「GeekCar Weekly」地图 App 也要变成叫车软件了
这周，滴滴快的正式宣布完成了 20 亿美元的融资，Uber 中国也完成了 10 亿美元的融资。看来双方的新一轮大战又即将要开始了。滴滴率先出手，在下周一开始连续两周实施「 周一免费坐顺风车」 的活动。当然，考虑到虽然融资金额差了一半，但双方的业务范围完全不同。因此，这一轮补贴大战还是挺值得期待的。 当然，除了这些传统的用车服务商，地图厂商也开始进入这个领域了。谷歌率先在以色列试验叫车服务，车主一天可以接两单。不过目前还不能通过谷歌地图 App 直接叫车，而是通过一个叫做 RideWith 的 App 实现这些功能，Waze 则负责提供地图和交通数据服务（Waze 是谷歌在 2013 年收购的一家企业）。Uber 开始收购微软的地图部门，谷歌开始进行尝试专车服务。这些企业虽然切入的点不同，但最终做的事都差不多。 在国内，百度也在做着类似的事情。前一段时间以来，用户就可以用百度地图 App 直接叫 Uber 专车，最近又悄悄上线了顺风车。我们如果仔细想想，就能发现百度战略投资 Uber 之后，就开始了在叫车服务上的布局。或许之后百度会成为一个新的服务提供商，毕竟对于他们来说烧钱不是问题。有了 Uber 对于专车运营的经验，其他就好办了。 雷布斯的小米要造车了，这应该是这周汽车圈和科技圈都在关注的一件事。事情的起因是因为某些媒体的编辑不好好写稿，上网瞎逛发现了小米科技从去年开始申请的关于汽车的 9 个专利。因此引发了对于小米造车的大讨论，都开始纷纷臆想小米电动的种种细节。然而，仅凭 9 个专利就能把汽车造出来吗？当然是不可能的啦。但是我们不能因此就确定小米不会造车，或许用类似于车载操作系统来进行前装，寻求代工厂做硬件的模式会比较现实一点。不过，我们从中或许可以看出一些小米的野心，毕竟一个造手机的企业，想要做更大的智能硬件也是合情合理的。 对于互联网造车，作为传统中国车厂中的大佬——吉利董事长李书福就对这样的行为表示了明确的不看好。在周六的演讲中，李书福从传统车厂的角度，对现在火热的互联网造车企业，「 委婉」 的表达了自己的看法。我总结是这么个意思：勇气可嘉，但是还是要脚踏实地，要对造车心存敬畏。 在李书福看来，整个造车流程并不是简单的互联网思维，加上一个操作系统，然后就可以去找代工厂进行生产的。从一个将近有着 20 年造车经验的老牌车厂来看，如果企业仅仅用一两年时间就能造车，其实挺不可思议的。我认为这是双方对于造车的理解不同，因此造成的理念差异。但对于互联网企业来说，现在首先要做的还是把车造出来。 在新能源方面，博世和宝马在北美合作了一个快速充电项目，推出了叫做「Power DCPlus」 的直流快速充电器。这个快速充电设备有着 480V 三相输入及 24 kw 的输出，使用 SAE J1772 美国标准电动车充电连接器，只要充电标准兼容，电动车就能在 30 分钟内充满 80%的电量。这样的充电效率，和特斯拉的超级充电桩相似，但成本以及兼容性方面有着较大的优势。 除了电能之外，其他的新能源总是不甘落后的。荷兰的一个团队设计了一辆家用太阳能汽车「StellaLux」，续航能力超过 1000 公里。StellaLux 配备了一块约 5.8 平方米的太阳能电池板，容量为 15kwh。由于 750 公斤的超轻碳纤维车身和特殊设计的空气动力学外观，因此最高时速可以达到 126km/h。太阳能在能源的清洁度方面，远比简单的充电设计更环保。或许等解决了转化效率之后，就不需要外接的充电设备了。 有人还在考虑开车的事情，有的人却已经把触角伸向了个人飞行器。在这周六的雁栖湖边，国外的 Jetpack 团队把他们的喷气背包 Gofast 首次带到了中国，我有幸在现场感受了一下。虽然只有短短的 20 多秒，但已经足够把我们的思维瞬间带到三维空间。由于需要大量的训练才能熟练驾驶，因此在短时间内还不能普及到民用层面。不过，Gofast 给我们带来的不仅仅是飞行时的震撼，更多的还是对个人未来交通工具无限可能的想象。 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！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
谷歌自动汽车抢线，差点撞上德尔福的自动驾驶车
（转载自新浪科技）本周早些时候，谷歌一辆无人驾驶汽车的原型车在硅谷差点与竞争对手的无人汽车发生事故。这是首次涉及两辆无人驾驶车辆的交通事件。 美国德尔福汽车 (Delphi Automotive PLC) 硅谷实验室主任，自动驾驶项目全球商业总监约翰·艾布斯米尔 (Jpohn Absmeier) 周四透露，本周二，公司一辆由奥迪 Q5 跨界车改装的自动驾驶原型车在 Palo Alto 一条道路上变线时，被谷歌一辆雷克萨斯 RX400h 改装而来的自动汽车抢线拦住去路，被迫取消变线。 艾布斯米尔称他作为乘客目睹了事件经过，并称德尔福的车辆「 反应妥善」，没有发生碰撞事故。 谷歌对此不予置评。 德尔福的硅谷实验室位于山景城 (Mountain View)，距离谷歌总部不远，主要使用奥迪汽车作为自动汽车实验的原型车，谷歌则采用了 20 多辆雷克萨斯车型试验自动驾驶。 本周四，谷歌开始测试新款无人驾驶汽车的原型车。新原型车外观由谷歌自行设计，但使用的软件与此前的原型车相同。 两家公司此前都报告称自家的无人汽车曾发生过轻微碰撞事故，主要原因是其他司机的操作失误。
