close

自动驾驶

自动驾驶汽车(Autonomous vehicles;Self-piloting automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是建立在人工智能,视觉计算,雷达,监控设备以及全球定位系统协同合作基础上,使电脑能够不需要人类操控,独立自主安全的操控机动车辆的技术。

自动驾驶汽车通过视频摄像头,雷达传感器、激光测距器、以及GPS 等技术手段感知周围环境,根据已经建立的地图系统,通过中央数据中心,将感测到的资料转换成相应的道路导航。

由于自动驾驶汽车比人类拥有更全面的环境感知能力,可以使用光学雷达等主动与被动感测器持续做大范围的监测。在拥有360度视野的同时,能够捕捉到可见光、红外线与超音波等人类无法感知的信息,因此可以对潜存危机做出安全正确的应对。

对于自动驾驶汽车的研究可以追溯到1920年前后。1980年前后,世界上第一辆能真正够自动驾驶的汽车问世。从此以后,许多大型公司与研究机构开始制造可运作的自动驾驶汽车原型。目前,谷歌,特斯拉等公司均在自动驾驶领域取得卓越进展。

无人驾驶,会不会被黑客操控成“僵尸”汽车?

无人驾驶汽车逐渐开始在商业场景中民用,但其通过物联网进行操控的自动驾驶系统仍然存在较大的失控风险。

就在前几日,腾讯科恩实验室发现了特斯拉Model S轿车的自动驾驶系统(版本2018.6.1)存在着三大漏洞,其中包括了可以通过外部激活车辆的雨刷系统、通过在道路上设置一些特定的标记可以欺骗Model S的自动驾驶系统使其驶入错误车道,并且通过无线游戏手柄就可以操控Model S的转向系统,从而控制车辆,使其成为“僵尸汽车”。

图1

图片来源@视觉中国

无人驾驶这样的漏洞,如同《速度与激情8》的一个场景,影片中一名黑客入侵多辆无人驾驶汽车使其成为“僵尸汽车”,通过一对多的操控达到任由摆布的效果。

图2

网友对《速度与激情8》黑客操控无人车讨论

想象一下,如果在未来有一天几十辆无人驾驶汽车突然发疯了一样四处乱闯,将会严重危害公共安全,那么在现实中,无人驾驶汽车即将投入商业运营,究竟会不会被黑客操控成所谓的僵尸汽车?

1、

僵尸汽车是僵尸网络的延伸

图3

马斯克对科恩实验室特斯拉汽车系统漏洞的推特回应

僵尸汽车的概念,是互联网僵尸网络的延伸。互联网自上世纪90年代初期开始迅猛发展,在其快速发展的过程中诞生的还有一种新的信息安全威胁方式,即通过结合病毒、木马、蠕虫技术为一体的僵尸网络。

僵尸网络的特点在于,通过一个黑客操控多台被木马等病毒感染的计算机,实现一种一对多的操控方式,构建成一个由一名黑客就能掌控的网络系统。并且在黑客很少甚至不插手的情况下,僵尸客户端能够协同合作并针对同一任务完成目标行动。

图4

僵尸网络攻击示意图

“想象一下电影塑造所谓的僵尸形象,一个无血无肉,空有躯壳的东西,无自主意识听从道士安排,僵尸网络的宏观意思就是这样,众多计算机在不知不觉中如同传说中的僵尸群一样被人驱赶和指挥着,成为被人利用的一种工具。“贵州大学车辆工程专业教师罗嘉解释道,”目前来讲僵尸网络对攻击物联网设备更感兴趣。”

锌刻度通过中国科研与计算机网得知,物联网中形成的僵尸网络与普通的PC电脑病毒不一样,其传播性更广更快,可以通过庞大的物联网系统感染海量的设备,其中就包括无人驾驶汽车。

黑客可以使用这些相同的物联网连接无人驾驶汽车,通过蓝牙、WiFi、轮胎压力传感器以及通过汽车的CAN总线连接几乎任何外部切入点一旦黑客控制了CAN总线,攻击AI系统是最常见的手段,同时突破自动驾驶汽车的网络防御。

比如黑客可能试图通过汽车传感器/网络,让车载人工智能认为是真实的方式注入虚假数据,从而导致人工智能做出错误决定并使人员或货物处于危险之中。

“虽然无人驾驶汽车往往有加密和身份验证等硬安全措施,这些在理论上可以提供合理的安全防御措施,但是这些类型的安全措施的弱点在于,在黑客破解了一个严格的安全事件(即解密消息,输入密码等)后,通常没有额外的安全措施来防止有人滥用系统。”罗嘉介绍。

罗嘉认为未来万物互联,汽车是物联网产品中的重要一环,如果没有更有效的汽车安全防范机制,无人驾驶技术的安全性时刻会面临僵尸病毒的威胁,当数据中心发生黑客攻击时,最坏情况可能是数据丢失,但当自动驾驶汽车被黑客入侵时,可能发生的就是生命损失。

2、

也许情况没有那么糟

图5

特斯拉汽车参加Pwn20wn黑客会议

在三年前的一次实验中,一名美国记者开着一辆Jeep Cherokee,然后被两名黑客—Charlie Miller与Chris Valasek远程控制,他们通过信息娱乐系统获得了汽车的控制权,同时控制了车辆的转向、刹车、雨刷和门锁,除此之外,车辆的转速表速度表的参数也被重置。

两名黑客在此实验后开始与无人汽车公司合作,试图阻止此类事件的发生,就在去年的黑帽大会上,两人纷纷表示,入侵无人驾驶汽车的难度极大,非一般的黑客可以做到。Miller解释说,无人驾驶汽车必须持续监控环境,接收信息,而目前只要减少攻击面就可以大大降低被入侵的风险。

事实上,要想成为僵尸汽车的前提是通过物联网传播僵尸病毒,通过一对多的形式操控一辆甚至多辆无人汽车。“自动驾驶汽车目前依靠一个或两个传感器进行物体检测,那些完全自动驾驶的车辆将具有多个传感器和通信层。”Chris Valasek指出,鉴于破解单个传感器已经很棘手,一些黑客会更难以入侵复杂的传感器系统,并且需要多层设置才能不断访问实时交通和行人数据。

“从理论上讲,自动驾驶汽车的多个传感器和通信层之间固有的互联性可能使他们更容易受到网络攻击,因为他们提供了更多的‘切入点’,然而,出于同样的原因黑客攻击连接的自动驾驶汽车也更加困难,”无人驾驶智行者技术工程师曼曼告诉锌刻度:“必须找到对多层系统的访问,该系统集成了来自多个传感器的信息以及实时交通和行人数据,这可能对黑客构成严重障碍。与物联网相关的解决方案也可用于增强其安全性,例如集成基于量子力学的安全加密系统。”

