澳洲关于自动驾驶

在澳大利亚汽车



这里转载几篇关于自动驾驶的文章，我觉得这一系列文章对自动驾驶的现状写的非常详细

第一篇讲特斯拉的几次车祸。

http://www.leiphone.com/news/201703/ZT7nmEc0hv0IAHZm.html 链接附上

2015年10月14日，特斯拉公布7.0版本软件，为已经售出的特斯拉Model S开启了Autopilot功能，出尽风头，并且被《麻省理工科技评论》评为“2016年十大突破性技术”。

2016年1月20日，京港澳高速河北邯郸段，特斯拉Model S撞上一辆正在作业的道路清扫车，交警判定负有事故主要责任的司机高雅宁死亡。死者家属起诉特斯拉索赔1万元，理由是营销过程中存在误导行为，而不是特斯拉的产品漏洞。（这次事故直到2016年9月14日才由中国中央电视台曝光）

特斯拉Autopilot系列事故最详细梳理 | 激光雷达技术全景

2016年5月7日，美国弗罗里达洲的Joshua Brown开着一辆自动驾驶模式的Model S，超速撞到正在垂直横穿高速的白色拖挂卡车，车顶被削平，驾驶员死亡。事发时车速74mph，而该路段限速65mph。Joshua Brown从海豹六队退役之后，开了一家互联网公司，上传的Autopilot测试视频曾经被Elon Musk转载，观看次数几百万。

特斯拉Autopilot系列事故最详细梳理 | 激光雷达技术全景

对于这次事故，各路专家都给出了诸多可能的解释，例如：

Musk本人的Twitter：雷达精确的测算了出了前方有一个巨大的障碍物，但是因为卡车过大的反射面积以及过高的车身，从毫米波雷达的角度来看，它更像是一个悬挂在道路上方的交通指示牌/桥梁/高架路，因此被忽略了。

长焦镜头无法看见整个车辆，所以误认为飘在天上的云。

天空太亮，摄像头对于大面积白色物体很难从图像中提取特征点。

超声波雷达测量距离过短（2米左右），在高速行驶中没有任何反应时间。

这次事故的关注度最高，而另外几次事故虽然没有死亡，但是对于特斯拉的打击更严重，因为以上借口完全无效。

2016年5月底在瑞士的事故：Autopilot模式Model S的前方，一辆汽车变道，避让一辆静止货车。Model S似乎检测到前车变道而轻微加速，但是没发现静止货车，因此轻微加速地撞向了货车。

这次撞到的静止货车不是大面积白色，而是蓝色和黑色，并且有复杂图案，也就是说特斯拉似乎可以撞上任意颜色和形状的静止障碍物。

在这次事故之后，前谷歌深度学习创始人吴恩达在Twitter表示

It's irresponsible to ship driving system that works 1,000 times and lulls false sense of safety, then... BAM!。（提供1000次正常，但给人虚假安全感的驾驶系统是不负责任的）
2016年8月3日，中国的 Qunar_大羅纳尔多驾驶的Autopilot模式Model S再次撞到了停靠在路边的故障车。程序员车主投诉特斯拉公司夸大自动驾驶仪功能误导买家，涉嫌虚假宣传后，特斯拉在其中国官网上删除了“自动驾驶”、“无人驾驶”等字眼，改称“Autopilot 自动辅助驾驶”。特斯拉公司发言人表示：“特斯拉正不断对各方面进行改进，包括翻译方面。过去几周，我们正在努力解决跨语言产生的差异。这个时机与当前事件或相关报道无关。”

特斯拉Autopilot系列事故最详细梳理 | 激光雷达技术全景

2016年8月7日德克萨斯州的Mark Molthan驾驶的Model S在处于Autopilot模式时偏离公路并撞上路边的护栏，他表示“Autopilot给了你安全的错觉。我不准备充当一个试飞员。汽车没有发现弯道，直接冲上了护栏，而且并没有停下来—— 实际上在第一次撞上护栏后，它仍继续加速。”虽然车主没有打算起诉特斯拉，但他的保险公司Chubb Ltd.可能会起诉。

2016年9月28日在德国，一辆特斯拉汽车与旅游大巴发生车祸，无人死亡，特斯拉公司认为事故不可避免，与Autopilot无关。

德国交通部部长要求特斯拉停止使用“Autopilot”这个词，为此特斯拉聘请了第三方调查公司对于车主进行调查，结果98%的受访车主都明白他们在启动Autopilot之后还要继续保持对汽车的控制。考虑到特斯拉已经累计销售十几万辆，那么也就是说有2%，也就是几千名车主在事故接连不断的半年之后，仍然可能会对自己和他人的安全造成威胁。

这几千名过分勇敢的小白鼠可能造成什么后果呢？2016年11月16日，投资人和内容创业者李笑来老师在一篇阅读量达到4万的文章中提到他利用特斯拉的自动辅助驾驶功能在 “甚至开始在路上“写”文章了” ，特斯拉中国区如果还没请李笑来老师更正这个危险的示范，就太欠缺嗅觉了。

除了上面的中国区虚假宣传争议之外，特斯拉的 Autopilot 还惹上了事故之外的几个麻烦：

正在调查事故的美国国家公路交通安全管理局（NHTSA），表示特斯拉要求客户签署的保密协议可能会妨碍调查。对此特斯拉在博客的解释是：要求用户签订的“Goodwill Agreement”，目的是防止特斯拉给客户折扣或者免费保修在法庭上对公司不利，协议并没有提到NHTSA或者政府，后来特斯拉修正了协议的措辞。

美国证券交易委员会（SEC）正在调查特斯拉是否违反证券法规，因为特斯拉公司以及Musk本人在5月18,19日出售了一批特斯拉公司股票，但并未将5月7日的Autopilot致死车祸向投资者及时进行公开披露。对此特斯拉在博客的解释是：特斯拉公司在5月16日把事故告诉NHTSA仅为了通报事实。特斯拉调查员5月18日到达事故现场并回收车载数据，5月最后一周才完成公司内部调查。

律所Hagens Berman在组织对于特斯拉 Autopilot 2.0 未实现承诺功能的集体诉讼，该事务所曾经起诉大众和梅赛德斯。

以上几次车祸大部分是撞了静止车辆或者障碍物，弗罗里达事故中，垂直于特斯拉前进方向的拖车，在摄像头来看也是静止的，距离判断错误，所以特斯拉或Mobileye面对静止障碍物有识别缺陷，如果有激光雷达参与，至少不会加速撞上。特斯拉的系列车祸一次又一次证明了Mobileye摄像头识别的局限性，以及传感器融合并不是让程序员加班一两个月就能让电脑学会的，那么我们接下来看看特斯拉是如何应对事故的：

