(圖片來源:Phantom Auto)

該初創公司于2017年成立,迄今為止已經籌得約1900萬美元(約合1.27億元人民幣)。目前,在公共道路上部署自動駕駛卡車、自動駕駛出租車服務以及其他自動駕駛汽車技術應用的“競賽”遇到了阻礙。隨著自動駕駛汽車部署時間的不斷推移,各大公司漸漸沉寂了下來。有些公司已經轉型、倒閉或者被其他資金狀況較好、正在尋找人才的公司收購。即使是Alphabet公司旗下的Waymo也僅在鳳凰城郊區,為一小部分乘客提供自動駕駛網約車服務。如果車輛出現故障,通常車上的安全駕駛員會接手駕駛任務,遠程監控器也可以進行干預。因此,其他公司,如Phantom Auto就開始在新領域擴張。

Phantom Auto公司聯合創始人Elliot Katz強調表示,該公司仍在與客戶合作,在公共道路上部署自動駕駛乘用車和商用車。但是,短期內,物流行業具有更大的發展潛力。

Phantom Auto的遠程操作平臺可允許遠程駕駛員在必要時控制自動駕駛汽車,而遠程駕駛員有時可位于數千里之外。該平臺使用公共蜂窩網絡運行,設計初衷并不是為了立馬接管駕駛任務,以避免發生事故。相反,該平臺被用作備用安全措施,在車輛遇到難以處理的情境或是感到迷惑甚至卷入事故中時,該平臺可控制車輛。

應用于物流行業時,Phantom Auto的系統主要用于低速環境,遠程控制中心可在全國任一地方控制公司的貨場卡車。但是,Phantom Auto并沒有在物流應用中部署遠程駕駛員。該公司物流行業客戶希望培訓自己的員工使用該平臺。此應用也不一定會取代在地面上操作貨場卡車或叉車的駕駛員。

來源:蓋世汽車

閱讀全文

無人駕駛,會不會被黑客操控成“僵尸”汽車?

無人駕駛汽車逐漸開始在商業場景中民用,但其通過物聯網進行操控的自動駕駛系統仍然存在較大的失控風險。

就在前幾日,騰訊科恩實驗室發現了特斯拉Model S轎車的自動駕駛系統(版本2018.6.1)存在著三大漏洞,其中包括了可以通過外部激活車輛的雨刷系統、通過在道路上設置一些特定的標記可以欺騙Model S的自動駕駛系統使其駛入錯誤車道,并且通過無線游戲手柄就可以操控Model S的轉向系統,從而控制車輛,使其成為“僵尸汽車”。

圖1

圖片來源@視覺中國

無人駕駛這樣的漏洞,如同《速度與激情8》的一個場景,影片中一名黑客入侵多輛無人駕駛汽車使其成為“僵尸汽車”,通過一對多的操控達到任由擺布的效果。

圖2

網友對《速度與激情8》黑客操控無人車討論

想象一下,如果在未來有一天幾十輛無人駕駛汽車突然發瘋了一樣四處亂闖,將會嚴重危害公共安全,那么在現實中,無人駕駛汽車即將投入商業運營,究竟會不會被黑客操控成所謂的僵尸汽車?

1、

僵尸汽車是僵尸網絡的延伸

圖3

馬斯克對科恩實驗室特斯拉汽車系統漏洞的推特回應

僵尸汽車的概念,是互聯網僵尸網絡的延伸?;チ隕鮮蘭?0年代初期開始迅猛發展,在其快速發展的過程中誕生的還有一種新的信息安全威脅方式,即通過結合病毒、木馬、蠕蟲技術為一體的僵尸網絡。

僵尸網絡的特點在于,通過一個黑客操控多臺被木馬等病毒感染的計算機,實現一種一對多的操控方式,構建成一個由一名黑客就能掌控的網絡系統。并且在黑客很少甚至不插手的情況下,僵尸客戶端能夠協同合作并針對同一任務完成目標行動。

圖4

僵尸網絡攻擊示意圖

“想象一下電影塑造所謂的僵尸形象,一個無血無肉,空有軀殼的東西,無自主意識聽從道士安排,僵尸網絡的宏觀意思就是這樣,眾多計算機在不知不覺中如同傳說中的僵尸群一樣被人驅趕和指揮著,成為被人利用的一種工具?!骯籩荽笱С盜竟こ套ㄒ到淌β藜謂饈偷?,”目前來講僵尸網絡對攻擊物聯網設備更感興趣?!?/p>

鋅刻度通過中國科研與計算機網得知,物聯網中形成的僵尸網絡與普通的PC電腦病毒不一樣,其傳播性更廣更快,可以通過龐大的物聯網系統感染海量的設備,其中就包括無人駕駛汽車。

