设为首页收藏本站
开启辅助访问 切换到宽版

科学网

 找回密码
  注册
科学网 › 标签 › 无人驾驶

tag 标签: 无人驾驶

相关帖子

 版块 作者 回复/查看 最后发表

没有相关内容

相关日志

自动驾驶的双重悖论及其解决
QSThinkTank 2019-7-25 16:56
自动驾驶的双重悖论及其解决 郭喨 唐兴华 来源：《中国社会科学报》 201 9 年 2 月 12 日第 1630 期 自动驾驶正在驶来，为了接近自动驾驶时代，我们还有许多工作要做。无论是技术层面还是政策、监管层面，以及伦理和法律层面，其中一个核心问题是自动驾驶的 “上路标准”确定与自动驾驶的事故责任分配问题。 　　研究者指出， “在增强高速公路安全、缓解交通拥堵、减少空气污染等领域，自动驾驶会带来颠覆性的改善”。首先也是最重要的，是生命的拯救。例如在美国每年约有32400人死于车祸，而中国则多达约26万人。刘少山等人指出，“几乎可以肯定，在这方面，无人车将带来大幅改善，避免车祸伤亡”。美国伊诺运输中心的预测显示，如果路面上90%的人类驾驶汽车变成自动驾驶的，那么美国每年可以减少21100人死于车祸之中。这一“救命效应”对于中国而言将更加可观，自动驾驶的广泛实施将带来车祸死亡人数数量级的下降。此外，自动驾驶车辆的行车速度更快、行车和停车间距更短。更短的行车间距会引发减少风阻的“弹弓效应”，自动驾驶车辆可以组成紧密的编队抵近行驶，节省能源；更短的停车间距将提高停车场停车效率。研究指出，“无人车能将每侧人为预留的空间减少10厘米”。以我国为例，每个大车位可以节约超过1平方米的土地。另外，与智能交通系统（如V2I或V2X）协作、车流量的精准预测和运筹学原理的普遍运用，将显著提升整个公路交通系统的运输效能。 　　然而，自动驾驶也面临一些相当难解的问题。例如在监管和公共政策、伦理与法律方面， “自动驾驶”面临着“行动者悖论”和“旁观者悖论”的双重悖论。 　　悖论一，自动驾驶的 “旁观者悖论”：自动驾驶车辆在面临紧急情况下如何回应，按照什么标准给生命和财产赋予合理价值，如何进行风险分配？ 　　“旁观者悖论”是“电车难题”（Ttolley Problem）的自动驾驶版。例如，如果车祸的发生不可避免，自动驾驶汽车是决定撞向路旁的一名儿童，还是牺牲车内的五名成人？然而，一些自动驾驶技术研究人员常常将之视为一个“虚假悖论”，一个对自动驾驶而言实际上并不存在的悖论。美国康奈尔大学创意机器人实验室主任利普森（Hod Lipson）等人指出，“为何人凭直觉做出的碰撞决定就可以被接受，而汽车的碰撞处理由于提前被设置好，就成了道德问题？”他们的理由如下：1.自动驾驶汽车的“驾驶”更为理性，能够快速进行风险和利益分析，这比普通人类驾驶者的决策要好得多；2.自动驾驶拥有360度的感知器，掌握的信息也更全面。他们认为，“自动驾驶汽车将会挑战我们的价值观和可靠性，并把驾驶从凭直觉转换到单纯依靠数据和逻辑”。“旁观者悖论”成为“虚假悖论”的另一个重要理由在于，在真正“自动驾驶”的世界里，并没有“碰撞”。首先是驾驶安全性的大幅提升。其次还在于，在作为“行动者”的自动驾驶的决策系统中，与其他车辆的“碰撞”几乎是一个不可能事件，而不是旁观者们所想象的“只差一点点”，差了10厘米就碰到了。实际上，稍微深入了解一下自动驾驶的路径规划系统就会发现，那“一点点”在路径规划里是“无穷大”。对自动驾驶车辆而言，他人是不可碰的。 　　当然会有人跳出来反驳，你看现在上路的自动驾驶车辆都撞了多少回了。这确实是事实，但问题是现在上路的车辆都不是自动驾驶车辆，而是商家将 L4级别以下的辅助驾驶车辆吹嘘为“自动驾驶车辆”。真正自动驾驶车辆的碰撞必然发生在“不可控”状态，如后车高速撞击，或翻滚中，而一个不可控的车辆可能是无需负责的。对自动驾驶汽车设想中的道德问题很多时候并不是基于“驾驶过程中，计算风险和价值哪个优先”的事实，而是因为这些计算是由人工智能得出的结果。但关键的问题并非自动驾驶车辆是否“具有道德”，而是预先设置的紧急情况下风险分配的逻辑是怎样的。 技术专家与哲学家在人工智能及其应用自动驾驶上可能存在某种分裂，自动驾驶的 “旁观者悖论”可能只是一些哲学家作为“旁观者”的一种诘问与合理关切，实际上可能意义不大。 　　悖论二，自动驾驶的 “行动者悖论”：我们为了“更加安全”的理由拥抱自动驾驶，但是当前的自动驾驶中，是否机器越“辅助”，人类越危险？现实的问题在于，在走向自动驾驶的过程中，机器要不要“辅助”人类？我们是选择机器间接“辅助”还是直接“替代”人类驾驶？ 　　这一悖论的背景知识在于，机器越 “辅助”人类驾驶，人类越不安全，该事实与大多数人的直觉相反。