2016年7月17日，Musk在Twitter表示正在与其雷达供应商博世公司合作，改进雷达软件。"Btw, want to thank both Bosch and MobilEye for their help and support in making Autopilot better. Please direct all criticism at Tesla.” 通俗地说是：博世和Mobileye的小伙伴都帮了大忙，事故不是他们的责任，我们一家来背锅。虽然Musk承认特斯拉没用好毫米波雷达，把责任自己揽下来算是口头给Mobileye面子，但是这个解释更体现了摄像头的局限。

2016年7月26日Mobileye宣布停止与特斯拉的未来合作，Mobileye 认为他们的产品功能本来就是有限的，是特斯拉激进的权限开放和宣传导致车主的使用超出了功能极限。

2016年8月25日，特斯拉对于Autopilot涨价500美元，由原来的2500美元上调至3000美元。司机们给特斯拉的beta版软件提供数据，特斯拉非但不给补贴，在系列事故之后涨价而不是退款，这个动作确实很有个性。“退款对于Musk很难接受，于是就用早买占便宜来安抚小白鼠用户”，对于这次小涨价，以上解读并不容易否定。

2016年9月11日，特斯拉宣布Autopilot的 v8.0固件升级，“用雷达看世界”，把视角不足的毫米波雷达作为汽车感知的主力，摄像头作为辅助，特斯拉官方博客的原话是雷达作为主传感器，并且无需摄像头进行图像识别确认（can be used as a primary control sensor without requiring the camera to confirm visual image recognition.），说得如此斩钉截铁，我们可以认为特斯拉对于利用现有硬件在短时间内搞定图像识别或者传感器融合已经彻底不抱希望。

此外特斯拉还将建立Autopilot“惩罚机制”，如果司机在一个小时内对要把手放在方向盘上的警告忽略次数超过3次，系统就会自动关闭，只有在车熄火重启后，系统才能重新被激活。后来的限制更加严格：“即使在自动驾驶中，驾驶员也需要双手紧握方向盘。当驾驶员的双手离开方向盘几秒钟后，系统便会自动报警；如果警告被忽视的话，Autopilot将自动退出。”

通过功能缩水，我们可以预测，未来Autopilot责任事故会很少发生，因为驾驶员被迫紧握方向盘，所以发生任何事故都无法指责Autopilot（其实历次Autopilot事故的责任原本都是司机的，只不过以前特斯拉过于激进，没有限制司机放手而引发了争议）。

2016年9月16日，Mobileye 补刀：Elon Musk曾向Mobileye保证，在使用Autopilot时，驾驶员不会被允许双手离开方向盘。然而，最终结果并非如此。Mobileye表示，在2015年5月两家公司的产品规划沟通过程中，该公司曾就特斯拉系统的安全性表达过关切。

2016年10月19日（临时安排发布又跳票两天之后），Musk宣布所有的特斯拉新车将标配“具有全自动驾驶功能”的硬件系统——Autopilot 2.0，包括8个摄像机、12个超声波传感器以及一个前向探测雷达，比上一代快了40倍的英伟达GPU运行特斯拉自研神经网络，最终将实现SAE 5级自动驾驶。升级的结果是新系统从3000美元涨到了8000美元（未来解锁可能会更贵）。

总结：

在上述系列事故发生之前，Elon Musk一向认为激光雷达并不适合汽车场合，被动光学手段（俗称摄像头）加一个前向雷达就足够了。他澄清并不对激光雷达抱有偏见，SpaceX在龙飞船与国际空间站对接时候会使用激光雷达，然而他认为激光雷达在自动驾驶并不必要。

“I don’t think you need LIDAR. I think you can do this all with passive optical and then with maybe one forward RADAR.”

事故发生之后，Musk仍然认为现有的硬件技术完全满足无人驾驶要求，2019年可以实现完全自动驾驶，10-15年内，大部分正在使用的轿车、卡车都会被自动驾驶车替换，并且仍然表达对激光雷达的否定，加强了对毫米波雷达的重视。然而以上事故，理应引起自动驾驶领域激光雷达重要性的讨论：

被动视觉早于主动雷达的状况，在历史上也曾经出现：著名美国心理学家伯尔赫斯·弗雷德里克·斯金纳在二战时，曾研究过利用训练过的鸽子控制的精确制导炸弹。当时的雷达技术刚刚起步，无法制导，所以由弹头容纳3只鸽子，通过喙啄击屏幕控制炸弹，当三只鸽子出现分歧时，少数服从多数。大家都能想象训练困难，所以最终被成熟的雷达技术所取代。


评论
第二篇

讲激光雷达的廉价化

http://www.leiphone.com/news/201703/hp0uSR2f4u6VBO0M.html

激光雷达迟迟没有在汽车领域大规模应用，原因显然是几万美元的价格太贵了，可能比车还贵。很多人选择钻研深度学习和图像识别来取消激光雷达，也有人选择激光雷达的廉价化。

目前激光雷达价格高的原因包括了需求量少，组装和调试成本高。Velodyne公司此前的机械旋转式产品在车用激光雷达领域占据统治地位，后续推出混合固态的产品，成本有所降低，正在逐步研发纯固态激光雷达。Velodyne LiDAR获得百度与福特1.5亿美元的投资，计划到2020年左右成本降至500美金。Waymo（谷歌自动驾驶）和Uber（收购自Otto）自研机械旋转式激光雷达的尝试会在后文提到。禾赛科技、速腾聚创、北科天绘、镭神智能等中国公司也涌入低成本车用激光雷达领域。

有公司倾向于取消机械旋转结构、根本性降低激光雷达成本的手段，方法之一就是利用MEMS微振镜（MEMS指的是微机电系统），把所有的机械部件集成到单个芯片，利用半导体工艺生产。选择这一路线的公司包括了：

荷兰Innoluce公司（从飞利浦剥离，已经被著名汽车半导体供应商英飞凌全资收购），预计2018年量产，成本不超过100美元，在探测范围和分辨率方面超过其它固态激光雷达，能够实现白天单次发射探测距离250米、角分辨率0.1°，激光功率利用效率大于95%，使用的激光器由欧司朗光电半导体供应。英飞凌公司认为高速运算平台只是系统的一小部分。

廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

2016年底，研究超微型投影显示和传感技术的MicroVision公司，和意法半导体合作推广激光束扫描（LBS）技术，应用场景包括了激光雷达，以及微型投影仪、VR、AR和HUD等市场。

曾经生产机械旋转式激光雷达的欧姆龙，2017 年初开始在Opus提供的小型 MEMS 芯片基础上，研发激光雷达。

日本先锋公司，利用原本用于扫描激光影碟的光学头，生产MEMS激光雷达，“当订单达到100万，先锋便可以把价格控制在100美元以下，预计会在2019年开始量产。”先锋还与高精度地图服务商HERE合作，测绘地图。

2017年，博世推出了兼顾激光扫描和投影的BML050方案，包括两个MEMS微镜，可用于交互式投影仪。有新闻报道博世将在2020年前销售激光雷达，暂时无法判断是基于MEMS还是其他技术。