无人驾驶汽车事故：倒不如称它们为「里程碑」
终于，美国加州机动车管理局（DMW）在美国时间周四发布了关于自动驾驶汽车事故的报告。之前 DMW 一直拒绝公布关于无人驾驶汽车事故的一些记录，理由是这些包含个人信息的记录根据加州法律是保密的。在美联社和非盈利组织 Consumer Watchdog 的质疑和批评下，DMW 终于「 妥协」，但对于涉及个人信息的部分仍然保持保密，仅公开事故其他的一些细节。 这次 DMW 公只是公布了其中 7 次无人驾驶汽车的交通事故：6 次来自科技巨头谷歌，1 次来自汽车零部件供应商德尔福。报告相较于前段时间谷歌自己的一份事故报告，事故时间上精确到了某一天的某个时间，同时也佐证了谷歌保重中宣称的「 大部分事故是在自动驾驶模式下，由其他车辆引起的」， 并且事故并没有造成无人车上的司机以及其他车辆的人员的伤害。 谷歌和德尔福之前都有声明过这些事故几乎都由其他车辆造成，其中 谷歌更是决定每月发布关于自己无人驾驶汽车的详细报告 。下面我就来看看谷歌发布的报告细节。 谷歌无人驾驶汽车项目的总体数据 无人驾驶车辆：23 辆雷克萨斯 RX450h SUV（目前主要在加州山景城街道行驶），9 辆原型车（目前主要在封闭测试场里面自动驾驶）行驶里程：自动驾驶模式 1011338 英里，人工模式 796250 英里。平均每周在外部街道上进行 10000 英里自动驾驶。 一些典型的无人驾驶场景： 1. 对于紧急车辆的反应 谷歌无人驾驶汽车能够对于不同行为的卡车、小汽车、摩托车有一个「 理解」，同时做出相应的反应。比如下图例子，谷歌的无人车在红绿灯前停止，当绿灯变亮的时候它监测到了前右方有一辆救护车（图中顶上有两个小点的紫色长方体）正在横行，它就保持停止状态直至救护车通过交叉路口。 2. 对于移动物体的预判 自动驾驶汽车对于预判移动物体的行动轨迹十分擅长，即使是在夜间。下图的例子就是无人车探测到了前方正在移动的两辆自行车，并且对于其接下来的行动轨迹进行预判，做出相应反应。（小的红色长方体是自行车，其中一个带圈的蓝色线就是预判行动轨迹。）谷歌无人车事故汇总 2010 年 5 月：谷歌的一辆普锐斯自动驾驶汽车在人工模式下在山景城的 Central Expressway 的红绿灯前被一另一辆汽车追尾。事故没有造成人员受伤，但是谷歌的这辆车受到一些损伤。 2011 年 8 月：同样是普锐斯，人工模式下在山景城的 Charleston Road 上追尾了另一辆汽车。 2012 年 10 月：普锐斯在自动驾驶模式下在 Amphitheatre Parkway 上被另一辆车追尾。 2012 年 12 月：谷歌的一辆雷克萨斯自动驾驶汽车在人工模式下在 Highway 101S 上被后方车辆以 20-25 英里每小时的速度追尾。 2013 年 3 月：雷克萨斯在 highway 680S 上以 63 英里每小时速度行驶，右方车辆闯入其所在车道与车身碰撞，雷克萨斯上的工作人员立即采取了人工模式接管。 2013 年 10 月：雷克萨斯在 Rengstorff Avenue 上慢速行驶接近一个交叉路口时被追尾。 2014 年 3 月：雷克萨斯在 Highway 101N 在交通不畅的情况下被后车连环追尾。 2014 年 7 月：Phyllis Avenue 上雷克萨斯在人工模式下等待右转到 Grant Avenue 的时候被后车碰撞。 2015 年 2 月：雷克萨斯在 El Camino Real 附近在自动驾驶模式下交叉路口出与另一车在右后轮出碰撞。事故前无人车已经开始探测到情况进行采取刹车行为。 2015 年 4 月：Castro St 附近雷克萨斯在右转时候无人驾驶模式下和其他车辆轻微碰撞。 2015 年 4 月：雷克萨斯在 California Street 自动驾驶驾驶模式行驶，另一辆车从车右边超越剐蹭掉了右边的传感器和反光镜。 2015 年 5 月：雷克萨斯在 Shoreline Boulevard 自动驾驶模式下在红灯前的车辆群中停止，另一辆车从后面撞上后保险杠以及传感器。 从上面的表格可以看出事故次数慢慢在上升，且今年数量相较尤为多。我想这个数据的背后正说明了无人驾驶其实是在进步，因为测试的车的数量越来越多，测试的里程和范围越来越大，这些无人驾驶汽车肯定会遇到这样那样的事故。不过及时披露这些事故信息也很有必要，一方面可以让大众知晓目前的无人驾驶汽车发展中的一些情况，另一方面同时可以也让无人驾驶汽车的发展制度化。 目前谷歌有 … 继续阅读
谷歌或又多了一个广告平台：无人驾驶汽车
