• <button id="jbvd6"><object id="jbvd6"></object></button>
  • <em id="jbvd6"></em>
    1. 無人駕駛產業格局及技術路線分析

      2017-10-26

      大家好,這里是 Roadstar.ai 。我們是一家將硅谷最先進的多傳感器深度融合無人駕駛技術帶回中國,徹底改變中國人的出行的 startup 。在介紹我們是誰,我們做什么之前,讓我們先分享一下我們對無人駕駛行業的看法。

       

      1. 無人駕駛行業的現狀分析

      1.1 The origin: DARPA

      在無人駕駛潮,起源于 2005 年,美國國防部舉辦的 DARPA Grand Challenge 。04 年的第一屆沒有手跑出來,但是 05 年在荒野的比,有多支伍成功跑完,斯坦福大學和卡耐基梅隆大學得了名。

       

      而 2007 年的 DARPA Urban Challenge ,把挑放到了城市路況中,次是卡耐基梅隆大學,斯坦福大學和弗吉尼理工大學分別獲得了第一,二,三名。

      美國國防部的比,向世人明了無人駕駛上的可能性

       

      1.2 Google 延續了 DARPA 的技術,從 09 年一直在不斷的研發

      Google 看到 DARPA 中無人駕駛的未來,于 2009 年將斯坦福 AI Lab 的負責人,也是 DARPA中斯坦福大學原型負責人 Sebastian 招到 Google,和他的原班人一起,繼續無人駕駛領域的研究。Google X 于 2010 年 1 月正式成立。

      從 09 年到 2016 年 6 月,Google 的無人了 2,777,585 公里。光 2016 年 8 月一個月,無人就行了 202,777 公里。

       

      截止到在,Google 的無人了 500 萬公里。最新的技術實力,可以達到平均連續8000 公里 1 次人工干的水平。

       

      2016 年 12 月,Google 正式將 Google X 中的無人駕駛業務分拆出來,成立了獨立公司 Waymo。

      由于 Google 無人駕駛的大力推,在硅谷大家都能看到最前沿的技似乎已能很快的得到普及。目前,Google 的無人駕駛術還是公世界最高的水平。

       

      1.3 Tesla 的探索—激進的先驅者

      Tesla 從 2014 年底的型開始,就提供可的“駕駛包”。采用的是Mobileye 提供的 ADAS 技

       

      隨后,由于技上的差異,Tesla 于2016 年 7 月止了和 Mobileye 的合作。目前 Tesla 的技線主要依靠 8 個環繞攝像頭,1 個毫米波雷達和12個超聲波傳感器。

       

      Tesla 的野心越來越大,宣稱要在 2017 年末實現完全無人駕駛,而 2019 年全面上路。

      僅靠最簡單的 ADAS ,在光照好的條件下也可以實現相當高的精度,但是內普遍認為其安全性不達

       

      Tesla 據是,目前 Tesla 在 “ 駕駛模式 ” 下累了 13 英里,而目前的事故概率相當低,至少是人同等里程下的二分之一。所以目前的自動駕駛,已可以實現強于人類兩倍的性能。

       

      現實中, 2016 年 5 月,Tesla 的一名主開啟自動駕駛模式,在上看視頻,直接撞到拖上身亡。根據事后調查Tesla 由于有免聲明,要求對駕駛負責,而不能完全交Tesla 得以被判免

      因此,Tesla 一方面宣稱其技可以實現 Level 4 以上的“完全無人駕駛”,現實了免要求用戶僅將其當做駕駛來使用

       

      然 Tesla 的技線較為但是因其廣泛的消者基數,吸引到了本市烈關注,可以掀起了無人駕駛

       

      為 Google 車雖然在默默步,但知道,乘坐的人少,而 Tesla ,有廣大的主基數。主通感受,得光是 ADAS 就離人想象中的無人駕駛了。竟 99% 的安全,和 99.9% 的安全,在消者看來其差異并不明

      另一方面,Tesla 極其擅制造話題,也起到了推波助的作用。

      1.4 Uber 和 Apple 的探索

      2015 年 Uber CEO 正式宣布要用無人駕駛來提供服,招了一些卡耐基梅隆的研究,使用LiDAR + 的多感器融合技

       