奥迪的矩阵式激光车灯，使用微镜（DMD）来控制激光方向，顺便做激光雷达也不错，不需要再给Ibeo的激光雷达腾地方了。

激光雷达创业公司 Luminar Technologies，从招聘信息推测，对机械旋转或者MEMS方案的激光雷达有兴趣。

其他在微机械设计MEMS领域有技术积累的公司也有可能进入激光雷达领域，或者成为核心零件供应商。

另外一个思路是完全取消机械结构，采用相控阵原理实现固态激光雷达：

生活中最常见的干涉例子是水波，两处振动产生的水波相互叠加，有的方向两列波互相增强，有的方向正好抵消，将这个原理放大，采用多个光源组成阵列，通过控制各光源发射的时间差，就能合成角度灵活，且精密可控的主光束，这就是相控阵的原理。

廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

激光雷达从机械转动向聚束成形的进化趋势与雷达完全相同：军事上广泛应用的相控阵雷达一般拥有上千个发射天线单元，通过调节波束合成的方式，可以改变雷达扫描的方向而不需要机械部件运转，灵活性很高，适合应对高机动目标，还可发射窄波束作为电子战天线。相控阵还可以用于把宇宙太阳能电池板的能量传回地面，日本宇宙航空研究开发机构（JAXA）已经进行过这方面实验。

固态激光雷达的优点包括了：数据采集速度快，分辨率高，对于温度和振动的适应性强；通过波束控制，探测点（点云）可以任意分布，例如在高速公路主要扫描前方远处，对于侧面稀疏扫描但并不完全忽略，在十字路口加强侧面扫描。只能匀速旋转的机械式激光雷达是无法执行这种精细操作的。

固态激光雷达的典型代表是美国的Quanergy公司，单面相控阵最大视角120度。预生产的S3激光雷达计划在2017年交货，价格250美元，5年内低于 100 美元。最早搭载Quanergy激光雷达感应器的车辆将在2018年面市。已经获得了大型汽车零部件供应商德尔福，以及三星电子的战略投资。Quanergy还在与Koito合作整合激光雷达的汽车前照灯。 廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

这张图可以看到Quanergy用光源阵列来合成波束






评论
2014年参与 Quanergy 种子轮和A轮的是特斯拉创始团队Martin Eberhard等人组建的 Wardenclyffe Partners，当时Elon Musk是投资人之一。Wardenclyffe Partners的公开投资案例只有Quanergy一家。

2016年Quanergy收购了著名军工企业雷神公司的人体跟踪软件，开始进军安全行业。2017年3月，Quanergy申请参与特朗普总统的“美丽的边境墙”计划。Quanergy CEO认为安全行业的市场规模与汽车行业相当，试图说服美国总统弃用混凝土，而选择更便宜的 Q-Guard 虚拟围栏。其他激光雷达厂商没有参与这个竞争。特朗普要求美墨边境墙覆盖建筑和供电困难的沙漠、山脉等环境，同时生产太阳能电池板和储能系统的特斯拉也可以参与给Quanergy的方案供电，当然要讨好消费者的特斯拉大概不敢接这笔生意吧，已经有uber的教训了。

法国汽车零部件供应商法雷奥，2010年与德国激光雷达供应商 Ibeo 合作开发并量产的SCALA高精度机械式激光雷达，最大检测距离为150m，法雷奥在此激光雷达基础上，加上Mobileye，开发了Cruise4U 自动驾驶解决方案。2016年采埃孚收购了Ibeo40%的股份，以帮助Ibeo研发固态激光雷达，也在研究更高效的数据标定。

法雷奥的合作伙伴不止Ibeo，2014年法雷奥与加拿大的 LeddarTech 合作开发固态激光雷达，由LeddarTech提供技术和专利，计划2018年量产，照射距离最远为100m。

激光雷达技术提供商 LeddarTech 从加拿大国家光学研究所分离。该公司的 Leddar M16 固态激光雷达，在参加 BattleBots 机器人格斗比赛的 Chomp 机器人上得到了应用，Chomp借助激光雷达的精确测距，实现了气压锤的自动瞄准，成功干掉了上届冠军Bite Force的武器传动链条。这大概是目前为止，搭载固态激光雷达的最著名机器人。在动辄被撞飞的激烈比赛当中，机械旋转式激光雷达的可靠性值得怀疑（波士顿动力给旗下机器人配备的激光雷达是机械旋转式）。

廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

2016年9月，LeddarTech 开卖模块化 Vu8 固态激光雷达，售价475美元，检测距离215米。2017 CES上，LeddarTech展示了下一代LeddarCore芯片，支持MEMS微镜和2D/3D Flash 激光雷达。

廉价化激光雷达的希望：MEMS激光雷达 vs 固态激光雷达 | 激光雷达技术全景

TriLumina公司为激光雷达提供高功率的可调制光源VCSEL，2016年获得汽车供应商电装的战略投资。TriLumina在 2017 CES 展示了基于 LeddarCore IC 的256像素3D激光雷达解决方案。

2015年 DARPA启动了“模块化光学孔径构造模块”（MOABB）项目，以研发超紧凑的光学雷达，实现100米远距离处的3D成像，采用晶圆级加工工艺进行一体化集成，比手机摄像头更小，典型场景是：“在直升机或无人机上检测丛林下的狙击手或坦克”。

MIT的片上激光雷达（lidar-on-a-chip）项目，特点在于使用商用CMOS生产技术，连接激光器的是横截面为几百纳米的硅波导管（可以想象成极小的光纤），对其进行加热来实现每个天线的光束相位控制。预计成本10美元，有可能封装到机器人的指尖上。

TetraVue的高分辨率激光雷达，将标准的2D CMOS/CCD，结合新的飞行时间（TOF）模式，距离100米以上，低于200美元，投资者包括博世资本、三星、鸿海等。

以色列初创公司 Innoviz Technologies 的激光雷达预计100美元，已经获得900万美元融资，并且与汽车供应商麦格纳达成合作。表示其使用的方法与Quanergy或者MIT的不同，但是无法搜到其专利，具体细节和区别无从判断。

Princeton Lightwave在2016年7月宣布进入车用激光雷达领域，该公司擅长盖革模式激光雷达（Geiger-mode LiDAR），探测距离更远，已经在航空测绘领域应用十几年。

上海思岚科技已经推出了面向扫地机器人的廉价激光雷达，同时也在研究固态激光雷达。

从无人机激光雷达起家的北醒光子，正在研发多线长距和固态激光雷达。

Blackmore开发的调频连续波（FMCW）激光雷达，并没有采用最容易理解的主流飞行时间法（Time of Flight, ToF），而是通过测量反射波的频率改变来测距，精度更高，原理与传统雷达类似；通过分离多普勒频移，可以同时提供目标速度数据，不受雾、雨雪、灰尘影响。该公司获得350万美元A轮投资。