黑客可以使用這些相同的物聯網連接無人駕駛汽車,通過藍牙、WiFi、輪胎壓力傳感器以及通過汽車的CAN總線連接幾乎任何外部切入點一旦黑客控制了CAN總線,攻擊AI系統是最常見的手段,同時突破自動駕駛汽車的網絡防御。

比如黑客可能試圖通過汽車傳感器/網絡,讓車載人工智能認為是真實的方式注入虛假數據,從而導致人工智能做出錯誤決定并使人員或貨物處于危險之中。

“雖然無人駕駛汽車往往有加密和身份驗證等硬安全措施,這些在理論上可以提供合理的安全防御措施,但是這些類型的安全措施的弱點在于,在黑客破解了一個嚴格的安全事件(即解密消息,輸入密碼等)后,通常沒有額外的安全措施來防止有人濫用系統?!甭藜謂檣?。

羅嘉認為未來萬物互聯,汽車是物聯網產品中的重要一環,如果沒有更有效的汽車安全防范機制,無人駕駛技術的安全性時刻會面臨僵尸病毒的威脅,當數據中心發生黑客攻擊時,最壞情況可能是數據丟失,但當自動駕駛汽車被黑客入侵時,可能發生的就是生命損失。

2、

也許情況沒有那么糟

圖5

特斯拉汽車參加Pwn20wn黑客會議

在三年前的一次實驗中,一名美國記者開著一輛Jeep Cherokee,然后被兩名黑客—Charlie Miller與Chris Valasek遠程控制,他們通過信息娛樂系統獲得了汽車的控制權,同時控制了車輛的轉向、剎車、雨刷和門鎖,除此之外,車輛的轉速表速度表的參數也被重置。

兩名黑客在此實驗后開始與無人汽車公司合作,試圖阻止此類事件的發生,就在去年的黑帽大會上,兩人紛紛表示,入侵無人駕駛汽車的難度極大,非一般的黑客可以做到。Miller解釋說,無人駕駛汽車必須持續監控環境,接收信息,而目前只要減少攻擊面就可以大大降低被入侵的風險。

事實上,要想成為僵尸汽車的前提是通過物聯網傳播僵尸病毒,通過一對多的形式操控一輛甚至多輛無人汽車?!白遠菔黃的殼耙攬懇桓齷蛄礁齟釁鶻形鍰寮觳?,那些完全自動駕駛的車輛將具有多個傳感器和通信層?!盋hris Valasek指出,鑒于破解單個傳感器已經很棘手,一些黑客會更難以入侵復雜的傳感器系統,并且需要多層設置才能不斷訪問實時交通和行人數據。

“從理論上講,自動駕駛汽車的多個傳感器和通信層之間固有的互聯性可能使他們更容易受到網絡攻擊,因為他們提供了更多的‘切入點’,然而,出于同樣的原因黑客攻擊連接的自動駕駛汽車也更加困難,”無人駕駛智行者技術工程師曼曼告訴鋅刻度:“必須找到對多層系統的訪問,該系統集成了來自多個傳感器的信息以及實時交通和行人數據,這可能對黑客構成嚴重障礙。與物聯網相關的解決方案也可用于增強其安全性,例如集成基于量子力學的安全加密系統?!?/p>

目前針對黑客入侵的潛在威脅,一些高科技企業和汽車制造商已經在這方面采取了一些行動。

菲亞特公司目前通過使用一些額外的傳感器吊艙,通過對傳感器等硬件的升級改裝來提升其安全性,但依然有不少專家指出,通過傳感器升級來提升安全性目前可能沒有問題,但其更新速度遠遠趕不上黑客技術的提升,所以這種方法在成本以及時效性上還有一定問題。

特斯拉汽車今年參加在加拿大溫哥華舉行的Pwn2Own(一年一度的黑客和安全會議)會議時,通過獎勵的方式最終讓兩名黑客成功入侵特斯拉Model 3汽車,對此特斯拉副總裁David Lau表示,通過參與此類安全會議,不斷升級自己的安全防御軟件,并通過人工智能的協作來進一步提升無人駕駛的安全性。

除此之外,GuardKnox車輛網絡安全公司提出在無人駕駛汽車的通訊連接處建立一個安全系統。該系統在車輛的各種網絡之間實施正式驗證和確定的通信配置,其阻止任何未驗證的通信。必須驗證任何試圖訪問車輛中央網關ECU的外部通信,無論存在多少易受攻擊的接入點,都能有效地鎖定整個系統。集中化對于防止黑客從其通信網絡訪問自動駕駛汽車的核心系統至關重要。