      2016 年 8 月,Uber 收了做無人駕駛的公司 Otto。同年 9 月,Uber 正式在匹堡提供基于無人駕駛的出租。同年 12 月,在舊金山提供同務。

      截止至今,Uber 的技術還一籌,實際效果沒有達到 Uber 期。目前 Uber 車隊有 43 輛車,無人駕駛模式下每周行駛 20,000 英里,平均連續 0.8 英里一次人工干預。

      apple 于 2014 年末開始正式啟內部名“ Project Titan ”的野心勃勃的造車計完全無人駕駛電動車。據內部人士透露,Apple 是和一家機器人公司合作開發的技術原型車,采用最新的多感器融合該機器人公司是 Virginia Tech spin off 出來的公司,也曾經是 Virginia Tech 參加 DARPA Challenge 的團隊和合作伙伴。

       

      起初 Apple 是希望造一臺比 Tesla 電動車,但 16 生了化,Apple 希望打造一臺“完全無人駕駛電動車這輛車上不會有方向預計最早 2020 年投入市場。

       

      而 2017 年 6 月,Apple CEO 公眾承了蘋果無人駕駛領域的趣,但是否了造,而是在研究無人駕駛件。

      1.5 無人駕駛技術指標對比—距離實現 Level 4 還有多遠?

      盡管指選擇有所差異,按照加州的定,申了無人駕駛牌照的公司需要報備各自的無人駕駛運行情況。其中最核心的指,是累無人駕駛下的里程數,和平均連續無人工干里程數。

      結論來看,Google 的技依然瑤瑤先其他可比公司,累了 500 萬公里,而最新的技可以達到平均連續 8000 公里 1 次人工干主機廠中比Nissan,大概是平均 230 公里 1 次人工干。而 Uber 的水平,大概停留在平均1.5 公里 1 次人工干,可以看到大家的差距還較

       

      國內的百度,據消息稱,目前水平和 Uber 相當。

       

      根據內普遍的看法,如果無人駕駛車輛的安全性能達到人的 10 倍以上,就可以完全替代人。那么也完全實現無人駕駛需要的技,大連續 10 萬公里1 次人工干的水平。

       

      恰恰因為 Google 的水平已非常高,讓資本市看到了短期內(3-5年)實現安全性的可能,目前各家企都在拼命沖刺技的最后公里。

       

      1.6 蓬勃涌現的無人駕駛初創企業—向勝利發起沖鋒的號角

      從 2015 年開始,不斷出做無人駕駛的初里我摘取了一些典型的,做接近于 Level 4(無人駕駛駕駛的定義見分析)技的企,供大家分析。

      可以看出,2015 年和 2016 年,有很多從大公司,大學出來的初公司開始該領域。無人駕駛的開,呈出百花放的狀。無人駕駛的黃埔校,有斯坦福大學,Google,和國內的百度。

       

      按照上述的分析,些研究無人駕駛 Level 4 的企,都在努力試圖用各自的技方案,實現安全性達,成本可控的“無人駕駛最后公里”。

       

      究竟摘取最的桂冠呢?我們認為類比汽的引擎,池管理技等核心模,無人駕駛術應該也不會呈出一家獨大的情況。最終應該有大公司,也有一些初公司可以做出性能和成本達品。

       

       

      1.7 無人駕駛還是輔助駕駛

      根據 SAE 的分,無人駕駛從 Level 0 到 Level 5 。更加詳細的分類標準在網上已有很多,我就不做詳細的科普。里做一下簡單的定,并且大家明一下。

      根據定Level 2 到 Level 3 應該劃分駕駛”的范疇。之所以稱之為輔駕駛,是因為這個等下,駕駛員要承擔駕駛的完全任,無人駕駛不承擔一切事故的后果。

       

      目前 Level 2 的 ADAS 系的成本價降到 1,000 人民以內,前裝的售價也在數千人民以內,可以算是得到了好商化的汽智能化配件。海外有著名的 Mobileye,國內也有很多做 ADAS 系對標正在努力趕超。

       

      Level 2 的技術雖然可以實現全面的駕駛輔助,但是由于安全性的要求低,效果很多候是根據駕駛員的主感受而決定的,可以術門檻也相對較低。目前很多主機廠,都在研自己的ADAS 對 Mobileye 行替換。

       

      Level 3,是在 Level 2 的基上,增加了更多的感器,提高安全系數后,能在部分路況下完全接管汽的控制的系。比如輛車從市區開到高速公路,在高速公路上可以實現無人駕駛下的定速巡航(Tesla 提供這項功能)。但是其問題是,由于適的路況較為少,而且系統還是要求在發求后類駕駛員必須在六秒之內接管,無法實現真正的人替代。