ADI亚德诺半导体从Vescent公司购买了可用于改变光束方向的液晶光导技术，还与提供固态照明模块的TriLumina公司，合作开发低成本的汽车快闪激光雷达模组。

初创公司Phantom Intelligence在与欧司朗光电半导体合作研制固态激光雷达。

事实上有一些照明公司利用欧司朗的高功率红外LED，实现了“灯 to 灯”的光通信。这让人好奇，激光雷达能否作为 DSRC 和 LTE-V2X 之外的补充性车际通信手段。

雷达用来通信不是异想天开，美国曾经测试过，利用F-22猛禽战斗机的 AN/APG-77主动电子扫描阵列（AESA）雷达进行大容量实时通信，传输对于目前军用数据链过大的未压缩文件，而光在电磁波谱当中，频率比无线电更高，所以可以做到巨大的潜在带宽。

回到激光雷达的话题。

2016年3月，德国汽车供应商大陆集团（Continental）收购了 Advanced Scientific Concepts 的3D Flash激光雷达业务，开发探测距离200米的高分辨率3D Flash激光雷达，2020年量产。

以色列初创公司 Oryx的相干光雷达（coherent optical radar）发射端采用长波太赫兹红外激光脉冲，天气适应性强，没有任何光束的转向控制，核心竞争力在于接收端，不像其他激光雷达那样通过光电传感器来侦测光线粒子，而是根据光的“波粒二象性”以波的形式使用纳米天线阵列接收返回信号，并且进行相干处理，同时实现了多普勒模式以检测目标速度。检测距离150米，预计100到250美元，已经完成1700万美元A轮融资。

未完待续……

评论
好长的贴
慢慢看

评论
谢谢楼主分享，我还是觉得目前如果路上自动行驶的车少的话，这个技术还是难成为一个必要功能。

评论
人类科技的进步是需要付出代价的

评论
原来有人看啊 那我继续贴，这篇是讲自动驾驶技术的2大阵营，激光和非激光派


此前人们经常把自动驾驶技术分为传统车企和互联网企业两大阵营，"汽车公司偏爱渐进模式”，这种分类是错误的，因为面对未来整车厂话语权的削弱，各车企的倾向存在分歧，有的互联网背景的创业公司更传统，而有的老牌整车厂反而更激进。

虽然激光雷达的存废并不是自动驾驶的唯一区别，但这是一个不错的分类方法：非激光雷达阵营技术路线激进，商业模式保守；激光雷达阵营技术路线保守，商业模式激进。

非激光雷达阵营：

消费级整车厂（以及面向整车厂的技术供应商，大部分整车厂对于从供应商手里买自动驾驶技术是没有心理负担的），普遍倾向于从ADAS辅助驾驶切入自动驾驶，以端到端深度学习砍掉传统激光雷达。这一阵营以特斯拉为首，上文已经详细分析。

原计划与特斯拉合作，后来自己创办comma.ai公司的著名黑客George Hotz，比特斯拉更加激进：

2016年9月13日在TechCrunch Disrupt 发布了999美元的Comma One后装无人驾驶系统，原话是 “从山景城到旧金山不碰任何东西...不碰油门刹车方向盘”。

2016年10月28日他宣布取消该产品：“与其把生命浪费在与监管机构和律师打交道，我宁愿花时间去打造更让人吃惊的科技。”

美国国家公路交通安全管理局（NHTSA）一封提醒他作为一个汽车设备生产商，要承担法律规定义务的信就吓死了一个产品，这件事已经够让人吃惊了。根本没有任何人“叫停”Comma One的自动驾驶产品（很多国内科技媒体都用这种措辞，创业公司在这种语境下显得无辜正义），只不过怂人不敢承担法律风险罢了，即使事故责任有用户背锅。对于汽车行业的责任没有觉悟的外行，闻风而逃总比出人命好。

激光雷达存废之争—技术路线盘点 | 激光雷达技术全景

该公司此前已经从著名的Andreessen Horowitz以及Techammer、和米资本等投资机构以千万美元估值融到了百万美元。投资“天才+疯子”时候的，应该从技术路线方面，更加谨慎地考虑政策风险和事故风险。

后来Geohot把软件开源，这并不会直接导致很多勇敢的小白鼠面临生命危险，他的DIY自动驾驶系统推荐的一加手机公司也不太可能因此吃官司，comma.ai的后续产品也更加注意规避法律风险。

类似路线的公司包括了AutoX，采用罗技摄像头和安卓手机实现低成本自动驾驶。

中国的自动驾驶公司Momenta拥有优秀的深度学习算法团队，计划众包积累视觉高精地图，可能会成为中国的comma.ai并且采用类似打法：面向普通车辆出售类似于Comma One的后装硬件或者提供app和金钱激励。

AImotive基于摄像头的深度学习方案，投资者包括英伟达、博世以及Draper。图森科技、中科慧眼、Itseez（英特尔子公司）、纵目科技等其他ADAS供应商不再逐一分析。

前百度高管余凯的地平线机器人以及其合作者，前360高管沈海寅创办的奇点汽车、选择MINIEYE的小鹏汽车也属于这一阵营。

包括蔚来汽车、车和家在内，其他国内的“新造车运动”的创业公司，在自动驾驶的技术路线方面很少明确表态，毫无疑问跟着特斯拉的套路是最稳妥的，核心技术可以靠供应商，但是所有整车厂几年之内就要面临选择，为出行服务商供货，还是坚守消费级汽车市场。

激光雷达阵营：

出行服务公司（以及供应商），大部分不选择砍掉激光雷达 激光雷达存废之争—技术路线盘点 | 激光雷达技术全景

Waymo（谷歌自动驾驶）一直倾向于自己动手廉价化激光雷达：2015年，时任谷歌自动驾驶项目总监，后来离职的Chris Urmson公开了谷歌正在自行研发的激光雷达照片。

2016年12月谷歌（Alphabet）正式将自动驾驶汽车项目分拆为子公司Waymo，同时公布了与克莱斯勒合作的无人驾驶版Pacifica厢式车，自研激光雷达成本降低到7500美元。在廉价激光雷达即将量产的前夜，谷歌还没有取消自研传统激光雷达的迹象，可能Waymo认为没必要等固态激光雷达量产。虽然7500美元对于消费市场有点贵，但对比司机工资已经足够便宜（也刚好低于特斯拉 Autopilot 2.0 的售价，虽然 Waymo方案加上若干摄像头和计算的最终成本肯定会高于8000美元）。