3、

5G時代的出現又將面臨新問題

圖6

Voyage 總經理 Dean Bushey

“5G時代的到來毫無疑問會給無人駕駛汽車帶來新的機遇?!弊遠菔黃倒綱oyage的總經理Dean Bushey在今年1月表示5G技術將有助于使自動駕駛汽車更安全。

Dean Bushey 解釋道:我們任何時候都想要獲得更低延遲,更高效的寬帶,因為任何超過一百毫秒的延遲都會導致我們的汽車中斷,而這5G的到來可以完美的解決這一問題。

針對5G時代對無人汽車帶來的影響,網絡安全巨頭Avast的高級研究員馬丁·赫倫(Martin Hron)卻表示,第五代移動網絡很可能使自動駕駛車輛比現在更容易受到攻擊。

未來5G的大量應用將使得5G極有可能允許更多部件和系統的自動駕駛汽車更容易連接到外部世界以至于擴大黑客的攻擊面與切入點。

如何降低5G對無人駕駛帶來的風險放大機遇呢?Martin 表示汽車制造業,特別是無人駕駛汽車的研發和制造要領先于黑客技術,Tesla,Google Waymo都在朝這個方向做,但需要更完善的車輛網絡安全機制。

“汽車制造業需要借助現有的安全技術并進一步研發領先黑客攻擊的技術,以完善包含無人駕駛在內的車輛網絡安全機制,比如在最初產品設計階段車輛就必須將安全防護詳細化?!?/p>

5G產業化發展對無人汽車主要影響在于云端到嵌入式端數據交互延遲的降低和寬帶速度的增加,但這個方案對信息安全、隱私?;さ榷繼岢鎏粽?,換句話說,在5G時代由于網速的幾何提升,其無人駕駛系統客戶的隱私更易泄露。

除此之外,無人駕駛汽車是基于人工智能與物聯網基礎上組成的系統或網絡,如上文所述,無人駕駛汽車早已不是單個實體,所以一旦被黑客攻擊,其切入點與攻擊面都更大,黑客找尋到薄弱環節成功入侵的可能性加大。

所以Avast安全專家警告稱:雖然現在5G應用內的無人駕駛汽車還在觀望階段,但如果沒有很好的應對方案,未來5G與物聯網的結合將會使無人駕駛汽車被黑客入侵的可能性加大。

4、

觀點

每一代新技術的出現都有他自身的價值以及伴隨而來的安全隱患,無人駕駛與互聯網都有著被黑客侵入的網絡安全風險,但這樣的問題并沒有被汽車制造商、研發者所忽視,比如前文提到的特斯拉在黑客會議上出錢出車要求黑客對其攻擊,并因此研究下一代安全防護系統。

事實上,目前對這些風險意識的所有關注只會有助于鼓勵以最安全的方式制造新一代自動駕駛汽車所需的更深入的研究。正如Avast的高級研究員馬丁·赫倫所指的那樣,無人駕駛安全技術需要領先于黑客入侵手段,并不斷在軟件硬件上進行升級變更,以提高抵御惡意攻擊的能力,使自動駕駛更安全。

來源:鋅刻度

閱讀全文

寶馬集團推高性能IT平臺 處理自動駕駛汽車數據

自動駕駛汽車需要的不止是額外的硬件,此類汽車還需要訪問大量高質量的數據,以及數百萬行的代碼,以實現安全駕駛。此外,自動駕駛汽車自己也會生成數tb的數據,在研發過程中需要對此類數據進行分析,從而深度學習算法才能做出更安全的駕駛決策,并隨著時間推移不斷得到改進。目前,汽車制造商們面臨的挑戰就是如何對此類數據進行分類和分析,以便更有效地利用此類數據,并與其他自動駕駛汽車共享。

圖1

(圖片來源:寶馬集團官網)

據外媒報道,為解決上述問題,寶馬建立了自己的IT平臺,D3?!癉3”代表著“數據驅動開發”(Data-Driven Development),是研發寶馬自動駕駛汽車以及驗證寶馬自動駕駛汽車數據的基礎。新款寶馬D3平臺的推出,是寶馬邁向高度自動駕駛道路上的一個重要里程碑。該平臺是一個不可或缺的工具,可確保將于2021年底推出的寶馬iNEXT車型能夠提供安全、可靠的L3系統。

多年來,寶馬一直在應用數據驅動開發的方法,該方法基于這樣一種假設,即繪制以及最終處理每塊大陸上所遇到的各種復雜、多樣的交通情況的唯一方法是收集大量數據,也表明必須通過一個廣闊的數據池來驗證自動駕駛的算法和整體操作。

此過程的第一步是收集來自測試車隊的大約500萬公里(約為310萬至370萬英里)的真實駕駛數據。從收集的數據中,提取200萬公里(約為125英里)的與駕駛場景和環境因素最相關的數據。由于寶馬采用了數據限定條件和過濾法挑選定性數據,收集的數據的相關性正不斷提高。之后,在開發過程中,200萬公里的駕駛數據會定期進行再處理,即當新的控制單元完成集成,可投入使用時,為了評估新集成的單元在性能上是否提高,就會對數據進行再處理。