目前针对黑客入侵的潜在威胁,一些高科技企业和汽车制造商已经在这方面采取了一些行动。

菲亚特公司目前通过使用一些额外的传感器吊舱,通过对传感器等硬件的升级改装来提升其安全性,但依然有不少专家指出,通过传感器升级来提升安全性目前可能没有问题,但其更新速度远远赶不上黑客技术的提升,所以这种方法在成本以及时效性上还有一定问题。

特斯拉汽车今年参加在加拿大温哥华举行的Pwn2Own(一年一度的黑客和安全会议)会议时,通过奖励的方式最终让两名黑客成功入侵特斯拉Model 3汽车,对此特斯拉副总裁David Lau表示,通过参与此类安全会议,不断升级自己的安全防御软件,并通过人工智能的协作来进一步提升无人驾驶的安全性。

除此之外,GuardKnox车辆网络安全公司提出在无人驾驶汽车的通讯连接处建立一个安全系统。该系统在车辆的各种网络之间实施正式验证和确定的通信配置,其阻止任何未验证的通信。必须验证任何试图访问车辆中央网关ECU的外部通信,无论存在多少易受攻击的接入点,都能有效地锁定整个系统。集中化对于防止黑客从其通信网络访问自动驾驶汽车的核心系统至关重要。

3、

5G时代的出现又将面临新问题

图6

Voyage 总经理 Dean Bushey

“5G时代的到来毫无疑问会给无人驾驶汽车带来新的机遇。”自动驾驶汽车公司Voyage的总经理Dean Bushey在今年1月表示5G技术将有助于使自动驾驶汽车更安全。

Dean Bushey 解释道:我们任何时候都想要获得更低延迟,更高效的宽带,因为任何超过一百毫秒的延迟都会导致我们的汽车中断,而这5G的到来可以完美的解决这一问题。

针对5G时代对无人汽车带来的影响,网络安全巨头Avast的高级研究员马丁·赫伦(Martin Hron)却表示,第五代移动网络很可能使自动驾驶车辆比现在更容易受到攻击。

未来5G的大量应用将使得5G极有可能允许更多部件和系统的自动驾驶汽车更容易连接到外部世界以至于扩大黑客的攻击面与切入点。

如何降低5G对无人驾驶带来的风险放大机遇呢?Martin 表示汽车制造业,特别是无人驾驶汽车的研发和制造要领先于黑客技术,Tesla,Google Waymo都在朝这个方向做,但需要更完善的车辆网络安全机制。

“汽车制造业需要借助现有的安全技术并进一步研发领先黑客攻击的技术,以完善包含无人驾驶在内的车辆网络安全机制,比如在最初产品设计阶段车辆就必须将安全防护详细化。”

5G产业化发展对无人汽车主要影响在于云端到嵌入式端数据交互延迟的降低和宽带速度的增加,但这个方案对信息安全、隐私保护等都提出挑战,换句话说,在5G时代由于网速的几何提升,其无人驾驶系统客户的隐私更易泄露。

除此之外,无人驾驶汽车是基于人工智能与物联网基础上组成的系统或网络,如上文所述,无人驾驶汽车早已不是单个实体,所以一旦被黑客攻击,其切入点与攻击面都更大,黑客找寻到薄弱环节成功入侵的可能性加大。

所以Avast安全专家警告称:虽然现在5G应用内的无人驾驶汽车还在观望阶段,但如果没有很好的应对方案,未来5G与物联网的结合将会使无人驾驶汽车被黑客入侵的可能性加大。

4、

观点

每一代新技术的出现都有他自身的价值以及伴随而来的安全隐患,无人驾驶与互联网都有着被黑客侵入的网络安全风险,但这样的问题并没有被汽车制造商、研发者所忽视,比如前文提到的特斯拉在黑客会议上出钱出车要求黑客对其攻击,并因此研究下一代安全防护系统。

事实上,目前对这些风险意识的所有关注只会有助于鼓励以最安全的方式制造新一代自动驾驶汽车所需的更深入的研究。正如Avast的高级研究员马丁·赫伦所指的那样,无人驾驶安全技术需要领先于黑客入侵手段,并不断在软件硬件上进行升级变更,以提高抵御恶意攻击的能力,使自动驾驶更安全。

来源:锌刻度

阅读全文

宝马集团推高性能IT平台 处理自动驾驶汽车数据

自动驾驶汽车需要的不止是额外的硬件,此类汽车还需要访问大量高质量的数据,以及数百万行的代码,以实现安全驾驶。此外,自动驾驶汽车自己也会生成数tb的数据,在研发过程中需要对此类数据进行分析,从而深度学习算法才能做出更安全的驾驶决策,并随着时间推移不断得到改进。目前,汽车制造商们面临的挑战就是如何对此类数据进行分类和分析,以便更有效地利用此类数据,并与其他自动驾驶汽车共享。

图1

(图片来源:宝马集团官网)

据外媒报道,为解决上述问题,宝马建立了自己的IT平台,D3。“D3”代表着“数据驱动开发”(Data-Driven Development),是研发宝马自动驾驶汽车以及验证宝马自动驾驶汽车数据的基础。新款宝马D3平台的推出,是宝马迈向高度自动驾驶道路上的一个重要里程碑。该平台是一个不可或缺的工具,可确保将于2021年底推出的宝马iNEXT车型能够提供安全、可靠的L3系统。

多年来,宝马一直在应用数据驱动开发的方法,该方法基于这样一种假设,即绘制以及最终处理每块大陆上所遇到的各种复杂、多样的交通情况的唯一方法是收集大量数据,也表明必须通过一个广阔的数据池来验证自动驾驶的算法和整体操作。

此过程的第一步是收集来自测试车队的大约500万公里(约为310万至370万英里)的真实驾驶数据。从收集的数据中,提取200万公里(约为125英里)的与驾驶场景和环境因素最相关的数据。由于宝马采用了数据限定条件和过滤法挑选定性数据,收集的数据的相关性正不断提高。之后,在开发过程中,200万公里的驾驶数据会定期进行再处理,即当新的控制单元完成集成,可投入使用时,为了评估新集成的单元在性能上是否提高,就会对数据进行再处理。

该200万公里的数据不断扩大,还增加了2.4亿公里(约合1.5亿英里)的模拟生成的数据,此类模拟数据主要基于相关的驾驶场景,并确保在开发过程中适当考虑到现实驾驶的多样性。处理200万公里的真实驾驶数据以及2.4亿公里模拟驾驶数据需要一个高性能的数据平台,该平台需要具备230拍字节(petabytes)的存储容量,10万多核和处理200多个GPU(图像处理单元)的计算能力。

而宝马高性能D3平台每天可收集超过1500TB的原始数据,存储容量超过230PB,10万多核和处理200多个GPU的计算能力,每两周有50PB数据进入硬件在环(HiL)仿真站。

此外,宝马还与IT服务公司DXC Technology合作。DXC公司于2017年成立,由美国计算机科学公司(CSC)与惠普公司的企业服务部合并而成。DXC主要负责设置和运行数据中心,研发支持自动驾驶开发的应用程序,旨在让自动驾驶系统上市之前,降低其成本和研发时间。DXC的应用程序可让宝马的研发团队收集、存储和管理车辆传感器的数据,还能在几秒钟时间内训练自动驾驶机器学习算法。