作为拥有领先深度学习技术，同时又拥有丰富自动驾驶经验的公司，谷歌做出的选择值得参考。毕竟如果非激光雷达路线适合全自动驾驶，谷歌理应首先想到。有报道称Google X的自动驾驶团队用了 TensorFlow 和 TPU（Tensor Processing Unit, 张量处理单元），这可能解释了为什么谷歌大脑和DeepMind的人工智能科学家们安心地训练神经网络识别猫咪，没有亲自搞个L3事业部。

除了菲亚特克莱斯勒，本田也在与Waymo讨论合作。考虑到韩国手机界的老二LG对谷歌的忠诚度高于三星，日本汽车界的老二本田选择谷歌也是情理之中了。

激光雷达存废之争—技术路线盘点 | 激光雷达技术全景

Uber与谷歌一样，选择了自研传统激光雷达的路线，这从供应商“手残”引发的诉讼中体现的很明显：2017年2月，Waymo的供应商无意中把Uber的激光雷达电路板图纸发给了Waymo，而这张图纸与Waymo的设计过于相似。谷歌因此开始起诉前员工Anthony Levandowski 在离职时下载了大量商业机密，随后成立Otto，以6.8亿美元卖给Uber。

Uber在匹兹堡、旧金山等城市投入测试服务的自动驾驶车，来自其合作伙伴福特和沃尔沃，都加装了激光雷达。

福特在整车厂当中，对于激光雷达路线最为坚决，这从投资Velodyne LiDAR就可以看出。福特计划直接从L2跳到L4级全自动驾驶，在2021年推出SAE 4级的量产无人驾驶汽车，没有方向盘或油门及刹车踏板。为了实现这个目标，2017年2月，福特宣布对人工智能初创公司Argo投资10亿美元，创始人来自Google和Uber的自动驾驶部门，很有可能延续这两家公司的方案。

通用汽车与Lyft将进行数千辆无人驾驶电动汽车Bolt的测试，通用旗下的汽车租赁公司Maven也会参与，这可能成为最近激光雷达车型的最大规模量产。通用汽车的技术来自于2016年3月收购的Cruise Automation。

2016年底，德尔福与英特尔/Mobileye宣布合作，在这个自动驾驶解决方案当中，德尔福使用多域控制器（MDC）和收购自 Ottomatika 的自动驾驶软件算法，处理雷达/激光雷达的数据；英特尔提供芯片，Mobileye负责摄像头数据，地图由Mobileye REM道路经验管理系统测绘。毫无疑问未来这套解决方案会加入德尔福投资的Quanergy的固态激光雷达。

滴滴与Uber的股权交叉，并不足以推测滴滴未来的无人驾驶技术会源于Uber，那么起步较晚的滴滴除了与苹果自动驾驶合作之外，也很有可能也会像Uber一样收购几家激光雷达路线的自动驾驶创业公司。

日本的自动驾驶公司普遍希望抓住2020年东京奥运会的机会：

三菱电机主导的“动态地图测量”（Dynamic Map Planning）项目，基于三菱的移动测量系统（mobile mapping system, MMS），丰田、本田、日产等15家日本公司参与，测量车配备了激光雷达、摄像头等传感器，还启用了可以提高GPS精度的日本准天顶卫星。

软银旗下SB Drive自动驾驶巴士，公开信息太少，无法确定是否应用激光雷达。

日本创业企业ZMP 与日本的门户/游戏/电商公司DeNA合作，创办新公司“Robot Taxi”。2016年初Robot Taxi在神奈川的开放测试车，配备若干激光雷达。2014年ZMP得到英特尔互联汽车基金投资，金额未透露，现在英特尔自己好像也忘了还有这事。最近ZMP经历了上市推迟，与DeNA的合作结束。DeNA随后与同是激光雷达技术路线的日产汽车公司合作。

法国Easymile公司的EZ10无人驾驶电动巴士在巴黎进行了测试，在日本的测试与DeNA合作。

法国Navya公司的无人驾驶巴士项目，由上文多次提到的法雷奥领投，与BestMile合作。

黑莓QNX的无人驾驶原型车，在车顶装有两个激光雷达。此外QNX还参与了日本瑞萨自动驾驶测试车的合作。

乐视和法拉第未来合作，以易到专车形式出现的“生态无人车”，选择了激光雷达，量产车FF 91也配备了一个可伸缩激光雷达。

乐视背景的Lucid，自动驾驶方案Copilot包括了若干激光雷达和Mobileye。

MIT背景，已经在新加坡试运营的nuTonomy，与东南亚市场的打车应用Grab合作。

Drive.ai虽然以深度学习为核心，但也考虑了激光雷达的应用。

英国牛津大学背景的Oxbotica、荷兰自动巴士系统供应商2getthere、自动驾驶卡车初创Embark、被欧洲地图商TomTom收购的德国自动驾驶创业公司Autonomos、Zoox、智行者，都可以归到此类。

还有一些公司在激光雷达问题上态度模糊，可能两条腿走路：

苹果在自动驾驶领域的作风非常神秘，虽然从招聘信息上可以看出苹果在招激光传感方面的人才，但是并没有用LiDAR这个词，也无法确认是用在汽车上还是手机上。（今年苹果的iPhone 8传言可能会配备3D摄像头，与意法半导体合作，接收端为单光子雪崩二极管（SPAD）阵列，以盖革模式对光子计数，敏感度更高，并且提高了飞行时间法（ToF）的三维成像分辨率，可能实现脸部识别、虹膜识别和3D自拍等功能。）

高通以470亿美元收购汽车电子供应商恩智浦半导体（NXP），获得了其自动驾驶计算开发平台 BlueBox，尚未向客户推出完整的高度自动驾驶方案，而是让客户运行软件算法。

Mobileye虽然站在传统车厂角度提供渐进式改良，从2016年初开始，逐步公开了无需激光雷达，利用Road Experience Management（路网采集管理，REM™技术）众包积累地图数据，最终实现高度自动驾驶的未来。

特斯拉事故之后，Mobileye承认要有传感器冗余，例如激光雷达。2016年8月（也就是特斯拉致命事故三个月后）与德尔福合作高度自动驾驶，合作内容包括了德尔福提供的激光雷达（显然德尔福的盟友Quanergy量产之后会参与），我们可以看到Mobileye作为一个合格的、同时也是ADAS领域最成功的汽车供应商，从非激光雷达阵营出发，做好了接纳激光雷达的准备。

2016年12月，Mobileye与地图公司HERE合作，更新高精度地图。2017年3月，英特尔以153亿美元收购Mobileye，Mobileye将与英特尔自动驾驶事业部（ADG）合并。

英伟达作为芯片供应商并不需要站队，虽然英伟达自己的验证车BB8有激光雷达，然而在市场上，英伟达GPU的大客户，例如特斯拉和百度L3事业部，与激光雷达的客户/股东很少重叠。 黄仁勋也希望打破对激光雷达依赖，毕竟英伟达的GPU比Mobileye贵，搞激光雷达路线的公司，如果不自己做视觉，例如德尔福和法雷奥，用便宜的Mobileye就可以了，如果有人拿出比Mobileye略差、更便宜的产品，也是有可能被采用的。博世在激光雷达的动作比其他汽车供应商慢一些，这可能是选择英伟达芯片搞自动驾驶的原因之一。

