宝马公布未来发展战略：电动化和自动驾驶是核心
最近最热的汽车品牌一定是宝马。刚刚过完百岁生日，他们又在德国慕尼黑发布了自己的新战略。新战略名为 「Strategy NUMBER ONE > NEXT」， 意为「 第一战略」next 版。在这项可以被看做未来宝马发展规划的战略里，electric mobility（电动出行）、automated driving（自动驾驶）被放在了非常重要的位置 。（宝马曾经在 2007 年推出过一个「 第一战略」，当时包括了四方面的内容：良性发展、塑造未来、可收益性、增加客户与技术资源。）这篇文章结合 宝马官方的新闻稿 ，对这个战略做一个梳理。 电动出行：iNEXT 在电动出行这个分领域，主要有这么几个信息点： 1. 在 2016 年底，宝马会对纯电动车 i3 进行升级，装配更大容量的电池组，换来更长的续航里程。不管是国内的北汽新能源还是上汽，以及以 Model S、Leaf 为代表的国外产品，随着电池组能量密度的提升以及成本的下降，这种迭代是非常正常的。 2.MINI 车型未来会有插电混动版本。这个有点意思，目前 MINI 采用的是 1.2T 三缸、1.5T 三缸以及 2.0T 四缸发动机，引入插电混动，动力总成如何搭配，现在还是有悬念的。 3. 插电混动车型 i8 将增加敞篷版：「 论不断提升的逼格」。 4. iPerformance 产品序列： 上面提到的 i3、MINI 混动版，都将归到这个行列里，从 2016 年开始，宝马将在这个系列里规划七款车型。按照宝马的描述，他们现有的插电混动产品属于第三代技术，并且已经是 technological market leaders，在第四代产品里，纯电续航里程将得到提升，第五代产品也在研发中。关于这个 iPerformance，我们还得找宝马问问清楚，不过这让我想到目前的 M Performance 产品线。M Performance 和 M Power 的关系，相当于奥迪的 S、RS 之间的关系。 5. 宝马在氢燃料电池车研发方面也没闲着，目前的测试车已经能达到 700 公里的续航里程。之所以做氢燃料车，宝马认为在未来汽车动力系统应该是多样化的，说白了就是，他们给自己留了个后手，而不是完全押注在纯电动和插电混动上。 宝马提出了一个 iNEXT 的概念，这应该是未来的一款车型，在这辆车上集成了宝马对于电动化、智能化的全部思考。他们把 iNEXT 定位为宝马处于技术领先地位的一个象征。（BMW iNEXT as symbol of technology leadership）还有一组数字：截至目前，i 系列产品已经售出超过五万台。 Project i 2.0：自动驾驶计划 前几年，把宝马和自动驾驶联系起来，还挺有违和感的，因为在很多人看来，这么一个以「 运动」 为精髓的品牌，怎么可能往自动驾驶那条路上走呢。不过现在再来看，可能就习惯多了。他们不仅要做，还要把自动驾驶当成未来的重点来做。（其实每家都这么想吧？）宝马把未来的自动驾驶计划命名为 Project i 2.0。从 Project i 到 Project i 2.0，是从电动化到自动驾驶的转变。而宝马所谓的自动驾驶，更确切的说应该是车子的自动化、联网化。（With project i 2.0, the BMW Group is now following an equally ambitious path with respect to automated and fully networked driving.）具体到技术上，他们明确了几点方向：高精度地图、传感器技术、云计算、人工智能。宝马 R&D 部门的相关负责人说，「With project i 2.0 we will lead the field of autonomous driving」， 宝马新 7 系上和「 自动驾驶」 相关的功能配置，会逐渐下放到其他产品上，iNEXT 系列里的产品应该会是最先享受到这些配置的。 另外，互联驾驶功能也是必须被宝马提及的。反正道理上的东西你们也应该能都说出个大概。插一条小道消息：宝马正在研发一个能够整合各项服务、应用的「 超级 App」。一方面是给用户提供一个便捷入口，另一方面的原因，你在 App Store 上搜「BMW」 就能发现了——各种和 … 继续阅读
英菲尼迪版「自动驾驶」是一种什么体验？
