Uber 的无人驾驶项目保住了，Waymo、Uber 官司大战有了最新进展！
联邦法官驳回了 Waymo 禁止 Uber 自动驾驶项目的请求，这对于正处于四面楚歌状态的 Uber 来说无疑是一剂解药。根据这项判决，Uber 可以继续在宾夕法尼亚州、亚利桑那州和加利福尼亚州的公路上测试自动驾驶汽车，但是它仍然面临窃取 Waymo 自动驾驶商业机密的刑事指控。 在拒绝了 Waymo 的主要请求后，法官威廉·苏普（William Alsup）把 Waymo 的主要请求剥离开来，对案件继续进行审判。目前，法院已经禁止了安东尼·莱万多夫斯基（Anthony Levandowski）继续留在 Uber 从事自动驾驶研发的工作，并且下令他把从 Waymo 窃取的自动驾驶文件物归原主。 莱万多夫斯基是整个案件的导火索，他在离开 Waymo 创办自己的自动驾驶公司 Otto 之前，从 Waymo 服务器中拷贝了 9.78G 的自动驾驶文件。后来，Uber 花了 6.8 亿美元收购 Otto 后，将这部分被窃取的自动驾驶文件又被用在了 Uber 的自动驾驶项目上。 另外，法官苏普同样认为，Waymo 指控 Uber 专利侵权是毫无根据的，并且指出 Waymo 对于商业机密被窃取的反应「 有些过度」。意指 Waymo 想要借机禁止 Uber 的自动驾驶项目。这一判决似乎很中立，并不偏袒任何一方。 目前，莱万多夫斯基已经离开 Uber，停止自动驾驶的研发工作。作为整个案件的关键人物，莱万多夫斯基行使了美国宪法第五修正案赋予他的权利，并未出现在听证会现场，以避免「 自证其罪」。但是，法官莱普还是要求，Uber 要尽其所能，把莱万多夫斯基窃取并且留在其服务器上的自动驾驶文件归还给 Waymo。 欲了解 Uber、Waymo 官司大战的更多信息，可以搜索 GeekCar 文章《一场关于自动驾驶的爱恨情仇：Waymo、Uber 官司大战始末》。 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）。
GTC 2017 | 一篇文章看懂英伟达自动驾驶解决方案
在美国硅谷圣何塞 Convention Center 的 Keynote Hall，我见证了教主丢出新一代「Volta」 架构的 GPU 「 核弹头」 产品，并公布了和丰田的合作。 这场发布会直接让 NVIDIA 的股价飙升了 18%。那么在新架构驱动下，NVIDIA 的自动驾驶解决方案将会是怎样的布局？ 他们与整车厂和 Tier 1 又是怎样合作的？ 在 GTC 现场，我们专访了 NVIDIA 汽车事业部的高级总监 Danny Shapiro，本文将结合他的讲解剖析 NVIDIA 在汽车行业的布局。 NVIDIA 的自动驾驶平台 提起 NVIDIA 的自动驾驶解决方案，我们就会想起 Drive PX 系列。但是其实，Drive PX 只是 NVIDIA 车载 AI 平台的系列名称。而这个系列目前主要包括两代产品：已经量产的 Drive PX 2 平台，以及已经发布，但是最早要于今年年底量产的新一代平台 Xavier。我们做了一张图来体现这两个平台的关系，以及目前基于这两个平台的整车厂商合作信息： 具体来说，两代平台有如下的区别： Drive PX 2：搭载上一代 Pascal 架构 GPU。已经实现量产，并且已经搭载在 Tesla 的量产车型 Model S 以及 Model X 上。目前 PX 2 仍然是 NVIDIA 自动驾驶平台在市场上的主力军，大部分已公布的使用 NVIDIA 方案的测试车（不管是来自整车厂、Tier 1、科技公司还是高校等研究机构）基本上搭载的都是 Drive PX 2。 Tesla，Audi 和 ZF 是唯有的对外公布将 Drive PX 2 应用在量产车上的公司。 