特斯拉迎来 8.1 系统升级，Autopilot 2.0 终于「解锁」了几个「老姿势」
昨天，特斯拉自动驾驶软件开始推送 8.1 系统。Elon Musk 透露，8.1 系统可以进一步挖掘 HW2（全新 Autopilot 硬件）的技术潜力，同时实现更多功能。 去年，特斯拉推出了第二代自动驾驶系统 Autopilot 2.0。只不过，虽然第二代系统采用了更先进的硬件，但特斯拉的工程师并没有激活全部功能。因此，事情就变得有些滑稽，搭载 Autopilot 2.0 系统的车型所拥有的自动驾驶功能甚至比 Autopilot 1.0 系统的车型还要少。 而这一次 8.1 系统的推出，将使搭载 HW2 硬件的车型获得更多新功能： 1、车道偏离警告：升级到 8.1 系统之后的车型，一旦偏离既定车道，方向盘就会振动来提醒驾驶员。 2、Autosteer 自动巡航功能：特斯拉在此次升级当中，提高了车辆自动巡航功能的限制速度，升级之后的限制速度由 55 英里/小时（89km/h）提升到了 80 英里/小时（129km/h）。只不过，特斯拉指出，Autosteer 功能要求驾驶员必须将双手放在方向盘上，随时准备接管车辆。另外，在超过 55 英里/小时的速度使用 Autosteer 功能时，首先需要对摄像头进行校准。 3、Summon 召唤功能：这是老款特斯拉产品就有的功能，在新款硬件车型上，这次更新重新激活了这个功能。使用这个功能，车主可以让自己的爱车自行从车位中开出来。车上不需要有司机看管，用户只需点击车钥匙按钮或者使用特斯拉的 App 就可以完成全部操作。 4、自动车道变换功能：这项功能此前曾搭载于 Autopilot 1.0 系统上，用户在激活 Autosteer 自动巡航功能后，如果旁边车道具备空出条件，用户只需拨动转向灯就可以实现车辆变道。 特斯拉自动驾驶软件副总裁 Chris Lattner 认为，这一次的 8.1 系统是 Autopilot 功能发布以来最重要的一次升级。事实上，Autopilot 2.0 系统一共配备了 8 个摄像头。此前，特斯拉只激活了一个，而 8.1 系统升级之后，特斯拉将会启用 2 个摄像头。 Elon Musk 还透露，今年年底，特斯拉就将派出一支车队在全美进行自动驾驶测试。同时，他们不会在测试车辆上配备司机。 当然，对于牛 X 哄哄的 Autopilot 2.0 硬件来说，我们还是期待特斯拉逐步开放更多的功能。 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）。
专访地平线 CEO 余凯：行业整合的环境下，本土 AI 公司将如何做好自动驾驶？
在 BCW 大会上，除了博世与 NVIDIA 这样自动驾驶行业的知名企业，也少不了国内创业公司的身影。地平线机器人公司（Horizon Robotics, Inc）的创始人兼 CEO 余凯就受邀在大会上做了演讲，他们的深度学习技术正是实现自动驾驶所不可缺少的技术及环节。算法公司如何理解自动驾驶行业最近的一些大事件以及他们在行业中的地位呢？ 我们借此机会专访了余凯，以下是整理后的采访内容（G 代表 GeekCar，K 代表余凯）： 关于目前的行业趋势 G：我们发现 Mobileye 和英伟达对于深度学习的理解不太一样，Mobileye 希望用 AI 模拟人的驾驶行为，而英伟达的深度学习需要在标准化的交通规则下实现，在您看来，他们的深度学习有什么不同？ K： Mobilyeye 以前更多的是在做 ADAS，重视视觉处理，研究感知层面的技术，现在也开始研发驾驶控制、决策，他们使用的是增强学习（Reinforcement Learning）。我在演讲中提到过，我们也更倾向于算法层面的增强学习。你可以把增强学习理解成一个框架或一个系统，而深度学习是包含在其中的模块。NVIDIA 的深度学习需要在一个固定的规则下实现。 G：在您看来，Intel 收购 Mobileye 是出于算法层面的考虑吗？ K：Intel 收购 Mobileye 是出于三方面的考虑：首先，Intel 专长于硬件制造，需要 Mobileye 这样的算法公司及其算法工程师；其次，Mobileye 的一些产品有实际上车经验；最后，Mobileye 积累了很多的数据。Intel 整合了这三方面的优势，让他们节省了很多时间和精力，走到了很多公司的前面。 G：现在行业内都在提倡数据分享，从您的角度看，真正的数据共享能实现吗？ K：我觉得未来可能会实现。