来源:盖世汽车

阅读全文

Momenta推出高速自动驾驶方案,CEO曹旭东:人车共驾还要存在20年

“如果三十年以后,你们去采访当时最成功的自动驾驶企业家,我希望这个企业家是曹旭东。”日前,Momenta公司CEO曹旭东在苏州总部揭幕仪式上表示,“然后你们问他,你的企业成功关键是什么?他一定会说一个关键词,就是‘规模化’。”

33岁的曹旭东,在这轮以自动驾驶为主的技术创业潮中,表现得格外成熟。他没有直接扎进资本热烈追逐的Robotaxi领域,而是将Momenta定位成Tier 2,提供自动驾驶的环境感知、高精度地图和规划决策技术,从后装产品开始,逐步过渡到高速公路L3级的自动驾驶,再到限定场景的L4自动驾驶,最后是完全无人驾驶。

图1

Momenta公司CEO曹旭东

如今Momenta的产品线正按部就班向前推进,在产业链中也开始逐渐渗透。

3月25日,Momenta宣布总部即正式落地苏州,公司已在苏州建立起工程中心、产品中心和商务中心,全面推动自动驾驶技术量产化,而在北京,Momenta将继续保留研发中心,支持公司基础算法的研发。

同时,Momenta也推出了可量产的结构化道路自动驾驶解决方案Mpilot,该方案采用了符合车规级、可量产的感知方案,其利用摄像头、毫米波雷达、高精度地图与定位技术融合的方式,能够实现高速公路上下匝道、主动变道、应对紧急加塞等复杂场景的自动驾驶,并在雨天、黄昏繁忙时段、夜晚等极端环境下依然保持良好的性能。

在不少Level 3级高速自动驾驶中,往往需要激光雷达加强感知能力,但是Mommenta公司CEO曹旭东认为,自动驾驶关键的是量产和规模化。但如今市场中,尚未有一款激光雷达产品能满足量产所需的低成本和高稳定性。

曹旭东表示,Momenta的核心技术是基于深度学习的环境感知、高精度地图和驾驶决策算法,在过去三年,公司围绕这三大能力做了大量部署,而在未来3年,Momenta将基于感知、地图和驾驶决策,进一步将技术产品化,形成多个不同级别的自动驾驶解决方案。

图2

相应的量产方案也已经有了推出时间表:

2019年第一季度,推出高速自动驾驶量产方案,也就是本次发布的结构化道路解决方案;

2019年第二季度,发布限定场景内的自主泊车方案;

2019年的第三季度,发布完全无人驾驶的方案。

2020年第一季度,推出城区的自动驾驶解决方案。

“结合深度学习技术与可量产的传感器、计算元件,将自动驾驶技术进行产品化,是实现前装量产落地的关键。”曹旭东说。

“要在规模化的道路上胜人一筹”

“只有做到规模化,成本才能迅速地降低,汽车行业对于规模化带来的成本降低已经非常熟悉。”曹旭东说,“另外,自动驾驶具备互联网属性,规模化同时会带来巨大的网络效应。网络效应就意味着更大量的产品可以带来更多的数据和更多的反馈,从而强化产品体验。”

在曹旭东看来,规模化创造的用户价值越多,成本就会越低,“基本上你在规模化的道路上能够胜人一筹的话,很快就可以奠定自动驾驶领域第一的地位。”

那么,规模化的内在驱动力是什么?曹旭东一语指出,数据和数据驱动的算法。自动驾驶所需要的数据,包括感知数据、高精度地图数据、驾驶行为甚至接管的数据。

据钛媒体了解,Momenta已经借助与车队合作等途径,部署了大量传感器,覆盖中国20多个城市,而这些众包数据不仅都来自可量产的视觉传感器,还内视的相机和外视相机,内视主要是看人,外视主要是看车和路。

“自动驾驶越发展,长尾问题越多,如果要做到一万公里不接管,可能有一万个问题要解决,假设一个问题需要10个人的小团队工作三个月,可能需要上万人的团队,这是不可能的。所以基于海量的驾驶行为的数据和接管的数据,数据驱动的算法也会变得非常重要。”曹旭东说。

曹旭东为Momenta制定了两条规模化之路,一条是面向乘用车,量产人车共驾的自动驾驶方案;另外一条是推出没有方向盘的完全无人驾驶,主要应用于无人出租车和无人卡车领域。

“只有通过量产的自动驾驶才能获得前面提到的海量数据,包括感知的数据、地图的数据、驾驶行为的数据和接管的数据。有了这些数据流向,完全的无人驾驶系统才会提升。”曹旭东说,

这套逻辑似乎不难理解,但要实现这样一个协同增长的效果,并没有想像中那么容易。

“原因正是量产人车共驾的自动驾驶方案和完全无人驾驶方案,必须共享相同的传感器,这样数据流才能打通,同时完全无人驾驶的技术才能快速地落地到量产方案上去,如果传感器的方案不一样的话,就像特斯拉是帮不了Waymo,同样Waymo也是帮不了特斯拉。”曹旭东言外之意不外乎,在完全无人驾驶的方案里,必须以量产传感器为主,而且跟量产自动驾驶方案保持一致。

而Momenta在过去3年的发展中,已经在践行这一原则。

一切为了量产

据介绍,为了攻克量产方案,Momenta解决的一个关键难题是搭建算法模型平台。

因为Momenta主要基于视觉传感器和深度学习建立环境感知算法, 因此,对计算芯片的算力要求非常高,而建立一套无损压缩的算法模型平台,无疑将直接有助于技术方案量产落地。

“如果使用500瓦的GPU,每个GPU都是上千美金,这个GPU是很难做到量产的,所以我们在模型平台上做了大量的研究。使得我们的算法模型可以跑在几十美金的嵌入式芯片上,功耗只有几瓦。“曹旭东算了一笔账,以每一辆车的出货成本减少几百美金计算,如果出货量是百万台车的话,每年节省的费用就是几亿美元,“而且功耗做得更低,对于量产来说做得更好,使得产品更加安全和稳定。”

图3

同时,为增加自动驾驶感知的准确性,高精度地图也不可或缺。2018年9月,Momenta获得国家自然资源部颁发的甲级测绘资质,并基于视觉众包路线,制作了高精度地图。

“当时激光雷达还很贵,我们就采用了对量产来说更友好的技术路线,就是视觉为主建图的技术路线和视觉为主的自定位的技术路线。现在基于视觉的建图,精图已经做到10cm以内,而定位的精度在大多数情况下小于10cm。”曹旭东说,在城市区域的建图和定位中,Momenta也使用了消费级的GPS和消费级的IMU。