我们平时可能习惯了看到大街上，网页上及手机上的各类广告，不管你喜不喜欢，它们都在那了。设想，假如有一天你静静地坐在谷歌无人驾驶汽车驾驶座上，享受着这款机器人汽车带给你的放松时，突然前面弹出来一条广告，你会不会感到厌烦呢？ 汽车内打广告，这可能是谷歌的梦想，至少奥迪 CEO 瑞普特·施泰德（Rupert Stadler）是这样认为的。 根据彭博社网站报道，施泰德近期与谷歌高层频繁接触，并且他在参加德国产业大会上表示：「 汽车现在已经成为了第二客厅，它是一个私人空间。」 作为无人驾驶汽车最高调开发者以及安卓汽车平台开发商，谷歌现在也正极力讨好这些德国汽车制造商，后者现在已经或者正计划开发无人驾驶汽车。谷歌的意图很明显，就是希望这些无人驾驶汽车能够使用谷歌的软件，就像是各大手机制造商使用安卓系统一样。 谷歌是否正计划在其无人驾驶汽车中提供广告服务，目前我们不能确定，谷歌发言人也对此拒绝评论。 但是，如果谷歌真的这样做了，没有人为此感到惊讶。从本质上，作为搜索巨头，这家公司还是靠广告作支撑，而作为一家上市公司，谷歌需要竭尽全力来需求实现利润最大化的途径。自然，它也会制造更多无人驾驶汽车。 对于普通消费者来说，我们是不是能够接受这种广告方式呢？如果你还是喜欢自己驾车，前方显示屏上突然出现广告，或将是一种糟糕的体验。 但是，对于那些躺在座位上，只想让谷歌汽车带他们去目的地的用户来说，或许还乐意看到一些广告。但这种广告并不是随意、随机播放的，最理想的就是根据用户的喜好和所处的位置，推送一些相关广告。比如，当用户驾车到某处旅游胜地，谷歌可以为用户推送一些当地餐馆，酒店等广告信息。（转载自腾讯数码）
谷歌 Android Auto 互联系统体验评测
（本文由微信公众号「 车车智能」 编译自 The Verge）在去年，苹果和谷歌都发布了各自最新的车载系统——Android Auto 和 Apple CarPlay。这两个系统能绕过车内的本地用户界面，通过智能手机控制导航和音乐。谷歌和苹果的想法是，如果用户能通过智能手机使用车内娱乐和导航功能，那么他们也能借此使用车内已有的显示和控制设备，这样一来，因开车时分心玩手机所导致的事故概率就会大大降低。 在竞争中，Android Auto 已先拔头筹——现代 2015 款索纳塔（Sonata）已成为首款搭载 Android Auto 的量产车型。Android Auto 不会完全替换索纳塔的界面，而是以 App 的形式在界面上运行，当兼容手机（安卓 5.0 或以上版本）插入车内 USB 接口时就会启动，将车载娱乐系统据为己用，实现谷歌地图导航、接收信息、播放音乐和收听 podcast 等功能。此外，你还能在开车的同时，通过车内已有的按钮和麦克风使用谷歌语音搜索。 笔者花了两周时间测试了一辆装有现代可选高科技升级包和 Android Auto 的索纳塔汽车，以衡量这款系统是否具备引领未来驾驶的潜力（当然，这是指在终极无人驾驶汽车出现之前）。测试的结果是，虽然途中出现了点小麻烦，但总的来说，安卓用户完全可以为下一辆爱车配备 Android Auto。 在新款索纳塔上启用 Android Auto 十分简单：先在手机上安好 App，再将手机接入汽车，通过蓝牙自动配对（与此同时可以打电话），再在索纳塔的 8 英寸电阻式触摸屏上点击 Android Auto 图标即可。随后显示在你眼前的，是一个熟悉而简化的安卓界面。此时，手机本身已变得无关紧要——其界面已被锁定为 Android Auto 的启动画面。接下来，你可以在开车时通过 Android Auto 掌控一切，因此可以将手机放置在一个专用小槽里，不再留意它。 如果你已熟稔谷歌地图的操作方法，运用 Android Auto 导航就会得心应手。 Android Auto 由五部分组成，分别为地图导航、电话拨号、信息、媒体/音乐、以及诊断。诊断部分能够显示车辆基本数据，如胎压和燃油效率，但现代汽车不支持此功能，因而在索纳塔的屏幕上，屏幕最右侧的唯一功能只是退出 Android Auto，返回原始车载界面。 Android Auto 的导航部分用起来得心应手：它具备了手机上所有可用的谷歌地图工具，指引你去往任何目的地。它不仅能显示交通信息和兴趣点，还能适时切换到夜间模式。你既可以通过语音输入目的地，也可以在车辆停下时用软键盘输入，同时，谷歌还能提供饭店的营业时间和电话号码等信息，只需一键拨号，你就能预定座位，此时汽车相当于一个超大号的扩音器。 Android Auto 上使用的谷歌地图与手机版本一样，只是理所当然，Android Auto 版谷歌地图只提供驾车导航，不提供公共交通和步行导航。索纳塔的电阻式触摸屏依旧具有手机触屏的放大缩小功能，视角可以在 2D 和 3D 之间切换。我们知道，通过汽车扬声系统发出的导航指令时而刺耳，难以听清，但索纳塔的仪表板中央装有特殊的扬声系统，能减少路面和空调噪声的干扰——当发出语音警示时，该系统会自动降低音乐音量，同时把空调关小，以便清晰传达指令。 Android Auto 的拨号部分能显示手机中的通话记录和常用联系人列表。点击列表中相应的条目就能拨出电话，当然，你也可以调出标准拨号盘，手动拨号。此外，你还能按下索纳塔方向盘上的语音按钮，或是位于 Android Auto 右上角的谷歌按钮，进行语音拨号。 界面左起第四项是 Android Auto 的媒体部分，它能通过汽车的音频系统播放手机上的音乐或 podcast。