当然，参与数据共享的公司也需要分享自己的数据。 G：您觉得自动驾驶真正的瓶颈是在硬件上还是在算法和数据上？ K：我觉得都是。自动驾驶是一个系统性工程，算法、软件、硬件和数据需要结合在一起，否则很难做好。比如一些小概率情况，需要积累成千上万公里的数据才可能出现，然后去分析调整。 G：Tesla 认为不用激光雷达就可以实现自动驾驶，而老黄这次也说要降低对激光雷达的依赖性，您觉得有可能吗？ K：首先激光雷达必须得降价，否则不利于其在自动驾驶车上的应用。理论上，汽车可以只靠摄像头实现自动驾驶。但是从提高系统安全性的角度来看，还是需要有些冗余。在自动驾驶的感知环节，不同性质的硬件应该互补。 G：目前 Uber、谷歌等科技公司和传统厂商都在进行自动驾驶的研发，您觉得他们现在是并驾齐驱吗？ K：科技公司和传统厂商都有技术实力去研发，只是他们的市场定位不同。科技公司更想要颠覆主机厂，成为行业主导者。 G：互联网公司和传统厂商可能合作吗？ K：比较难。传统厂商对互联网公司的供应更多是在幕后，互联网公司在消费者端发声很强，传统厂商有点像被绑架。 G：您觉得博世和英伟达的合作是出于什么样的考虑？ K：博世和 Mobileye 在 ADAS 领域算是竞争对手，Mobileye 与 Intel 联合后会变得更强大。为了增强竞争，博世要和计算平台较强的英伟达合作。 G：老黄认为今年年底到 2018 年间就能实现 L3 级别的自动驾驶，2018 年底到 2019 年可以实现 L4 级别的自动驾驶，博世的公关负责人则认为 2025 年可以实现 L4 级别自动驾驶。您认为自动驾驶技术成熟时间是什么时候呢？ K：我认为，目前业界的水平普遍能达到 L2 级别，2020 年以后 L3 技术会成为产品被使用。 地平线在行业内的定位 G：地平线的名称使用 Robotics 而非 AI 定义，您可以谈一下两者的区别吗？ K：Robotics 和 AI 本质上没有区别，他们的核心都是做决策，使用的算法技术一样。只是 AI 是纯软件层面，而 Robotics 是硬件的决策。 G：据我了解，地平线也在针对中国市场收集驾驶数据，之前和 NEVCARD 有合作，是以共享出行的方式来收集，您觉得这是一种比较好的数据收集方式吗？还是您认为和主机厂共享数据更困难一些？ K：我觉得和主机厂、运输企业合作都是很好的方式。 G：我们发现您之前有和博世合作，后来也有和 Intel、英伟达合作，就您个人而言，和他们的合作有所偏重吗？ K：我觉得地平线现在要和整个产业链保持合作，自动驾驶是比较大的工程，一家公司是无法搞定的。我们有深度学习技术，但没有传感器，没有上车经验，而这些博世有；再比如硬件平台，投入巨大，我们认为硬件平台很重要，但不一定非要自己做，我觉得这一点上态度一定要开放。我们还会寻找更多合作伙伴。 G：您认为博世和英伟达在 AI 上的积累如何？ K：他们都有一定积累，不过都是刚开始积累。传统上，博世主要做硬件，英伟达主要在做芯片，最近他们都开始重视算法，加大投入，当然他们可能也需要和我们这样的算法公司合作。 G：国内有一些类似 Mobileye 的 ADAS 创业公司，您觉得地平线的优势是什么？ K：ADAS 的技术门槛很高，从研发到技术成熟，再到产品上车，验证技术，需要经历很长的时间。Mobileye 在行业内起步较早，现在被收购会变得更强，ADAS 创业公司不太可能赶上 Mobileye 的发展步伐，而且只研发 ADAS 也不能满足目前自动驾驶对技术的需求。创业公司应该要有更清晰的方向，在产业链中找到需要自己的一席之地。地平线把汽车看作公司发展最重要的领域，所以现在的技术研发更多的在向人工智能和深度学习切入。 G：地平线在行业内的定位是什么？像 Mobileye 吗？ K：在算法层面有点像。我们和 Mobileye 都在研发算法，都在用增强学习，只是切入点不同。不过，Mobileye 自己也在做芯片，这一点我们有所不同。 G：您如何看待和博世的合作？是否像 Mobileye 和德尔福的合作。 K：有一点像。我们为博世提供一些算法，他们是 Tier … 继续阅读
Uber 无人车被「首杀」，和大洋彼岸的百度形成完美互动…