如果某天，「 完全自动驾驶」 也可以作为汽车的一项功能和配置包的话，你会选择什么牌子的「 自动驾驶」 功能包？我想目前大多数人并不能像选择汽车一样，对这个配置包有一个明确的品牌选项列表。 当然，实现完全自动驾驶还需要走很长的一段路，汽车厂商实现这个目标也需要一步一步来，而在这个过程中，已经有一些厂商有了关于「 主动安全配置包」 的品牌意识，如果要让我随口说来几个，英菲尼迪的安全屏障技术（Safety Shield）肯定算是其中之一。 在体验过这套系统之后，它给我最大的一个感受就是：这是一套符合现阶段大多数驾驶者驾驶习惯的安全保障技术，没有可以拿出来「 特别炫耀」 的黑科技，但实实在在可以在危险发生前、发生时和发生后，很好地保证驾驶员和车内乘员的安全。 例如英菲尼迪全球首创的 PFCW 超视距前端碰撞预警系统。我们试驾的这款英菲尼迪 Q70L 车型，可以通过位于车头位置的雷达，准确侦测前面第二辆车的行驶状况，当该车减速或紧急刹车时，本车可以实现自动刹车、自动系紧安全带，并且在车内通过图像和声音发出警报，提醒驾驶者及时采取制动措施，避免事故。这种情况很常见，比如当驾驶过程中我们前面是一辆大货车时，你很难看到前面第二辆车的情况，而雷达探测并自动刹车的速度要明显快于驾驶员的制动反应。 再如同样是英菲尼迪全球首创的 DCA 车距控制辅助系统。当我们在赛道中以编队的形式驾驶这辆英菲尼迪 Q70L 时，只需要提前按下方向盘右侧的车距控制辅助系统开关按钮，开启 DCA，车辆会在达到 30KM/h 速度以上时，自动开启该功能，仪表盘上会在 DCA 标示下出现一个汽车的图标，表示功能开启。这时，我们需要做的就是尽管大脚踩下油门，跟上前车的速度。车辆通过摄像头和车前方雷达识别距前车的车距，如果系统识别车距不够时，DCA 系统便会对油门踏板产生反作用力，提醒驾驶员松开油门并进行刹车操作。 这套系统让我最惊喜的就是油门踏板的反馈力度刚好提醒我避免追尾，又不至于太过突兀，在城市走走停停的堵车路段非常实用。而且如果前车紧急刹车，或遇到紧急状况，该系统可以帮助驾驶员采取辅助刹车，必要时可以「 刹停」。在测试中，还有一个很有意思的片段设置，整个车队绕着彩色的障碍球进行速度并不是很快的绕桩测试，虽然车辆并不能自动跟车变换方向，但令我惊奇的是，这时我只需要控制方向盘，踩下油门即可，车辆会通过 DCA 系统，自动控制车距，避免追尾，当然在经过赛道的一些角度比较大的弯角时，系统会识别不到前车，暂停 DCA 系统，但弯心未过，便会很快重新找到跟车目标。 超视距前端碰撞预警和车距控制辅助这两个系统的加持，对于那一大部分现阶段还无法完全信任那些酷炫高级自动驾驶功能的驾驶者来说，是一个非常好的过渡功能，符合他们的驾驶习惯，不用把方向盘交给雷达和摄像头，但却能实实在在地避免追尾和危险的发生。 另外，对于除了「 老司机」 以外的新手司机来说，还有几项功能也是非常实用，一个是 BCI 倒车碰撞预防系统，另一个是 AVIM 全景式监控影像系统。在倒车时，车辆通过车身四周的摄像头捕捉画面，经过芯片处理，生成类似「 上帝视角」 的 3D 全景画面，同时集成了 MOD 移动物体检测功能，虽然 3D 全景画面会有明显的「 接缝」，但实际上效果还是基本满意的，图像没有太大形变。另一方面，车辆可以通过后方雷达，检测左右来车或行人等移动物体，对驾驶员进行声音和图像的警告，必要时可以自动将车辆刹停，避免后部发生碰撞。在我们测试过程中，将车辆挂入倒挡，松开刹车倒车，在面对后方突然出现的假人时，车辆虽然可以自动刹停，但是和假人的距离非常近，刹车反应确实让我捏了一把汗，但好在刹住了。 在这个自动驾驶迅猛发展的时代，技术在飞速地进步，而商业化落地一定是需要汽车厂商、供应商，以及市场的共同进化，不可能一步登天。英菲尼迪给我的感觉并不激进，而是踏踏实实地为用户的安全考虑，通过他们搭载的安全屏障技术避免那些最常见的事故发生，我愿意相信和期待在未来英菲尼迪会一步步推出更加先进和可靠的主动安全技术。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
李书福两会提案：关于自动驾驶立法，他都说了什么？
不出所料，吉利汽车董事长李书福向两会提案的主题很明确：加速自动驾驶立法。不过，在提案里他具体是怎么说的呢？看了下面的李书福提案全文，你就知道了： 关于加快自动驾驶立法的提案 第一提案人： 李书福 界别：中华全国工商业联合会 日常联系电话：0571－87766210 是否同意公开发表：同意 希望办理的承办单位：全国人大法律委员会、中华人民共和国工业和信息化部、中华人民共和国公安部、中华人民共和国科学技术部 提案日期：2016 年 2 月 29 日 提案正文： 自动驾驶汽车未来将成为汽车行业的发展方向，在个人、交通和社会方面都有巨大的社会价值。这一点，无论是在欧洲、美国，还是日本及中国等地区的行业及政府间都已形成共识。研究表明 95%的交通事故和人的错误驾驶行为有关，自动驾驶可以从根本上纠正这一错误，真正有效降低交通事故死亡率并提高道路安全。