目前，Android Auto 支持的媒体 App 仍颇为有限，其中包括 Google Play Music、Spotify、Pocket Casts 和 iHeartRadio（Pandora、Rdio 等支持有声书的 App 均不在其列）。这些 app 必须遵循相似的设计和结构，不过第三方 app 能在媒体界面上打上自己的烙印，比如，Spotify 的播放按钮是绿色的，Pocket Cast 是红色的——但无论如何，它们的导航结构是相似的。 设计上的限制使得司机得以专注于路面 Android Auto 在设计上做了限制，但这种限制是有意为之的——它的目的是让司机在驾车时能够通过语音搜索完成大部分事项，从而解放双眼，专注于路面状况。例如，设计中针对媒体部分滚动页面（艺术家或专辑信息）的长度作了限制。在使用 Android Auto 时， Spotify 的音乐库顶多只能显示到 D 字头部分，这样就大大限制了对音乐的选择。虽然第三方 App 也可以用语音搜索音乐，但不出意料的是，比起 Spotify 等第三方应用，语音搜索功能显然更契合谷歌自家的 Play Music 应用。基于以上几点，你最好在开车前就选好想听的音乐，并提前设好播放列表，以免开车时再做这些事。通过索纳塔方向盘上的按钮，你还可以跳过曲目或控制音量。 Android Auto 最有趣的部分，也是最吸引人的部分，就是它的中央信息仪表板。它类似于智能手机上的 Google Now，主页上分布的各式卡片显示着天气状况、待赴约会和最近搜索的地点（综合手机、汽车和桌面三者的历史记录）。这些 Google Now 式的卡片无法相互换位、也不能重新布置，不过它们能够根据时间和所在位置更新信息。例如，现在是早上 7 点，笔者刚打开车门，界面顶端的卡片会向我显示去往工作地点的一键指示信息；而到了下午 6 点，Android … 继续阅读
技术贴：谷歌自动驾驶车的难点在哪里？
不好意思，我们又当 知乎的搬运工 了。原问题为《谷歌智能车的难点在哪里？模式识别，还是分析、控制算法？》，讨论的是谷歌的自动驾驶和无人驾驶技术。本文来源于这个问题里点赞最多用户 康费 以及 吕朝阳 的回答，比较长，非常技术流，但是干货也非常多，值得一看。 康费的回答： 1. 传感器技术 不得不承认现在无人车能出现很大程度上依赖传感器的进步。其实早在 80 年代美国就通过磁钉导航完成过很多无人驾驶的实验。他们在地下埋上磁钉，通过寻找磁钉的方式可以完成高速的巡航、并道、超车等一些列的实验。但是显然这种成本太高，只能作为实验。 到了 2007 年，传感器技术已经突飞猛进了。看看他们的传感器吧。 SICK 公司激光雷达。用于检测周围障碍物，无人车需要能够感知周围环境，又不能像人一样单纯用眼睛完成，于是这玩意可以返回周围障碍物的距离，误差毫米级。 这张图上的无人车头顶的不是灯，而是 5 个 SICK。一个 SICK 当时等价于一辆帕萨特。当然现在 Google car 的激光雷达用头上的小东西了。 这个小东西顶至少 4 个 SICK，是 360 度多线激光雷达，今天价值 3 个帕萨特。 剩下的东西没有这个壮观，就不上图了。 除了激光雷达（避障），还有有毫米波雷达（探测）、GPS（定位）、里程计（定位）、陀螺仪（定位）、视觉系统（检测、避障）、数传电台（监控）等等。就不说很多小细节的进步了，但是上述的传感器都是必须的，所以无人车的第一个难点是传感器。 2. 定位 GPS 的定位精度远达不到无人车的需求，GPS 官方定位精度「<10m」，更高精度的 GPS 基本要依靠差分完成。差分的原理很简单：设置一个固定基站，固定基站校准位置，再将信号传递给车载设备，车载设备在接收到基站信号和 GPS 信号后差分获得。但是每一个基站的有效范围也就 30km，怎么大范围应用。于是有很多技术要解决 GPS 精度不足的问题，如地图匹配。 以前 GPS 中会加入干扰，那时候民用 GPS 的精度只有 100m。这个干扰叫 SA，Select Availability，已经于 2006 年取消。SA 依然会在战时开启，那时只有美军自己的 GPS 能有效定位，而其他的 GPS 都将失效（所以我国要研发北斗）。传统 gps 的协议是 0183 格式，这种格式允许小数点后 4 位。军用级别的 gps 在此基础上又加了两位，至于多出来的几位是否真能提高精度就不知道了，得用个绝对位置教一下。 如果是「<1 米」 的精度对于车辆定位基本上够用，但是 GPS 一定要在空旷的场地上才能得到这种级别的定位精度。 除此之外，没有 GPS 呢？ 在树荫下、楼宇间、隧道内 GPS 信号无法到达，这时就需要里程计+陀螺仪，俗称惯性导航单元。这套系统的原理就是：花钱越多，有效时间越久。如果要能在没有 GPS 的情况下坚持 20 分钟，呵呵，3 个帕萨特。 原因是里程计、陀螺仪都存在累积误差。注意误差是累计的，也就是说上一时刻是 0.5m 的误差，下一时刻指定大于 0.5m。因此要尽可能约束累积误差，使其数量级很低，那么就要上光纤陀螺。因为电子级的陀螺通常达不到这个精度要求，不知道挠性陀螺行不行，但是估计挠性陀螺和光纤陀螺造价差不多。 3. 避障 车辆前方有障碍，障碍物是运动的还是静止的，车是停下来还是绕过去。