关于 PX 2 平台的更多解读，请参考这篇文章：《开放式 AI CAR 计算平台 Drive PX 2 的烧脑解析》Xavier： 它可以说是 Drive PX 2 的进化版本，搭配了最新一代的 Volta 架构 GPU, 相较于搭载上一代 Pascal 架构 GPU 的 Drive PX 2， Xavier 的性能将提升近一倍。 不过这套 SoC 要到今年年底才能量产。这就带来了一个非常重要的时间契合点： 多家主机厂的高级别自动驾驶量产车的计划都是在 2020 年左右，如果按照这个时间减去整车的研发周期（成熟平台的话一般 3 年左右），那么 Xavier 的量产将正好赶上这拨自动驾驶车的研发流程。这也就解释了为何基于 Xavier 的合作都是有量产车落地计划的。包括本次 GTC 公布的丰田合作，也不例外。 不管是丰田，奥迪还是博世，他们都希望通过这样的合作，让自己的量产方案能够用到 NVIDIA 目前最好的自动驾驶平台。所以说对于 NVIDIA 来说， Xavier 才是真正用来进军车厂量产产品的平台。 … 继续阅读
韩国无人驾驶虚拟之城 2018 年开放，占地世界之最！
既然我们已经有无人驾驶汽车，下一个最大的挑战就是在哪里测试他们了。虽然说现在世界上有越来越多的城市允许无人驾驶汽车上路测试，但是终究还是有许多安全与法规的限制，例如要求无人驾驶汽车的副驾驶座上必须有人。 因而，大多数专家学者认为，解决无人驾驶汽车测试最好的办法，是由政府推动，建设一座巨大的，有栅栏、桥梁、隧道、树木、电杠、路灯、铁路道口、环岛、「 行人」 等模拟城市真实路况的无人驾驶虚拟之城。 2015 年 7 月，在美国密歇根州安娜堡，由密歇根大学主导、密歇根州交通部支持的无人驾驶虚拟之城——M-City 正式宣布对外开放。它占地约 12.9 万平方米，斥资 1000 万美元，是世界上第一座无人驾驶汽车虚拟之城，提供给福特、本田、德尔福、高通、电信运营商 Verizon 等 60 余家企业共同使用。 而近日，在韩国，韩国政府正在建设世界上最大的无人驾驶虚拟之城——K-City。它占地约 36 万平方米，约是 M-City 的 3 倍，预算约 970 万美元，跟 M-City 倒差不多。根据 Business Kore 报道，建成之后，包括韩国电信运营商 SK、韩国搜索引擎 Naver、三星、起亚、现代等韩国知名企业，都将在这里测试无人驾驶汽车。 据悉，K-City 内的高速公路将会在今年下半年开放，到 2018 年年初，整个场将完全开放。 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）。
「活动总结」地平线：自动驾驶时代的数据怎么处理？
看过 GeekCar 文章的同学应该知道，自动驾驶离不开感知、地图、决策以及控制这四个环节，而这四个环节依靠人工智能的深度学习才能更有效的实现。 在感知环节，既需要高精度地图定位，也需要摄像头、激光雷达等传感器捕捉环境数据，而通过深度学习则能更有效的识别、分析传感器画面。在决策和控制环节，机器在不同路况环境下模拟人的行为，深度学习可以帮助它优化决策。这其实就类似于人的大脑，而我们以前报道过的英伟达 DRIVE PX 2 正是在扮演这样一个角色。 但实际上，除了英伟达之外，国内有一家创业公司——地平线机器人公司（Horizon Robotics, Inc），也在做深度学习。这家由 200 多位工程师组成的创业公司，成立两年来，一直深耕于深度学习算法，并且从最底端技术研发开始，搭建自己的架构 IP。他们想做的是软件、算法、硬件一体的自动驾驶解决方案。 在刚刚过去的上海车展上，我们将地平线的余轶南博士请到 GeekCar 主办的人工智能论坛，和我们分享了地平线在自动驾驶中应用的深度学习算法。 