不法分子们颤抖吧，无人驾驶汽车监视着你的一言一行
自从「 无人驾驶」 概念提出以来，很多人好像一直都将注意力放在了如何提升人类出行体验上面。而国外一家叫作「OTSAW」 的公司却另辟蹊径，他们选择将无人驾驶汽车用来维持治安。听到这里，也许你又会想起各种巡逻警车。只不过，OTSAW 打造的这台 O-R3 很有可能与你之前见到的所有巡逻车都不一样。下面是他们制作的一个视频，大家可以先通过视频简单了解一下这辆无人驾驶小车： 车虽小装备却不少 「 麻雀虽小，五脏俱全」，如果只看外形，这辆无人驾驶小车的整车尺寸略显袖珍，但其实 O-R3 上配备了很多有意思的设备和功能： 不同功能的相机：O-R3 上配备了适用于不同功能的相机，车上的几台相机分别用于热成像分析、人脸识别、车牌识别、立体摄影，几台不同功能的相机帮助 O-R3 同时处理不同类别的成像。 高精度传感器：OTSAW 在无人驾驶小车上使用了二维激光扫描仪、三维激光扫描仪、惯性测量单元、超声波传感器、LIDAR、GPS 以及远程数据接发装置等设备。 智能数据融合系统： 车上搭载的这套系统可以帮助 O-R3 按照人类的思考逻辑理解各个场景和事件，顺利完成避障动作以及异常检测动作。 无人驾驶协同侦察机：OTSAW 在 O-R3 上还配备了一台无人驾驶协同侦察机，侦察机可以与无人驾驶小车共同组成空中、地面协同监控系统，有效威慑潜在犯罪。 人类在后台接收警报 仅仅依靠 O-R3 车辆本身来维持治安还远远不够，毕竟无人驾驶汽车和侦察机并不具备制服不法犯罪分子的能力，这种情况下还需要依赖人类共同完成治安工作。 OTSAW 给出的解决方案是一套实时警报系统，通常情况下，技术熟练的安全人员会在车队控制中心后台接受警报，实时警报系统的工作状态也会实时显示在车内仪表盘上。一旦 O-R3 无人驾驶汽车向后台发送警报，安全人员会迅速采取行动制服犯罪分子。当然，车辆的最终控制权还是掌握在人类手中，授权工作人员可以在后台直接操作车辆，必要情况下还可以将 O-R3 恢复至出厂预设状态。 考虑到 O-R3 无人驾驶车每天都需要进行长距离巡逻，续航问题也就成了重点。针对这项问题，OTSAW 选择为无人驾驶车训练自主充电的能力，当 O-R3 的电量降低到一定预设值后，车辆可以自行前往充电站进行充电，全程无需人类操作。 最后，很多人肯定想知道，O-R3 无人驾驶车应用到治安巡逻工作中究竟有何优势？OTSAW 认为，与人类相比，O-R3 的工作效率和生产力明显更高，它不需要休息日也不用请病假。无人驾驶车最大的优势就是可以 7 天 24 小时全天候工作，同时随时保持运转。 从某种角度来说，O-R3 提高了治安巡逻的工作效率，同时也降低了工作人员受伤害的概率。而放眼全行业来说，这辆小车也扩展了无人驾驶汽车的应用场景，说不定未来某一天，O-R3 真的可以走进我们的生活，为大家保驾护航。 不法分子们，意不意外？惊不惊喜？ 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）。
被某著名车评人吐槽的 smart，如果变成这样，你会爱吗？