我没仔细研究过这部分的内容，知道的算法是人工势场法。这部分主要的难度是从传感器识别障碍，在车辆运动的前提下，确定障碍的运动状态。也就是说你要在运动的坐标系下，计算另一个物体相对静坐标系的速度，并作出判断。 4. 识别 下面得识别交通标识，如限速牌、红绿灯。这些通过视觉系统完成，难点主要在实时性和鲁棒性。要离线处理这些交通标志是很简单的，但是在无人车上需要能在有限的时间里识别出来，并且考虑道路中可能有的光线变化、遮挡等问题。 5. 控制 你提到控制算法，除了上面的避障以外，其他外围机构的改造可能会存在一些改造上的问题。如何介入转向架、如何介入油门（以前还要考虑如何换挡）。这些工作如果有厂商帮忙还好，没有的话也会是问题，钱的问题。其实控制的难度相对较小，传统 PID 足够，加上部分买的伺服机构，没有多大难度，就是活累。 6. 规划与决策 既然是无人车，一定牵扯「 去哪」。目的地由人决定，但是路线是车子计算出来的，这部分的算法可能你不会，但是你常用，就是百度地图、腾讯地图之类的东西，它们通过一定的算法计算出路径之后车辆会跟随这条路径。当然运行过程中为了解决实际的一些问题，比如修路，也许要决策的机制。 其实对于无人车的控制说小了较控制，说大了叫决策。也可以说，决策是频率比较慢的控制。举个例子，我们对方向盘、车速的控制周期是多少呢？大约 20ms，也就是 1s 中要控制 50 次左右。那么我们对车辆路线的决策周期呢？大约 5s。可以看出，控制是响应速度较快的部分，而决策是响应速度较慢的控制。决策，说白了就是对于一些可能遇到的问题给出的解决逻辑，俗称人性化。这部分我能力有限，希望懂的人可以给些意见。 我觉得，无人车最关键点在于东西不一定复杂，但一定要可靠，所以当有人问 Sebastian Thrun（前面 Google Car 的负责人），你们的车能否在雨雪天开出去的时候。他说，那些日子我们最好不动它。至于你提到的机器学习，我认为这是趋势，可能在识别部分会有应用，但很难成为无人车的核心技术。原因：1）离线学习会导致算法有一定的局限性，你在北美弄好的系统在中国不一定能用。2）在线学习成本太高，给车带个计算机，让它在车辆运行的同时还能逆向运算？ 至于以后的突破口，我觉得是廉价可靠的传感器和相应的识别算法。这些机构到底能做到多小，多便宜又多可靠。至于提取信息以后的控制，前面说了，80 年代就有人做了，还做得不错。 吕朝阳的回答： 我从智能汽车作为一个机器人系统，涉及到的几方面技术，在理论方面的难点做一个解释和补充。 首先，智能汽车作为一个机器人系统，所涉及到的机器人技术主要有 控制（control）, 感知（perception）和路径规划（planning）三大块内容。作为一个独立的机器人系统，其自身的计算机系统以及安全性也是一个很重要的方面。关于这几块目前的研究以及工业界达到的成就，和技术难点，我正在写一篇综述给感兴趣的朋友加以介绍。下面就从者三个大方面来看看都还有哪些棘手的问题。 关于控制方面， 自动巡航系统（cruise control），自动刹车系统（auto braking），自动停车系统（auto … 继续阅读
在谷歌无人驾驶汽车眼中，人类是如何开车的？
本文是 Google 无人驾驶项目总监 Chris Urmson 发表在 Medium 的文章，由虎嗅编译。 美国境内每年有 33000 人死于交通事故，这就是为什么有许多无人驾驶汽车的热情支持者将精力专注在降低事故发生率上面。我们距离实现完全无人驾驶汽车的愿景越来越近，只需要一个按钮操作，未来的无人驾驶汽车可以将任何人从 A 点送到 B 点，与此同时，我们也在思考如何评估研发的进展，以及对道路安全的影响。 为了能够判断汽车驾驶的安全系数，我们需要弄清楚的最重要的事情之一就是典型城郊街道条件下的「 基准」 (baseline) 事故情况。简单来说就是，因为许多事故从未被计入官方统计，我们要搞清在预期情况下无人驾驶汽车被其他汽车撞到的频率。甚至是当我们的软件和感应器能够探测到可能发生事故并在对方司机之前更快采取行动的条件下，有时候我们仍旧无法克服行驶速度和车辆距离的因素，而有时候我们仅仅是在等待交通灯都会被撞到。这些都是无人驾驶汽车在一些社区行驶时的重要场景，尽管我们希望能够避免所有的事故，但一些事故是无法避免的。 汽车驾驶中最常见的交通事故，也就是通常白天在街道行使中会遇到的——小擦碰，没人受伤——并没有被很好的分析，因为这些事故并不会汇报给警察。但是美国高速公路交通安全管理局 (National Highway Traffic Safety Administration) 的数据显示，这些事故占全部车辆事故的 55%。除非你能够每天坚持一英里一英里的驾驶，否则很难了解路面上真正发生了什么情况。而我们的车队一直就在做这件事，20 多辆无人驾驶汽车和安全驾驶员团队，已经累计行驶了 170 万英里 (人工驾驶和无人驾驶都有)。无人驾驶条件下的行驶已经占到了这其中的近 100 万英里，我们现在每周的无人驾驶平均里程数维持在一万英里左右 (比一个典型的美国司机一年的行驶里程数稍微少点)，大部分路况都是城市街道。 