汽车有强大的能源和空间，不只要对外部环境进行感知，还要对内部驾驶意愿进行交互，可以说汽车是 AI 机器人的载体。 地平线提供的是嵌入式人工智能解决方案，将 AI 同自动驾驶结合。他们的「 汽车大脑」 包括算法软件架构、芯片的编译器和运行时间库以及硬件，还有模拟训练后台支撑前端的业务和技术，所以可以执行包括感知、定位、语义环境重建以及运动预估在内的全站式工作。 余博士提出，他们设计这套算法有三个目标： 1. 神经网络可以被用户理解。 神经网络由于包含隐层，经常被人理解成黑盒子，如何理解神经网络成为关键。地平线现在在做的贝叶斯网络（Bayes Networks），是神经网络中和控制决策相关的技术。通过深度学习，摄像头、激光雷达、毫米波雷达对汽车周围环境进行感知收集数据，然后进行环境重建及运动预估，最后通过贝叶斯网络做决策，给出路径规划。 现在主流公司会使用深度学习加强化学习，做「 端到端（end-to-end）」 训练，从传感器的输入直接导出控制器的输出，这使得深度学习缺乏透明性。你能看到输入层和输出层的数据和决策，但不知道输入的数据运用什么样的算法形成输出层的决策。如果输出了错误的决策导致驾驶事故，你甚至不知道为什么会出事故，这样一来，再多的数据积累都没有意义。而且，端到端的训练仅仅依靠相关性推理，推出的结果有一定的盲目性，运用在驾驶中可能导致严重后果。 地平线在收集到感知数据后，会进行人工标注，配合激光雷达、 毫米波雷达进行三维标注，区分出车道、行人、周围车辆，然后建立 3D 仿真模型，进行模拟训练，还会做出运动估计。这些模块会单独做端到端的学习，而神经网络会把各个模块串起来，形成一个整体网络。这其中还可以加入专家模块，形成冗余路径，能增加输出的可靠性。同时，贝叶斯网络采用因果推理，使整个系统更加通透。你能够分析决策的过程，就能找出导致错误决策的原因然后修改。 2. 系统可以自适应学习。 汽车每天面临着各种各样的驾驶环境，很难在一开始收集庞大数据库去训练各个模块，所以需要在不停变化的环境中不断学习，既要学习人类的驾驶行为，还要进行仿真训练。不正确的驾驶行为导致一些后果之后，地平线会利用其收集到的大量数据在云端进行控制，让汽车更加 smart，避免再出现同类型事故。同时，他们不只要让车「 被训练」，还要车内系统能够自适应学习。 对自动驾驶来说，足够强大的前端做实时的强化学习以及强大的后台保证系统的学习，很重要。 3. 算法和硬件平台相互迭代优化，使计算平台更加高效、节能。 地平线认为芯片在自动驾驶中占据很重要的地位。之前他们的神经网络都是在 GPU 跑浮点模型，不过功耗非常大。所以，他们在神经网络结构稀疏化上做了很多努力，希望「 在未来若干年，不增加计算量或在小功耗环境下，可以有更强大的计算能力和更好的效果。」 在年初的 CES 上，地平线和 Intel 联合推出 ADAS 系统。这套系统做了神经网络并联化和稀疏化，能耗低、运行快，能同时对车辆、行人、车道线和可行驶区域进行实时检测和识别，还能进行高密度的环境检测。他们曾在宇宙中心五道口进行过路测，利用他们的算法能准确的识别行人、汽车、街道、建筑、树木和标志。 和计算机视觉不同，做自动驾驶的关键在于获得结构化场景，而且还要对汽车的应用学模型、动力学模型、定位有所了解。余博士表示，一直在做计算机视觉的他，转做自动驾驶有点「 水土不服」。不过经过努力，地平线结合了车辆运动系统、语义感知，实现环境结构化，还能重建场景，使汽车运行更加游刃有余。并且算法优化可以直接在场景语义结构化中实现。 最后，余博士也表示平常机器训练更多用 GPU，前端 inference 会使用嵌入式结构。