上个周末帝都天气晴好，朋友圈里飘满了各种蓝天白云。或许是沉浸在好天气里不能自拔，很少人注意到美帝那边 Uber 无人车翻车了。 看到这个新闻，我还是挺吃惊的。我们之前也写过无人车路测车祸，不过都是小剐小蹭，维修还停留在钣金+喷漆的阶段，万万没想到这次直接翻车了。综合无人车路测史来看，这是人类司机首次直接撞翻一辆无人车。 下面先还原一下事故现场。 这次事故发生在美国亚利桑那州 Tempe，具体位置是 McClintock Drive 路和 Don Carlos Drive 路的交叉口。 有了地址后，我打开谷歌地图看了看事发地的街景，是这样的： 从图中可以看出，这只是个典型的美国小镇十字路口，车道线清晰，有红绿灯，并且也不是什么繁华地带。 当时 Uber 的 XC 90 无人车正在直行通过路口，一辆福特锐界左转但未避让正在直行的 Uber 无人车。两车发生碰撞发生后，Uber 无人车翻车，事故还牵连了一辆现代伊兰特。（就是这么巧，XC90 居然直接翻车了…）综合各方面消息，目前可以肯定的是：Uber 无人车前排有两个人，均为 Uber 工程师，当时该车处于自动驾驶状态。事故没有造成人员严重受伤。根据当地警察的说法，这起事故责任在于由人驾驶的福特锐界，原因是福特在左转时未能避让直行的 Uber 无人车。 遭遇这起翻车事故后，Uber 叫停了在亚利桑那州、旧金山和匹兹堡的无人车路测项目。作为 Uber 的重要合作伙伴沃尔沃，还未发表任何声明。 所以在这起看似严重的事故中，Uber 基本就是躺枪的。这条新闻出来后，有人认为我们太需要无人驾驶汽车了，这样就没有撞翻无人车那种司机了。其实也不妨这样想，假如那辆 Uber 那辆车由人类驾驶，是不是能躲开锐界的「 袭击」？当然，历史没有假设… 可以肯定的是，这辆被撞翻的车拉回去之后，Uber 一定会好好分析其中的数据，从中学习经验教训。 Uber 的「 内乱」 我们暂且不讨论 Uber 的技术如何，如果你持续关注 Uber 的话就会发现，这家公司最近遇上了不少麻烦。 特朗普上台之后，广大群众游行的游行，示威的示威，按说这种事跟科技公司扯不上什么关系。可是就在纽约出租车司机在肯尼迪机场罢工期间，Uber 宣布关闭在肯尼迪机场的动态调价功能。一石激起千层浪，大家纷纷以为 Uber 这是在和人民群众作对，于是发起「 删除 Uber」 运动，超过 20 万人参加。 在公司内部，也有不少员工质问 Uber 创始人卡兰尼克为何站在特朗普顾问团中。两天后，卡兰尼克宣布退出特朗普顾问团。 删除 Uber 运动刚平息下来，Uber 一位女工程师发帖揭露公司存在性别歧视，在遭到性骚扰后人力资源部门不作为，并且 Uber 的女性员工越来越少。在她的控诉中，还提到 Uber 员工之间的斗争：「Uber 管理阶层的关系就像电视剧《权力游戏》式的政治斗争，都只想着要升官，也直接影响了底下工程师的工作内容。」 性骚扰丑闻曝光后，在卡兰尼克的压力之下，当事人 Amit Singhal 离职，他之前是负责技术的高级副总裁。 更有意思的是，Uber 创始人卡兰尼克本人在一次搭 Uber 的时候，居然和司机吵了起来。巧合的是，司机刚好在车内装了摄像头，事后把这段视频上传到了网上。 可能是看到 Uber 负面不断，Uber 总裁 Jeff Jones 在一周前离职。 其实 Uber 关键人才离职潮早已开始，已经离职的包括 Uber 人工智能实验室负责人 Gary Marcus、无人驾驶汽车团队成员 Charlie Miller（之前破解自由光那位黑客）、产品增长副总裁 Ed Baker。一周前，Uber 的地图负责人 Brian McClendon 宣布本月底将离职。 Uber 无人车翻车确实不关 Uber 的事，只不过翻车这件事又把 Uber 在「 负面」 的路上推了一把。 所有这一切内部争端，似乎源起 Uber 收购 Otto 自动驾驶公司，因为 Uber 自身的无人驾驶团队和 Otto 团队之间存在分歧，而负责 Uber 整个无人驾驶汽车部门的是 Otto 创始人莱万多斯基。当然，卡兰尼克的压力也很大，在急着寻找新的 COO 帮他管理公司。 同病相怜的百度 一大波关键人才的离职，和大洋彼岸的中国似乎形成了某种「 互动」。众所周知，百度自动驾驶事业最近也频上头条，同样是因为关键人才流失。 就在今天，前百度高级副总裁、自动驾驶事业部总经理王劲宣布将在 4 月离职，自己创办自动驾驶公司，并已获得融资。同样从百度离职的自动驾驶人才包括：吴恩达（前百度首席科学家）、余凯（前百度深度学习研究院常务副院长）、倪凯（前百度深度学习研究院高级科学家）。 回到我们开头说的「Uber 无人车翻车」 这件事，车祸其实只是把 Uber 又拉回大众视野，给了人们重新讨论 Uber 无人车的借口。 … 继续阅读