这也表明，自动驾驶的发展从L1到L2、L3、L4级的“顺序模式”其实是一种“困难模式”，自动驾驶对人类驾驶的替代很难是一种渐进式、逐步替代的“渐变”，但这种模式为很多人特别是“中层和底层控制”经验更为丰厚的传统汽车厂商所青睐。“渐进式演变策略的核心假设在于，当有突发情况出现时，应该有警示或震动提醒驾驶员需立即回驾驶位以处理情况。”然而，辅助的自动化会诱使驾驶员注意力从道路上引开，并损害驾驶员对紧急情境中的关键因素进行迅速识别和适当处理的能力。如美国弗吉尼亚理工大学的一项研究表明，“大多数驾驶员在有技术辅助他们驾驶的时候，都不自觉地犯了三种以上常见的危险驾驶问题：到后座拿东西，打电话，以及收发邮件……同时，驾驶员的视觉注意力也会下降。当车道保持系统接手方向盘时，驾驶员的注意力就会完全游离。”利普森指出，“人类和机器人不应轮流掌握方向盘”。突发事件发生时，车辆的驾驶权正好“交还”给“完全心不在焉或处于沉睡中的驾驶员”，这可能引发灾难性的后果。因此，将“驾驶车辆”的责任同时分散给人类和机器驾驶员是一件非常危险的行为。 　　自动驾驶应一开始就是一种机器 “完全替代”的驾驶，换言之，应直接开发L4及以上级别的自动驾驶车辆。自动驾驶汽车的发展没有所谓的中间地带，人和机器不应该共同掌握方向盘。直接发展L4及以上级别的驾驶，既能够完全解放人类双手双脚，又能大大提高驾驶的安全性、缩短无聊的驾驶时间、节省空间以及提供便利性，这将成为未来自动驾驶的发展趋向。但是，不排除人类社会的认知惯性大于自动驾驶发展的内在逻辑，社会或许会选择一种从L1到L5级别的“渐进式发展”，这样的话，我们可能将付出更多的安全代价，但这种最危险的“渐进式”或许是人类走向自动驾驶最有可能的技术路线图。不过，随着自动驾驶技术难题的化解和悖论的破解，我们终将迎来自动驾驶时代。
个人分类: 自动驾驶|3401 次阅读|0 个评论
“无人驾驶”的技术路线
QSThinkTank 2019-7-25 16:41
《中国社会科学报》 ： “无人驾驶”的技术路线 郭喨 唐兴华 来源：《中国社会科学报》 2018年9月4日第1529期 　　无人驾驶车辆真要跑起来，需要解决感知、决策和执行等层面的技术问题。感知系统也称为 “中层控制系统”，负责感知周围的环境，并进行识别和分析；决策系统也称为“上层控制系统”，负责路径规划和导航；执行系统又称为“底层控制系统”，负责汽车的加速、刹车和转向。本文以“感知—决策—执行”的顺序呈现，是因为这样更加符合人类的驾驶模式。如，先看看前面——绿灯、周围无行人——收集信息；然后做出决策——可以通行；最后执行决策——开过十字路口。 　 　自动驾驶的感知系统 　　感知系统的输入设备具体包括光学摄像头、光学雷达（ LiDAR）、微波雷达、导航系统等。这些传感器收集周围的信息，为感知系统提供全面的环境数据。 　　光学摄像头是目前最便宜也是最常用的车载传感器，它的一大优点就是可以分辨颜色，因此也成为场景解读的绝佳工具。但其缺点也很明显： 1.缺乏“深度”这一维度，没有立体视觉就无法判断物体和相机（可以换算为车辆）间的距离；2.对光线过于敏感，过暗或过强的光线以及二者之间的快速切变，比如驶入和驶出隧道都足以影响它的成像。 　　激光雷达，即利用激光来进行探测和测量。其原理是向周围发射脉冲激光，遇到物体后反射回来，通过来回的时间差，计算出距离，从而对周围环境建立起三维模型。激光雷达探测精度高、距离长；由于激光的波长短，所以可以探测到非常微小的目标，并且探测距离很长。微波雷达的原理和激光雷达类似，不过它发射的是无线电波而不是激光。微波雷达精度不及激光雷达，但胜在价格低、体积小，在某些车辆行驶辅助系统中已经得到了广泛应用。同时，精度低反过来又成了微波雷达的优点，因为它较大的波长可以穿透雾、烟、灰尘等激光雷达难以穿透的障碍，较好免疫恶劣天气。 　　光学摄像头和雷达测量在感知环境中相辅相成，共同为无人驾驶车辆提供完整、准确的外部信息。有了 “眼睛”接收信息，接下来就是利用深度学习等手段对信息进行识别。将多种传感器的信息相互融合并不是一件容易的事情，可以利用韦伯斯的误差反向传播算法和先进的数字摄像技术对外界事物进行准确识别。 　　自动驾驶的感知系统不仅包括它的 “眼睛”，还包括它的“大脑”——高精度地图。人类驾驶者会调用记忆中熟悉的道路场景来辅助驾驶，自动驾驶也会通过高精度地图获取必要的环境信息特别是相对固定、更新周期较长的信息，如交通信号灯（请注意，这里是指物理的“灯”本身而非“灯的信号”即红、黄、绿）、车道标记、路缘等。这些信息还可以与传感器所获得的“即时信息”相印证，从而实现“多传感器融合”的效果，就像我们走路，不仅会用眼睛看前面的路，还会用耳朵听身后的车，甚至会用鼻子闻路边食品店里的香气一样。