曹旭东表示,即便是在之后推出的完全无人驾驶方案和城区内的自动驾驶方案,Momenta也将坚持可量产原则。

“2019年的Q3,我们会发布完全无人驾驶的方案,这一方案同样是以量产的传感器为主,会有12个摄像头再加上5个毫米波雷达,LiDAR(激光雷达)虽然会使用,但是LiDAR在整个自动驾驶系统中起到的作用不是主要的,还是相对次要的。”曹旭东说,“2020年的Q1,我们会发布在城区内的自动驾驶,而这个城区内的自动驾驶仍然会使用量产的传感器,以摄像头和毫米波雷达为主。”

虽然会在今年第三季度就推出完全无人驾驶方案,但是对激光雷达角色的弱化,让Momenta对这一技术的落地预期大幅拉长。

“中国每年的汽车销量差不多三千万台,所以,自动驾驶量产方案出货量小则百万台,大则是千万台以上,它对安全性要求极高,因此,在量产的方案上,我们的预判大概需要20年时间,这20年的时间内都是以人车共驾为主。”曹旭东说。

报道显示,自2016年成立至今,Momenta累计获得超2亿美元资金,总体估值超过10亿美元,投资方阵营包括腾讯、戴姆勒等战略投资者,招商局创投、上海国资经营公司旗下国鑫资本、苏州元禾资本与建银国际等多位国资背景投资者,以及凯辉中法基金、蔚来资本等产业投资者。

获得资金弹药和产业链资源后,Momenta将总部迁至办公成本更低、落地条件更多的苏州,显然已经做好了准备,以应对量产自动驾驶的持久之战。

来源:钛媒体

阅读全文

文远知行公布自动驾驶运营路线图:全新升级自动驾驶方案

继去年10月份拿到了雷诺日产三菱联盟领投的A轮融资后,文远知行继续加速自己的运营计划。2020年是文远知行自动驾驶的运营年,这是文远知行从未更改过的目标。

图1

文远知行的CTO李岩认为,从技术储备而言,文远知行已经有足够的信心进行自动驾驶的落地。在2019年的GTC会议,文远知行也对外公布了自己的技术最新进展—— 全新的L4级自动驾驶方案。

他告诉雷锋网新智驾:这是一套预商业化解决方案。换言之,也是一套为运营落地而生的技术方案。

同时,李岩也强调:和以往的方案相比,这是一套成本更低、安全性能更加高、更加适合中国路况的自动驾驶解决方案。在GTC上,文远知行也首发了一款新的L4级日产LEAF 2,新车型的加入也是壮大了文远知行的运营队伍。升级后自动驾驶方案,进化在哪?

在李岩看来,这次的技术升级对于文远知行而言,具有“里程碑”式的意义。

此次在LEAF 2的车上配置了2颗激光雷达,2颗Velodyne近距雷达、1颗Luminar的固态激光雷达,超过10个相机(包括前视远焦相机、环视相机)、以及5个毫米波雷达。前向的摄像头等效于129线的激光雷达覆盖,侧向有144线的激光雷达覆盖,与之前方案相比,雷达点密度提高了一倍以上。

对于在200米半径下这些低于10%的这种反射率的物体,都可以通过激光雷达进行稳定的检测。

全新的传感器配置也带来了相应的功能升级。

  • 车顶配备可实现360度视场的全覆盖——对摄像头、激光雷达、毫米波雷达三类传感器实现了360度的覆盖。此前的方案当中只具备是前向、侧向的感知。全新的设置可以通过不同波长的传感器的不同特性,可以对车辆周围所有的目标进行多重的确认、以保证目标检测的准确行和可靠性。
  • 采用分辨率更高、测距更远的激光雷达组合,检测距离从此前的120米扩展至250米,提升了感知的范围和性能。
  • 使用了英伟达的DRIVE AGX Pegasus平台,由多个传感器收集的数据可实现时间同步,包括(激光雷达、相机、毫米波雷达、IMU、定位传感器、GPS,所有的数据在统一的时间区域中进行数据处理,其中激光雷达和相机能够进行象素级的同步,保证识别的精度和准确性。)

随着传感器的配置发生变化,与之相对应的则是标定方案也发生变化。在全新的标定方式当中,较为独特的是,车头处有一颗激光雷达。李岩告诉雷锋网新智驾:这样的标定方式能够更加适应中国的路况。激光雷达的放低可以更加精准地检测到前方的细小物体、以及在窄路的路口、无保护的右转、低速路到高速路的切换、辅路并入到高速公路等场景中,有效地弥补车辆视觉的盲区。此外,文远知行也进行了冗余的设置,整个软件的架构得到了全面的升级,车厢内部的走线布局、散热都进行了特殊的处理。

传感器本身价格的下降和文远知行软件的进化能够有效地弥补硬件上的缺陷,都是促成本次方案成本压缩的重要原因。

创立两年,文远知行已经完成了自动驾驶技术在3种不同车型上的适配,包括最早的林肯MKZ,后来的广汽传祺GE3,以及新近加入的日产LEAF 2。此次的LEAF 2新车型的上线,和之前的雷诺日产三菱联盟的战略投资有紧密的关系。

日产在硬件以及里程控制上,给文远知行提供了全面的支持,包括刹车、油门、方向盘、换挡等最底层的信息都能够拿到第一手的资料(更多的底层协议)。这种紧密的打通,使得LEAF 2和文选知行的自动驾驶方案形成了深度的整合,接近于原厂的设置。

为了保障运营的安全性能,新升级的L4解决方案,增多了一个Safety co-pilot的系统。Safety co-pilot由原来的remote control(远程控制)升级而成,在紧级的情况之中能够提供一种接管的方法,相当于提供了一个冗余的系统,多一道安全保护措施。

图2

500辆规模的自动驾驶车队

完成了硬件上的升级之外,文远知行计划完成组建500辆自动驾驶的车队,届时下一代自动驾驶车队使用NVIDIA DRIVE AGX Pegasus平台。

李岩告诉雷锋网新智驾:“车队的投放并不是为了大量地增加营收和获取利润,更多地是把产品进行一个端到端的设计,在运行的过程中能够尽量发现一些漏洞。”

随着车队规模的进一步扩大,测试的路线也更为丰富—— 主要是以生物岛为圆心,在周边附近逐步扩大这个测试的范围,与此同时,测试车辆也在广州不同的区域都进行了路测。

车队扩大更为长远的意义在于运营能力的落地。

据文远知行市场副总裁张力向新智驾透露:文远知行的运营天数已经达到了413天,里程数达到260,000公里,接待人数超过了4000人。(新智驾注:这是截止至3月20日的数据,最新数据请以官方公布数据为准)

在现阶段文远知行的运营规划当中,路线运营的首要因素是安全,倾向选择人车分流的道路。此外,张力也向新智驾表示:在实际的运行过程当中,并不用过多地考虑所谓的MPI,出于安全的考虑多做一些接管也无妨。实际上,运营就是为了验证商业模式的可行型,其中最为关键步骤就是完成从0收入到有收入的变化,也就是自我造血能力的培养。