自动驾驶也可以提高燃油经济性高达 15-20%。交通事故的降低将使交通更流畅，减少拥堵。国外一直在进行的利用自动驾驶技术实现的高速公路列队行驶研究表明，在速度不超过 100 公里/小时的情况下，前后车间距离可以有效控制在 5 米以内，这将进一步解决高速或城市环线道路上的交通拥堵问题。另一方面，对消费者而言，在交通拥堵或上下班途中，驾驶往往成为负担而不再是乐趣。车辆在自动驾驶模式下，自动驾驶可以解放驾驶员，使之更有效地利用车内时间——或休闲或工作。自动驾驶还可以为年迈者及残障人士的独立出行提供解决方案。目前沃尔沃、特斯拉、奔驰具有半自动驾驶功能的汽车已经上路。随着相关技术的不断研发、成熟和互联网技术的高速发展，业界预期在未来 10 年之内越来越多的半自动驾驶或高度自动驾驶汽车会推向市场。但是，目前各国及地区的相关法律法规对于自动驾驶汽车上路试验及随后的大规模推广还存在着各种障碍。 我认为，自动驾驶对中国汽车行业的发展带来了新的挑战和机遇，提前判定可能发生的问题，尽早进行立法的预案工作，已经刻不容缓。其迫切性和必要性主要体现在如下几点： 1、自动驾驶方面的立法已经成为新的国际关注点。目前，美国国家公路交通安全管理局正在从美国联邦政府层面引导制定适应自动驾驶的相关法律法规，计划取消一些业已陈旧的汽车安全法规，引导协调各州政府层面的法律法规，使得汽车制造商能够更加顺利地上路测试自动驾驶汽车，促进自动驾驶汽车的发展与推广。总部位于瑞士日内瓦的联合国欧洲经济委员会下属的相关工作组（WP21, WP29）正在研究如何修改现行的法律法规使得自动驾驶可以合法上路，比如如何从法律上允许驾驶员从事驾驶以外的活动。总部位于布鲁塞尔的欧盟总部也正在同时展开相关讨论及研究工作，如何修改现行有关驾驶的法律法规（ECE R79）从而支持自动驾驶的健康快速发展。日本也提出要在 2020 年之前实现自动驾驶汽车方面的立法，而且还将自动驾驶作为今年 9 月七国集团交通部长会议的议题，预计会在年内汇总出法规草案。 2、中国情况具有自身的复杂性和独特性。虽然国际上的标准能够提供很大的借鉴意义，但也需要制定符合自身情况的行业标准和法律法规。尤其需要考虑中国路况的复杂程度，包括道路设施、路面车辆类型、行人、信号措施、汽车社会化发展的初始阶段等。 3、一项立法或行业法规的修改需要一定的周期。尽早开始对自动驾驶立法的考虑，有助于树立中国自动驾驶行业规范，推动行业良性发展，引导社会投资。而且，能够凭借相关立法和行业规范的确立，最大化促进相关产业在「 中国制造 2025」 大战略中实现国际舞台上的弯道超车。 具体到自动驾驶立法的内容和制定，我认为要考虑以下几方面： 1、研究分析我国现行的法律法规，识别并着手修改阻碍自动驾驶发展的相关条款。比如公安部负责驾驶员驾驶行为的相关法规，可以研究如何允许驾驶员在车辆自动驾驶情况下可以双手离开方向盘，从事驾驶以外的活动，如睡觉或工作。工信部负责车辆安全，涉及车辆安全强制认证要求，质检总局负责的产品召回中关于产品安全的要求，自动驾驶模式下发生事故所涉及的民事责任归属，自动驾驶模式下是否不再适用刑事责任问题等问题的研究。 2、作为一项新的技术，自动驾驶的最终推广一定离不开用户的广泛接受。政府要引导汽车厂家或零部件供应商以及大学科研机构重视用户体验，开发出来的自动驾驶技术一定要能够提供更好的用户体验，而不是更复杂的车内操作体验，从而为自动驾驶的推广奠定良好的用户基础。 3、自动驾驶对解决大中型及特大城市的交通拥堵、空气污染等能够取得更为显著的社会效应，这些地区也更急需自动驾驶。国外比如大规模的瑞典 DRIVE ME 自动驾驶试验项目就是在哥德堡市民上下班道路上开展。为确保自动驾驶的试验示范对实际工作具有更好的指导研究意义，经过仔细验证后可以大胆考虑在高度自动驾驶汽车的最佳适用环境，如北京的 5 环 6 环等地段展开，并推动自动驾驶试点区域的建设。 4、自动驾驶的发展要求全面考虑立法的相关产业政策。要综合考虑如何制定相关的产业政策，包括技术路线、行业标准、安全规范、交通执法、保险责任等各个层面。也要考虑城市规划方面的立法, 包括基础设施改造，智能交通规划，智慧城市的规划等。在相关责任方方面，要慎重考虑厂家、驾驶员、行人、保险公司等方面的权责界限，加快促进产业在全员公认和遵守的轨道上迅速发展。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
这家公司研发的自动驾驶系统，获得了三星和比尔·福特的投资