专访英伟达 CEO 黄仁勋：「教主」眼中的自动驾驶，到底是什么样？
在 CES 2017 报道英伟达（NVIDIA）的文章《CES 2017 | 详解英伟达 CEO 黄仁勋演讲：「AI 教父」的自动驾驶布局》中，我们已经提到了 NVIDIA 发布的最新 Xavier 平台，以及与博世的合作。其实在 CES 上，老黄卖了个关子：在 3 月份德国柏林举办的 Bosch Connected World 上，他将登台发布进一步的合作成果。事实证明，老黄没有食言，在 BCW 上，博世联合英伟达发布了基于 Xavier 平台的车载人工智能电脑。 关于 Xavier 平台的运算能力，在 CES 的文章中已经有所阐述，在这里就不再具体展开。在 BCW 的发布会之后，GeekCar 有幸与老黄面对面聊了聊，本文将重点结合老黄的发布会与专访，解析他眼中的自动驾驶。 老黄在 BCW 上都讲了什么？ 除了发布车载人工智能电脑，老黄在演讲中还介绍了英伟达在自动驾驶领域的 3 个布局： 1. Deep Learning：GPU 在深度学习领域的应用成就了今天的英伟达。在老黄看来，深度学习驱动下的人工智能，也将成为自动驾驶决策的主要算法结构。 2. HD Map：在高精度地图领域，深度学习也将起到重要的作用。它能够帮助机器更高效的通过传感器收集地图数据 ，例如识别道路特征、提取建筑轮廓、识别道路图形标牌等。 3. AI Supercomputing SOC：这个是英伟达本就十分擅长的硬件芯片。博世将 NVIDIA 人工智能平台纳入到自己的零部件供应商中已经是对其硬件实力的最好证明，这也意味着英伟达的人工智能芯片将开始正式向量产平台进军。 此外，这次老黄还发布了将与卡车制造商 PACCAR 合作，基于 Drive PX 平台发展卡车领域的高级别自动驾驶。 在此之上，老黄又进一步聊了实现 L3 级别自动驾驶所需要的几个环节：Detection（感知）、Localization（定位）、Occupancy Grid（占用空间）、Path Planing（路径规划）、Vehicle Dynamic（车辆运动）、OTA（在线升级）。 可以看到，除去 OTA 之外，老黄的理解与我们之前一再提到的感知、地图、决策、控制有一些类似。但是，这两者之间最大的不同点是在于对「 决策」 的理解。做图像处理发家的老黄，将驾驶决策巧妙的分成了两个偏向图形分析的环节： Occupancy Grid（占用空间）： 这个环节指的是，机器对于周围环境中各元素所处位置与所占空间做出的判断。这个判断既包括当前环境，也包括未来环境。而元素可以是车辆、行人、建筑物等等。 Path Planing（路径规划）： 在判断了周围元素之后，机器将根据这个空间环境，规划出可驾驶的路线。 这样的划分，无疑能够更好的体现 GPU 在图像处理方面的优势。在老黄看来，目前市面上还没有任何一个量产的计算平台能够同时整合上述五个环节，而这正是 NVIDIA 希望在汽车领域攻克的难关。 最关键的部分来了：综合上面的分析，老黄提出， Deep Learning 在高精度地图以及图像识别方面的应用不仅能够优化自动驾驶的决策，更能够帮助降低车辆上所需传感器的成本。 我们之前提到过，除了特斯拉之外，大部分主机厂和 Tier 1 都认为，每一辆实现 L3 级别的自动驾驶车辆需要配备激光雷达。而老黄认为，在 Deep Learning 的驱动下，现有量产级别传感器以及高精度地图技术的潜力将被进一步挖掘，从而在一定程度上打破 L3 级别自动驾驶对激光雷达的依赖。由于目前激光雷达的成本和量产时间是实现 L3 自动驾驶的主要瓶颈之一，老黄相信，我们有可能在今年年底到 2018 年间就实现 L3 级别的自动驾驶，在 2018 年底到 2019 年实现 L4。 在德国当着无数汽车行业的人给出这样的观点，老黄就这样把他的「 黄氏定律」 带到了汽车圈。 带着女儿来专访 演讲之后，在 BCW 场地旁边的一个酒店会议室中，我又再一次见到了老黄。专访的一开始，老黄就给了在座的媒体一个惊喜：「 今天我的女儿也跟我一起来了，有我女儿看着，你们要对我好一点哦。」 这样的画风也让整个专访氛围一下子变成了科技公司的轻松范儿。 在向大家介绍完了自己的女儿之并复盘了一下自己的演讲之后，老黄开始回答起了大家的问题。 在被问到 Intel 收购 Mobileye 的事情时，他首先开玩笑的说：「 他们为什么要买 Mobileye 啊！？」 随后又说：「 英特尔这个决定肯定是有他们自己的原因和考虑的，至于收购后的效果，时间会给出我们结果。」 当有记者问到老黄英伟达如果面临被巨头收购会如何决策时，老黄也开玩笑道：「NVIDIA 一直都在对外出售啊，你们都赶紧来买一点我的股票吧！」 可以看出，对于行业内最近的兼并，老黄并没有表现的很在意。这与他平时果断、自我的行事风格十分相符。 熟悉 GeekCar 的都知道，我们关心的是技术。所以我针对老黄在发布会上的观点提出了两个问题，以下是问答的实录（M 代表 Mark，H 代表 … 继续阅读