該200萬公里的數據不斷擴大,還增加了2.4億公里(約合1.5億英里)的模擬生成的數據,此類模擬數據主要基于相關的駕駛場景,并確保在開發過程中適當考慮到現實駕駛的多樣性。處理200萬公里的真實駕駛數據以及2.4億公里模擬駕駛數據需要一個高性能的數據平臺,該平臺需要具備230拍字節(petabytes)的存儲容量,10萬多核和處理200多個GPU(圖像處理單元)的計算能力。

而寶馬高性能D3平臺每天可收集超過1500TB的原始數據,存儲容量超過230PB,10萬多核和處理200多個GPU的計算能力,每兩周有50PB數據進入硬件在環(HiL)仿真站。

此外,寶馬還與IT服務公司DXC Technology合作。DXC公司于2017年成立,由美國計算機科學公司(CSC)與惠普公司的企業服務部合并而成。DXC主要負責設置和運行數據中心,研發支持自動駕駛開發的應用程序,旨在讓自動駕駛系統上市之前,降低其成本和研發時間。DXC的應用程序可讓寶馬的研發團隊收集、存儲和管理車輛傳感器的數據,還能在幾秒鐘時間內訓練自動駕駛機器學習算法。

來源:蓋世汽車

閱讀全文

Momenta推出高速自動駕駛方案,CEO曹旭東:人車共駕還要存在20年

“如果三十年以后,你們去采訪當時最成功的自動駕駛企業家,我希望這個企業家是曹旭東?!比漲?,Momenta公司CEO曹旭東在蘇州總部揭幕儀式上表示,“然后你們問他,你的企業成功關鍵是什么?他一定會說一個關鍵詞,就是‘規?;??!?/p>

33歲的曹旭東,在這輪以自動駕駛為主的技術創業潮中,表現得格外成熟。他沒有直接扎進資本熱烈追逐的Robotaxi領域,而是將Momenta定位成Tier 2,提供自動駕駛的環境感知、高精度地圖和規劃決策技術,從后裝產品開始,逐步過渡到高速公路L3級的自動駕駛,再到限定場景的L4自動駕駛,最后是完全無人駕駛。

圖1

Momenta公司CEO曹旭東

如今Momenta的產品線正按部就班向前推進,在產業鏈中也開始逐漸滲透。

3月25日,Momenta宣布總部即正式落地蘇州,公司已在蘇州建立起工程中心、產品中心和商務中心,全面推動自動駕駛技術量產化,而在北京,Momenta將繼續保留研發中心,支持公司基礎算法的研發。

同時,Momenta也推出了可量產的結構化道路自動駕駛解決方案Mpilot,該方案采用了符合車規級、可量產的感知方案,其利用攝像頭、毫米波雷達、高精度地圖與定位技術融合的方式,能夠實現高速公路上下匝道、主動變道、應對緊急加塞等復雜場景的自動駕駛,并在雨天、黃昏繁忙時段、夜晚等極端環境下依然保持良好的性能。

在不少Level 3級高速自動駕駛中,往往需要激光雷達加強感知能力,但是Mommenta公司CEO曹旭東認為,自動駕駛關鍵的是量產和規?;?。但如今市場中,尚未有一款激光雷達產品能滿足量產所需的低成本和高穩定性。

曹旭東表示,Momenta的核心技術是基于深度學習的環境感知、高精度地圖和駕駛決策算法,在過去三年,公司圍繞這三大能力做了大量部署,而在未來3年,Momenta將基于感知、地圖和駕駛決策,進一步將技術產品化,形成多個不同級別的自動駕駛解決方案。

圖2

相應的量產方案也已經有了推出時間表:

2019年第一季度,推出高速自動駕駛量產方案,也就是本次發布的結構化道路解決方案;

2019年第二季度,發布限定場景內的自主泊車方案;

2019年的第三季度,發布完全無人駕駛的方案。

2020年第一季度,推出城區的自動駕駛解決方案。

“結合深度學習技術與可量產的傳感器、計算元件,將自動駕駛技術進行產品化,是實現前裝量產落地的關鍵?!輩芐穸?。

“要在規?;牡纜飛鮮と艘懷鎩?/h3>

“只有做到規?;?,成本才能迅速地降低,汽車行業對于規?;吹某殺窘檔鴕丫淺J煜??!輩芐穸?,“另外,自動駕駛具備互聯網屬性,規?;被崠淳藪蟮耐縲в?。網絡效應就意味著更大量的產品可以帶來更多的數據和更多的反饋,從而強化產品體驗?!?/p>