为了让我们所有人都成为更安全的驾驶者，我们希望分享一些观察到的事故模式。其中很多都不是另人意外的情况，尤其是考虑到我们都知道司机操作失误导致 94% 的交通事故这一点。 如果你在道路上行驶足够多时间的话，事故无论如何都会发生，无论你是在普通汽车还是无人驾驶汽车当中。自从 Google 无人驾驶项目开始起的过去六年里，我们在长达 170 万英里的无人驾驶和人工驾驶中，总共出了 11 起小事故 (小擦碰，无人受伤)，在这过程中我们团队的安全驾驶员始终在方向盘后面，且没有一次是自动驾驶功能导致事故的发生。 追尾 (rear-end crashes) 是美国发生最频繁的交通事故，经常是前车司机没有任何办法避免被撞情况的发生；我们被其他车从后面撞了七次，主要是在等交通灯的时候，也有在封闭公路正常行驶的时候。我们也遇到了几次侧面擦碰 (side-swiped) 的情况，还有一次被闯红灯的车撞到。正如你可能预料到的，我们在街道路况下的每英里事故数要高于封闭公路的路况。我们在路面上的所有疯狂经历对于无人驾驶研究项目都非常有价值。我们有一个详细的评估流程，并尽力从每一次事故中获取一些东西，即使事故的发生并非由我们的过错导致。 我们不仅在了解城郊街道小事故发生率的问题，同样在判断驾驶员操作的模式，比如偏道 (lane-drifting) 和闯红灯 (red-light running) 这些导致重大事故的主要原因。这些操作习惯甚至不会在官方统计中出现，但是却给所有人制造了一个危险的局面。 目前道路驾驶中的问题 许多人并不注意路面情况。在美国任何一个白天的时刻，就有 66 万坐在方向盘后的人在查看他们的移动设备，而不是注意路面的情况。我们的安全驾驶员经常会看到其他车在车道上晃来晃去；我们还见到过一边开车一边看书的人，甚至还有吹小喇叭的情况。无人驾驶汽车在这一点上无疑要比人类更安全。前者拥有 360 度视野外加 100％ 的全时全方向探测；我们最新的传感器能够追踪其他汽车、自行车和行人，范围远至两个足球场的距离。 交道路口会是很恐怖的地段。在过去几年里，美国道路环境中 21% 的死伤事故和 50％ 的重伤事故都与交道路口有关。受伤的通常是行人和被撞车辆的司机，而不是闯红灯的肇事司机。这也是为什么我们将车辆设置为在交通灯变绿之后先保持一段驻车状态，之后再驶过路口的原因——通常这个时候有些司机会或不耐烦或不专心地加速驶入路口。 在这个案例当中，一辆自行车 (浅蓝色方块标注) 在通过道路交口的时候较晚，差一点被向左转向的一辆汽车 (进入路口的紫色方块标注) 撞到，后者并没有注意到自行车，并在交通灯变绿后启动行驶。我们的无人驾驶汽车预判到了自行车的操作 (红色路线标注)，并没有立刻行驶，而是直到自行车安全驶过路口后才启动。 转弯可能会带来麻烦。我们观察到很多司机转弯之后继续行驶在错误车道上的情况，尤其是在夜间，司机在道路中错线行驶 (overshoot or undershoot the median) 的情况很普遍。 在这张图中你可以看到，不仅是一辆，而是两辆汽车 (在绿色路线左侧的两个紫色方块，正是你在图片上看到的汽车) 正在错误的车道上向我们驶来；这个情况发生在山景城夜晚 (Mountain View) 最繁忙的一条道路上。 有时候，司机在意识到他们将会错过转弯路口的时候，会做非常愚蠢的事情。 一辆汽车 (压在绿色条状路线上的紫色方块，上面有一个叹号标注) 决定从我们左侧的车道向右转，直接穿过我们的路线。绿色的条状路线，我们称之为「 篱笆」(fence)，显示我们的汽车会减速，避免与这辆疯狂转向的汽车相撞。 有些时候，一些司机开起车来就好像我们没在那里一样。在下面一幅图中，左侧的一辆车 (穿过红色「 篱笆」 的紫色方块标注) 突然冲向我们的车道。在这个例子当中，红色「 篱笆」 显示的是我们的汽车停止并做出避让。 这些驾驶经历 (还有数不清的其他例子) 让我们更深地认识到了当下道路驾驶面临的问题挑战。我们会继续行驶数千英里，这样我们就能更好地了解问题，那些常见的导致许多日常行驶事故的操作现象——我们也会继续努力开发自动驾驶汽车，让后者为人类解决这个问题挑战。
上路 6 年发生 11 起事故，谷歌无人驾驶汽车安全吗？
（本文转载自腾讯科技）这几天，谷歌无人驾驶汽车被推到了舆论的风口。起因是有美国媒体报道，加州从去年 9 月发生了 4 起与无人驾驶相关的交通事故，而其中 3 起是谷歌改装的雷克萨斯 SUV。 这让一些批评人士又拿到了话柄。他们认为，谷歌想开发没有方向盘的汽车，这意味着一旦汽车失控，人将没办法介入，是十分危险的。 而公众也对于谷歌无人驾驶汽车起了疑心。从 2010 年上路开始测试，谷歌无人驾驶汽车已经跑过了 110 万公里，在这 6 年时间里一共发生了 11 起事故。那么问题来了，无人驾驶到底安不安全？ 谷歌无人驾驶汽车项目进展 早在 2005 年左右，Google X 实验室就开始了谷歌无人汽车计划（Google Driverless Car Project）。该计划致力于探索完全不需要司机就能行驶的全自动驾驶汽车。 2010 年，谷歌无人驾驶汽车开始在美国加利福尼亚州试行，当时的原型还只是量产汽车加装上谷歌研发的无人驾驶系统，包括一套激光测距器和计算导航系统。