前一阵，我们把更多的注意力放在了国内的 ADAS 创业团队上。事实上，在国外也有类似的创业公司。比如今天聊的这家叫做 nuTonomy 的公司，他们对自己的定位是，为自动驾驶汽车研发先进软件的科技公司。 更流畅的决策算法 传统的自动驾驶方案，大多是根据车身雷达等各类传感器分析道路状况，之后配合高精度地图实现。这个过程中需要依靠冗长、机械的决策逻辑，这会导致车辆经常性出现过于谨慎、愚蠢和犹豫不决的驾驶方式，直接导致很多自动驾驶车辆需要像试驾或者老年人开车那样小心翼翼行驶，体验并不好。 而 nuTonomy 的最大区别在于核心的决策算法，他们目前正在研发一种基于火箭、飞机和其他复杂的自动驾驶工具决策算法的新技术，并且能够模仿人类开车方式。这样将人类控制和计算机控制优化结合之后，就会让自动驾驶车辆行驶更流畅。 从 2005 年开始，nuTonomy 的创始人 Karl Iagnemma 就开始研发自动驾驶技术；而 nuTonomy 中有麻省理工学院背景的研究人员，也在利用 NASA 和 DARPA 的资金研发机器人技术。在过去的数十年，这两个项目已经生产和测试了数十辆自动驾驶原型车。 在 2014 年，nuTonomy 联合创始人兼 CTO Emilio Frazzoli 发布了首辆面向大众的提供按需服务的自动驾驶汽车。这个在新加坡进行的试验，使得超过 500 名市民在位于市中心的裕廊湖公园体验到了像 Uber 一样的无人驾驶车辆服务。 这次试验在 SMART（Singapore-MIT Alliance for Research and Technology 新加坡麻省理工学院研究与技术联盟）引导下，使团队成功提高了新加坡对自动驾驶技术的需求和认知。基于这次试验，nuTonomy 成功积累了城市范围内发展和管理自动驾驶汽车的经验。 而目前，nuTonomy 的软件算法正在美国和欧洲由其自动驾驶合作伙伴进行测试和整合，目的是为了在未来数年间把自动驾驶功能投入实际应用。 最近，nuTonomy 宣布完成了总额 360 万美元的种子轮融资，参加这轮融资的分别是 Signal Ventures、Samsung Ventures,、Fontinalis Partners 和 Steven LaValle 博士。 「 我们对于 nuTonomy 的技术留下了深刻印象，特别是关于车辆的决策算法。」 三星全球创新中心的战略投资负责人 Amit Garg 表示，「 寻找贯穿整个行业的合作伙伴是把研究成果变为现实的必要条件。」 「 自动驾驶技术将会重新定义未来城市交通出行模式。」 Fontinalis Partners 的创始人 Chris Thmoas 说，「 我们认为 nuTonomy 的鲁棒决策方案将会使得他们在未来的技术爆发中成为领先者。」 以下是参与 nuTonomy 种子轮投资的公司和人员背景： Signal Ventures：由 Ioannis Martinos 在 2015 年建立，关注机器人和自动驾驶技术的早期投资。 Fontinalis Partners ：公司位于底特律和波士顿，投资领域主要为下一代交通出行项目，无轮次金额限制；由 Bill Ford、 Ralph Booth、Chris Cheever、 Chris Thomas 和 Mark Schulz 在 2009 年创立，公司不隶属于福特。 Samsung Venture Investment Corporation：是三星设立在首尔、硅谷、波士顿、伦敦、东京和特拉维夫的风险投资机构。 Dr. Steven M. LaValle：Oculus VR 的前首席科学家，兼任 nuTonomy 的技术顾问。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
自动驾驶还是「半成品」
（本文作者 高德汽车事业部总裁 韦东）最近借 CES 和北美车展之势，自动驾驶的话题又火了一把，各种报道和议论铺天盖地。有不少朋友问我，自动驾驶汽车的时代是不是要来了。但我的回答是，并不会那么快，目前的自动驾驶还只是「 半成品」。 必须承认，自动驾驶技术在最近两三年取得了长足进步，这从众多在实际道路完成自动驾驶测试的厂商上可见一斑。但有个问题——目前绝大多数的自动驾驶汽车，包括我在 CES 上看到的一些，仍然是单纯依靠传感器和控制系统——传感器探测周围环境，控制系统进行数据处理并控制车辆完成整个行驶过程。 这种解决方案在技术上有着明显的局限性，最直接的就是特定情况（如恶劣天气）下传感器的失效问题。说到底，把所有任务都交给车辆独立完成，是把鸡蛋全部放进一个篮子，成本难以控制、效果不好保证——如果要将自动驾驶相关的所有信息储存到一辆车上，只怕每辆车都得背上一个大体积的高性能计算机才可以。