他们自己打造了低功耗的深度处理器 IP－－ BPU（Brain Processor Unit），它将会有三代架构，分别是高斯架构、伯努利架构和贝叶斯架构。目前第一代架构已用于和 Intel 联合打造的 ADAS 系统，第二、三代架构正在研发中。 此前我们也报道过，地平线在上海安亭成立了研发中心，这将方便地平线进行自动驾驶技术的测试，加快研发进度，而且安亭的地理位置更有利于地平线和客户进行接洽，让技术更快落地，实现商品化。 在自动驾驶时代，汽车将成为一个移动数据中心，数据的计算、处理能力将尤为重要。深度学习网络隐层、系统自适应学习以及降低计算功耗是地平线的深度学习算法的目标，也是当前自动驾驶研发亟需解决的问题。 目前，自动驾驶巨头在中国的数据积累几乎为空白，针对中国驾驶场景的算法优化也没有明显的优势，地平线可能也正是看中了这一点，所以一直深耕深度学习算法。不过，他们能不能在巨头进入、瓜分中国市场前积累优势，还要看他们的产品落地和数据积累情况。 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）。
「活动总结」作为 Tier1，博世如何玩转 AI 和自动驾驶？
说到未来汽车，我们第一个能联想到的就是具备高度自动驾驶功能的交通工具。但自动驾驶的实现已经不仅仅局限在硬件层面了，其最核心的部分往往是背后复杂的软件算法，这套算法我们可以称之为 AI（人工智能）。AI 的应用让我们的汽车在感知、驾驶决策以及人机交互上发生了很大的变化。 然而对于以硬件技术为主的传统整车厂们来说，虽然自动驾驶是未来行业的发展趋势，但它的研发对软件层面的开发要求更高，并且需要耗费大量精力，同时相应的法律法规和配套设施都还不够成熟。所以在现阶段，自动驾驶并不是他们的主要目标，找到适合的供应商支持才是目前应对未来最好的解决办法。 因此，对于汽车供应商们来说，在自动驾驶的实现过程中，必须要以积极的姿态更早的打通各个环节。他们往往需要具备很强的整合能力，把自动驾驶中互相独立的模块，例如高精度地图、传感器、SoC 以及最终的算法进行更好的融合，打包成一套完整的自动驾驶解决方案提供给整车制造商们。那么问题来了，博世作为全球最大的一级供应商，在扮演这个整合角色的过程中，究竟提出了怎样的解决办法呢？来自于博世底盘控制系统中国区驾驶员辅助系统业务部的蔡旌博士在演讲中给了我们答案。 首先，他们认为，自动驾驶的落地可以分为两种市场环境，一种是由传统整车厂和部分新造车企业组成的既有市场，他们在原有的造车技术和成型产品上进行改进和进化，博世将其称之为蓝色市场；而另外一种则是由新兴互联网企业以及共享出行供应商参与的新兴市场，他们推翻原有技术和传统模式生产出新产品创造出新形态，博世称之为绿色市场。 但博世也清楚的知道无论是哪个市场，其最终目的都是将自动驾驶带到普通大众的生活中来。所以，他们坚信自动驾驶是未来的移动出行方式，并且近年来国内政策也一直在推动它的实现。政府除了制定在 2025 年建立本土自动驾驶的目标之外，还批准建设了更多的自动驾驶试验区，同时，路测相关的法律法规也在积极讨论制定当中。这些措施，都让自动驾驶的研发测试和落地快速的在中国发展演变。而对于博世来说，想要抢占先机，在中国自动驾驶领域站稳脚跟，就必须先解决好本土化的问题。但本土化牵扯的核心又是什么呢？我们还是得从技术的角度上来看。 自动驾驶的核心技术主要集中在感知、驾驶决策以及执行几个方面。但是以往经常提到的车身上的传感器、执行层面上的车辆动态控制，其实都是放之四海皆准的硬件标准或是软件算法，特定条件下需要针对驾驶习惯提供优化的适应国内情况的功能。而在高精度地图这一块儿，由于其需要具备情景分析、路径规划、决策以及车辆高精定位的功能，这使之对于自动驾驶过程影响很大，他们的实现必须深度结合国内的实际道路情况，因此对于本地化的需求非常高。 