因此，自动驾驶去“感知”的不仅仅是“眼睛”，也是“大脑”。 　　 自动驾驶的决策系统 　　自动驾驶决策系统负责路线规划和实时导航，这里主要涉及高精度地图，又称 “高清数字地图”。无人驾驶汽车用的并不是普通的导航地图，它在精确度和信息量上与普通地图差别很大，因而被称为“高精度地图”。普通地图比较粗糙——因为我们人类的认知能力足以“脑补”，通过简单的二维线条的表示就知道了道路的走向，线条的交叉点表示十字路口——这让目前的机器来“脑补”就太难了。高清数字地图的精度一般在厘米级，而且是立体三维的，包含车道线、周围设施的坐标位置等行车辅助信息。与人类当前使用的电子地图相比，自动驾驶的高精度地图还有一个重要差异在于，高精度地图会收集道路激光雷达的反射强度——这是一个对人类驾驶者几无价值而对“人工智能驾驶员”意义重大的道路特征，它变化很慢而且小，是帮助自动驾驶车辆光学雷达定位的一个理想特征值。通过光学雷达扫描获取的信息跟已知的高精度地图信息对比，就可以确定当前车辆的位置。 　　自动驾驶的决策系统不仅需要独立的 “智能车辆”，也需要“智能交通系统”的支持，如V2V等。在高精度地图之外，另一个支持路径规划的技术是V2X，一般认为它是在V2I的基础上发展起来的。V2X意指将车辆和环境形成一个“物联网”，包括车对车、车对基础设施，以及车对行人等一系列通信系统。如果车辆能够直接“得到”，而不仅仅是“看到”信号灯的信息，就能保证绝对不闯红灯。这里“得到”的意思是，比如在离交通灯还有100米、传感器还“看不到”的时候，信号灯就主动“告诉”车辆自己的信号状态及变化时长，自动驾驶车辆无需直接“看清”信号灯的内容（“看清”有时是很不容易的事情，大雨、暴雪天气，狂风刮起的塑料袋，以及大货车的遮挡，都足以让车辆的摄像头“看不见”交通信号灯）。此外，如果能够提前得知周围车辆的行车意图，就能够很大程度上避免事故的发生。 　　有了高精度数字地图和 V2X通信网络，系统就可以应用搜索算法评估各种驾驶行为所花费的成本，包括信号灯等待时间、道路拥堵情况、路面维修情况等，以此获得最佳行驶路径。 　　 自动驾驶的执行系统 　　执行系统也是底层控制系统，负责执行汽车的刹车、加速、转向的具体操作。工程师们通过特制的 “线控装置”控制方向盘和油门，取代人类司机的手和脚，并配置多个处理器组成的子系统，以此来稳定、准确地控制汽车的机械系统。这些子系统，包括引擎控制单元（ECU）、制动防抱死系统（ABS）、自动变速箱控制系统（TCU）等，它们通过一个“总线”来进行内部通信，在汽车中称作CAN总线协议。 　　CAN总线最关键的地方在于带宽（bandwidth）和网络稳定性。带宽是指数据在网络中传输的最大速率，通常以每秒多少bits为单位来计算。对于无人驾驶汽车来说，精准的控制和快速响应至关重要，这意味着要提高总线带宽的传输速度，对需要处理庞大数据的无人驾驶系统而言存在较高挑战。同时处理各个传感器传递过来的数据流时，带宽有时会面临挑战，系统速度会大为下降。对整个反应执行过程而言，CAN总线的响应时间变得很慢，这在实际驾驶中是不能接受的。其次，控制的平滑性也影响乘客体验。此外，作为一个网络，数据传输的安全性也不容忽视，如果黑客成功攻击了CAN总线，就能对汽车进行控制。因此，提高底层网络系统的防御能力和网络容错性非常重要。 　　通过以上感知、决策与执行三个系统分工合作，责任明确地控制汽车的运行，就可以使无人驾驶汽车具备理论上 “行驶”的条件。但正如《无人驾驶》一书作者胡迪·利普森和梅尔巴·库曼所指出的，“虽然这种技术几近准备就绪，但是这一独特技术所依存的社会环境可能还未准备妥当”。比如，相关立法较为滞后。然而，由于效率和安全方面的优势，我们有理由相信：无人驾驶的时代终将到来。 　　（ 作者单位：浙江大学科技与法律研究中心、浙江大学光华法学院；中国人民大学哲学院）
个人分类: 自动驾驶|1888 次阅读|0 个评论
[转载]别了司机！刚刚，深圳打响第一枪！
lyxiang 2017-12-4 10:45