       

      于國內目前涌出來,做低速無如機場擺,園區高等等的企,由于行速度非常低(10 km/h),安全性的要求也會低很多。一般而言,我將其技術歸類到 Level 2 到 Level 3 。

       

      而 Level 2,Level 3,然有著較為用,他所需要的技和 Level 4 以上渭分明的。也和很多人想象得不同,并不能實現從 Level 2 向 Level 4 的逐Level 4 的主要技,是要實現在市區境下的完全無人駕駛需要系極高的安全性。而 Level 4 的最大特征,在于定事先定好的區域,就可以實現“完全無人駕駛”。這樣,商上可以實現對類駕駛員的替代,可以改變傳統的生關系。而 Level 2,Level 3 的技,最終還是“幫助”人類駕駛員開得更好而已。

       

      正因為 Level 4 有著巨大的技和相的更廣的市,目前 Level 4 無人駕駛是市關注的焦點。

       

       

      2. 無人駕駛行業的現狀分析

      2.1 車載傳感器一覽

      無人使用的感器,大的來有以下類別:激光雷達,GPS (包括差分 GPS),IMU (性制),毫米波雷達,超聲波雷達等等

      然人可以只通過視覺和聽實現駕駛,但是機器人缺乏能有效識別場景的大,需要通的“五感”,來彌補這個缺陷。感器,可以是無人駕駛的眼睛和耳

      2.2 主要感器之 LiDAR

      在不同感器類別中,源自于 DARPA 的激光雷達( LiDAR ),被認為是無人駕駛最重要也是最必不可缺少的感器。相比起其他感器,他最大的優勢于空量非常精確,可以保高的安全系數。

      圖20 傳感器的優劣勢對比)

      目前全球的 LiDAR 供幾乎被 Velodyne 斷。價格昂,最便宜的 16 線 7,900 美金,最的 64線 80,000 美金一臺。

      機械式激光雷達通高速旋,能點云形成間環境的準確感知,各家無人駕駛廠商需要開自己的點云特識別術。

       

      2.3 LiDAR 開發的激烈競爭

      目前全球范內,技成熟的廠商只有源自 DARPA 的 Velodyne 一家。但是也有數不盡的初公司生,試圖戰 Velodyne 斷地位。

       

      (圖23 做LiDAR的初創企業)

      而 LiDAR 本身,也有一個最新的技方向,就是摒棄 Velodyne 的機械旋轉設計,用相控術實現的激光雷達。固的激光雷達最高數只能到達 16 。但是更易量,成本也可以做得更低。被普遍認為是激光雷達的究極解決方案。最的成本,可以降到 100 美金一個,和相仿。

      2.4 只采用攝像頭是否靠譜— Deep Learning 的能力邊界在哪里

      今年由于 DNN(Deep Neural Network),也就是深度學,有很多基于此的新算法生。很多學者說僅僅依靠 DNN ,就可以實現類似人駕駛只依靠視覺信息,實現 Level 4 級別的無人駕駛

       

      其代表,就是來自于 Princeton 大學 AI 域的教授肖建雄立的 Auto X,和來自于斯坦福大學 AI Lab,著名 AI 三駕馬車吳恩達太太立的 Drive.ai

       

      然而,也發現只依靠視覺信息和 DNN 無法實現 Level 4 要求的安全性,加上頭單感器的局限性,這兩家企目前都已了當初宣稱的做法。

       

      AutoX 是“Camera First ”,未來 LiDAR 降價后會加上 LiDAR。而 Drive.ai在使用 DNN算法來識別 LiDAR 生的點云而不是僅僅用在上。

       

      從我們的角度看來,因為 LiDAR 降價是個必然到來的事情,因為價格高昂而不用LiDAR,降低系統整體的安全性與可靠性,可能得不償失。

      2.5 Level 4 無人駕駛的新技術體系—多傳感器融合和 DNN 算法

      Google 開始做無人是在 2009 年,基于斯坦福參加 DARPA 比賽時候的原型。由于 2009 的算法效果并不好,致 Google 在今后的開上,非常依LiDAR。不斷對 LiDAR 算法遇到的 corner case(例外)行算法面的充,也就是打丁。而且,了提高安全性,Google 甚至自己制造了世界上唯一的 128 LiDAR。也就是Google 的技體系中,高數 LiDAR 是必不可缺的主感器。

       

      而近年來,主要有以下三個新的向。

       