但生成高精度地图不仅需要底层地图数据，同时也需要地图采集车为底层地图添加更多精准的路面标识等。但我国在地图测绘上有很严格的要求，这使其本土化难度很大，同时高精度采集车通常价格昂贵数量有限采集效率很低，因此这项技术的推进需要漫长的时间。 实际上，博世一直以来缺乏的是底层地图数据，但拥有非常多搭载其摄像头及毫米波雷达等硬件设备的车辆，可以变相作为地图数据采集车使用，而国内地图厂商则恰好相反。于是，博世在这项技术的本土化上选择了和国内的地图厂商高德、百度以及四维图新进行合作，「 众包」 高精度地图，弥补双方的短板。他们将其称之为 BRS（Bosch Road Signature）。它的工作过程可以概括为博世通过搭载自己硬件的车辆收集道路数据，之后将这些道路特征信息与地图合作商的底层地图相结合，最终生成具备博世道路特征的高精度地图数据可被其他车辆所用。但目前 BRS 只支持在新出厂的车辆上植入。 在最后必须要说明的是，自动驾驶是否能在一个国家真正的推行来开，除了需要各个技术之间完美配合之外，最重要的是需要本土化验证。而蔡旌博士也指出博世现在正在将现有技术尽可能与中国的驾驶习惯和道路情况相结合，打造适应中国的自动驾驶整套解决方案。 其实在最后作为吃瓜群众表示：我不说话，我就静静地看着你们把自动驾驶落地。（神秘的围笑）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）。
大陆、联通成立合资公司，移动出行、智能汽车、自动驾驶一个都不能少
ITS（智能交通系统）听上去似乎离我们很远，其实一直就在我们身边。例如交通监控、测速拍照、高速道路上的 ECT（不停车收费系统）车道等等，都是属于 ITS 的一部分。 不过，以上是比较浅层的 ITS。随着近两三年来数字化的高速发展，ITS 已经跟移动出行、智能汽车、自动驾驶等等话题挂钩得越来越紧密。总之，看起来是个好商机！ 上海车展期间，大陆集团与中国联通旗下全资子公司智网科技签署了战略合作合同。双方将成立一家合资公司，各持股 50%，总部设在上海，致力于成为世界领先的 ITS 解决方案提供商。 关于此次合作，双方是这么「 互夸」 的： 大陆执行董事会成员兼车身事业部负责人 Helmut Matschir：「 中国联通是中国三大移动运营商之一，不仅有丰富的汽车行业经验，同时对极具发展潜力的服务市场有很好的连接。」 另一方，中国联通高级副总裁姜正新先生则认为：「 大陆集团是世界领先的汽车零部件供应商，积累了深厚的汽车电子研发、生产制造经验。」 目前，他们共同成立的合资公司已经拿到第一批 ITS 的订单。至于到底是谁买的单？官方并没有透露。不过，在活动现场，官方倒是通过两辆样车展示了即将推出的新产品和服务。 样车一：通过长城 C30 展示的是 Fleet+，它是一款分时租赁产品； 样车二：通过比亚迪 T3 展示的是 TSP2.0，它是一款远程信息服务平台产品。简单来说就是可以通过手机 App 远程解锁、远程发动发动机、远程调节空调、远程开启天窗、远程鸣笛闪灯等等。 所以第一批买单的人，是长城和比亚迪吗？另外，在活动现场，我们还看到很多车企，甚至包括一些新兴造车企业前来捧场，包括奇瑞、现代、上汽通用五菱、乐视、车和家、奇点等等。 至于现在非常火热的自动驾驶，我们并没有看到任何样车的展示。倒是整场发布会的演讲内容，几乎让你觉得，这家合资公司是一家专注自动驾驶的公司。通过两辆样车所展示的跟移动出行和智能汽车相关的服务和产品，只是小小的前戏。 「2020 年-2025 年是自动驾驶的爆发期，5G 技术也将如期而至，汽车行业将发生巨大的变化，同时也存在非常大的想象空间。」 大陆工程师在接受 GeekCar 采访时说道。 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）。