最近几天，著名车评人「38 号」发布了一个奔驰 smart 的评测视频，又引来了无数争议，因为在那个视频里，38 号的观点颠覆了很多人的认知：虽然这一代的 smart 相比老款车型在驾驶体验、动力总成方面提升了很多，但是如果放在 10 万元的价位横向来比较的话，它依然是驾驶感受非常糟糕的一辆车。总之，开起来和看起来反差巨大。 恰好我也比较深度的开过新老两代 smart，所以在一定程度上我比较认同 38 号的观点，新款 smart 确实开起来比老款更好，但是依然问题很多，比如动力响应速度慢等等。 那这些问题能彻底根除么？其实也不难：把发动机和变速箱掏出来，换一套电动动力总成进去，保证开起来爽到起飞。 其实，新款 smart 的电动版车型已经发布有一段时间了，这两天奔驰还公布了它在美国市场的售价：2.38 万美元起，约合 16.4 万 RMB。享受免税政策之后，实际价格是 16300 美元（约 11.2 万 RMB）。 来做个对比：同样是在美国市场，汽油版的 smart 起售价是 14650 美元，约合 10 万 RMB。在中国，最便宜的 smart 官方指导价 12.5 万，目前算上优惠，裸车价格也是 10 万左右。 花两万多美元，你能买到一台什么样的电动车呢？ 首先，外形还是那个外形，只不过配方略有变化，加入了原谅色的点缀。（希望你们自行脑补一下原谅套餐的图）最重要的续航里程：官方给出的参数是预估 70-80 英里，也就是 116-128 公里之间，这应该是 smart 电动版的实际续航能力，因为在官方宣传 PPT 里，明明写着「160km of range」。 电池组容量是 17.6kWh，车子能输出 80 匹马力，采用的是三相同步电机，和汽油版一样都是后驱，0-60mph 加速 11.4 秒。 通过下面这张表格，你能直观的对比出新款 smart 电动版和上一代车型的参数差异： 可以总结出一些变化： 1. 电池组容量并没有发生任何变化，都是 17.6kWh，不过新款的电芯数量更多一些。 2. 电机从液冷的永磁同步电机变为了风冷的三相同步电机，同时动力小幅提升，然而加速成绩却几乎相同。 3. 新款的续航里程相比老款略有提升，增加了十几二十公里。 4. 充电时间方面，新款相比老款有了几乎成倍的提升，这也是因为车载充电机功率的变化，老款是 3.3kW，新款提高到了 7kW，也就是说，可以支持 32A 的充电电流了。这和宝马 i3 在国内改款前后的区别比较近似。不过遗憾的是，新款 smart 电动版仍然不具备直流快充功能。 顺便再提一句：如果你想买一台电动车，同时又希望这辆车是敞篷的，那么 smart 是唯一的选择。新款 smart 电动版仍然提供了硬顶版以及敞篷版，另外那个四门的 smart 也会有电动版提供。 可是，100 多公里的续航，你能逃出城市，开着敞篷，到郊外闻闻泥土的芳香么？ 其实早在 2013 年的广州车展上，上一代 smart 的电动版车型就已经在国内上市了，当时的售价是 23.5 万。这个续航里程，这个实用性，这个价格，纯进口的身份又没有补贴，它的命运你也就可想而知了。稀少到什么程度呢，在汽车之家二手车平台上，也只有一台在售…… 但是，就是这么稀有的车型，我司（GeekCar）居然还在 2014 年 3 月对它做过试驾体验，当时我们请人机交互专家张卷益同学开了几天这车，他给出的一段评价是： 因为充电难的原因，这次真是强烈的感受到了作为一个电动车主的心理负担，虽然 100 公里在日常的城市行车中还算是绰绰有余的，但总是有一种挥之不去的不安全感。如果没有计划好行程，不巧在半路上用光了电量，不好意思只能自己请拖车来帮忙了。这种感觉就像过去电脑笔记本电量只能用 2 小时，又恰好忘了带充电器或是找不到插座一样。也许人们从马车进入汽车时代的过程中，也有类似的心理过渡期。 2014 年的时候，北京城里的充电桩还不像现在这么多，当时的 smart 电动版，充电也不会像新款这么快，但是随着时间的更迭，如果新款 smart 引进中国，我相信它的使用体验应该比老款好很多。 