这样看来，做一两辆测试车秀秀肌肉没问题，要实现量产，恐怕没那么容易。 破解的关键是什么？海量数据挖掘和实时联网。具体到关键能力上，则是高精度地图和云计算服务。 高精度地图就像自动驾驶汽车的记忆，离开了记忆，无论眼睛和思考速度有多么发达，还是无法对事件有全局把控。一辆能调用高精度地图数据的自动驾驶汽车，能够对所处的环境进行精准预判，提前选择合适的行驶策略，而把对环境的监测重点放在应对突发情况上。在提升车辆安全性的情况下，还有助于降低车载传感器和控制系统的成本。 正如人的记忆能力各有差别，不同级别的高精度地图，在精度和信息量上也差别明显。例如，基础 ADAS 地图只需要精度达到米量级，而 HAD 级别高精度地图的精度则能达到厘米量级。在数据量方面，基础 ADAS 地图只记录高精道路级别的数据（道路形状、坡度、曲率、铺设、方向等），HAD 级别地图不仅增加了车道属性相关（车道线类型、车道宽度等）数据，更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。 在 CES 上，采用「 众包」 方式，通过量产车配装的传感器进行地图数据采集成为一种新思路。尽管通过这种方式采集的数据可能无法达到 HAD 级别，却可以加快地图基础数据的采集更新，也让专业地图厂商能够更专注于高精度地图数据的采集。 高精度地图在应用过程中，还要解决两个问题，那就是实时更新和实时同步。少了实时更新，地图数据就不能反映道路的真实情况，记忆就会出现偏差。而少了实时同步，最新的数据就无法有效传递给每个交通参与者。 正因如此，云计算平台至关重要。可以说，只有和云计算平台结合在一起时，高精度地图才能够真正发挥效果。 当然，云计算平台的作用还不仅如此，道路上行驶的不同车辆可以将道路情况实时上传至云端，在通过云端对其他车辆进行信息同步。于是，自动驾驶汽车可以提前知道前方 5 公里发生了交通事故，10 公里处有临时的施工，而在 20 公里以外已经开始下雨……从目前来看，利用云计算平台实时更新，车与车、车与路的通讯技术固然是一大难点，但更重要的是，提供云计算服务的平台是否具备进行海量数据收集、运算、交互与分发的能力。 从这个角度说，自动驾驶的普及需要从云+端的层面入手，细节涉及方方面面，是一个各领域专业公司之间协同发展的过程。这也是为什么最近很多看似不相干的公司宣布联手合作的深层次原因，包括我们看到开展自动驾驶研究非常早的 Google 也在寻求车企合作。 在 CES 上，高德和德尔福也宣布了将在高精度地图、精准导航、高精度定位、LBS 服务等方面展开深入合作。德尔福是全球领先的汽车零部件供应商，在自动驾驶系统方面有深入研究，并在今年提出了传感器和 V2X 技术上具备量产可能的现实解决方案。 高德的强项则体现在高精度地图和云计算平台上。其中高精度地图的覆盖里程数和精度（10cm）都是国内第一，并且高德已经拿到了国内首个高精度地图的商业订单；在云服务方面，高德已经能够通过阿里云平台的支持，建立面向车辆的自学习平台及实时信息发布平台，实现从静态道路信息到动态车辆行为，甚至车主个人驾车习惯等内容的系统自主学习判别。 汽车厂商对于汽车本身、以及驾驶的专业理解，加上互联网企业在大数据和云计算层面的积累，本身就是一种各取所需的高效方式。 在汽车诞生以来的一百多年间，曾经历过多次技术和生产方式上的重大革命。相信在自动驾驶领域，专业公司之间的跨界合作将成为一种常态。而由此带来的一种全新生态模式，大概才是自动驾驶真正实现普及的关键所在。 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
自动驾驶的天敌是大雪？福特想了个聪明的办法应对
自动驾驶的时代仿佛已经来了，但在此之前，人类必须教会自动驾驶汽车如何应对恶劣天气。 现在的自动驾驶汽车，安装了各种各样的传感器来让车感知周围环境。摄像头一般用来检测车道线，雷达和激光雷达一般负责检测其他车辆、行人和障碍物。那么问题来了，冬天下雪之后，摄像头就看不到路上的车道线了。 人类一般会根据「 经验」 来判断车道的位置，比如其他车辆位置或者马路牙。福特最近宣布，他们也想让自动驾驶汽车像人类一样，通过识别其他标志物来识别位置。 和其他厂商一样，福特也在建立自己的高精度地图。这些高精度地图，标注了马路牙、车道、树、交通标志的准确位置和限速信息等。对于汽车来说，对周围环境知道得越多，也就有更多计算能力来实时处理探测到的环境信息。 高精度地图还有一个好处，可以让汽车在任何时刻都知道自己的位置，精度可达厘米级。如果汽车检测不到车道线，根据激光雷达检测到的附近标志物信息，再和高精度地图上的信息作对比，就可以让汽车知道自己在车道中的位置了。 