文章转自：http://www.sohu.com/a/208226801_570252 所有人都知道，这一天会来！ 但谁也没想到，来得这么快！ 一 出发！ 2017 年12月2日，一声令下，深圳的无人驾驶公交车正式上路了！ 一辆辆不需要驾驶员的公交车，从深圳福田穿梭驶出。公交车自动提醒：已进入自动驾驶模式，请乘客坐好扶稳。 路上的行人都看呆了，这是中国首次，全球首例在开放的道路上进行无人驾驶。 今天开始，当你在深圳搭乘公交时，看到驾驶位是空的，方向盘还会自己动，千万不要再惊讶！ 深圳无人驾驶公交站点 深圳决定，先用2辆车在一条驾驶路线推出，并设置三个公交站点。试行期间，乘客免费！ 这2辆车出去了，接下来就是10辆、20辆、200辆，最后深圳全市公交车全部更换为无人驾驶。 这1条线路完成了，接下来就是第二条、第十条，最后深圳全市公交线路开上无人驾驶公交车。 你此刻的心情，无论是惊喜，还是担忧，甚至惶恐，都不重要了，因为你不得不接受！ 公交司机们，是时候找个安静的地方，思考一下人生了，现在已有公交车不要你们再握方向盘！ 二 支撑这次无人驾驶的， 叫“阿尔法巴-智能驾驶公交系统”，是由中国企业自主研发的无人驾驶系统！ 它通过工控机、整车控制器、CAN网络分析路况环境，能够实时对其他道路使用者和突发状况做出准确的反应。 目前，已实现自动驾驶下的行人、车辆检测、减速避让、紧急停车、障碍物绕行、变道、自动按站停靠等功能。 担心安全？这辆车配备16个激光头同时发射激光束，对外界持续扫描，测距可达到100米， 精度达到50px ！ 在行驶过程中，车辆会根据道路状况做出相应的反应调整。当车辆行驶到拐弯处时，方向盘会自动转动调整方向，在即将进站停靠也会提前开启转向灯进行变道。 在行驶过程中，车辆会因感应到周边障碍物自动点刹、急刹。当车辆前方有行人通过时，针对这一突发状况，车辆进行急刹减速避让。 为什么取名“阿尔法巴”？这是对美国科技挑衅的回应。你用“阿尔法狗”来和人类下棋，我们就用“阿尔法巴”为人类服务。 这一刻，美国应该沉默了，它万万没想到，世界上第一个把无人驾驶汽车送到开放道路的，是我们中国。 我们不仅把“阿尔法巴”印到大巴身上，还印上了这几个大字：“中国未来新能源与智能公交系统示范项目”。 这就是最狠的“报复”，你们有打败世界围棋冠军的“阿尔法狗”，我们有让世界惊叹的无人驾驶“阿尔法巴”！ 三 朋友们，再也不要觉得无人驾驶还很遥远！ 深圳这套系统，一旦万无一失，它就会疯狂地向所有人开放。而现在，几乎中国所有的科技企业，都在推动。 你看百度： 李彦宏坐着无人驾驶汽车，从北京五环下来之后。就宣布向一汽、东风、奇瑞、长安、长城等开放无人驾驶技术。 百度说，只要三天，他就可以改造一辆自动驾驶汽车。未来，中国可能出现一大波无人驾驶汽车改装公司。 它们专门为汽车装上眼睛，让汽车知道哪里是人、哪里是车、哪里该避让、哪里该停靠！ 你看华为： 没有快速的网络、没有畅通的连接，无人驾驶就等于扯淡。华为知道，在万物互联的未来，他需要承担的责任！ 现在华为已火力全开，向5G迈出。就在昨天，华为自信地向全世界宣布：5G商用进入倒计时。 如此之下，你应该提前看到，未来无法联网的汽车，就像今天无法上网的板砖手机，无人再问津！ 你看马云： 他深知，没有一座智慧的城市，没有一个智慧的交通，无人驾驶就像腿受了伤的刘翔！ 所以，马云也拼了，带着阿里云开始为全国各大城市装上智慧大脑，让人工智能去控制交通。 同时，他还改造城市的所有停车位，不用停下来、不用等收费、甚至不用掏出手机，就能走。 没错，你现在看到的新能源绿牌、全自动停车位、全自动红绿灯......，这些都是无人驾驶的前兆！ 四 从今天开始，就让我们一起来验证这个时间表： 2018 年，深圳市区所有主要线路，全面实现公交无人驾驶化； 2019 年，北上广深杭等一流城市，全面实现公交无人驾驶化； 2020 年，一线城市，新能源绿牌数量正式超过传统燃油蓝牌； 2021 年，主流城市的网约车、出租车，也逐步实现无人驾驶； 2022 年，交警开始大幅减少，一二线城市交通全面交由人工智能； 2023 年，长安、比亚迪、奔驰宝马全面停售燃油车，只卖新能源； 2024 年，交通有序、绿牌遍地、雾霾消散、绿树成荫、蓝天重返； 2025 年，私人司机们逐渐下岗，无人驾驶汽车开始走进千家万户； ...... 2030 年，特定城市、特定片区，开始试点实行“禁止人类开车上路”； 2035 年，测速取消、拍照取消、违章取证逐步撤销，再无扣分罚款； 2040 年，全面无人驾驶，告别交警、驾校关门，从此再无交通事故！ 朋友们，时代的进步从来不会怜悯任何人，你现在看到的是司机，下一个看到的就是你自己。 曾经让你不要担忧的马云，刚刚也态度逆转，在世界互联网大会上说：人工智能将取代工人！ 变革自己吧，不要指望任何人，这个世界，从来就没有什么救世主。能救我们的，只有自己！
个人分类: 时政资料|1412 次阅读|1 个评论
无人驾驶、自动驾驶与驾驶辅助的区别
热度 2 zsfreefly 2017-7-10 01:30