丰田自动驾驶原型车曝光，搭载 7 台激光雷达
可能很多人还记得，在 2016 年初拉斯维加斯的 CES 展上，丰田宣布豪掷 10 亿美元， 在硅谷成立了一个名为 Toyota Research Institute（TRI）的部门。这条新闻在彼时 那届 CES 众多概念车的包围里，显得格外扎眼。（该部门成立于 2015 年下半年，2016 年 CES 上对外宣布）按照丰田的计划，这个 TRI 研究院，将重点研究人工智能在自动驾驶领域的应用，希望通过人工智能技术让自动驾驶车辆变得更加完美。为此，丰田联合了美国斯坦福大学以及麻省理工学院，并且在这两所大学旁边分别建立了研究所。在 TRI 的领导层里，除了一位丰田派出的项目经理，其他几人全都是具有很强学术背景的人工智能、自动驾驶资深专家。 如今一年多时间过去了，这个研究院的工作进展怎么样了？于是，他们这两天在加州 Palo Alto 展示了自己的成果——一辆自动驾驶原型车，确切的说，这是一个自动驾驶测试平台。 这辆车基于雷克萨斯 LS600h 改装，它也是一辆被各种传感器武装起来的车子： 最引人注意的是它所搭载的来自 Velodyne 的激光雷达。从视频里目测，居然多达 7 台。车顶上顶着一台 64 线激光雷达（型号 HDL-64E），另外还在车顶、车头位置布置了 6 台 16 线激光雷达， 也就是 Velodyne 在 2016 年 CES 上发布的那款「Puck」，标准版「Puck」在 Velodyne 官网的标价是 7999 美元。 另外一个比较有意思的地方是，丰田在车头两侧各设置了由三个摄像头组成的摄像头阵列。 丰田并没有公布这台原型车上搭载的传感器的详细配置，不过，和其他厂商的自动驾驶测试车相比，丰田的这辆车从外形上来看太像一辆「实验车」，传感器并没有和车身做很好的融合。 作为对比，我们可以看看福特在年初 CES 上发布的第二代自动驾驶原型车： 以及 Uber 和沃尔沃合作的自动驾驶车： 和他们相比，丰田的这台测试车还是太像实验室产物，这很容易给人一种「进度过慢」的感觉。 事实上，和其他在做自动驾驶研发的整车厂相比，丰田在这方面制造的新闻也确实不多。 早在 2013 年的 CES 上，他们曾经发布过一辆基于雷克萨斯 LS460 改装的自动驾驶原型车，那辆车也是由丰田北美团队进行研发的，车身上搭载了非常复杂的传感器。 在 2015 年，也有国内媒体在日本体验过基于雷克萨斯 GS 450h 车型打造的一台自动驾驶测试车，那台车的车头部分布置的传感器包括了三台毫米波雷达、三台激光雷达以及双目摄像头等。当时，丰田把这套自动驾驶概念称之为「Mobility Teammate Concept」，也就是所谓的「移动队友概念」。他们曾经表示，这套系统要到 2020 年实现商品化。 再说回他们刚刚展示的这个自动驾驶平台。按照丰田的预想，他们将基于这个平台，打造出两个「自动驾驶系统」：Chauffeur 和 Guardian。 前者想做的是完全自动驾驶，丰田希望它能达到四级或五级自动驾驶的水平，车子可以在大部分时候实现自动驾驶，不过在一些情况下还是需要驾驶员随时准备介入。 而 Guardian 更像是一套驾驶员辅助系统。它可以持续的监测车辆周围环境，帮助驾驶员来避免事故的发生。本质上，就是我们所说的 ADAS 功能。 在很多汽车厂商都在热炒自动驾驶概念的时候，丰田推出这个自动驾驶平台，显然也是想在这方面多发出自己的声音。当然，我们也期待他们能早日把研究成果转化成用户可以买到的产品。 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）。
不好了！这些汽车公司又来 MWC 和手机厂商抢地盘了