福特的自动驾驶项目负责人 Jim McBride 说：「 我们的自动驾驶汽车已经可以在雪中驾驶了，完全没问题。我们的做法是让车辆不断检测周围环境，再和高精度地图中的信息作对比，问题就解决了。」 在上个月，福特宣布已经在密歇根 Mcity 雪天进行了实验。虽然这种定位的方式并不是福特独有，但福特是第一家公开在雪地中进行路试的公司。 但这并不意味着在恶劣天气下，自动驾驶的所有问题就解决了。下雨或者下雪，都会影响激光雷达和摄像头的准确性。对周围障碍物的探测能力，是高精度地图解决不了的。 令人欣喜的是，随着雪天自动驾驶问题的解决，自动驾驶技术离我们又近了一步。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
谷歌自动驾驶月报（2015.12）：它学会了在雨天「开车」
前两天，谷歌按照惯例公布了他们的自动驾驶项目月报。 首先还是数据报告： 在上个月，有 23 辆雷克萨斯 RX450h 和 30 辆呆萌版小车进行了路试，其中的大部分在山景城，小部分在德克萨斯州的奥斯丁。这一个月里，谷歌又积累了 5.1 万英里的自动驾驶路试经验，从 2009 年项目开始至今，总的自动驾驶里程数达到 137.2 万英里。 12 月份，加州终于下雨了，在客观上，这给谷歌自动驾驶车增加了多雨天气和寒冷天气的行驶经验。所以这期月报的关注点主要是天气问题。 对于自动驾驶车来说，应对雨天是一个有挑战性的东西，主要是某些传感器会受到天气影响，为了应对这些问题，谷歌想出了一些办法，比如，给车顶的设备增加类似挡风玻璃和雨刮器的结构。 激光雷达可以探测到雨，但是云、雾会影响它的探测，谷歌在上个月教会了他们的车子在寒冷的早晨以及云雨天气正确工作，他们认为关键在于使用了多种传感器配合工作。 目前的谷歌的自动驾驶车可以自动感知雨量的大小，像人类驾驶员一样，当它觉得雨下的太大，不能继续行驶时，会选择停在路边等到条件允许再上路（也可以由驾驶员人工接管）。为了应对更有挑战性的环境，谷歌已经开始有意识的收集各种雨雪天气下的行驶数据，他们想达到的目标是让自己的车子能够在各种天气条件下正常工作。巧的是，福特也在这两天公布了他们的自动驾驶车如何应对雪天的相关信息。 让人欣慰的是，谷歌的自动驾驶车这个月没出什么事故。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
从 CES2016 看自动驾驶的技术趋势
在今年的 CES 还没开始之前，「 自动驾驶」 就被公认为是这次的主旋律之一，实际也确实是这么回事，对于汽车厂商和供应商来说，不拿出和自动驾驶相关的东西，相当于白来 CES 一趟。 所以，围绕自动驾驶他们说了很多，也展示了很多，于是可能你会在很多文章里看见这样的句子：「 自动驾驶是这次 CES 的主角，而且也是未来几年的趋势。」 这话没错，但是说了等于没说。GeekCar 更关心的是，通过这次 CES，自动驾驶到底在技术层面展示出了什么样的趋势？或者说，实现完全自动驾驶的「 方法论」 到底是怎样的？ 总体来说有三个方面的变化： 1. 硬件方面，传感器不再「 高高在上」。 2. 感知方面，对于「 定位」、「 地图」 的理解更加深入。 3. 决策方面，车辆处理能力、深度学习能力强化。 为了让大家对于自动驾驶的基本工作原理有一个直观的了解，在这儿先用一个图示简单说明（图片来自英伟达在 CES 的演讲 keynote）。从图上可以看出，上面提到的几个方面，基本上包括了自动驾驶的关键技术点。 硬件：传感器不再「 高高在上」 激光雷达在自动驾驶里起到感知周围环境的作用，很多人觉得，动辄七八万美元的激光雷达会是影响自动驾驶普及的一个重要阻碍，但是在这次 CES 上，Quanengy 发布了世界上第一款用于自动驾驶的固态激光雷达，这个雷达不能 360 度扫描，也不是 64 线而是 8 线，但是换来的却是成本的大幅降低（200 美元左右），而且更加小型化。 所以，原来像花盆一样立在车顶的激光雷达，终于能装在其它位置了，比如车的四角。更低的成本意味着可以在一辆车上装更多的激光雷达。 另外福特也在这次 CES 上宣布，他们会把 Velodyne 最新推出的车用激光雷达装在自己的自动驾驶测试车上。 激光雷达本身就可以做到这么便宜，Quanengy 的产品相当于还原了问题的本质。激光雷达成本越低，也就会被装到更多的车里，对于自动驾驶的发展，肯定是有好处的一件事。 但是也有不依赖雷达的自动驾驶方案，比如供应商麦格纳这次就展示了依赖单目摄像头开发的自动驾驶方案，他们的目的是想让更多廉价车型也能具备这种功能，虽然是比较初级的自动驾驶（更像是自适应巡航），但是至少证明不依赖测距雷达实现自动驾驶是可行的。 