无人驾驶 无疑 是 2017 年最吸引眼球 的 黑科技 ，无论是 互联网 公司 Google 、 百度， 还是特斯拉 、 传统的汽车厂商奔驰、沃尔沃都是扭足了劲在做这件事。 近日，李彦宏乘坐公司研发的无人驾驶汽车，前往 2017 百度 AI 开发者大会，可谓赚足了媒体的眼球，使得无人驾驶成为了茶间热议的话题。 在我们谈论无人驾驶时，经常会将 “无人驾驶”、“自动驾驶”以及“驾驶辅助”三个词混淆，认为三者之间是可替代的关系。其实不然，它们分别代表了不同级别的自动驾驶技术。美国汽车工程师协会将自动驾驶技术进行了分级（如下图），这是目前国际公认的术语界定。 L0 属于传统驾驶， L1 和 L2 属于驾驶辅助， L3-L5 属于自动驾驶， L5 的自动驾驶技术等级也称为“无人驾驶”。因此，按照自动驾驶技术等级划分，驾驶辅助 自动驾驶 无人驾驶。 驾驶辅助 驾驶辅助技术当前已经在量产车上部署，通常称为高级驾驶辅助系统（ Advanced Driver Assistant Systems ，简称 ADAS ）。 ADAS 是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。初级的 ADAS 以被动式报警为主，当车辆检测到潜在危险时， 会发出警报提醒驾车者注意异常的车辆或道路情况。对于最新的 ADAS 技术来说，主动式干预已较为普遍。 驾驶辅助技术处于自动驾驶技术等级的 L1 和 L2 ， L1 阶段车辆开始介入制动与转向其中一项控制，分担驾驶员的工作，主要有自适应巡航（ ACC ， Adaptive Cruise Control ）、车道保持功能（ LKA ， Lane Keep Assist ）紧急制动刹车（ AEB ， Automatic Emergency Braking ）等功能。 L2 阶段车辆开始接管纵向与横向的多个控制，驾驶操作由系统完成，但司机注意力仍然要保持驾车状态，以便随时接管车辆。与 L1 的不同在于，横向和纵向系统需要进行融合。 尽管 L2 与 L1 相比，驾驶操作的主体由人变成了系统，但负责周边监控的主体都是人。然而，恰恰负责周边监控的主体是人还是无人驾驶系统，是高级驾驶辅助系统（ ADAS ）向自动驾驶过渡的核心标志。 自动驾驶 自动驾驶相比于驾驶辅助，对技术和车辆性能要求更严格，主要体现在以下 3 个方面。 首先，需要更好的目标识别算法 刚才我们介绍到， ADAS 主要作用在于被动式报警，它有一个很重要的衡量指标，那就是“误报率”，“误报率”如果高，大家就把这么一套系统关掉了。 “误报率”这一指标，也是衡量自动驾驶技术的重要考量，要不然会很麻烦，也不安全，比如自动驾驶里面有一个 AEB （自主紧急制动），如果老是误刹，会对车辆的安全造成威胁。另外，相对于误报率，漏报率可能并不是驾驶辅助（ ADAS ）中最重要的一个指标，但当系统从“驾驶辅助”变成“自动驾驶”之后，漏报率必须要降低为零。因为出现一起漏报，可能就会车毁人亡。所以这些都需要有更好的目标识别算法和多传感器的融合。 其次，规划和控制 在自动驾驶中，系统不能仅仅是警告，还需要加入规划和控制。这个是从驾驶辅助到自动驾驶需要做的。 再次，视觉和雷达的融合要进一步提升 不就前，特斯拉的辅助驾驶发生了一起车祸 ——撞上了一辆横着的拖车。出现这种情况，就说明了视觉和雷达的重要性。首先特斯拉 Autopilot 用的车辆识别技术还比较原始。它基本上看本车道或者是相邻车道的车屁股。车屁股有非常明显的特征，车屁股下有阴影，有车灯，车是一个对称的几何体。这些特征使得它在夜晚也能比较清晰的识别出来。但是在这次事故中，特斯拉撞上了一辆横着的车。这个车的色彩很难跟背景区分开来。所以视觉这一块实际上是需要进一步提升的。 在这起车祸中，为什么雷达没有探测到那辆拖车呢？特斯拉方面的回应是，雷达确实探测到了这辆车，但是把它归类成为了横跨马路的道路标志。从普通的雷达算法的角度上说，它是希望在靠近的时候能够做出更准确的判断。但是很可惜，这个拖车的底盘非常高，而雷达安装的位置比较低，所以靠近的时候并没有被发现。实际上更早的时候也出现过特斯拉的雷达没有判断出前面较高底盘的车的情况。所以，雷达和视觉方面也需要提升才能更好的去做自动驾驶。 可喜的是，随着硬件和算法的发展，上述问题正在逐一得到改善。基于深度学习的目标识别算法能够大大提升目标识别的精确度，但是深度学习还不够，因为在目前基于深度学习的识别中，前车需要露出 1/3 才能够识别出来。既然深度学习不够用，硬件能否弥补呢？恰好，视觉雷达就能够填补它的缺点。相信深度学习和视觉雷达相结合，能够发挥更好的效果。 无人驾驶 无人驾驶技术等级处于最高级，无人驾驶 = 完全的自动驾驶，也就是说在无人驾驶的技术等级下，开车这活完全交给了无人驾驶系统。无人驾驶车辆中或许只有 1 个启动 / 关闭按钮，当我们每天上车，点击“启动”按钮，将目的地告诉系统，那么车子就会载着你到达你想要的目的地。