百度2016年8月13日入股了著名激光雷达供应商 Velodyne LiDAR，体现了激光雷达的看好。但随后百度在2016年9月1日公开了瞄准第三级别自动驾驶的 L3 事业部，与提供深度学习硬件的英伟达密切合作，“世界上首个端对端、由地图到汽车的开放平台”。可以解释为，对比谷歌和Uber，百度急于从半自动驾驶获得收入或者实绩，所以同时开展颠覆性的全自动驾驶和作为供应商的渐进L3。

2017年3月，百度宣布成立智能驾驶事业群组（IDG），陆奇兼任总经理，整合L4事业部、L3事业部等。考虑到百度在中国的地图资源，百度很有可能在这一领域拿到稳定份额。

腾讯试水自动驾驶也可能从地图开始，第一步棋是四维图新联合腾讯收购了 HERE 地图 10%股份。

丰田对于激光雷达的态度存在先后矛盾：

丰田虽然有基于激光雷达的自动驾驶测试车，在日本的丰田中央研究所甚至曾经自己研制激光雷达（机械模式）。但是也有人表达了 “我们追求的并不是完全自动驾驶的汽车，减少事故数量才是我们的最看重的事。丰田将Level 3技术放在优先位置”。硅谷初创企业Nautod的驾驶员监控系统，得到了丰田、宝马的投资，这件事也证明了丰田、宝马在考虑渐进，因为想要一步跳到完全自动驾驶车，甚至取消方向盘的公司不太关心驾驶员有没有睡着。

最近，由美国专家主导的丰田研究所（TRI）公开的战略是，保卫者（Guardian） 以及私人司机（Chauffeur）两个技术路线和团队并行。

驭势科技以双目摄像头和深度学习算法为核心，同时选择了全天候半自动驾驶（摄像头众包采集思路类似于Mobileye的REM），和加装低线束激光雷达的限定区域低速无人驾驶“城市移动包厢”两条路。

本文没有收录的自动驾驶方案公司可以对号入座，明确客户方向。

总结：

钻研传感器和钻研深度学习算法，这两群创业公司看起来都不稀缺。对于提供自动驾驶方案的小型创业公司，技术路线也就决定了卖给哪一个阵营的客户。

未完待续……

评论
这篇讲未来出行的商业
http://www.leiphone.com/news/201703/LAX1I2EnprCC4pKS.html

两大阵营的成本承受力

对于Uber/嘀嘀等互联网平台来说，自动驾驶成本承受能力远超过消费者，成本只需要低于司机工资就足够了（当然还要考虑自动驾驶事故率决定的每辆车保险成本）：

假设嘀嘀司机月收入5000，考虑到自动驾驶无需休息和节假日，工作时间如果翻倍，每年可以取代12万的司机成本。美国的司机成本更高，据统计，美国Uber司机平均税后年收入4万美元，只要自动驾驶车的工作时间翻倍，即使用的是8万美元的激光雷达，1年收回传感器成本也是有可能的，而装8万美元传感器的特斯拉是很难卖出去的。对于经历疯狂补贴大战的出行服务行业，大规模采购激光雷达是收益可预期的投资。

两条路线的责任区别

Uber现阶段严格来说只是轻资产的信息提供商，虽然Uber美国的使用条款包括 “在任何情况下，UBER对与服务相关的所有损害，损失和行动的责任总额损失不会超过500美元”，很符合信息中介商而不是出行服务商的身份，但是对于测试中的自动驾驶车，Uber按照美国法规提供了500万美元的意外伤害保险以涵盖乘客和行人的任何损失。对于Uber来说，自动驾驶事故责任由Uber承担是责无旁贷的，多在传感器上面花钱，降低赔偿保费成本和事故的公关压力是合算的。

（值得一提的是，Uber中国区使用条款连500元的赔偿条款都没有。滴滴在中国的现状稍有区别，海淀区人民法院的判决认定：专车、快车司机与滴滴公司等平台之间属于“劳务关系”，如乘客无过错，则由滴滴公司等平台承担赔偿责任。）

而特斯拉每次事故的责任，都可以通过免责条款很方便地让花钱测试beta软件的车主背锅，所以可靠性要求更低一些，特斯拉的企业性质就决定了其技术路线。所以特斯拉反对激光雷达的态度在商业上是合理的，换一个对于强人工智能缺乏信仰的CEO还会做出一样的决策，在固态激光雷达大规模出货之前不会认同激光雷达在汽车上的应用。

（多次有人在美国看到搭载激光雷达的特斯拉Model S工程车路测，但无法判断是否属于特斯拉公司）

车险决定未来配置

按照Musk的说法，2016年5月的事故是Autopilot运行130万英里之后的第一起致命车祸，远低于美国平均水平。2017年1月，美国国家公路交通安全管理局的事故调查报告证明Autopilot的Autosteer开启后，特斯拉的车辆事故率下降了40%，无法证明其存在缺陷。Autopilot作为一套辅助驾驶系统，降低事故概率已经得到了车险公司认可，特斯拉甚至已经开始定制车险。

在经历连串事故之后，特斯拉在重新提高自动驾驶级别时候，肯定会更加慎重，因为激进的开放高级自动驾驶会直接影响事故率和保费。

Musk的“宏图第二篇章”（ Master Plan, Part Deux）提出要利用已经卖给用户的特斯拉汽车，通过P2P服务（Tesla shared fleet，特斯拉共享车队）让每一个车主成为出行服务提供商，为此禁止车主在Uber、Lyft等拼车服务中使用全自动驾驶功能，出于赚钱的目的则必须在Tesla Network下使用，特斯拉给予车主的车费分成比例可能会比Uber更有竞争力，那么未来的Tesla Network，与Uber们的自动驾驶车队，谁扩张更快，就是一个很有意思的话题了。

目前来看，涨到8000美元，无激光雷达的Autopilot 2.0并不便宜，而Quanergy给出更低的激光雷达推荐方案Musk肯定明白。那么决定特斯拉未来的重大选择，就是传说中的“高乘客密度市内交通”车辆，或者说“特斯拉微型巴士”，是否会采用更高的安全配置，以及特斯拉是否会成立专门的专车运营公司来持有这些车辆。而Musk最近宣布Model 3取消仪表盘也没有HUD抬头显示器，只保留中间屏幕，认为驾驶员所需要的信息会越来越少，这个决定是淡化有人驾驶、信任Autopilot的破釜沉舟之举，再次开创先例。在路线之争中，发起 OpenAI 的Musk对深度学习和强人工智能的信仰是够充足的。毕竟现代智人没进化出类似于激光雷达的器官，只有双目视觉就能开车，从红绿灯、路灯到交通标志，一切基层设施都是给眼睛服务的，没有为激光雷达或者V2X服务，那么交通法规也没理由强制要求装激光雷达。