在曹旭東看來,規?;叢斕撓沒Ъ壑翟蕉?,成本就會越低,“基本上你在規?;牡纜飛夏芄皇と艘懷锏幕?,很快就可以奠定自動駕駛領域第一的地位?!?/p>

那么,規?;哪讜誶κ鞘裁??曹旭東一語指出,數據和數據驅動的算法。自動駕駛所需要的數據,包括感知數據、高精度地圖數據、駕駛行為甚至接管的數據。

據鈦媒體了解,Momenta已經借助與車隊合作等途徑,部署了大量傳感器,覆蓋中國20多個城市,而這些眾包數據不僅都來自可量產的視覺傳感器,還內視的相機和外視相機,內視主要是看人,外視主要是看車和路。

“自動駕駛越發展,長尾問題越多,如果要做到一萬公里不接管,可能有一萬個問題要解決,假設一個問題需要10個人的小團隊工作三個月,可能需要上萬人的團隊,這是不可能的。所以基于海量的駕駛行為的數據和接管的數據,數據驅動的算法也會變得非常重要?!輩芐穸?。

曹旭東為Momenta制定了兩條規?;?,一條是面向乘用車,量產人車共駕的自動駕駛方案;另外一條是推出沒有方向盤的完全無人駕駛,主要應用于無人出租車和無人卡車領域。

“只有通過量產的自動駕駛才能獲得前面提到的海量數據,包括感知的數據、地圖的數據、駕駛行為的數據和接管的數據。有了這些數據流向,完全的無人駕駛系統才會提升?!輩芐穸?,

這套邏輯似乎不難理解,但要實現這樣一個協同增長的效果,并沒有想像中那么容易。

“原因正是量產人車共駕的自動駕駛方案和完全無人駕駛方案,必須共享相同的傳感器,這樣數據流才能打通,同時完全無人駕駛的技術才能快速地落地到量產方案上去,如果傳感器的方案不一樣的話,就像特斯拉是幫不了Waymo,同樣Waymo也是幫不了特斯拉?!輩芐穸醞庵獠煌夂?,在完全無人駕駛的方案里,必須以量產傳感器為主,而且跟量產自動駕駛方案保持一致。

而Momenta在過去3年的發展中,已經在踐行這一原則。

一切為了量產

據介紹,為了攻克量產方案,Momenta解決的一個關鍵難題是搭建算法模型平臺。

因為Momenta主要基于視覺傳感器和深度學習建立環境感知算法, 因此,對計算芯片的算力要求非常高,而建立一套無損壓縮的算法模型平臺,無疑將直接有助于技術方案量產落地。

“如果使用500瓦的GPU,每個GPU都是上千美金,這個GPU是很難做到量產的,所以我們在模型平臺上做了大量的研究。使得我們的算法模型可以跑在幾十美金的嵌入式芯片上,功耗只有幾瓦?!安芐穸懔艘槐收?,以每一輛車的出貨成本減少幾百美金計算,如果出貨量是百萬臺車的話,每年節省的費用就是幾億美元,“而且功耗做得更低,對于量產來說做得更好,使得產品更加安全和穩定?!?/p>

圖3

同時,為增加自動駕駛感知的準確性,高精度地圖也不可或缺。2018年9月,Momenta獲得國家自然資源部頒發的甲級測繪資質,并基于視覺眾包路線,制作了高精度地圖。

“當時激光雷達還很貴,我們就采用了對量產來說更友好的技術路線,就是視覺為主建圖的技術路線和視覺為主的自定位的技術路線。現在基于視覺的建圖,精圖已經做到10cm以內,而定位的精度在大多數情況下小于10cm?!輩芐穸?,在城市區域的建圖和定位中,Momenta也使用了消費級的GPS和消費級的IMU。

曹旭東表示,即便是在之后推出的完全無人駕駛方案和城區內的自動駕駛方案,Momenta也將堅持可量產原則。

“2019年的Q3,我們會發布完全無人駕駛的方案,這一方案同樣是以量產的傳感器為主,會有12個攝像頭再加上5個毫米波雷達,LiDAR(激光雷達)雖然會使用,但是LiDAR在整個自動駕駛系統中起到的作用不是主要的,還是相對次要的?!輩芐穸?,“2020年的Q1,我們會發布在城區內的自動駕駛,而這個城區內的自動駕駛仍然會使用量產的傳感器,以攝像頭和毫米波雷達為主?!?/p>

雖然會在今年第三季度就推出完全無人駕駛方案,但是對激光雷達角色的弱化,讓Momenta對這一技術的落地預期大幅拉長。

“中國每年的汽車銷量差不多三千萬臺,所以,自動駕駛量產方案出貨量小則百萬臺,大則是千萬臺以上,它對安全性要求極高,因此,在量產的方案上,我們的預判大概需要20年時間,這20年的時間內都是以人車共駕為主?!輩芐穸?。