至于中间行驶过程，怎么走，开多快，都是车说了算。你只需要安心在车内睡觉或者思考问题。这听起来是不是特别酷？ 当前谷歌的无人驾驶车没有方向盘，也没有油门，就一个启动和关闭按钮，是真正意义上的无人驾驶车，虽然功能方面还有很长的路要走；百度的无人驾驶车，严格意义上来说是一辆具备高级自动驾驶功能的汽车。 在目前技术水平下，实现无人驾驶技术，还有许多工作要做，主要包括：高精度的地图定位、强大的认知算法以及软件架构的安全性保障，其中任意一个问题都是相当棘手的。按照目前的技术发展， 2020 年后，限定场景的无人驾驶汽车会量产，但要实现全天候全区域的无人驾驶，起码十五年以后。 以人为本的人机协同共驾 无人驾驶还不是最高级别的，最高级别叫 “以人为本的人机协同共驾”，就好比骑士和马的关系，后边有人偷袭，马先觉得不对劲，一抬后踢倒对方。以后最高级别的驾驶也是如此机智，你的车就是一个人工智能机器人。打个比方，早上一出门奔你那车，快到跟前了车门自己就开了，车还能语音打招呼：主人，今儿早啊，快上来吧。你一上车，坐好了，车就开了拉你奔单位，车还得问你：您吃早点了么？要不要路上找个地方喝碗豆腐脑，你说，行啊！找一个好评比较多的。那车就帮你搜索，搜出一个五星好评的早点摊儿，就直接奔那儿了。希望我们暮年时，能够想享受到无人驾驶带来的豪华体验。 从驾驶辅助到自动驾驶，面临第一次跃迁；从自动驾驶到无人驾驶，是第二次跃迁。自动驾驶不仅仅是算法，它是一套超级复杂的系统工程，要考虑可靠性、安全性。不过，自动驾驶在相当长的一段时间里面，还是统计上比较可靠，还可能会犯低级错误的技术，需要业界和学术界的合作，政府和媒体的支持和宽容，使得它的技术在未来 3-5 年真正能实用。
9951 次阅读|2 个评论
无人驾驶汽车究竟何时到来？新兴公司与传统厂商路线之争
ailiyakong 2017-1-23 09:36
全文共 1169 字，阅读约需要 5 分钟。 无人驾驶汽车是 一个集定位导航、环境感知、信息融合、规划决策、控制技术、人机交互等技术于一体的综合系统。 具体的技术细节见下图，本文不再做深入探讨。 在无人驾驶汽车领域，有两派在角斗力量。一派属于   激进派，主要是来自新兴的科技公司，包括乐视汽车、特斯拉、蔚来汽车、谷歌无人车、百度无人车等等   ；另一派属于   保守派，主要是传统的汽车厂商，包括沃尔沃、丰田、宝马、奔驰、大众、福特等等。   这两派都认为未来的汽车将是无人驾驶，但是，对于无人驾驶什么时候到来存在分歧。 激进派认为无人驾驶汽车，三年内将到来，最迟不会超过五年；保守派认为无人驾驶汽车，至少十年才会到来。 因此，新兴的科技公司研发的无人汽车，技术比较超前，一步进入高度无人自驾；传统汽车厂商的路数是先从智能辅助驾驶（ ADAS ）开始，不急慢慢来。 激进派当然要技术激进，通过无人驾驶这个新技术，恨不得明天就把这些保守派的市场都抢到手。但是， 激进派忽视了一个客观规律，从实验室技术到成熟技术，再到成熟产品，再到商业成熟，最后到社会普遍接受，都要有一个长期过程。 2016 年 5 月，特斯拉 Model S 轿车在自动驾驶模式情况下追尾前方大货车，导致驾驶人死亡。这一事故，让激进派冷静了许多。 传统的汽车厂商，那也不是好惹的，不会坐以待毙。刚开始，他们是懒得搭理这群来自互联网世界的颠覆者，估计也是心里默念 “ 一群小屁孩，懂什么啊？还想跟我斗，造汽车能像你们写个软件，调调 BUG ，迭代一下，这么简单！ ” 但是，越到后来，越发现形势不对，这群汽车界的老大们，也开始谦虚的坐在台下听贾跃亭们讲互联网汽车了。回厂后，这些汽车老大哥。尽管不说话，不宣传，可是已经卯足劲开始干了。 颠覆者小弟们，吹得响，干得有点慢；汽车老大哥们，不说话，实干。 CES 2017 上看各个汽车厂商发布的新产品看，各个传统汽车厂商的迅速跟进，无人驾驶汽车技术进展迅猛。估计没多久，无人驾驶时代真的要来临了。万亿级的汽车产业升级，究竟鹿死谁手，让我们拭目以待。 一句话总结： 新兴科技公司和传统汽车厂商借助各自的优势，在角逐汽车未来，同时，也加速无人驾驶汽车时代的到来。 文中图片引自北京理工大学机车学院 徐彬 老师的论文《窥视无人车辆技术发展》，特此感谢。本文所有权归孔博士所有，若转载请联系作者。 孔博论智能，包你能看懂
1618 次阅读|0 个评论
愿无人驾驶事业快速健康发展
rthwl 2016-12-24 15:21
梳理了一下参与撰写的文稿，发现时间已过好久。 回顾这几年的工作，颇多感慨。 在圣诞平安夜到来之际， 祝愿无人驾驶事业快速健康发展。。。 发在这留念 Mark.