张力透露:目前,文远知行也在和广州最大的出租车公司进行洽谈,希望进一步推进自动驾驶的落地。

正式成立两年,文远知行仍在攻克自动驾驶技术上的难关。 在一边攻关的同时,文远知行也在探索如何加速落地的进程,探索如何拥有造血的能力。这次的技术升级进一步压缩了自动驾驶成本,对文远知行而言都是一个重要的开始。

来源:雷锋网

阅读全文

俄罗斯互联网巨头Yandex与现代合作开发自动驾驶控制系统

北京时间3月21日消息,据雅虎新闻网报道,俄罗斯智能产品以及基于机器学习提供服务的供应商Yandex同全球最大汽车零部件制造商之一的现代摩比斯(Hyundai Mobis)已经签订了一份谅解备忘录。两家公司计划合作开发适用于第四和第五级别自动驾驶汽车的控制系统,双方期待利用Yandex已有的自动驾驶技术和现代摩比斯在汽车行业的丰富经验相结合以提升产品服务竞争力。

图1

据报道,谅解备忘录的签订还为双方在其他领域的合作创造了可能,比如合作开发整合Yandex技术服务(包含语音、导航和地图等)的产品。

Yandex和现代摩比斯合作的第一步正是双方将聚焦于打造一款基于现代或起亚标准量产车型的自动驾驶原型车。两家公司在未来还计划开发出一款全新的驾驶控制系统,该系统将作为外界解决方案供汽车制造商、共享汽车服务供应商以及出租车队使用。

Yandex首席执行官阿卡迪-沃洛泽(Arkady Volozh)在接受记者采访时表示:“我们的自动驾驶技术是独一无二的,其已经证明了自身的可扩展性。我们的自动驾驶汽车已经成功的在莫斯科、特拉维夫和拉斯维加斯上路行驶,这也意味着Yandex自动驾驶车队可以覆盖到全世界的任何地方。”

据悉,Yandex早在2017年春天就开始测试自动驾驶汽车,到2018年中期在欧洲推出当地首个全自动驾驶服务。值得一提的是,Yandex自动驾驶出租车在俄罗斯Innopolis和Skolkovo开展测试行驶时,即便在冬天车内只有一位安全工程师坐在副驾驶位置上。Yandex还将自己的自动驾驶汽车开到了其他国家和地区,并已在以色列开展行驶测试,而在今年的消费者电子展上Yandex自动驾驶汽车来到现场并进行展示性行驶。

现代摩比斯是现代汽车集团的附属企业之一,后者是全球五大汽车制造商之一,其生产现代、起亚和Genesis品牌汽车。同时,现代摩比斯也是全球十大汽车零部件制造商之一。该公司致力于新技术的研发,而眼下其也正在推进自有自动驾驶汽车的开发工作。现代摩比斯在自动驾驶汽车技术上具有前瞻性的技术优势,此前计划利用3D手机游戏软件研发自动驾驶系统。现代摩比斯表示,使用高清的视频游戏图像创造各种驾驶条件,可让其更高效且安全地检查自动驾驶汽车系统的摄像头,后者是自动驾驶汽车系统不可缺少的组成部分。该公司表示此类视频可用于模拟夜晚或恶劣天气条件和复杂的城市驾驶环境。此外,其还能用于检查摄像头是否能够检测和处理在路边现场可开展的一般维修工作。

Yandex是俄罗斯的互联网服务巨头,类似中国的百度和美国的谷歌。Yandex旗下的搜索引擎在俄罗斯拥有逾60%的市场占有率,同时也提供其他一系列互联网产品和服务。数据显示,Yandex是目前世界第五大搜索引擎,Yandex的主页Yandex.ru是俄罗斯访问量最高的网址。

来源:腾讯汽车

阅读全文

NR再发自动驾驶排行榜:Waymo、Cruise 领跑,百度排名提升

最近,那个著名的研究机构 Navigant research 又发布了最新一年的自动驾驶竞争力排行榜。Waymo 和通用旗下的 Cruise 毫无悬念地处于领跑位置,而百度则是唯一一个上榜的中国公司。

图1

图2

和以往一样,这个排行榜分为两个维度:图中横轴代表「战略/策略」,纵轴代表「执行」(可以理解为落地速度)。

评判这些公司的维度包括:愿景、市场化策略、合作伙伴、量产策略、技术、销售、市场份额、产品质量和可靠性、产品组合等等。 在这个榜单里,并不是所有自动驾驶团队都「有幸」上榜,Navigant 只是列出了一些有代表性的公司、联盟。

这些公司被分为四类:领导者、竞争者、挑战者和追随者。

领导者:Waymo、Cruise、福特。

竞争者众多,包括:安波福、英特尔-Mobileye、百度、丰田、大众集团、戴姆勒-博世、雷诺日产三菱联盟、宝马-英特尔-FCA 联盟、现代汽车、沃尔沃、Uber、Zoox、Navya 等。

挑战者:苹果、特斯拉、Voyage Auto。

追随者:无

在战略层面(横轴),前五名分别是福特、Waymo、Cruise、安波福、百度。

在执行层面(纵轴),前五名分别是 Cruise、Waymo、戴姆勒-博世、福特、大众集团。

我们再来看看之前两年 Navigant research 给出的排名。

去年:

图3

前年:

图4

对比来看,能发现一些有趣的「趋势」,比如:

1. 在 2017 年,Navigant research 报告中的「领导者」还都是整车厂,到了 2018 年,这个阵营里整车厂、供应商、科技公司扎堆,而到了今年,「领导者」完成洗牌,Waymo 和 Cruise 登顶,也算是众望所归。

图5

2. 特斯拉是真的不受 Navigant research 待见,2017 年还算是「竞争者」,最近两年在图中排名都是倒数。建议特吹拉黑警告。

3. 这里重点说说百度。在这三年里,百度的排名逐年提升。作为榜单里唯一上榜的中国企业,Navigant research 对百度的认可,也符合 Apollo 计划日益成熟的事实,以及中国自动驾驶领域领军者的地位。

相比去年,在这份榜单里,百度在战略、执行这两个维度上都取得了进步。尤其是在最近的半年里,Apollo 计划在商业化落地上给我们留下了深刻的印象:2018 年 11 月的百度大会上,百度 Apollo 宣布将与一汽红旗共同打造中国首款 L4 级自动驾驶量产乘用车,同时,与沃尔沃以量产为目标打造深度定制 L4 级自动驾驶乘用车。而到了 2019 年年初的 CES 上,百度自动驾驶商业化又迈出了里程碑一步:推出 Apollo 企业版,为车企提供包括高速公路自动驾驶、自动泊车在内的前装自动驾驶功能,当时确认的前装合作客户包括福特、长城、奇瑞、比亚迪、北汽、汉腾等。

图6

其实不只是百度,对于所有自动驾驶车企来说,2019 年都是在商业化落地过程中极为重要的一年,Waymo 也在 2018 年年底推出 Waymo One 自动驾驶网约车服务,就足以说明问题。

很显然,百度 Apollo 和 Waymo,分别领跑中、美自动驾驶行业。

我们也很好奇,到了明年,这个榜单又会有怎样的变化呢?