MWC（Mobile World Congress）是一个世界级的移动通讯展会，参会的一般都是三星、诺基亚、高通、华为这种公司。大家参展无非是带几个手机、VR 眼镜，聊聊最新的无线通讯技术。一般来说画风是这样的： 可是你知道吗，近几年，车企也爱在 MWC 上凑热闹，并有愈演愈烈之势。今年，参加 MWC 的车企也不少，其中包括标致、奔驰、宝马和福特等公司。 标致 最有意思的就是标致，他们直接在 MWC 上发布了一款概念车。要知道，一周后就是著名的日内瓦车展，如此重要的概念车不放在车展上发布，有点令人意外。 标致可能是最热衷于搞概念车的车企之一，并且喜欢走激进路线。这次在 MWC 上，他们带来了一辆名为 Instinct 的概念车。 从外形上来看，Instinct 倒没那么太马行空： 关于这辆车的设计理念，标致概念车和前沿设计总监 Matthias Hossann 是这么说的：「 在未来，或许你能买到只有无人驾驶汽车，人开车甚至会是违法的。这种转变将会花很长时间，我们展现的就是这种转变的过程。」 Hossann 说，Instinct 和其他车不太一样，因为它是「 从里到外」 设计的。所以先来看内饰（以下图片来源于 The Verge）： 第一眼看上去，Instinct 内饰就有满满的科技感。它的方向盘和踏板可以收缩（适应自动驾驶模式），中控是一块大屏，车内还有个 i-Device 设备用来调节氛围灯颜色和驾驶模式。 座椅是 3D 网格状设计，可以适应人体形状，提供更好的支撑（腰疼人士的福音）。 Instinct 的智能互联功能是标致联合三星打造的，车机整合了三星 Artik 物联网平台。比如，你戴着三星智能手表，手表监测到你刚健身结束，很累，上车后车辆会自动切换到自动驾驶模式。 所以，Instinct 并不是完全的无人驾驶汽车，有不同的驾驶模式可选。 至于外形，标致方面说它的灵感来自自己「 伟大的车型设计传统」，采用了大量的空气动力学套件，前进气格栅和尾灯有多种颜色的灯光。（这辆概念车大小和一辆标致 308 差不多）不过，这个外观，真的不能不让人想到法拉利 GT4 Lusso。 关于量产，标致方面表示不会早于 2025 年（目测量产希望渺茫了…）。标致 Instinct 在 MWC 完成首秀后，将会被运到日内瓦继续参展。 奔驰 和标致相比，奔驰展出的东西就没那么炸裂了，都是主旋律产品。他们带来的是戴姆勒集团的 CASE 理念，即 Connected, Autonomous, Shared & Service（互联、自动驾驶、分享和服务）。 既然是移动通讯展，奔驰就利用了很多新技术来让用户体验奔驰的产品，比如观众到展台可以使用 VR 设备来体验奔驰 EQ 概念车，或是奔驰 E 级 Coupe 中的 COMAND Online 互联导航服务。这样一来，就省得把实车运到现场了… 除此之外，奔驰还展示了面向 smart 用户的「ready to drop」 和「 ready to share」 服务。当然，要使用这两项服务，还得给 smart 加装通讯设备。 sm smart ready to drop 即后备箱快递，奔驰正联合 DHL 在德国科隆和斯图加特试运行。操作流程是，快递员先通过 GPS 定位找到收件人的 smart，然后使用一个一次性密码打开后备箱，直接把快递放进车主后备箱中。 smart ready to share 即汽车共享，smart 车主可以把自己的车共享给别人，同时收取一定费用。车主通过手机，即可为用车的人解锁车辆。这项服务将会在今年春天在德国某些城市试运行。 除此之外，奔驰还在 MWC 上展示了 car2go 汽车分时租赁服务。其实，在去年 car2go 就已经进驻了重庆，而在北京，戴姆勒也有类似的 smart 分时租赁服务，叫做 Car2Share。 宝马 有奔驰的地方，就会有宝马，这次 MWC 也不例外。 宝马这次改装了两辆 i3，用于演示 CoPilot 功能，即自动泊车。按下钥匙上的一个按钮，i3 就会自动进入车库。需要用车的时候，车能自己开出来。（有点类似特斯拉的召唤功能）有意思的是，宝马这两辆 i3 能够和苹果手表连接，用户下车后挥舞手臂（像赶鸭子那样），苹果手表感应到手势后，会向车辆发送自动泊车信号，车辆就能自动进入车位。（下图中的这位小哥，就是在努力挥动手腕上的苹果手表）从外观上来看，这两辆 i3 并未做太多改动，目前还不清楚使用了哪些传感器。 除了 i3 外，宝马还展示了 Vehicular CrowdCell 技术，基于过去的 … 继续阅读
全面解析：特斯拉 Autopilot 2.0 究竟比 1.0 版本强在哪儿？