1445 次阅读|0 个评论
[转载]无人驾驶汽车上路？道阻且长 行则将至
rthwl 2016-12-24 15:08
原文发表在2016-05-23 科普中国 链接： http://news.xinhuanet.com/science/2016-05/23/c_135381146.htm?fjc7l 无人驾驶汽车上路？道阻且长 行则将至 　2016年5月23-25日， 2016中国国际智能交通展览会在北京举办。说到智能交通，大家关注的焦点之一就是“无人驾驶”，尤其是近两年，不断听到无人驾驶汽车路测的消息，也不断有朋友问我，路上是不是很快要出现无人驾驶汽车的身影了？ 今天我们就一起聊聊这个问题。 1、无人驾驶汽车上路?有希望,也有困难 　　无人驾驶汽车以前只出现在007等科幻电影中，但现在,它已经不只存在于幻想。未来的几年内，你可能就会买得起一辆能载着你自动穿梭在城市道路上的智能汽车。但是，要想让一辆无人驾驶汽车能够安全、舒适、高效、智能地混入到现有交通中跑起来，这中间还有一段艰难的道路要走。 2、无人驾驶汽车技术现状 图1. 典型无人驾驶汽车的结构图 　　典型无人驾驶汽车结构如图1所示，无人驾驶汽车的“眼睛”——“即感知系统”，负责感知道路周边的环境，包括相机、微波雷达和激光雷达等传感器。 　　无人驾驶汽车的“小脑”——即导航定位系统,负责感觉车辆自身的运行姿态，包括轮速、GPS定位、惯导和指南/北等传感器。 　　无人驾驶汽车的“大脑”——即决策系统，通过复杂的计算软件，选择短距离的轨迹和长距的驾驶路线。 　　无人驾驶汽车的“四肢”——即控制系统，负责控制刹车、油门及方向等，包括相应的电机控制或汽车总线控制模块。 　　在国家基金委“视听觉信息的认知计算”重大研究计划推动下，国内多家无人车辆研究单位也与车企合作，研制了各具特色的原型车辆，在每年都参加中国智能车未来挑战赛，部分车辆如图2所示。 图2. 中国智能车未来挑战赛中的无人驾驶车辆 3、无人驾驶汽车上路的难点 (1)精确环境感知 　　无人驾驶汽车的“即感知系统”主要由相机、微波雷达和激光雷达等传感器组成。 图3. 无人驾驶汽车看到的景象 　　无人驾驶汽车的“眼睛”必须能够感知和识别行驶车道的周边的物体，如图3所示，摄像头能够看到实际场景，可以辨识车道线和交通信号，检测运动目标等；激光雷达则通过激光点云来建立周边环境的3D模型，检测出包括车辆、行人、树木、路缘等；微波雷达用于检测运动目标，感应车身周围的移动障碍物等。最后融合成一幅如图3的车辆“眼睛”看到的场景。 　　为什么说无人驾驶车辆环境感知那么难？ 　　毕竟计算机视觉还在不断发展中，要理解复杂的交通环境，存在不少挑战。例如我们人类司机开车过程中，看到前方漂浮的塑料袋就不会刹车或者躲避，而无人驾驶汽车就需要复杂的算法，才能理解和识别这个场景。 　　对于每个地方的交通基础设施，不同标志的表示形式有所差异，需要进行本土化对待，计算机视觉系统才能辨识。 　　另外就是不同天气和气候情况下，针对复杂的交通环境，克服传感器各自物理限制和车辆运动干扰，提高环境感知精确程度，也存在很大难度。 （2）精确状态感知 图4. 无人驾驶汽车运行姿态 图5. 无人驾驶汽车定位 　　无人驾驶汽车通过“小脑”知道自己的姿态和确切位置。如图4所示，车载的高精度IMU惯性单元能够知道车辆倾斜角、横摆角和滚动角，相应轴向上的角速度、加速度等，通过车身控制系统实现车辆稳定性控制，确保车辆“稳当”行驶。 　　要想实现无人驾驶，就需要通过“小脑”进行精确定位，这样才知道自己确切位置，以便执行下一步驾驶任务。在这方面, 无人驾驶汽车正面临挑战，现有的GPS捷联惯导等车载定位设备不能满足拥堵交通流中的高精度定位要求。特别是隧道和高架桥下等交通场景中，会出现接收不到GPS信号等情况，这时，无人驾驶汽车就需要通过其他途径来进行定位，例如辅以SLAM、视觉导航等技术，在复杂交通环境中增强无人驾驶车辆的定位能力。 （3）精确控制 　　人类驾驶员开车的时候，往往会基于经验操控车辆，结合实际道路情况对车辆方向、速度进行微调。由于具备了精确的感知系统，无人驾驶汽车通过“四肢”可以实现更加精确的控制。 图6. 结构化道路无人驾驶汽车换道超车典型场景 　　如图6所示典型场景中，无人驾驶汽车准备执行右侧超车时，能够精确感知前车距离、速度和加速度以及临近车道车辆运动情况，并合理控制自身速度和方向，进行换道操作。而人类驾驶员由于受限于视野等因素，在这种情况下往往容易出现事故。 　　但是，无人驾驶汽车要具备发达的“四肢”，还需要汽车厂商进一步将智能化功能与车身总线进行集成，将无人驾驶汽车的控制系统中刹车、油门及方向等控制模块通过汽车总线进行控制。 （4）智能导航与决策 　　无人驾驶汽车的“大脑”负责进行导航和决策。 　　在给定了目标任务地点之后，无人驾驶汽车要能够在路网中找到最经济、最快捷的路径，将乘客送到地点。但是在实际中，交通环境常是部分已知，可能还有障碍物临时出现/发现，必须重新规划路径。 