当然还是得提一句:还不存在,也不可能存在一份绝对客观、可度量的自动驾驶排行榜。其实从 2017 年开始,Navigant research 的榜单就受到很多质疑,所以,不可不信,也不能全信。

来源:盖世汽车

阅读全文

图森获突破 实现无人驾驶卡车全天候运营

2019年3月19日,图森未来对外发布其最新的无人驾驶摄像头感知系统。该感知系统会在2019年第二季度量产,并于第三季度应用于图森未来正在进行商业化运输服务的无人驾驶卡车上。图森未来在硬件研发上的领先之举,不仅为无人驾驶卡车的运营提供了强有力的保障,也是图森未来进行大规模商业化的关键一步。

图1

配备有索尼最先进的汽车CMOS图像传感器,图森未来自主研发的摄像头感知系统充分支持夜间以及低能见度下的无人驾驶行驶。此夜间行驶方案与图森未来行业领先的1000米感知技术相结合,可使得无人驾驶卡车使用率提高到80%。

图森未来计划于6月底其无人驾驶卡车车队规模扩充到50台以上。此专门为L4级全自动无人驾驶卡车而设计的摄像头感知系统也是图森未来进行规模化扩大的重要一部分。

“为现在市场上的感知系统带来可靠的夜间以及低能见度下的无人驾驶行驶方案,是无人驾驶生存的重要一步,也是我们的战略重点。”索尼汽车技术事业部副部长Tsutomu Haruta表示。“我们很高兴全球领先的无人驾驶卡车公司——图森未来能够在其卡车上应用索尼的这项尖端技术。”

图森未来利用索尼的汽车CMOS图像传感器创造出了一套可在短、中、长多种距离范围下,精确检测并识别1000米以内物体的感知系统。该系统攻克了诸多复杂的图像识别难点,例如出入隧道时突然的光线变换,日升日落时的光晕,以及迎面车辆的大灯眩光,同时也能很好的处理交通信号灯的LED闪烁场景。

“和人类司机开车一样,无人驾驶卡车的感知系统也面临诸多行驶中会遇到的光线变换情况。在市面上,我们没能找到符合此需求的感知系统,所以我们自己研发出来一套。”图森未来联合创始人兼CTO侯晓迪博士表示。“通过索尼和图森未来双方专业技术的结合,打造出一套能够比人眼看的更远更清晰的感知系统——能顺利应对白天夜晚、晴天雨天,以及绝大部分极端天气。”

此套最新的摄像头感知方案达到了汽车安全Level-C等级,这对于在行驶中必须高度可靠的安全工程系统来说十分重要,符合ISO 26262功能安全标准。作为系统集成商,中国领先的光学产品制造企业舜宇光学科技将对产品和模块进行测试,并开发制造汽车级产品。

侯晓迪博士将会在美国时间3月19日的英伟达GTC大会上的演讲中带来这套最新的摄像头感知方案。英伟达是图森未来的投资方之一,且英伟达所提供的技术也是图森未来无人驾驶卡车的关键一部分。同时图森未来的无人卡车会出现在GTC大会的展示区。

图森未来无人驾驶卡车的有效感知距离达到了1000米——无论在距离上还是清晰度上,都明显超越其他无人驾驶解决方案。图森未来无人卡车利用摄像头、激光雷达、毫米波雷达等传感器实现对周围环境360度像素级的感知和解读。无论在晴天还是雨天,图森未来卡车都保持3厘米以内的控制精度。

成功完成9500万美元D轮融资,持续进行商业化无人驾驶运输服务,图森未来正在逐渐实现其在2020年底实现第一个无人驾驶商业化运营的目标,并致力于打造一个更安全、更清洁、更高效的卡车运输行业。

图森未来将致力于推动市场规模高达1.5万亿美元的中美货运行业升级,提高运输安全性、降低运营成本、减少由于疲劳驾驶等人为因素导致的事故、减少碳排放,有效提升运输效率,解决目前运营者们所面临的诸多挑战。

来源:盖世汽车

阅读全文

如何实现自动驾驶最后的1%

日常生活中的汽车都是依靠驾驶员来操作前行的,在驾驶过程中我们完全不清楚视线范围以外的信息,遇到紧急情况不能提前预知。记得小时候看科幻电影《我,机器人》时,就深深的被影片中主人公“一辆会自动驾驶的车”所吸引,崇拜电影中拥有的超能力。它会主动加速减速避让来往的车辆并且提前预知前方道路的交通情况。

图1

CIDI自动驾驶重卡

当我们还沉浸在科幻电影镜头时,科幻变为现实,随着自动驾驶技术的日益成熟,它将是未来汽车发展的必然趋势。目前,各大车企和涉及自动驾驶领域的科技公司都在为研发自动驾驶技术而努力。CIDI就是一家专业研发智能驾驶技术的公司并已成功的运用到重卡、专用车及车路协同领域上。

我们先来了解一下自动驾驶,自动驾驶级别分为5级,当达到第5级时也就是我们俗称的全自动驾驶, 而这些并不是真正意义上的自动驾驶。那么真正的自动驾驶是什么呢?应该具备哪几个必要条件?

图2

CIDI自动驾驶测试场(高速路段)

实现自动驾驶所具备的硬件条件

目前的半自动驾驶,传感器是车辆必不可少的,同时在未来的自动驾驶车辆上,这也是最基础的。车辆的雷达可以划分为三种声波雷达、光波雷达还有毫米波雷达可以检测周围的环境。同时车辆的摄像头、扫描仪等构成了车辆的基础探测系统。

想要实现车辆的自动驾驶,高精度地图自然是必不可少的。就目前的地图来说,可以帮助驾驶员规划路线,同时还可以根据驾驶员的喜好来选择,比如说躲避拥堵,高速优先,时间最短等,同时地图还可以显示出拥堵情况。

然而这些信息并不能很好的支持自动驾驶车辆的使用,还要更加多元化的信息,比如实时的道路信息以及红绿灯的时间间隔等。

图3

车路协同

除了上述所说的技术可以实现自动驾驶外,要是想将自动驾驶提高一个级别,就要用到车路协同系统了。车路协同系统即IVICS(Intelligent Vehicle Infrastructure Cooperative Systems),简称车路协同系统,是未来智能交通系统(ITS)的发展方向。其采用的是无线通信、互联网、传感探测等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人-车-路的有效协同,保证交通安全,提高通行效率。

车路协同的技术指标有三点,一是强调人-车-路系统协同,二是强调区域大规模联网联控,三是强调利用多模式交通网络与信息交互。这项技术是信息技术与汽车和交通两大行业相融合的结果,那么这项技术将为我们带来哪些便利呢?