五年以内，到底是固态激光雷达先量产，以高可靠性优势分到更大蛋糕，把视觉作为配角，出行服务导致新车销量下降呢？还是深度学习先修成正果，以成本优势把激光雷达赶出巨大的车用传感器市场，压制在测绘等细分场合呢？这个竞赛就是决定一批公司命运的关键了。

长远来看哪个技术路线能够笑到最后？我认为在两个技术路线的安全性都合格，成本都够低的情况下，对于用户会跟选半个气囊还是10个气囊差不多。安全配置高低最终会由客观的事故率/保险费率，和主观的公关形象决定。在坏事传千里的社交媒体时代，自动驾驶车会把原本大量司机的事故责任集中到少数公司，选择激光雷达路线的公司有机会在公关方面鄙视对方。

站在其他整车厂角度，自动驾驶技术供应商未必只选一家，就像波音787客机，同时支持通用电气和劳斯莱斯两家公司的引擎一样。未来的克莱斯勒，也许同时生产Waymo和Mobileye两个版本的自动驾驶车。

出行服务的普及和自动驾驶可靠性的提高，还意味着车险行业的客户数量和单车保费同时减少，有些保险公司已经承认自动驾驶会威胁其商业模式，有预测显示车险市场将会缩水 60%。

总结—公路交通的未来

未来对于大部分人，汽车的品牌价值必然会弱化，有媒体人鼓吹“车企两条路，一是富士康化，一是特斯拉化”，也有人认为Uber/滴滴最终会成为一家汽车制造商，我并不以为然。理解历史可以让我们更好地预测未来：

波音1916年从飞机制造起家，随后开创了航空邮件业务。1929年，波音与引擎制造商普惠等公司组成了一家巨大的、从飞机制造到运营（货运，客运，私人，航空邮件）垂直整合的联合飞机和运输公司（United Aircraft and Transport Corporation）”。1934年罗斯福政府因为空邮丑闻，通过了反垄断性质的空邮法，禁止机身/引擎制造商控股航空公司，联合飞机与空运公司被肢解为三家公司，分别为联合飞机公司（United Aircraft Corporation，后更名为联合技术公司），波音飞机公司（Boeing Airplane Company）和联合航空公司（United AirLine Transport）。

Uber们到底是不是出行服务商？

目前我们可以把出租车公司/汽车租赁/运营公司类比于航空公司，Uber类比于一家正在研究引擎的机票销售平台。未来Uber是否重资产还不明朗，Uber的自动驾驶车队能否以Tesla Network的共享经济模式运行呢？

滴滴也面临着同样的问题：程维曾经将滴滴的发展目标定位在“新能源汽车运营商”，那么未来要做出选择：是自己大规模采购自动驾驶车，成为货真价实的运营商；还是把这些在互联网平台公司眼里的重活、脏活交给租赁公司，继续“倒卖车票”抽成。

如果Uber们不拥有自动驾驶车，而是坐视平台上的“航空公司”发展壮大，那么消费者就有机会绕过平台，直接与“航空公司”达成交易，这种消费习惯是Uber们的噩梦，因此必然会阻止。

从上文的技术路线和合作伙伴分析中，我们可以看出，美系汽车三巨头对于波音化的支持动作是最整齐的，日系欧系都略慢了一拍，巧合的是Uber在日本欧洲都遇到阻力，网约车对于车企理念的影响可见一斑。（例如Uber的触手很难伸进日本，在东京是以旅行社和送外卖身份存在的）

站在车企的角度看问题，从1934年走到现在，造机身的波音没有沦为后来出现的富士康，没被下游的航空公司和上游的引擎公司压榨，那么整车厂也未必会死于没掌握自动驾驶技术。把车企的富士康化说成波音化更准确，也更好听，毕竟Uber们还没要求车企去掉品牌，从航空公司的现状来看地面出行，技术壁垒、市场优势和议价能力到底在谁手里其实并不明朗。

ofo从2015年的校园内存量单车重新刷漆起家，极短时间内进化成大手笔订制单车。如今共享单车（租赁单车）平台占据单车制造商大部分产能，以及上游自行车厂闷头接单赚钱，对于单车平台的严重依赖，是未来Uber们订制汽车车身的预演，未来汽车的座位数量、内饰、刷漆等设计全都会由Uber们定义。

整车厂面对用车平台，固然有失去品牌的焦虑。然而机身制造商控制航空公司，在如今看来只是上古时代的逸事。上下游垄断或许是自由发展的大势所趋，但是能再现盛况的大概只有上下游全面布局的特斯拉了。特斯拉要发展到被反垄断法找上门的水平，还有很长的路要走，垄断性更强的是Uber们和一些高精度地图供应商。

世界上并不需要太多波音化的汽车公司和品牌，波音化的反义词是湾流化，或者说劳力士化（湾流是著名的公务机厂商）。20年后，在波音化的竞争中被淘汰的乘用车品牌，例如注重“驾驶愉悦感”，离开百度、牵手Mobileye的宝马，可能的出路是作为怀旧兴趣的收藏品。另外一个更显而易见的受害者是传统汽车经销商，没机会插手“波音”，只剩下做“湾流”的生意了。

本系列完结。

评论

这句话怎么说

评论

再来一篇最新测试进展


尽管近年来，谷歌无人驾驶项目频频遭遇没有明确的商业目标等诟病，但其先发优势仍然明显，去年加州DMV的数据显示，谷歌Waymo以635868英里的路测里程、0.2次/千英里的人工干预频率排名第一，而排名第二的上述指标分别9776英里、18.5次/千英里。对比来看谷歌Waymo优势明显。

如果单论加州路测不够充分的话，或许我们应该听听业内人士的意见，3月27日，前百度自动驾驶事业部总经理王劲点评当下全球自动驾驶行业竞争格局：

“绝大部分的车厂，从去年开始，都开始走辅助驾驶了，他们往往会直接调出一个部门专门做 4 级，因为他们觉得直接做 4 级比他们一级一级升要快得多。

第二个流派就是以百度和谷歌为代表，利用深度学习，一级一级慢慢升，另外一个是 Mobileye，它是以摄象头为基础的流派，它做的是 LX2.5，它们在感知上面用了大量的数据进行了非常好的深度学习，利用摄象头来做物体识别。Mobileye 刚刚被英特尔收购了。

现在最新的一批流派是像 Drive.ai 和英伟达这样的，他们想把从传感器传出来的信号输出直接当成驾驶的决策，他用的是端到端的全深度学习的模型在做。Drive.ai 这个公司是全球最早走这个方向的。

综上所述大家可以看到，从最传统的技术，就是车厂，到最激进的，这个中间有很多的选择，就是从技术上有很多流派，没有哪一个流派被证明。现在领跑的是谷歌，全球我们认为无人驾驶最好的技术应该是谷歌。”

作为全球走得最快的自动驾驶技术企业，早在去年8月，谷歌就在其自动驾驶月报中披露，公司正在亚利桑那州的沙漠地区进行大风扬沙极端天气环境下的自动驾驶测试，谷歌在报告中写道，他们甚至测试了沙尘暴来临时的汽车的决策：所有的传感器都检测到了空气中极大量的尘土，然后像人类驾驶一样选择控制汽车停了下来，知道沙尘暴过去后，才重新启动出发。
看来谷歌旗下的无人驾驶公司Waymo在怒怼Uber的同时，也没忘记“聚精会神搞建设，一心一意谋发展”。昨天，Waymo CEO John Krafcik在Twitter发布一张Waymo克莱斯勒自动驾驶汽车在雪地测试的照片，并配文“Smow Practice.”