看完上海车展，你还以为海拉只是家灯厂？
如果你身边有一些喜欢玩车灯改装的朋友，那么对于海拉这个品牌一定不会陌生。这一次，海拉在上海车展上也带来了他们的产品，同时还向外界透露了公司的发展战略及进度。 更智能化的汽车灯组 根据海拉的介绍，他们现在一共拥有两个前装事业部：车灯产品事业部和电子产品事业部，而由车灯产品事业部负责的汽车照明设备目前依然是他们的核心业务。 海拉在车展上主要介绍了他们的「 矩阵式 HD84 头灯模组」，之所以这样命名，是因为灯组内部一共含有 84 颗 LED。这些 LED 背后由单独的芯片控制，可以实现 0-100%的光强。简单来讲就是，这套灯组可以根据不同的交通状况、 天气状况以及道路路况做出不同的配光分布方案。 一旦有其他车辆进入到车灯的光线分布区域内，海拉的这套灯组可以选择动态隐蔽对方车辆所在区域，防止发生眩目现象。另外，当用户驾车遇到交通标志或者是湿滑路段时，灯组也会自动降低 LED 的亮度，避免用户或者对面驾驶员视线模糊。目前，海拉的这套灯组已经搭载在了新一代奔驰 E 级上。对你没猜错，就是那套「几何多光束大灯」。 看完了头灯，海拉还介绍了他们的尾灯解决方案：「 边缘发光扁平导管尾灯」。如果只是听名字的话，估计很多人都是一头雾水。边缘光体拥有特殊的纹理和结构，可以让灯组造型轮廓更加清晰，同时还可以通过蚀刻等方式实现功能的结构化。在海拉展台，他们放置了一个保时捷 Macan 的尾灯用来展示。 电子产品同样占据重要地位 除了车灯产品事业部之外，海拉在车展上也展示了他们电子产品事业部的一些产品。其中包括一套 BMS 电池管理系统，以及一些配合能量管理和节能减排的解决方案。 这套 BMS 内部一共分为几个部分：用来测量电压和温度的电池单体控制器、包括电池监控算法的电池管理单元以及基于分流器的高压电流传感器。海拉介绍，这套 BMS 将采用可扩展和模块化的方式生产，确保它可以适用于不同平台。 除了 BMS 之外，海拉展台上还有一项装置很特别，他们称之为「 雷达罩」。当车辆需要探测前方目标时，进气格栅的正中间位置可以提供最佳探测范围。只不过，这个雷达安装位置通常都装有车标，而镀铬材质的车标则会影响到雷达的微波反射。海拉研发的雷达罩主要就是负责解决这项问题，雷达罩在外观和质感上与原车标类似，但却可以让毫米波雷达的微波信号顺利穿透。 在谈到自动驾驶市场时，海拉也透露了他们的目标。目前，他们已经开发出雷达和摄像头，而包括激光雷达（LiDAR）等产品也正在研发当中。只不过，未来海拉想要将这些电子解决方案与他们的车灯解决方案整合在一起，制造一个不同场景下的系统集成方案再提供给主机厂。 海拉这一次在展台上还展示了他们的无钥匙进入 /启动系统，其中包括他们为宝马、长城以及 DS 等品牌打造的车钥匙。当然，还有「虚拟钥匙」——一套被动门禁 /启动系统及驾驶授权系统。通过这套系统，用户可以将车辆与手机相连，一旦车主进入车内，车辆内部天线探测到有效的 ID 发射器，就会进行驾驶授权准备，驾驶员则可以通过启动 /停止按钮来控制发动机。 逛完海拉展台之后就会发现，除了车灯业务之外，他们已经开始向电子产品业务投入更多的精力。而海拉想要做的其实很简单：跟紧行业趋势同时配合主机厂共同进行业务创新。 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）。
一场关于自动驾驶的爱恨情仇：Waymo、Uber 官司大战始末