報道顯示,自2016年成立至今,Momenta累計獲得超2億美元資金,總體估值超過10億美元,投資方陣營包括騰訊、戴姆勒等戰略投資者,招商局創投、上海國資經營公司旗下國鑫資本、蘇州元禾資本與建銀國際等多位國資背景投資者,以及凱輝中法基金、蔚來資本等產業投資者。

獲得資金彈藥和產業鏈資源后,Momenta將總部遷至辦公成本更低、落地條件更多的蘇州,顯然已經做好了準備,以應對量產自動駕駛的持久之戰。

來源:鈦媒體

閱讀全文

文遠知行公布自動駕駛運營路線圖:全新升級自動駕駛方案

繼去年10月份拿到了雷諾日產三菱聯盟領投的A輪融資后,文遠知行繼續加速自己的運營計劃。2020年是文遠知行自動駕駛的運營年,這是文遠知行從未更改過的目標。

圖1

文遠知行的CTO李巖認為,從技術儲備而言,文遠知行已經有足夠的信心進行自動駕駛的落地。在2019年的GTC會議,文遠知行也對外公布了自己的技術最新進展—— 全新的L4級自動駕駛方案。

他告訴雷鋒網新智駕:這是一套預商業化解決方案?;謊災?,也是一套為運營落地而生的技術方案。

同時,李巖也強調:和以往的方案相比,這是一套成本更低、安全性能更加高、更加適合中國路況的自動駕駛解決方案。在GTC上,文遠知行也首發了一款新的L4級日產LEAF 2,新車型的加入也是壯大了文遠知行的運營隊伍。升級后自動駕駛方案,進化在哪?

在李巖看來,這次的技術升級對于文遠知行而言,具有“里程碑”式的意義。

此次在LEAF 2的車上配置了2顆激光雷達,2顆Velodyne近距雷達、1顆Luminar的固態激光雷達,超過10個相機(包括前視遠焦相機、環視相機)、以及5個毫米波雷達。前向的攝像頭等效于129線的激光雷達覆蓋,側向有144線的激光雷達覆蓋,與之前方案相比,雷達點密度提高了一倍以上。

對于在200米半徑下這些低于10%的這種反射率的物體,都可以通過激光雷達進行穩定的檢測。

全新的傳感器配置也帶來了相應的功能升級。

  • 車頂配備可實現360度視場的全覆蓋——對攝像頭、激光雷達、毫米波雷達三類傳感器實現了360度的覆蓋。此前的方案當中只具備是前向、側向的感知。全新的設置可以通過不同波長的傳感器的不同特性,可以對車輛周圍所有的目標進行多重的確認、以保證目標檢測的準確行和可靠性。
  • 采用分辨率更高、測距更遠的激光雷達組合,檢測距離從此前的120米擴展至250米,提升了感知的范圍和性能。
  • 使用了英偉達的DRIVE AGX Pegasus平臺,由多個傳感器收集的數據可實現時間同步,包括(激光雷達、相機、毫米波雷達、IMU、定位傳感器、GPS,所有的數據在統一的時間區域中進行數據處理,其中激光雷達和相機能夠進行象素級的同步,保證識別的精度和準確性。)

隨著傳感器的配置發生變化,與之相對應的則是標定方案也發生變化。在全新的標定方式當中,較為獨特的是,車頭處有一顆激光雷達。李巖告訴雷鋒網新智駕:這樣的標定方式能夠更加適應中國的路況。激光雷達的放低可以更加精準地檢測到前方的細小物體、以及在窄路的路口、無?;さ撓易?、低速路到高速路的切換、輔路并入到高速公路等場景中,有效地彌補車輛視覺的盲區。此外,文遠知行也進行了冗余的設置,整個軟件的架構得到了全面的升級,車廂內部的走線布局、散熱都進行了特殊的處理。

傳感器本身價格的下降和文遠知行軟件的進化能夠有效地彌補硬件上的缺陷,都是促成本次方案成本壓縮的重要原因。

創立兩年,文遠知行已經完成了自動駕駛技術在3種不同車型上的適配,包括最早的林肯MKZ,后來的廣汽傳祺GE3,以及新近加入的日產LEAF 2。此次的LEAF 2新車型的上線,和之前的雷諾日產三菱聯盟的戰略投資有緊密的關系。

日產在硬件以及里程控制上,給文遠知行提供了全面的支持,包括剎車、油門、方向盤、換擋等最底層的信息都能夠拿到第一手的資料(更多的底層協議)。這種緊密的打通,使得LEAF 2和文選知行的自動駕駛方案形成了深度的整合,接近于原廠的設置。