所以总体来说，自动驾驶的硬件门槛正在变得越来越低。如果说七八万美元的激光雷达太高高在上，那么这次 CES 展示出来的东西，显然是更多考虑到了商业化的因素。不管是廉价激光雷达还是麦格纳的方案，都是为自动驾驶量产化、商业化做的准备，从这个角度来说比去年更贴合消费电子展的「 消费」 二字。 对于「 定位」、「 高精度地图」 的理解更加深入 高精度地图、视觉识别，这二者的作用是让车子精确的定位和感知环境，人们在这方面的理解和解决方案变得更成熟。 首先是自动驾驶所需的地图，一方面，它的获取方式正在发生改变，另一方面，它本身也有一些变化。 在我们惯常的理解里，高精度地图来源于图商的测绘，但是现在「 众包」 的模式开始受到重视。在 CES 之前，就传出丰田要利用这种模式采集高精度地图，所依靠的硬件是用户车内的摄像头+GPS，而在 CES 上，Moblieye 也宣布和通用、大众合作，做高精度地图方面的采集，使用的当然也是 Mobileye 的摄像头。另外，Here 发布的 HD Live 地图，打的也是「 众包」 的概念：把车辆传感器读取到的数据上传到云端，然后再下发给其他车辆。 这样的好处显而易见：用更低的成本，换取更多的数据。目前高精度地图主要依赖激光雷达采集，成本很高，「 众包」 肯定有节约成本的目的，而且可以在同样的时间段内获取更多的数据。 但是除此之外，这种方式也有其他的好处。首先是更「 轻量化」。以 Mobileye 做的 REM（Road Experience Management，路网采集管理）方案为例，通过采集包括交通信号、指示牌、路灯等「地标」，得到一个简单的 3D 坐标数据；再通过识别车道线信息，路沿，隔离带等获取丰富的 1D 数据，这些数据叠加形成所谓的「RoadBook」（路书），数据量只有 10kb/km，而谷歌的高精度地图每公里的数据量可能有几个 G 之多。 另外一个好处是更加实时化。比如 HD Live 地图就可以做到云端的实时更新，并且实时下发最新数据。突发的路况信息、道路的最新变更情况，都可以通过这种方式得以解决。 可以看到的是，原来可能我们认为高精度地图更多的是依赖于雷达，而和视觉识别（摄像头）关联度相对要小，但从某种意义上来说，它们其实是一个整体，两者互相配合、共同作用，才能让车辆具有更精确的定位和感知能力。 处理能力的强化 这部分最明显的感受是本机处理能力、深度学习能力的提升。 英伟达在 CES 上发布性能相当于 150 台 MacBook Pro 的 Drive PX 2，是最有标志性的事情。Drive PX 2 用了 12 颗 CPU，250 瓦的总功率基本也只有汽车这个级别的硬件才能承受，并且用到了水冷散热。它可以处理包括摄像头、雷达、激光雷达在内的 12 路信号，深度学习能力达到每秒 24 万亿次。 它兼顾了本机处理和深度学习的要求。一方面，它足够满足车辆本身的视觉处理需求，另一方面， Drive PX 2 采集到的数据经过处理之后会上传云端，进行深度学习网络的训练，训练的成果可以用来提升所有车辆的智能程度。 其实这个「 深度学习」，和上面段落提到的「 众包」 是相辅相成的。特斯拉 Autopilot 的自主学习功能也是这方面的实际体现。 不管是本机处理还是深度学习，背后都意味着海量数据的获取。就像英伟达所说，The more data we collect, the smarter our system becomes. 而为了更加 smarter，就必须提升处理能力。 可以很明显的发觉到，今年大家开始越来越意识到「 人工智能」、「 深度学习」 的重要性，并且把它上升到前所未有的高度。丰田砸下 10 亿美元研究人工智能也是特别好的例子，Mobileye 也提到了深度学习对他们的重要性。 当然，在这个过程里，数据的采集压缩能力，数据管理的能力，也是特别重要的。 总结 从这次 … 继续阅读
「CES 2016」Mobileye 自动驾驶技术路线及商业策略解析