摘要：Waymo 控诉 Uber 侵犯自家专利、盗窃商业机密。另一边，Uber 驳斥毫无事实根据、技术存在本质区别。唯一看破真相的，是外表酷似小孩，智慧却过于常人的…… 一切都得从一封邮件说起……去年 10 月，Waymo（谷歌旗下自动驾驶公司）在拷贝某激光雷达供应商邮件时，无意发现邮件里有一张 Uber 激光雷达电路板的工程图，跟它们的专利设计非常类似。 而联想到去年 7 月，Uber 以 6.8 亿美元收购了由 Waymo 前任硬件工程师刚刚创办 6 个月、在激光雷达电路板上拥有巨大优势的自动驾驶公司 Otto，并且在收购完成短短 2 个月之后，便推出了首辆自动驾驶测试车，进度突飞猛进！ Waymo 严重怀疑，此事必定有蹊跷。今年 2 月份，Waymo 向旧金山联邦法院提起诉讼，称 Uber 侵犯了自家专利且涉嫌盗窃商业机密，并且多项指控都是指向这位创办 Otto 的 Waymo 前任硬件工程师、Uber 现任副总裁——安东尼·莱万多夫斯基（以下简称莱万）。 多项指控中最值得关注的点是，有证人证明，创办 Otto 的前一个月，莱万在 Waymo 服务器中下载了 14000 份，共计 9.78GB 的高度机密文件，并且拷贝到一张 SD 卡带走。 随即，Uber 也在第一时间发表声明（非法律回应），驳斥 Waymo 的指控毫无根据，但是当时也没有公布相关的证据来自证清白。 有意思的是，Waymo 的控诉并非针对莱万个人，而是瞄准整个大 Uber。这其中隐藏着 Waymo 一个潜在的动机，他们想通过法律手段封杀 Uber 的自动驾驶项目！ Uber 的禁止令 去年 5 月，旧金山联邦法院通过新的「 保护商业秘密法案」。Waymo 作为原告，可以向法院申请立即执行临时禁令，甚至寻求永久禁令补偿。 而在久久得不到 Uber 在法律上的正面回应后，Waymo 真的下狠心这么做了。3 月，Waymo 向法院申请了立即执行临时禁令。 与此同时，似乎有点紧张的 Uber 开始通过一名委派律师告诉联邦法官，他们准备提交一份请愿书，援引自莱万在 Waymo 签署的雇佣协议要求仲裁，希望通过强制性仲裁解决 Waymo 发起的商业机密盗窃纠纷。 而这名委派律师在此前也提到过：「 为什么被告不是个人？我想法院肯定对这点感到好奇。雇用协议中有着众多的仲裁条款，这就是答案。」 案件看起来，仲裁似乎是可以解决这场纠纷的，关键是 Waymo 却毫无想要通过仲裁解决的意思。 时间又到了 4 月，这是 Uber 不得不在法律上对此事做出回应的时间节点。Uber 坚持，在他们的服务器上，从未拥有、也从未使用过莱万从 Waymo 窃取的任何信息。 另外，Uber 还强调，两家公司使用到的激光雷达技术，存在本质上的不同。此外，Uber 还补充道，为什么 Waymo 在发现那封邮件之后，整整过了 5 个月后才向法院提起诉讼，暗示着 Waymo 的动机不纯。 毫不善罢甘休的 Waymo 回应到，Uber 这是在绕圈，虽然在 Uber 的服务器上没有被窃取的信息，但是不代表在莱万的电脑上也没有。只是，至今双方都没有拿出有说服力的证据，案件还在拉扯当中。 既然是这样，Waymo 和 Uber 又何不将此事交给 FBI 呢？道理也不难理解，这意味着他们将失去对诉讼过程的控制，政府甚至能传审双方任何有生意来往的人，并且可以刺探双方公司的内部消息。这对于双方来说，都是不明智的。 莱万不是为了钱 案件介绍到了这里，不得不提一下的还有莱万这个人。你可能会以为，如果案件真如 Waymo 所说的那样，那莱万肯定是个蓄谋已久，想赚快钱的工程师，但是事实上并不一定。 莱万是个自动驾驶技术的狂热分子，当初他会加入谷歌的原因，是因为他在全球最早、最著名的自动驾驶汽车挑战赛 DARPA 中爆冷夺冠，获得了谷歌无人驾驶汽车项目之父塞巴斯蒂安·特龙的注意，才在 2007 年加入谷歌。 而在谷歌任职期间，他还运营着自己的无人驾驶公司 510 Systems。后来，谷歌收购了包括 510 Systems 在内几家莱万创办的公司，付给莱万 5 亿美金！ 所以，你说莱万在此次案件中真的是为了赚快钱背叛谷歌吗？不一定。可能是后期谷歌的改组、收缩 Google X 实验室的投入，还在自动驾驶商业化的犹豫不决等原因，限制了莱万能力的发挥。 那么，莱万不是为了钱，又是为了什么？我大胆地猜测，可能是他对自动驾驶的执着。 … 继续阅读