為了保障運營的安全性能,新升級的L4解決方案,增多了一個Safety co-pilot的系統。Safety co-pilot由原來的remote control(遠程控制)升級而成,在緊級的情況之中能夠提供一種接管的方法,相當于提供了一個冗余的系統,多一道安全?;ご朧?。

圖2

500輛規模的自動駕駛車隊

完成了硬件上的升級之外,文遠知行計劃完成組建500輛自動駕駛的車隊,屆時下一代自動駕駛車隊使用NVIDIA DRIVE AGX Pegasus平臺。

李巖告訴雷鋒網新智駕:“車隊的投放并不是為了大量地增加營收和獲取利潤,更多地是把產品進行一個端到端的設計,在運行的過程中能夠盡量發現一些漏洞?!?/p>

隨著車隊規模的進一步擴大,測試的路線也更為豐富—— 主要是以生物島為圓心,在周邊附近逐步擴大這個測試的范圍,與此同時,測試車輛也在廣州不同的區域都進行了路測。

車隊擴大更為長遠的意義在于運營能力的落地。

據文遠知行市場副總裁張力向新智駕透露:文遠知行的運營天數已經達到了413天,里程數達到260,000公里,接待人數超過了4000人。(新智駕注:這是截止至3月20日的數據,最新數據請以官方公布數據為準)

在現階段文遠知行的運營規劃當中,路線運營的首要因素是安全,傾向選擇人車分流的道路。此外,張力也向新智駕表示:在實際的運行過程當中,并不用過多地考慮所謂的MPI,出于安全的考慮多做一些接管也無妨。實際上,運營就是為了驗證商業模式的可行型,其中最為關鍵步驟就是完成從0收入到有收入的變化,也就是自我造血能力的培養。

張力透露:目前,文遠知行也在和廣州最大的出租車公司進行洽談,希望進一步推進自動駕駛的落地。

正式成立兩年,文遠知行仍在攻克自動駕駛技術上的難關。 在一邊攻關的同時,文遠知行也在探索如何加速落地的進程,探索如何擁有造血的能力。這次的技術升級進一步壓縮了自動駕駛成本,對文遠知行而言都是一個重要的開始。

來源:雷鋒網

閱讀全文

俄羅斯互聯網巨頭Yandex與現代合作開發自動駕駛控制系統

北京時間3月21日消息,據雅虎新聞網報道,俄羅斯智能產品以及基于機器學習提供服務的供應商Yandex同全球最大汽車零部件制造商之一的現代摩比斯(Hyundai Mobis)已經簽訂了一份諒解備忘錄。兩家公司計劃合作開發適用于第四和第五級別自動駕駛汽車的控制系統,雙方期待利用Yandex已有的自動駕駛技術和現代摩比斯在汽車行業的豐富經驗相結合以提升產品服務競爭力。

圖1

據報道,諒解備忘錄的簽訂還為雙方在其他領域的合作創造了可能,比如合作開發整合Yandex技術服務(包含語音、導航和地圖等)的產品。

Yandex和現代摩比斯合作的第一步正是雙方將聚焦于打造一款基于現代或起亞標準量產車型的自動駕駛原型車。兩家公司在未來還計劃開發出一款全新的駕駛控制系統,該系統將作為外界解決方案供汽車制造商、共享汽車服務供應商以及出租車隊使用。

Yandex首席執行官阿卡迪-沃洛澤(Arkady Volozh)在接受記者采訪時表示:“我們的自動駕駛技術是獨一無二的,其已經證明了自身的可擴展性。我們的自動駕駛汽車已經成功的在莫斯科、特拉維夫和拉斯維加斯上路行駛,這也意味著Yandex自動駕駛車隊可以覆蓋到全世界的任何地方?!?/p>

據悉,Yandex早在2017年春天就開始測試自動駕駛汽車,到2018年中期在歐洲推出當地首個全自動駕駛服務。值得一提的是,Yandex自動駕駛出租車在俄羅斯Innopolis和Skolkovo開展測試行駛時,即便在冬天車內只有一位安全工程師坐在副駕駛位置上。Yandex還將自己的自動駕駛汽車開到了其他國家和地區,并已在以色列開展行駛測試,而在今年的消費者電子展上Yandex自動駕駛汽車來到現場并進行展示性行駛。