本文作者：Ryan Woo，文章首发于作者知乎账号，GeekCar 转载自微信公众号「VehicleTrend 车势」，经过重新编辑。 2016 年 11 月，Tesla 公司推出了其 Autopilot 2.0 自动驾驶系统。随后，Elon Musk 表示，Model S、X 以及 3 将会具备 Autopilot 2.0 平台。 硬件部分的区别 Autopilot 1.0： 一个前置摄像头 12 个超声波传感器 一个前置雷达 一个后置倒车摄像头（目前不参与自动辅助驾驶）下面的图片中可以看见 12 个传感器按照前后排列，摄像头和雷达以大约 40 度向前。 处理芯片：NVIDIA Tegra 3/ Mobileye Q3 Autopilot 2.0： 3 个前置摄像头（不同视角 广角、长焦、中等）2 个侧边摄像头（一左一右）3 个后置摄像头 12 个超声波传感器（传感距离增加一倍）一个前置雷达 (增强版) 一个后置倒车摄像头 处理芯片：NVIDIA Drive PX2（40x Autopilot 1.0 处理速度）其实硬件部分，Autopilot 2.0 真没啥让人眼前一亮的东西，除了硬件规格升级，摄像头大增，这个配置基本是目前很多车的自动辅助驾驶标配，除了 Tesla 提到的可以提升 40 倍计算性能的芯片： 坊间早有传说，NVIDIA 的黄仁勋和 Elon Musk 本来私交就甚好，否则 Tesla 第一代 Model S 选型时就不会看上当时无人问津的 Tegra 芯片，在关键时候拉了老黄一把，老黄也是 Tesla 簇拥，几个月前两人还出席了 OpenAI 的发布会，老黄也捐赠了当时最强大的 DGX-1 给协会： 再考虑到之前 Mobileye 和 Tesla 闹分手，可以无端猜测一下 NVIDIA 在里面帮忙推了一把：「 别用以色列的陈旧东西了，换用我们家的 Drive PX 吧」…… 所以 2014 年你看到 NVIDIA 发布了这样一个奇葩东西： NVIDIA 当时发布的 Drive PX1 上面居然有一个 Mobileye Q3 芯片！你说这是专门方便「 某公司」 测试对比吗？ 然后再看看现在的 NVIDIA Drive PX2: 注意看那两块 Tegra X1 的芯片与主板链接方式——居然是 NVM 接口，再联想一下 Tesla 用的车载电脑： 好巧，主芯片 Tegra 3 模组也是 NVM 接口！ 所以也许私底下 NVIDIA 和 Tesla 早就在计划更换 Mobileye，只是刚好遇到那次车祸，正好以此为契机分手，转投 … 继续阅读
英国公布自动驾驶汽车新保险法规 以乘客为重
（本文来源：网易汽车）据英国汽车新闻网站 Autocar 报道，英国政府周四公布新的保险法规，要求同一保险单必须同时承保自动驾驶汽车和车上人员的权益。 这是新出台的《汽车技术和航空法案》（Vehicle Technology and Aviation Bill）的内容。该法案旨在在自动驾驶汽车普及之前，帮助保险人和保险公司简化保险流程。 据了解，同一保单承保车辆和乘客会给自动驾驶汽车制造商和软件开发商施加更多压力，因为他们必须在发生事故时承担赔偿责任。在发生事故时，英国政府首先考虑消费者，是为了加快事故赔偿速度。 英国交通大臣 Chris Grayling 表示：「 我们必须保证在事故发生时保护民众安全。今天我们推出这一框架，让这些新技术也得到保障。」 安盛保险英国公司理赔主管人 David Williams 补充说：「 这是积极的一步，能让保险公司明确规定，保证合理设计产品。这项法案核心在于保护民众，而我们希望这一点能促使一些了不起的技术的尽早应用。」《汽车技术和航空法案》重点内容还包括增加电动汽车充电站。按照规定，英国需要建设对应的基础设施，而且一些高速公路服务站和大型燃油零售商可能都需要提供充电桩和加氢点。 英国交通部次长 John Hayes 表示：「 我承认，要鼓励更多司机选择电动汽车，我们要在已经到位的 1.1 万个充电站的基础上，建设更多的充电站。我们决心全力以赴让大家方便地驾驶电动汽车，而新法规有助于让这成为现实。」 英国政府目标成为全球自动驾驶汽车领导者，而各种关于自动驾驶汽车的措施就是体现。据悉，英国政府在 2015 年推出 Go Ultra Low Cities 项目，已投资 900 万英镑，旨在减少汽车碳排放。作为其计划的一部分，英国第一家纯电动车 (EV) 体验中心将在英格兰中部的米尔顿凯恩斯 (Milton Keynes) 亮相。 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）。