如果可以投票选出 2016 年 CES 的关键词，我一定双手赞成选「 自动驾驶」，几乎所有参展的汽车厂商或供应商都逃不开这件事儿。一些在展示自己尖端的传感器技术，一些在展示自己的高精度地图，还有的干脆直接发布了自动驾驶概念车。 而这几天令我最为深刻的事情之一，则是在 6 号在拉斯维加斯会议中心南馆会议室参加的一个小型发布会，与其说是发布会，还不如说是 Mobileye 的联合创始人兼 CTO Amnon Shashua 主讲的一堂「 自动驾驶晋级课」，这位耶路撒冷希伯来大学教授、自动驾驶技术的大神用一个半小时的技术讲解，描述了 Mobileye 的自动驾驶技术路线，以及他们的商业逻辑和策略。 如果你还不知道 Mobileye，请参阅 GeekCar 此前的相关报道： 1.《Mobileye，一个造了 10 年的「摄像头」？》2.《我们搞到了一台 Mobileye，并且花四个小时把它装进了车里》3.《你是我的眼——高级驾驶辅助系统 Mobileye 评测》4.《「CES 2016」为了自动驾驶地图，通用打起了用户车里摄像头的主意》简单来说，在用户层面，Mobileye 是一套基于摄像头、可以给你提供驾驶员安全驾驶辅助功能的系统；在行业层面，Mobileye 给汽车厂商提供 ADAS 服务，全球已有超过 1 千万辆车使用它的技术，合作厂家包括奥迪、特斯拉、沃尔沃、通用、HKMC、日产、克莱斯勒等 OEM 厂商。 「 游戏的开端是摄像头，但玩法却是自动驾驶。」 在 Mobileye 眼中，卖摄像头绝对不是目的，帮助车厂实现全自动驾驶才是终极目标。这个逻辑很容易看到，在 Shashua 看来现在所谓的无人驾驶分为两个阵营：以谷歌为主导的「Somewhere with fully functionally」 阵营，和以传统汽车厂商为主导的「Everywhere with partial functionally」 阵营。前者强调通过采集某一区域的高精度 3D 地图信息配合激光雷达在某一区域实现无人驾驶，后者则更强调「 万无一失」 的复杂传感器组合识别周围环境配备，并匹配低精度导航地图（当然现状会有所改变），能在任何区域实现无人驾驶。但终极愿景都是：「Everywhere with fully functionally」。 哪种更好？其实都有缺陷，前者需要不断地采集并更新实时高清地图（所采集的高精度 3D 厘米级地图会达到 3-4Gb/km），而后者的难点则在于更高精度的地图和更强的人工智能，因为从部分自动驾驶的功能实现到全部实现，需要更人性化更自然的驾驶方式，但汽车厂商并没有人工智能方面的基因，这可能会耗费他们 5 到 10 年的时间去实现终极目标。 Mobileye 能做的，则是利用摄像头作为传感器，搭配人工智能、深度学习以及众包数据的方式获取高精度地图，并且大小只有 10Kb/km，来帮助汽车厂商完善和实现高清晰度地图。 站着说话永远不会腰疼，因为人工智能和深度学习需要经历无法想象的困难。 Shashua 将自动驾驶的主要因素分为三部分：传感器、匹配和决策。传感器用来采集 360°环境信息，建立「 环境模型」。Mobileye 通过采集包括交通信号、方向指示牌、长方形指示牌、路灯及反光标等「 地标」，得到一个简单的 3D 坐标数据；再通过识别车道线信息，路沿，隔离带等获取丰富的 1D 数据。把简单的 3D 数据和丰富的 1D 的数据加起来，大小也不过是 10Kb/km，相当于谷歌的高精度 3D 地图大小的百万分之一大小。于是 Mobileye 可以采集大量的数据，并且可以做众包数据采集，方便用户将大量的数据上传云端。 他们管这叫做：REM（Road Experience Management），路网采集管理，这些采集到的路标其实就构成了所谓的「RoadBook」（路书）。在我看来，这是 Mobileye 在自动驾驶这个赌局中的筹码之一。 「If you want to slow down our competitors, told them to use deep networks.」 上面这句话是 Mobileye 的工程师跟 Shashua 说的，足以表明人工智能和深度学习网络的难度令人发指。 Mobileye 目前几乎将全部精力都放在自动驾驶的决策上，实现途径是人工智能的深度学习模式，终极目标是通过大量数据的深度学习网络学习人类开车最自然的模式。当然，这个过程也并不顺利。 Shashua 现场举了几个例子说明人工智能和深度学习在自动驾驶领域的重要性和难度。例如通过像素标记的方式得知开放道路的范围（车辆可以通过边界识别道路边缘，甚至可以在没有边界并且路面相同的停车场识别出哪个是可通行路线，哪个是停车位）、以及利用完整线索进行的车道规划等（当行驶道路上没有车道线时，保持车辆稳定行驶）。 Shashua 对于 Mobileye 在自动驾驶深度学习网络方面的能力十分自信，他认为做 demo 那 80%的工作非常简单，但如果想要做完后面的 20%，从 demo 到产品化，就像「 从一个男孩成长到男人」。 Mobileye 的商业逻辑和产品价值 虽然有着极强的人工智能和地图数据采集能力，但 Mobileye 并没有选择和谷歌站在统一战线，而是选择和那些传统的大型汽车厂商进行合作，这里面体现着 Mobileye 更加长远的计划和目标，我想原因有几个： … 继续阅读