      A. 多顆低線數 LiDAR 對高線數 LiDAR 的模擬和替換

      由于高數 LiDAR 的生要求極高,Velodyne 和谷歌的量有限,而且成本非常高,致使用 LiDAR 的技方案普及遇到很大的苦。近年來,有很多初公司發現過組合好多顆 16 LiDAR,也能達到不單顆數 LiDAR 的效果。

      B. 傳感器,尤其是 LiDAR 和攝像頭的算法融合

      由于近年算機視覺和深度學算法的展,識別能力相比 2010 年前后有了飛躍。在傳統使用 LiDAR 感器的 Level 4 無人駕駛,和采用更便宜的頭為感器的Level 2 ADAS 方案的基上,有了將 LiDAR 數據行融合的新嘗試。通過 LiDAR 頭這兩感器的優勢,可以用更加低性能的感器,實現更高的安全性

      c . 對于 LiDAR 點云數據,采用 DNN 算法

      Google 代,DNN 沒有得到廣泛的用。所以 Google 于點云的識別,采取的似于Computer Vision 的算法—提取特征。但是由于最近 DNN 的效果逐得到明,也有一些新的嘗試,用 DNN 來做點云數據的學,并且識別物體。個效果有待驗證,但是我相信最終這個方法在數據量大了以后會超越傳統的特征識別算法。

      2.6 無人駕駛是泡沫嗎?

      于無人駕駛普及而言,最關的因素是性能和價格。

       

      從價格的角度,內普遍認為的激光雷達,會在今后五年內價格降低到不礙事的程度。

       

      問題的關因素在于,無人駕駛是否能符合大家的期,在可預見的短期內達到技的成熟。

       

      近年,谷歌的技達到了 8,000 公里一次人工干的水平。個水平于很多人而言,已非常接近于實現了 Level 4 。而 Tesla,更是激認為僅和超聲波雷達,毫米波雷達的方案,就已夠實現兩倍于人的駕駛能力。保守一點,假設連續 100,000 公里一次人工干是 Level 4 無人駕駛的基要求。

      根據才所述,采用新的技架構下,我們認為 Level 4 無人駕駛,有希望在 2025 年之前的某個時間,達到足好的安全性。而無人駕駛是否破要取決于中虛所代表的未來的技術進展。

       

      另外,根據 Gartner 著名的 Hype Cycle 來看,無人駕駛經處于泡沫期的最后段。而他預測中,無人駕駛的普及需要大于 10 年的時間Gartner 于無人駕駛術還是抱著相保守的度。

      無人駕駛是否會是一個泡沫,有待于接下來三年內技步來揭開謎題。我們團隊對無人駕駛的未來,充滿信心。

       

      3. 中國市場的獨特性

      3.1 中國道路的技術挑戰

      目前世界的無人駕駛,主要是在硅谷地區。而中國的道路交通情況,相比起硅谷,或者其他達國家,路況更加復。目前主流的無人駕駛算法,都需要解決 corner case 問題,無是通不斷更迭算法打丁的方式,是通過 DNN,收集數據來解決,都需要實際上接觸大量的 corner case,才能夠實現

       

      因此,把硅谷的算法平移到中國,是一定會失的。比如 Google 舊金山灣區跑得很完美的無人開到德州就問題百出了,更不要來中國了

      因此,中國市急需要針對中國的路況而開的系,不在中國行大模的路收集數據,就無法實現在中國本土的 Level 4 無人駕駛落地。

      3.2 中國的無人駕駛發

      根據工信部推出的《中國制造 2025 》的劃,中國 2020 年,2025 年關于無人駕駛的目如下:

       

      在《中國制造 2025 》重點域技線圖中,智能網為 DA、PA、HA、FA 四個級別,其中, PA 指部分自動駕駛HA 指高度自動駕駛, FA 指完全自主駕駛駕駛權完全移交給車輛

       

      2020 年,汽信息化品自主份達 50%,DA、PA 整自主份過 40%,掌握感器、控制器關,供能力滿足自主模需求,量達到國水平。啟智慧交通城市建,自主施占有率 80% 以上。

       

      2025 年,汽信息化品自主份達 60%,DA、PA、HA 整自主份達 50% 以上;自主智能卡開始大模出口。制定中國版完全自主駕駛標準,基于多源信息融合、多網融合,利用人工智能、深度挖掘及自控制技,配合智能境和實現自主駕駛,可改出行模式、消除堵、提高道路利用率,合能耗降低 10%,減少排放 20%,減少交通事故數 80%,基本消除交通死亡;FA 智能化裝率 10%,自主系率 40%