用数据说话：自动驾驶技术哪家强？
如果你去美国加州旅游，在街上看见个什么自动驾驶汽车，已经不算什么新鲜事了。因为截止到今年 1 月，美国加州已经给 21 家公司颁发了自动驾驶路测牌照。在推动自动驾驶发展的这条路上，加州政府跑在了前面。 有了上路的权利之后，相关公司也要履行相应的义务，就是每年年末给加州 DMV（Department of Motor Vehicles）提交一份当年的测试报告。最近，加州 DMV 公布了 11 家公司提交的 2016 年度自动驾驶路测报告。 这 11 家公司包括：宝马、博世、通用 Cruise、德尔福、福特、谷歌/Waymo、本田、日产、奔驰、特斯拉和大众。这 11 份报告长短不一，谷歌的多达 34 页，短的只有 1 页（大众），与各家公司路测进展有关。 按照加州 DMV 的要求，相关公司必须在报告中说明 2016 年中发生「Disengagement」 的次数和缘由，即车辆在自动驾驶状态下，工程师不得不插手干预的情况。 需要提前说明的是，只考虑 Disengagement 的次数并不科学、严谨，加州 DMV 也并未要求大家提供十分详尽的数据，比如：自动驾驶系统失效时的天气、地点？是不是第一次在该地测试？是不是在跟着高精度地图在跑？另外，每位工程师工作方式也不太一样（有的谨慎些，有的胆子大…）但无论如何，这样的数据还是有一定意义的，可以反映出每家公司的技术进步速度。研究完枯燥无味的报告后，下面说一些比较有意思的发现： 谷歌去年在加州路测里程为 102 万公里，在路测里程增长迅速的同时，人工介入次数却大大降低。在 2015 年，谷歌无人车每 1600 公里平均人工介入次数为 0.8 次；在 2016 年，每 1600 公里平均人工介入次数为 0.2 次。 谷歌路测基本都在山景城的郊区，发生人工介入的情况时原因很多，比如激光雷达和摄像头采集到的数据由出入（主要原因）；车辆非必要的动作；遇到了其它的鲁莽的司机。 其实继续往下看，你就会知道谷歌的成绩有多优秀了。 通用主要在旧金山路测，在 2015 年 6 月路测里程仅为 8 公里。2016 年 3 月收购了 Cruise 公司后，进步飞快，6 月的路测里程为 640 公里。到了下半年，通用的自动驾驶汽车跑上百公里都不用人工介入，进步飞快。 据传当年通用收购 Cruise 公司花了 10 亿美金，虽然是个天文数字，但总算没掉队。 同样进步明显的是日产，在 2015 年的日产路测中，工程师平均每 22.4 公里就得人工介入一次，而到了 2016 年，这个数字变成了 395 公里。 除了不远万里跑到美国做路测，日产肯定也在日本本土积攒了不少经验，不应忽视。 德尔福在加州有两辆奥迪 SQ5 测试车，去年一共在加州跑了不到 5000 公里。在报告中德尔福详细统计了每次人工介入时的情况，看下面这张图： 其中 62 次人工干预都是因为在交通繁忙时并线引起的，看来这是德尔福同学的短板。 福特在密歇根州有最大的自动驾驶测试车队，但只在加州部署了 2 辆。福特在加州只选择在白天并且天气和道路状况良好时才进行测试，所以他们的车在 880 公里的测试里程中仅需人工干预 3 次。 至于福特在密歇根玩得怎么样，还不知道，因为密歇根监管机构不需要相关公司提交路测报告。 特斯拉作为在自动驾驶方面最为激进的一家公司，2016 年麻烦不少。在 2016 年，特斯拉在加州的路测里程为 880 公里，并且绝大部分由 4 辆车在 2016 年 10 月跑完，可能是为了新 Autopilot 系统做准备。 虽然特斯拉路测少得可怜，但别忘了全球所有特斯拉在 Autopilot 模式下已经跑了超过 3.5 亿公里。这些数据上传给特斯拉后，对特斯拉升级 Autopilot 或多或少多有帮助。（这才是众包…）再重复一遍，以上是各家公司向加州 DMV 提交的报告，只反映了该公司在加州地区的路测情况。对于很多公司来说，加州只是路测地之一。所以靠上面的数据不能给出个绝对的排名，只能看出个大趋势。 仅仅两年的时间，不少公司都取得了很大进步。但即使是谷歌这样领先的公司，也不能保证万无一失，自动驾驶任重而道远。 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！ … 继续阅读