上路测试时由两名测试人员分别坐在主副驾上，以防止自动驾驶出现意外后随时接管方向盘。 到了 2012 年，谷歌宣布其无人汽车已经完成了将近 50 万公里的路试，而且一起意外事件都没发生。初步展现出谷歌无人汽车的可靠性，加上谷歌与美国当地政府的积极沟通，从 2012 年 3 月到 2013 年 12 月，美国先后有四个州通过了自动驾驶汽车可上路测试的法律。 随着研究的持续进展，2014 年 4 月，谷歌宣布其无人汽车已经完成了超过 110 万公里的路试，并于 5 月发布了一款从车型设计制造到系统整合都完全自主研发的无人汽车原型，这款原型车没有方向盘和踏板，可以说清晰地显示了谷歌无人汽车计划的最终指向：完全无需人工干预的全自动驾驶汽车。 然而在这长达 6 年的路试中，谷歌的无人驾驶汽车并非一帆风顺。去年 9 月，加州政府向科技公司颁发公共道路测试自动驾驶汽车许可证之后，至今在加州上路的 48 辆无人汽车中有 4 辆卷入了交通事故，其中 3 辆由谷歌改装。而 6 年以来，谷歌无人汽车一共发生了 11 起交通事故。 为何发生交通事故？ 对于这 4 起无人驾驶汽车交通事故，谷歌方面称，所有事故的责任都不在于汽车，而人为导致的，而且都是些非常小的事故。 其中的两起虽然汽车处于自动驾驶状态，但是责任方不在谷歌，另外两起事故则是在驾驶员手动控制时发生的。谷歌在一份书面声明中是这样说的： 自去年 9 月以来，我们的自动驾驶汽车在山景城总部附近行驶的时候发生几起事故，车之间有轻微碰撞，车灯被撞坏，但没有人员受伤，事故原因是人为错误和疏忽。 事实上，这套说辞也不是谷歌第一次使用了。早在 2010 年和 2011 年发生的碰撞事故中，谷歌都是这一副说辞：「 过错不在我，都是人惹的祸，别让车背这个黑锅。」 然而根据美国国家公路交通安全管理局的数据，在全美「 只造成财产损失的事故」 发生率为每 10 万公里 0.19 起。相比之下，谷歌汽车 8 个月 22.5 万公里出现 3 起事故，事故率显得有点偏高。 当然，谷歌也有自己的说法。谷歌认为，全美每年可能有 500 万起事故没有上报，所以以此来指责谷歌无人汽车的安全性是不科学的。 根据加州法律，交通事故报告属于保密信息，所以这几起事故的真实原因公众很难获知。对于谷歌的说辞我们暂时只能选择相信，但人们难免会对谷歌无人汽车的安全性有所担忧，而这种担忧则成为谷歌推进无人汽车项目的一个阻碍。 比普通汽车安全还是危险？ 除了谷歌以外，还有不少研究无人驾驶或自动驾驶技术的公司。有像特斯拉这样的科技公司，也有奔驰、宝马、奥迪这样的传统汽车制造厂商。 不过与谷歌不同的是，其他公司的研究方向是「 有限的自动驾驶」，强调机器的辅助作用，而不是由机器全盘接管驾驶，谷歌则追求「 完全的无人驾驶」。 不得不说谷歌的理念有些过于超前，因而也使人们心存疑虑：机器真的能完全代替人类驾驶吗？ 根据谷歌无人驾驶汽车技术原理，其需要事先输入路线和路况信息，在所进行的所有路测中，路线也都得提前规划好，包括这一段路的红绿灯都在哪里、车道数量、车流情况以及规定限速等等。谷歌充分利用了其地图大数据的优势，为自己的无人驾驶汽车指引方向。 然而如果在已输入的路线中，突然新增了一个红绿灯，或有临时施工，那么谷歌无人驾驶汽车得依靠车载传感器来识别，并及时停车或规避。 这对于车载传感器和算法系统是个很大的挑战，很多大城市路口情况复杂，往往有多个红绿灯，而且红绿灯和路口之间的距离并非近在咫尺。 谷歌无人汽车要正确识别数据库中没有的红绿灯等交通信息，其车载传感器的扫描范围必须非常远，可能要达到五六十米甚至上百米。而随着扫描范围的扩大，计算机所要承受的数据量呈几何级数增长，这对于内置的处理器及算法都是很大的挑战。 目前谷歌无人汽车的路测都没有「 出现地图数据库中没有的信息」 这种情况发生，所以能做到几十万公里不出事故的成绩。而当真实上路时，一旦遭遇事先没计算好的路况信息，车载系统能否应对复杂情况，我们就无从得知，这可以说是谷歌无人驾驶汽车最大的安全隐患所在。 无人驾驶汽车普及面临哪些问题？ 谷歌计划在 2017 到 2020 年推出面向消费者的无人驾驶汽车，不过除了在复杂路面的应对问题，无人驾驶汽车想要普及还面临一系列问题。（1）技术难度 由于把驾驶权完全交给机器，这就涉及到人工智能和机器学习的领域，机器如何模拟人类的道德和情感认知，并以此为标准来指导自己行为等问题。 举例来说，无人驾驶汽车在面对不可避免的事故时，是以自己车上乘客的安危为重，还是以车外行人的安危为重？ 如果一辆无人驾驶汽车载着乘客行到红绿灯前，刹车突然失灵，汽车是选择急转方向避让前方行人，还是不避让以保证车上乘客安全？ 面对意外状况，人类做出判断可能是很自然的一个过程，但对于机器来说则并非易事。在算法层面如何划分优先级，如何考虑不同的情况，其涉及的因素所需要的计算量都大大超出了现行计算机的计算能力。 而且这方面的标准和研究还处于初始阶段，并没有公认可行的人工智能道德和情感指导纲要。所以谷歌的无人汽车要真正普及，人工智能是一道绕不开的坎。（2）法律以及相关规章的完善 无人汽车领域，法律的制定进度远远落后于技术发展的速度，法律层面的制定可能需要相当长的过程。 