不过，在体验之外，制约它在中国普及的最大问题应该还是性价比。其实新一代电动 smart 在参数上相比上一代 b 并没有质的飞跃，但是因为品牌、成本的问题，它将来在国内的售价想必也会比较尴尬，而且仍然没有补贴。在国内的微型电动车产品越来越多的情况下，它可能只有品牌优势了。除非，能把终端销售价格控制在 15 万左右…… 所以，你觉得它还有必要引进吗？ 其实微型电动车的难题不光是戴姆勒要面对的，国内车企也同样不好做。因为，要满足合法上路的各种安全指标和法律法规要求，意味着不能像低速电动车那样省成本；要保证一定的续航里程，就得花钱堆电池；但是最终价格又不能超出微型车该有的价格区间……换谁谁都头大。这种情况在汽油版微型车上存在，在微型电动车上表现得更加明显。 不过也有一种可能：把电动版 smart 拿来给国内的 car2go 以及 Car2Share … 继续阅读
专访商汤科技 CEO 徐立：这家用 GPU 做深度学习算法的公司，能在自动驾驶领域弯道超车吗？
你玩过 Face U 吗？大眼瘦脸滤镜美颜无所不能；选择喜欢的贴纸，对着镜头卖个萌，大叔都能变成少女。 如果你是个鄙视美颜自拍的直男，那你可能用过招行或者其他金融机构的一些金融产品，你需要拿着身份证拍一张照片，传到后台等待审核。 而无论是 Face U 的「 造骗」 还是身份证审核，都是通过商汤科技的人脸检测和跟踪技术实现的。 商汤科技是一家主要做视觉识别和深度学习算法的本土 AI 公司，他们的技术已经应用在金融、商业、安防、和一些互联网产品上。就在今年，商汤也开始在自动驾驶领域开始布局，在 2 周前的 GTC 大会上，商汤的徐立博士和颜深根博士还做了演讲。一家用 GPU 做深度学习的公司在自动驾驶领域有何布局？我们在 GTC 现场采访了商汤的 CEO 徐立博士 (以下是采访整理，X 代表徐立博士，G 代表 GeekCar）。 G：请您谈一下商汤在汽车行业中可以提供的技术，以及在汽车供应链中的地位。 X：商汤在做的很多事情和视觉相关，但不限于视觉方面。在汽车中，我们可以提供基础的视觉模块。我们认为，视觉输入是未来无人驾驶的关键之一，当然还会有其他传感器。多源头数据的融合本身就是是深度学习的重要部分。行业内目前还没有成熟的多模态的深度学习框架，怎么把各种数据进行融合做一些深度学习训练，还是一个开放性的问题。我们也在做一些多模态的框架，这是商汤在底层框架上做的突破。如何把视频、语音、图像，甚至雷达、传感器收集到的不同数据融合在一个框架，是很重要的一件事情。其次，在视觉方面，我们总结出了大概 20 多个视觉算法模块，从前端的相机，到相机成像、标定，背后的识别、理解、场景化，再到最后的路径规划，都包含在内。这些模块可以嵌在现有的 ADAS 系统里 ，也可以为未来的辅助驾驶、自动驾驶提供核心的技术支撑。 G：商汤和英伟达除了芯片的合作，还有什么其他合作吗？ X：我们和英伟达的合作更多是生态链的合作。他们在 GTC 上宣布商汤是其平台战略合作伙伴，因为我们可以在他们的底层架构上搭建应用，甚至是深度学习操作系统，这样的模式搭建的深度学习系统可以辐射到下游，如安防企业或者互联网企业，可能因为选择我们的方案而改为使用 GPU。英伟达推出新产品时，也会第一时间跟我们对接。 G：您刚才提到，和 NVDIA 的合作可能会向下辐射，带动更多人使用英伟达的产品。这种情况在汽车行业会发生吗？汽车行业是个比较特殊的行业，商汤现在有哪些汽车 oem 合作伙伴？ X: 我们有汽车 OEM 合作伙伴，国内、国际 OEM 都有。不过，大部分 OEM 还是有自己特殊考虑的。