车路协同系统中的碰撞预警功能会提前告知“哪些车辆存在潜在的碰撞危险”,预估出潜在安全隐患,提醒驾驶员提前变道及时避让。虚拟路牌则会告知路途中标注性信息,可以提前告知驾驶员注意落石或急转弯等。还有路口红绿灯状况告知提醒,超视距感知系统对路况、车况的实时获取,预先将看不到的路障信息发送给汽车,提醒驾驶员注意换道或避让。随着自动驾驶领域不断开发,有很多涉及自动驾驶系统技术的企业都纷纷加入其中。

近日,钛媒体参观了长沙自动驾驶研究院(以下简称“CIDI”)。它是一家专业研发智能驾驶技术的公司,其利用多种传感器、高精度定位、车路数据互联与共享,来实现自动驾驶,并将自动驾驶的研发与落地方向定位在重卡、专用车及车路协同领域。

图4

自动驾驶重卡试乘体验

目前已经在重卡上实现了自动驾驶功能。

图5

登上卡车,和驾驶员师傅打了一声招呼,师傅笑着说:“我现在叫安全员了,科技发展的太快司机要失业了”。坐稳后,卡车缓缓的驶上高速测试道路,逐渐开始提速,屏幕显示时速是103KM/H了,当视线里出现其他车辆后,明显的可以感觉卡车在减速的同时开始变道了,同车的技术专家告诉钛媒体,其实车辆早就知道前方道路的信息,并且计算出前方行驶车辆的时速,检测其车身姿态有没有变道意图,所以卡车在刹车的同时完成变道,进行避让。

图6

车速超过100km/h

那么CIDI是如何实现重卡自动驾驶的呢?它并不是依靠单一的自动驾驶系统(前文应具备的条件外),而是依托智能网联道路管理系统(CRSS)来完成的,我们可以把CRSS简单的看成升级版的车路协同系统。该系统根据不同应用场景方案提供了四层计算架构:车端计算、路侧边缘计算、中心云计算、移动端计算。

CRSS主要由智能网联路侧单元、边缘计算单元、路侧传感器组成,系统集成了感知、高精度定位、V2X通信等功能。车内数据传输主要由车载单元(OBU)与手机APP组成,车载终端主要集成了V2X通信、V2X 算法决策、APP终端显示、自动驾驶控制等功能。

图7

通过车路协同系统,实现自动掉头

车联网是解决无人驾驶最后1%的关键

“无人驾驶的最后1%是非常困难的,不解决就落不了地。”马潍博士曾说过这样的一句话。和很多车企单一的去研发L3或L4不同的是,CIDI是以L4技术出发做能落地的产品。

车联网是解决无人驾驶最后1%的关键。虽然车联网概念炒了很多年,但实际上低延时的车联网目前做得还是非常少。传统车联网往往是通过在车辆上装载4G通信模块,实现车辆运行状况的反馈,这样做数据传输相对慢,实时性比较差。

CIDI的车联网解决方案是以低迟延通信解决最后1%的无法预料的问题,无人化侧重特殊场景的应用,如园区、矿场等。其涉及核心技术包含多重传感器融合、深度学习、自主决策、高效计算机、高精度定位、V2V及V2X车联网来完成最后的1%。

图8

智能网联道路管理系统CRSS

CIDI

车路协同的独特功能(超视距感知)

在高速场景中因车速较快,车辆所需的安全距离较远,而车载端传感器极限感知能力只有100到200米,在某些车辆或场景中,无法满足其安全性。此时,沿线部署的CRSS便可通过其超视距感知能力,有效地增强自动驾驶安全性。超视距感知能力包括以下三个方面:

超视距障碍物检测:视距范围以外的道路上存在障碍物时,CRSS能够在驾驶员视距范围之外提前感知到结果并广播给接近该位置的车辆,提醒其提前决策。

超视距可行驶区域检测:为应对道路施工、路面坑洼、交通事故等特殊事件的发生,道路的可行驶区域也将实时发生变化。此时,若依照车内保存的历史地图进行自驾行驶,容易发生交通事故。CRSS提前感知这个区域并广播给接近的自动驾驶车辆,提醒其提前变道。

超视距视频感知:CRSS将采集的路侧视频数据通过V2I传给自动驾驶车辆的感知层进行决策分析,从而将自动驾驶车辆感知能力拓展到1km左右,极大地提升了高速自动驾驶的安全性。

总结

通过一天短暂的试乘体验后,简单总结一下,单靠车辆智能化不能完全实现L4级别的自动驾驶,而将车辆和路面结合到一起后进行数据共享和传输这样就做到CIDI主打的研发理念车路协同,这样就很轻松实现车辆的自动驾驶。

如今的车路协同是智能化、数据化、互联互通的车、路、交通环境的整合。在物联网发展趋势下,这也正是自动驾驶和未来交通所要到达的场景。CIDI依靠多重传感器的融合、深度学习、自主决策、高效计算、高精度定位、V2V及V2X车联网实现了车路协同下的自动驾驶。现实中自动驾驶的运用意义深远,但是车路协同的自动驾驶还需要更多的经验和摸索。

来源:钛媒体

阅读全文

Waymo自动驾驶路测近2000万公里

日前,《日本经济新闻》的报道中称,从各自动驾驶企业提交给美国加利福尼亚州的报告可以看出,在自动驾驶的技术开发竞争中,谷歌旗下的Waymo一路领跑,其自动驾驶汽车路测里程远远超过第2位的美国通用汽车。

图1

去年Waymo也曾六次公布其自动驾驶汽车的路测里程, 最后一次的路测里程高达1609万公里。四舍五入来看的话,Waymo的自动驾驶路测成绩已经达到了2000万公里这个量级,也就是说它已经整整绕了地球500圈。

图2

但即便是如此,为什么时至今日,这项自动驾驶的技术还未成为我们的日常呢?原因如下。

还未完善的高精地图系统

仔细研究发现,自动驾驶本身并不困难,难处在于辅之上路的各项配套的技术与配置。那自动驾驶的核心技术所在,又是在高精地图,精准的地图对于自动定位、导航控制、安全都起着至关重要的作用。

图3

目前,我们日常所使用的地图,一般是以GPS导航系统为主的传统地图,而传统地图所建立的基础是对路网的一种抽象的收集和制作,这样的形式可以很好的适应驾驶员的需求,但对于自动驾驶来说,就有一定的局限性了。

图4

自动驾驶技术在定位上的需求,主要为局部定位和全局定位。局部定位就是通过车道线监测、路面监测来确定车辆与环境之间的关系;而全局定位则是通过地图的数据来感受车辆所处位置。这里就需要更为精准细致的高精地图了。

图5

同时,高精地图还直接决定自动驾驶的安全性与效率。所以,要完全满足其需求就必须做到厘米级别的精准程度,并且还有做到实时变化、实时更新周边路况信息级周边环境。也正因为它精密多变的特性,也使其的制作也十分困难。