谷歌Waymo开展雪地极端环境测试了，我为什么说这是个里程碑事件？

36氪认为，这是一件具有里程碑意义的大事。为什么这么说？我们先来谈谈自动驾驶技术的三个关键技术。福特自动驾驶汽车研发总工程师Chris Brewer将自动驾驶技术概括为环境感知、做出决策和控制车辆三个部分。事实上，这三者是环环相扣的，首先汽车上的各类传感器（包括摄像头、超声波传感器、激光雷达）要收集数据，将数据发送给自动驾驶汽车的“大脑”，完成环境感知；然后“大脑”负责识别传感器数据，并将之与高精度地图作对比和调整，综合各种因素做出决策；最后“大脑”会发出电子指令，为了确保所有机械系统可以协同运作，整个控制系统需要搭建一个复杂的布线网络。要求汽车的油门、刹车、方向盘和换挡系统做出反应。

通过以上可以看出，如果在无人驾驶的第一环——环境感知能力不足的话，会给整个技术的落地造成很大挑战，而Waymo测试的雪地，就是环境感知能力不足的典型场景。

雪地环境，被公认为自动驾驶汽车最具挑战性的路况之一，自动驾驶汽车在雪地的环境感知能力甚至不如夜间，比如激光雷达是通过发射和接收激光束感知车辆周围环境的，也就是说，激光雷达的性能在夜间不会有明显下降。但雪地包含了两大特点：低温、周遭环境差异小。这意味着包括激光雷达、摄像头、超声波传感器不仅会出现性能下降，而且获取的有效数据也严重下降。

当地面上有雪时，摄像头和激光雷达很难看到路面上的车道标记线，汽车需要依靠这些标记来防止车道漂移，实现安全导航。雪也使检测意外的障碍物变得更加困难。卡内基梅隆大学机器人研究所的科学家John Dolan表示，积雪很容易使摄像头和激光雷达发生误判，最终会酿成严重的后果。

在Waymo之前，福特很早就进行了雪地无人驾驶技术测试，当时福特无人驾驶技术负责人Jim McBride表示：“汽车在完美的天气中自动驾驶是一回事，当汽车的传感器完全无法看到路面时，那是另一回事。”但福特还有很长的路要走，去年加州DMV公布的路测显示福特表现平平，就连他们自身都在通过收购Argo.ai继续添加弹药补充实力。

Uber在去年9月宣布在匹兹堡开展“极端天气条件”的自动驾驶技术测试，通用也在去年12月宣布在密歇根州开展“寒冷天气”的自动驾驶技术测试，但他们都没有明确表示会进行“雪地”这种极具挑战性的测试。

如果我们说的更直白一些，目前主流的自动驾驶技术厂商技术水平达到已解决（天气良好的路况下）出现误判问题的寥寥无几，如果要推选技术水平最高的厂商来挑战雪天路况，毫无疑问还是谷歌Waymo。


谷歌Waymo开展雪地极端环境测试了，我为什么说这是个里程碑事件？

谷歌自动驾驶月报中关于扬尘天气测试的表述

其他例如大雨和浓雾极端天气环境由谷歌自动驾驶团队在华盛顿和Kirkland完成了测试。

但谷歌迟迟未开展大雪、低温环境下的自动驾驶测试，去年7月7日，Krafcik在接受采访时终于松口，公司即将开展严重的大雪天气环境下的自动驾驶测试。

如今，谷歌终于走出了这一步，Waymo正在加州Tahoe进行大雪测试、加上此前的夜晚、大雨、浓雾、扬尘、沙尘暴，谷歌自动驾驶汽车已经覆盖了几乎所有极端天气环境下的测试。

你觉得自动驾驶汽车会还需几年面世？欢迎与我讨论。



评论

我也看好自动驾驶，觉得这个技术很牛。只是感觉现在路上如果自动驾驶的车少的情况，只有我自己在自动驾驶，心里还是不踏实。

评论

明白
我同意 就是不信任人类的驾驶，不过估计20年内可以完全变成自动驾驶

评论
自动驾驶的根本目的是什么？

评论

让人类生活更安全 更舒适 同时可以减少车辆，降低污染

评论

取缔私家车，把BUS通到每条街道，密集车次。。。一切都解决了，还需要自动驾驶么？

评论

钱呢

评论
更高科技一些，把所有的房子和社区都用“管道”连接起来，想去哪里，先设定，然后坐到管道里，嗖一下，到了

评论
作为非自动车，我很怕开车时候自动车把我当成了白云而拥抱我～～～～

请在自动车车身上标注明显的自动驾驶的提醒标记，方便非自动车避让逃亡。

评论

原来驾驶乐趣只能再玩20年啊，看来要多开点了

评论
科技正在加速发展

评论

复制粘贴这么多，楼主的论点是什么呢？抱歉没找到。

我也借地发表自己对自动驾驶前景的看法：

实际上现在自动驾驶技术的关键在软件而不是硬件。而软件则与人工智能/深度学习紧密相关。
深度学习的基础是什么？是数据，海量的数据，越多越好。而在数据积累上特斯拉可以说已经把所有竞争对手都远远抛在身后：谷歌6年积累了150万英里vs特斯拉6个月积累了4700万。

这个优势是实打实的，没有任何近道可抄。结果如何？马斯克说我们今天生产的车子已经搭载支持全自动驾驶的硬件了，言下之意是再更新几个软件版本就可以实现全自动驾驶。而谷歌还在画2020年的大饼，连个车影子都没着落。如此落后即使我这种门外汉都看得到，谷歌自己当然再清楚不过。更重要的是，投资者已经坐不住了。所以呢，去年底谷歌宣布终止全自动驾驶汽车的自主研发寻求与车厂合作，争取早日推出产品，而且推进方式跟特斯拉类似，只是迟了几年。

评论
大吉利是不是已经有自动驾驶？
澳洲中文论坛热点