       

      另一方面,國內也有很多企,高校,開始自主研發 Level 4 無人駕駛典型的比如百度,Volvo,國防科大和上汽等。很多都已經實現較長距離的高速公路實驗,以及封區域內的實驗

      3.3 中國特色的無人車小鎮建設

      在政府和開商的推下,中國各地正在起“無人”建設熱潮。典型的比如深圳和福建漳州。

       

      深圳的無人(摘抄自新):

      南方科技大學、密西根大學、前沿產業基金在深圳簽訂合作協議,宣布合共建無人駕駛示范基地。該項資規 100 元,將址在深圳龍崗區或深汕合作區,具體區域在勘探和劃。

       

      個示范基地就是無人駕駛。按照前沿產業基金始人王京的想,小集智能汽相關技新企,建造無人駕駛示范運行區,住宅、教育、醫院等基礎設施。工步行就能上班,投機構一天內可以洽多家企業。

       

      京想打造的是一個集智能汽車產業相關的「硅谷+Mcity」模式( Mcity 是密西根大學建的全球第一個專門用于測試車聯網和自動駕駛潛力的試驗場)。按照劃,明年三季度到四季度將有第一批測試車在基地用。

       

      福建漳州的無人(摘抄自新):

      漳州的 “全球首個城市無人駕駛社會實驗,基本上也是個概念。據,它Mcity在中國的獨家合作伙伴,更與密歇根州政府和硅谷比蒂署了略合作協議

       

      它將落漳州招商局經濟區(下稱“漳州招商局開區”)。該項劃構建三個關聯遞進試驗場景,包括 60 萬平方米的封閉測試場200 萬平方米的產業園區實驗場(既是產業聚集區,也是新的出行方式實驗區),最后在整個開區(56平方公里)行無人駕駛術規管方式的模化實驗,形成與無人駕駛相關的法律制度、商、技術標準等一系列制度框架。

       

      漳州招商局開積 56 平方公里,是一個城市級別的物理空將配套立 100 億產業母基金用于實驗室的建支持

       

      4. Roadstar.ai 的優勢

      4.1 中國技術實力最強的團隊

      Roadstar.ai 的三個始人,均有在硅谷最先高校和無人駕駛的學,工作經驗,直接掌握核心科技

      另一方面,由于無人駕駛是個復的系工程,必要具所有相的核心經驗和能力,才能很好的實現Roadstar.ai 團隊優勢,具無人駕駛所需要的所有模的能力

       

      4.2 提供產品以前裝為主

      Roadstar.ai 的主要品,是乘用和商用的前裝無人駕駛解決方案。另外,后裝類產品和高精度地,技上也完全可以實現,但是商上我不做先考

      4.3 也作為無人駕駛技術的 Power House ,輸出技術能力

      另外,考實現 Level 4 無人駕駛的商化運營還需要較長的路徑,Roadstar.ai 也會作無人駕駛的 Power House主機廠特種車輛改裝廠和各物流運公司提供性價比可控的技術解決方案和核心算法

      4.4 可以通過無人駕駛技術,切入整車制造/交通運輸服務

      另外,放眼未來,首先在無人駕駛核心技術領域奠定基。今后可以從無人駕駛延伸到上游的整制造,以及下游的交通運中。

      4.5 技術選型與比較

      Roadstar.ai 的技術選型,采用上述最新的多感器融合架構。也是目前 Apple 和 Uber 采用的技架構,被普遍認為具有最好的性價比和潛力。

      目前在中國市,具真正做“多感器融合”能力的企業還稀缺,會是 Roadstar.ai 在中國本土市的核心技術競爭力

       

      4.6 在硅谷和深圳建立研發中心

      Roadstar.ai 在深圳西和硅谷 San Jose 建立有研中心,不斷將硅谷最新的技術輸出到國內,同國內收集數據,行本土化改良,保持國內市的技術領先。

      4.7 已獲得大量知名風投機構的支持

      Roadstar.ai 立之初,就得了云啟本,松禾本,耀途本,本等機構的千萬美金天使資。

       

      ?
      ...
      神马影视午夜|亚洲姐妹淫乱色情|成人AV国产在线网站快憣免费完整片AV|av亚洲欧洲人妻小说

    2. <button id="jbvd6"><object id="jbvd6"></object></button>
    3. <em id="jbvd6"></em>