图6

从现阶段的我们日常使用的地图来看,精准度通常只有3-7米,并且在山区等地区精准度还会降低。即便是在美国,Google、Here地图,在现阶段也无法完全满足自动驾驶对地图的依赖与需求。虽然,目前也有一些高清地图在极小范围内进行试用,但距离真正完善的高精地图的普及和实际运用,还是需要些许时日的。

统计不完善的大数据

如果将高精地图比作自动驾驶的核心技术,那么大数据信息自然是自动驾驶技术研发的前提与促使其成长的助推器,因为大数据为自动驾驶技术带来了难以想象的冲击和意义。

图7

自动驾驶的大数据包括技术、众包、个人数据三种类型。技术数据是一套的传感器,它作为汽车的“眼睛”,能够帮助汽车更全面的“看到”周围的环境,从而躲避障碍物;众包数据则是汽车在运行中从周边感知到的数据,例如交通状况、路况变化等等;而个人数据,则是通过不停“学习”车内用户的兴趣爱好,例如爱听的音乐、常走的路线等,从而在驾驶过程中更为人性化。

这三种数据的积累,对于自动驾驶来说都有着缺一不可的重要性,只有通过这一些列的数据累积,才能确保汽车完成安全、高效的自动驾驶过程。

图8

举一个很简单的例子,当一个人站在路口,而自动驾驶车辆需要通过路口时,它首先会通过雷达和地图检测到这一情况。随后,就需要运用一系列的大数据的分析,来判断是否需要让行,从而做到安全让行。

图9

而建立一个复杂、庞大、能够满足自动驾驶需求的数据库,必然是要通过长年累月的积累的。但自动驾驶技术到目前为止发展时间有限,已有的数据还远不足以支持自动驾驶的大数据需求,因此,大数据还有待一段时间的积累。

相关法律法规的空缺与滞后

从目前的自动驾驶发展来看的话,除了上述所说的技术问题之外,与之相关的法律法规落地也是制约其发展的一大重要因素。

图10

目前,仅有美国等发达国家出台了相对完善的关于自动驾驶技术的法律法规。直到2017年,北京才出台了关于《北京市自动驾驶车辆道路测试管理实施细则(试行)》;2018年,国家发改委才发布《智能汽车创新发展战略》。并且,与国外对比仍然相对保守,百度创始人李彦宏还为此收到过一张关于自动驾驶车辆的罚单。

图11

现阶段,包括百度、蔚来汽车、上汽等国内知名的车企及科技公司在内的大多数企业都将研究地点选在美国,究其原因也正是现行的交通安全和侵权责任无法无法涵盖自动驾驶的内容,长期以往,则直接影响我国自动驾驶技术的发展。

图12

自动驾驶领域的相关法律法规的空缺与滞后,不仅让自动驾驶成为日常遥遥无期,还影响着中国自动驾驶技术在全球的“自动驾驶赛道”中跑出“中国速度”。因此,尽快的制定和完善符合中国国情的关于自动驾驶的法律法规刻不容缓。

总结

就目前看来,即便是包括Waymo在内的许多公司在自动驾驶的研发和测试的路上取得了一定的进步与成果,但我们不可否认,自动驾驶这场“团队战役”仍然还有很长的一段路要走。

图13

只有在研究自动驾驶本身技术的同时,不断研发更为精密的地图、长年累月的进行大数据的积累,并及时出台和完善相关的法律法规,才有机会在未来,让自动驾驶技术走进我们日常。

来源:盖世汽车

阅读全文

日本为2020年自动驾驶修订道路法规

为了推动自动驾驶汽车的普及,从制度建设的高度确保自动驾驶汽车的安全性,近日,日本政府在内阁会议上通过了《道路运输车辆法》修正案,对这部法律进行了部分修订。

目前,在日本国内,各大汽车车企和大学等研究机构在自动驾驶汽车相关的设计和研发方面竞相加速。日本国土交通省指出,以2020年的东京奥林匹克运动会为时间节点,各大企业和组织希望能实现高速公路上的自动驾驶,在人口稀少地区开启无人驾驶车辆运送服务等,但在日本现行的法律条款下,自动驾驶还无法成为现实。另外,随着汽车电子化、自动化程度进一步提升,自动刹车等先进技术在越来越多的车辆上得到快速普及,且可进行车辆间、车辆与基础设施间通信,通过软件更新更改汽车性能也具备了更多可行性。

图1

五大修订要点

日本修订的《道路运输车辆法》对于法律的修订主要体现在五个方面。首先,在安保标准对象装置中追加“自动运行装置”。所谓自动运行装置,是指通过软件程序使车辆自动行驶时,必须安装的一些装置,例如摄像头、雷达等,而这些装置必须有能力代替驾驶员进行认知、预测、判断及操作等。各个自动运行装置的使用条件由国土交通大臣来设定,其中也包括记录车辆运行状态的装置。

其次,引入汽车电子检查的同时,与该检查相关的必要的技术信息管理工作由日本独立行政法人——汽车技术综合机构(NALTEC)负责。

再次,车辆的检查和整修方面,除了原本的刹车、发动机等外,摄像头、雷达等自动运行装置等先进技术的相关整修也纳入其中。此外,汽车制造商有义务提供检查、整修所需的技术信息。

第四,创立许可制度,使用通信电路等方式,允许通过改变汽车自动运行装置的软件程序来改造车辆。与许可制度相关的事务中,技术类的审查同样交由汽车技术综合机构(NALTEC)进行。

最后,为了确保整车检查符合汽车认证制度,增加纠错指令,用于处理整车检查中的不足之处;随着汽车检查的电子化,创立委托制度,负责汽车检查证的记录等事务。

2020年自动驾驶商业化

日本国土交通省表示,希望通过以上措施推动自动驾驶技术的商业化普及,目标是:2020年左右实现高速公路上的L3级自动驾驶;2020年底前实现特定区域的无人驾驶移动服务;2020年底前使得自动刹车在新乘用车上的搭载率达到90%以上。

自动驾驶技术的问世给各国现有的交通监管制度提出了重大挑战。以日本为例,日本内阁2017年发布的《2017官民ITS构想及路线图》指出,L2及以下的自动驾驶在日本现行法律范围之内,要想让L3及以上的自动驾驶实现市场化,则有必要进一步修改相关法律法规,包括《道路运输车辆法》、《道路交通法》等。

对于日本汽车制造商来说,期待已久的《道路运输车辆法》的修订是一个好消息。丰田、本田、日产等车企已经在布局自动驾驶技术。其中,丰田去年推出的一款e-Palette概念车具备自动驾驶功能,将在2020年东京奥运会和残奥会期间投入使用。本田也联手通用,共同研发自动驾驶汽车并进行规模化生产和全球部署。日产及其盟友雷诺则确定加入谷歌自动驾驶阵营,共同研发无人驾驶出租车,以期实现无人驾驶网约车服务的商业化应用。

来源:中国汽车报网

阅读全文