現代摩比斯是現代汽車集團的附屬企業之一,后者是全球五大汽車制造商之一,其生產現代、起亞和Genesis品牌汽車。同時,現代摩比斯也是全球十大汽車零部件制造商之一。該公司致力于新技術的研發,而眼下其也正在推進自有自動駕駛汽車的開發工作。現代摩比斯在自動駕駛汽車技術上具有前瞻性的技術優勢,此前計劃利用3D手機游戲軟件研發自動駕駛系統。現代摩比斯表示,使用高清的視頻游戲圖像創造各種駕駛條件,可讓其更高效且安全地檢查自動駕駛汽車系統的攝像頭,后者是自動駕駛汽車系統不可缺少的組成部分。該公司表示此類視頻可用于模擬夜晚或惡劣天氣條件和復雜的城市駕駛環境。此外,其還能用于檢查攝像頭是否能夠檢測和處理在路邊現場可開展的一般維修工作。

Yandex是俄羅斯的互聯網服務巨頭,類似中國的百度和美國的谷歌。Yandex旗下的搜索引擎在俄羅斯擁有逾60%的市場占有率,同時也提供其他一系列互聯網產品和服務。數據顯示,Yandex是目前世界第五大搜索引擎,Yandex的主頁Yandex.ru是俄羅斯訪問量最高的網址。

來源:騰訊汽車

閱讀全文

NR再發自動駕駛排行榜:Waymo、Cruise 領跑,百度排名提升

最近,那個著名的研究機構 Navigant research 又發布了最新一年的自動駕駛競爭力排行榜。Waymo 和通用旗下的 Cruise 毫無懸念地處于領跑位置,而百度則是唯一一個上榜的中國公司。

圖1

圖2

和以往一樣,這個排行榜分為兩個維度:圖中橫軸代表「戰略/策略」,縱軸代表「執行」(可以理解為落地速度)。

評判這些公司的維度包括:愿景、市場化策略、合作伙伴、量產策略、技術、銷售、市場份額、產品質量和可靠性、產品組合等等。 在這個榜單里,并不是所有自動駕駛團隊都「有幸」上榜,Navigant 只是列出了一些有代表性的公司、聯盟。

這些公司被分為四類:領導者、競爭者、挑戰者和追隨者。

領導者:Waymo、Cruise、福特。

競爭者眾多,包括:安波福、英特爾-Mobileye、百度、豐田、大眾集團、戴姆勒-博世、雷諾日產三菱聯盟、寶馬-英特爾-FCA 聯盟、現代汽車、沃爾沃、Uber、Zoox、Navya 等。

挑戰者:蘋果、特斯拉、Voyage Auto。

追隨者:無

在戰略層面(橫軸),前五名分別是福特、Waymo、Cruise、安波福、百度。

在執行層面(縱軸),前五名分別是 Cruise、Waymo、戴姆勒-博世、福特、大眾集團。

我們再來看看之前兩年 Navigant research 給出的排名。

去年:

圖3

前年:

圖4

對比來看,能發現一些有趣的「趨勢」,比如:

1. 在 2017 年,Navigant research 報告中的「領導者」還都是整車廠,到了 2018 年,這個陣營里整車廠、供應商、科技公司扎堆,而到了今年,「領導者」完成洗牌,Waymo 和 Cruise 登頂,也算是眾望所歸。

圖5

2. 特斯拉是真的不受 Navigant research 待見,2017 年還算是「競爭者」,最近兩年在圖中排名都是倒數。建議特吹拉黑警告。

3. 這里重點說說百度。在這三年里,百度的排名逐年提升。作為榜單里唯一上榜的中國企業,Navigant research 對百度的認可,也符合 Apollo 計劃日益成熟的事實,以及中國自動駕駛領域領軍者的地位。

相比去年,在這份榜單里,百度在戰略、執行這兩個維度上都取得了進步。尤其是在最近的半年里,Apollo 計劃在商業化落地上給我們留下了深刻的印象:2018 年 11 月的百度大會上,百度 Apollo 宣布將與一汽紅旗共同打造中國首款 L4 級自動駕駛量產乘用車,同時,與沃爾沃以量產為目標打造深度定制 L4 級自動駕駛乘用車。而到了 2019 年年初的 CES 上,百度自動駕駛商業化又邁出了里程碑一步:推出 Apollo 企業版,為車企提供包括高速公路自動駕駛、自動泊車在內的前裝自動駕駛功能,當時確認的前裝合作客戶包括福特、長城、奇瑞、比亞迪、北汽、漢騰等。

圖6

其實不只是百度,對于所有自動駕駛車企來說,2019 年都是在商業化落地過程中極為重要的一年,Waymo 也在 2018 年年底推出 Waymo One 自動駕駛網約車服務,就足以說明問題。

很顯然,百度 Apollo 和 Waymo,分別領跑中、美自動駕駛行業。

我們也很好奇,到了明年,這個榜單又會有怎樣的變化呢?

當然還是得提一句:還不存在,也不可能存在一份絕對客觀、可度量的自動駕駛排行榜。其實從 2017 年開始,Navigant research 的榜單就受到很多質疑,所以,不可不信,也不能全信。

來源:蓋世汽車

閱讀全文