汽车是个封闭性的环境，对准确率有很高的要求。深度学习是个黑盒子，OEM 担心安全问题，会更慎重的选择方案。目前 AI 在汽车行业有市场，但无人车上路还很远。比如数据收集就是一个很大的问题，不同地方训练的场景并不是普遍适用的，所以深度学习系统在适配和数据反馈上还有很长的路要走。我个人认为，OEM 在某种程度上会进行自己的核心研发，或者和有能力的公司合作研发，共享 DEMO。 G：商汤在汽车领域有什么计划？ X：商汤有自己的平台和核心技术，可以帮助厂商打造自己的系统。我们可以把深度学习平台提供给合作伙伴，让他们用收集到的数据建立自己的应用。 G：未来 NVIDIA 架构的算法能力会越来越优化，他们会不会直接找 OEM 合作从而挤压算法公司的生存空间？ X：NVIDIA 是直接提供整套产品的，如直接给到车厂的 Drive PX 2。我们给车厂的是 GPU 集群，可以让他们搭建基于 GPU 的系统，并利用自己的数据做一些预测，和英伟达直接提供这样的模块不同。当然我们提供的方案也是要符合车规的。 G：汽车场景中，商汤的视觉识别技术和传统 ADAS 公司的深度学习有什么区别？ X：在汽车中，我们涉及 3 个部分：传统 ADAS 模块、DMS 系统和强化学习。DMS 是针对司机、乘客、后排乘客的算法。在无人驾驶场景中，对后排乘客进行预警也是很有必要的。而强化学习，可以进行路径规划。Mobileye 以前是用传统算法做，近两年也开始用深度学习算法，性能大幅度提升。如果算法还有大的突破，现有格局可能被颠覆。我们认为，深度学习底层网络若有颠覆式创新，行业将有洗牌。所以，我们只做算法优化和结构创新，至于数据，则是选择和 OEM 合作。在我们看来，想要做垂直领域必须要具备行业要素。汽车行业门槛比较高，要么有强大的地图数据，要么对车和司机有控制，否则很难真正推出一款实用的产品。我认为，目前具备这两方面能力的是 Uber、Google、博世以及一些 OEM，他们能真正把自动驾驶产品落地。其他互联网公司造车可能并不具备核心要素。 在徐立看来，中国市场 AI 需求大，会有很多企业做，但也不乏复制现有者。商汤有自己的深度学习平台，搭建的神经网络多达 1207 层，是目前最深的神经网络，也是目前公开的最好的结果。 在数据共享层面，徐立认为，AI 开放是趋势，但需要更多机构或公司去贡献数据，而不仅仅是享用。目前的平台可能是单向输出，车厂用了但反馈后的数据不会共享出来，单向输出可能不长久。 商汤的核心技术包括 SensePose、SenseFace、SenseVideo、SensePhoto 以及 SenseAR。其中，SenseVideo 系统可以进行行人检测、车辆检测、车辆分类等技术；而今年 GTC 上首次亮相的 SensePose 能通过单目摄像头进行动作估计，可以捕捉人体关节的 3D 图像。这两项技术都是基于商汤的视觉处理能力和深度学习神经网络进行的，可以应用在自动驾驶场景中。不过，当我们问到徐立对于深度学习、监督学习和强化学习的看法时，他并未做出回答，想必他们利用深度学习网络做路径规划也是处于起步阶段。 我们知道，自动驾驶的实现需要算法、硬件以及数据的结合。纵观行业内，国内的地平线一直深耕于深度学习算法，Mobileye 近两年也开始发力深度学习。商汤有英伟达强大的硬件支持，还有 OEM 合作伙伴共享数据，虽然进入汽车领域不久，不过如果他们的深度学习网络算法有颠覆式创新，在自动驾驶领域实现弯道超车也不是不可能。 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）。