包括事故责任方如何划定，是由汽车制造商，还是无人驾驶系统软件商，或者是车上乘客承担责任？可能还有更多细节问题，比如喝了酒的人「 开」 无人驾驶汽车，算不算「 酒驾」？ 目前无人驾驶汽车面临的最大法律问题在于能否获得生产许可。目前并无统一的测试与评估标准来证实无人驾驶汽车的安全性，谷歌自己的无人驾驶汽车出现事故后，也只能一直用同一套说辞来「 力证」 自己是安全的。 目前为止，美国仅有 4 个州通过了允许自动驾驶汽车上路的法律，也有不少州在立法上受到阻碍。总体而言，法律上仍未通过的州占了多数。尽管有专项研究，相关标准也在推进，但涉及民事伤害、个人隐私等方方面面的问题，国外也没有明确的规定。（3）社会公众的认同 相比于技术和法律，社会公众的心理认同可能是无人汽车更加需要面对的问题。大家可以想象一下，坐在一辆方向盘自己会动，或者压根就没有方向盘，而整个车自己会到处跑的场景，即使知道这是安全的，恐怕多少都有点坐立难安。 目前公众对于无人驾驶的认知多来自谷歌的宣传和媒体报道，如何增加公众对无人汽车的信任感，是谷歌迫切需要做的工作。 毕竟 6 年来，谷歌无人汽车已经发生了 11 起交通事故，而任何人都不想拿自己的性命来冒险。
无人驾驶汽车需要地图吗？听听硅谷怎么说
据路透社报道，硅谷企业正在竞相开发无人驾驶汽车，但它们可能需要解决一个简单问题：无人驾驶汽车需不需要地图？ 在这场竞赛中处于最前沿的谷歌，正在打造非常复杂的地图工具，详细地标明公路沿线每棵树、每个转弯的位置。这是一项耗资巨大的工程，其它公司可能会发现难以与之看齐。 业内专家表示，最近加入这一竞赛的企业，如打车服务 Uber 和苹果，可能需要走另辟蹊径，开发具有自主导航能力的无人驾驶汽车，而不需要复杂且昂贵的地图工具。 这两种技术方案对立明显：在企业竞相推出新产品类别的时候，它们可能将决定企业如何以及何时可以让无人驾驶汽车上路行驶。 卡内基·梅隆大学无人驾驶汽车研究项目主管、谷歌汽车项目前负责人拉杰·拉杰库马尔 (Raj Rajkumar) 称，对于可以使用谷歌资源的公司来说，其无人驾驶汽车的技术方案以地图为基础是有道理的，但地图不是必需的。 拉杰库马尔表示：「 谷歌能够全面收集地图信息。以我们为例，我们没有这种能力，所以我们必须要创新。事实证明，这就足够了。」2013 年，拉杰库马尔曾改造了一辆凯迪拉克，让它在无人干预或 3D 地图帮助下，依靠雷达、摄像机和六个激光扫描器等设备，行驶了 33 英里（约 53 公里）的路程到当地机场。 这两种技术方案目前都有局限性。即使是最乐观的人也承认，各种各样的技术、监管和法律难题，意味着完全自主驾驶汽车上路还需要几年甚至更长的时间。 消息人士告诉路透社记者，苹果正在研究无人驾驶汽车的可行性。Uber 今年 1 月宣布，该公司与卡内基梅隆大学建立合作关系，致力于无人驾驶汽车、汽车安全等技术的设计与研发。电动汽车制造商特斯拉也正在开发无人驾驶汽车技术，而包括通用、日产等在内传统的汽车制造商，也在他们的汽车上增加自主驾驶功能。 一些公司，如诺基亚等，也正在开发精确的 3D 地图工具，将来可能授权给汽车公司。 市场研究公司 IHS Automotive 分析师埃吉尔·尤利乌松（Egil Juliussen）表示，制作覆盖整个美国的电子地图，而且其精确程度要能达到供谷歌无人驾驶汽车使用的标准，可能要耗资数亿美元和花费 5 到 7 年的时间。 所有无人驾驶汽车都依靠基本的电子地图进行导航和保持车道居中。但谷歌的无人驾驶汽车使用更为详细 3D 地图，主要利用激光扫描仪来创建。谷歌分析激光扫描仪收集的数据，如确定在何处有交通灯和停车标志，使车辆「 知道」 自己确切位置。 谷歌的无人驾驶原型车也使用车载传感器，包括其顶部独特的旋转激光等，来检测任何未在地图标明的物体，如车辆或婴儿车等。 机器人公司 Anki 首席执行官伯瑞斯·索夫曼 (Boris Sofman) 指出，谷歌现有的地图技术和资源，让它在无人驾驶汽车的研发上拥有更大优势。Anki 也生产无人驾驶玩具车。 他说，但地图上的数据会很快过时。例如，下一场雪就可能改变地形地貌。 无人驾驶汽车传感器生产商 ASCar 首席技术官德克·兰格（Dirk Langer ）称：「 以地图为基础的无人驾驶汽车技术方案，可以让你在可控的环境中精确行驶，你知道这些地方不会发生很大的变化。」 谷歌表示，其无人驾驶汽车能收集有关路况变化的信息，以定期更新地图工具。 兰格表示，对于依赖 3D 地图的无人驾驶汽车来说，有大门的退休社区和大学校园将是理想的环境，而更广泛的使用传感器比 3D 地图更重要。 汽车供应商德尔福无人驾驶汽车全球业务总监约翰•阿布斯迈尔 (John Absmeier) 指出，在经过特别设计的街道和公路上，汽车也许能够在没有 3D 地图的帮助下实现自主行驶。 但汽车要真正实现自主行驶，还需要传感器技术取得更大进步。卡内基·梅隆大学改造的凯迪拉克，需要在路灯上安装一些传感器，才能使其完成到机场的旅程。 卡内基梅隆大学的拉杰库马尔表示：「 我们认为我们现在可以处理 90％的路况，但要实现 100％的目标将需要更长的时间。」 (本文转载自 网易科技）