除了自动驾驶，丰田还想用 AI 技术研发燃料电池
AI 能干什么？丰田给出了最新答案：用来研发电动车电池。 看起来有点意外是吧？我们来聊聊是怎么回事。 先摆新闻：丰田前几天宣布，他们将投资 3500 万美元成立一个新项目，这个项目主要负责使用人工智能和机器学习技术开发新材料，同时为电动汽车打造新一代的动力电池组。 这个项目由总部设在美国的丰田研究院 Toyota Research Institute (TRI) 负责，他们希望 AI 技术可以帮助人类寻找到更合适的材料，新材料将帮助丰田提高锂电池的能量密度和使用寿命。同时，一旦开发出合适的材料，丰田还将用来打造新一代的燃料电池。如果项目成功，燃料电池将拥有更合适的催化剂来替代稀有资源 Pt。 在 TRI 的首席科学官 Eric Krotkov 看来，「人工智能技术可以进一步探索电池材料科学的边界。丰田希望到 2050 年时，汽车二氧化碳排放量可以降低 90%，而人工智能技术将会帮助丰田离这个目标更近一步。」目前，包括斯坦福大学、麻省理工学院、密歇根大学、布法罗大学、康涅狄格大学以及英国材料科学公司「Ilika」 都与丰田达成了合作关系。其中，斯坦福大学教授 Jens Norskov 就认为，丰田这个新项目可以扩大机器学习技术在材料发现领域的应用，各家公司和机构需要把理论、实验和计算结合在一起才有可能取得技术性突破。 其实一直以来，对于材料的研究与利用都是电池产业的核心内容。各家电池厂日以继夜都在思考，如何找到新材料并提高电池的能量密度和使用寿命。 但是，丰田突然宣布要把 AI 技术用于电池研发还是让很多人大吃一惊。大家的第一想法都是：AI 技术与电池研发有什么关系？ 文章开头说过了，丰田想用 AI 技术帮助用来开发新材料。其实在选用电池材料的过程当中，一系列复杂的材料配比耗费了大量的计算资源，而 AI 技术则可以缩减人类的工作量，帮助人类选用最合适的材料及配比打造出新一代动力电池。 除了人工智能之外，丰田还特意强调，他们会在新项目当中会使用机器学习技术。机器学习技术涉及到了概率论、统计学以及逼近学等多种学科，同时还可以看做是人工智能的核心。机器学习的算法多种多样，例如有些人所熟悉的利用最小二乘法绘制线性回归曲线，机器学习可以快速建立线性模型，同时最小二乘法还可以最小化线性模型的误差。 除了回归曲线之外，机器学习算法还可以进行逻辑回归统计，将一个或多个解释变量数据，建立成二项式模型。同时，使用累计分布的逻辑函数来估算时间发生的概率，测量分类因变量与其他独立变量的关系。简单来讲，机器学习算法可以帮助人类快速完成概率计算，有利于帮助人类进行电池材料筛选。 不过，虽然丰田给出的官方说法是这样，但 AI 技术在汽车产业还有一个更重要的用处：开发自动驾驶汽车。此前，丰田 TRI 一直都在重点研究人工智能在自动驾驶领域的应用。为此，他们还联合了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。上个月，他们还在加州 Palo Alto 展示了一套自动驾驶测试平台。 无论是此前开发电动汽车，还是这一次选用新材料研发电池，丰田最近两年一直都在努力寻求 AI 技术在汽车产业的利用空间。随着这一次丰田新项目的成立，锂电池以及燃料电池领域或许又要迎来一次技术突破。 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）。