图7. 无人驾驶汽车重新规划路线 　　如图7所示，从A点到B点最短的道路被隔断之后，无人驾驶汽车能够重新规划路径，到达目的地。 　　此外，道路拥堵情况不断在发生变化，如何正确判断道路拥堵并进行正确的通行决策，对无人驾驶汽车的“大脑”智能性提出了更高要求。 　　由于不同国情决定了交通参与者不同行为，使得无人驾驶汽车要具备学习与自适应能力，这一点最具挑战性。无人驾驶汽车发达的“大脑”，要能遵守交通规则，在复杂交通场景下实现安全的、与人类驾驶行为类似的自主驾驶，使其不会对正常交通流造成影响，同时还要保障车辆自主行驶的安全性。 　　此外，无人驾驶汽车需要推断前后左右其他车辆的意图、处理不同驾驶员的异常行为，处理不遵守交通法规的行人、自行车和电动车等突发情况。通过将机器学习的研究成果应用于自主驾驶，将使得智能车辆能够处理复杂的交通环境，并产生自适应行为。 2、无人驾驶汽车上路的对策 （1）更好的软件 　　无人驾驶汽车需要更安全的软件，车载软件要足够棒。 （2）需要更加精细的地图 　　Google无人驾驶汽车对试驾场地地图进行了强化，这样汽车就知道街道具体情况，如果碰到障碍可以轻松应对。但要轻松的应对目前城市道路情况，就需要更多的细致地图。 （3）更加廉价和性能优秀的传感器 　　需要优秀的传感器，最好能让无人驾驶汽车识别对它造成威胁的面上上的钉子和坑洞，快速判断路边行人或者汽车是否突然进入自己的车道。而且传感器价格要控制在合理的区间，为广大消费者接受。 （4）汽车之间能否进行有效沟通 　　无人驾驶汽车要做到面对各种路况都能够行驶自如，甚至能够智能规划路线，车与车之间的沟通是少不了的。这样每个汽车在开启的时候，都可以共享数据，然后再重新绘制自己的驾驶路线，避免拥堵的产生。但现在如何做到汽车之间有效沟通，技术上还有待突破。我们能够预想到的是，需要V2X无线网络、接入服务中心获得多种智能服务。 （5）基于大数据和云计算来实现智能的共享 　　数据与无人驾驶技术的高度关联性。“谷歌无人车借助于高精度导航地图开发无人驾驶软件，提高自主驾驶安全性、可靠性，已经在路上安全开展了大量无人驾驶测试。但要实现在复杂多变的交通环境下的安全驾驶，还有待机器学习等人工智能技术的进步，特别是基于大数据和云计算来实现智能的共享。” 　　（6）人工智能技术突破人工智能技术最新突破要能尽快应用到无人驾驶上面，特别是图像识别和深度学习技术取得了突破能够用在交通环境的感知。能够用人工智能来扩展驾驶智能，使得自主驾驶系统自适应调整优化，学习驾驶员行为和适应驾驶环境。 （7）需要开展自主等级和安全测评，解决自动驾驶存在的问题 　　通过分析自主驾驶功能组成与测评指标，开展功能测评；研究自主驾驶综合测评规范与体系，在复杂交通场景下开展测试；通过自主驾驶测评，分析存在的技术问题、技术可靠和成熟程度，随后有针对性得开展研究。 　　我们在驾驶汽车的时候，碰到突发情况，有时候是需要做出抉择的。在无人驾驶车辆设计中，需要无人驾驶软件衡量不同的结果并得出一个有道德抉择。这也许是无人驾驶技术上一个很重要的突破，需要制定适应无人驾驶车辆的交通法规，从法理和道德上加以约束。 3、无人驾驶汽车美好的前景 　　无人驾驶汽车通过提供智能仓储和物流运输，将提高运输效率；通过智能的士服务，将减少路网中的车辆，减少对停车场的需求。例如最近ITF（国际交通论坛）基于严谨的数学建模和实践，报告探讨了两种自动驾驶共享车服务模式，最关键是定量预测了车队规模，用以满足目标城市所有人的出行需求。其研究得出的理想化结果表明：辅以大容量公共交通（地铁、快轨等）的情况下，路面上只需要现有数量10%的轿车就能满足一个中型欧洲城市的出行需求。 　　此外，兰德公司也对无人驾驶车辆的应用对现有交通系统的影响进行了评估，认为将会产生以下潜在影响： 　　（1）无人车辆可以充分调度，极大减少对停车场地的需求。 　　（2）自动驾驶汽车由于轻量级设计，智能和节能地操控汽车，从而节省燃料。此外，采用新能源汽车可以减少排放。 　　（3）由于无人驾驶车辆可以通过合理调度共享出行，减少了车辆数目；安全操控减少了交通事故；列队出行，加快行驶速度等，从而可以缓解交通拥堵。 　　（4）由于机器不会分心很少犯错误，从而减少了人为因素引起的交通事故，从而提高了交通安全。 图8. Google的无人驾驶汽车 　　如图8，Google的无人驾驶汽车已经在道路上测试了240多万公里。此外，还有许多汽车产商和IT公司加入无人驾驶汽车研发队伍，并且正在取得日新月异的进展。 　　在可以预见的几年之内，将会有成熟的无人驾驶汽车产品入市。期待无人驾驶汽车在未来改善我们拥堵的交通，给我们交通出行带来安全与便利。 “科普中国”是中国科协携同社会各方利用信息化手段开展科学传播的科学权威品牌。 本文由科普中国融合创作出品，转载请注明出处。 作者： 中国科学院自动化研究所 黄武陵
1486 次阅读|0 个评论
[转载]无人车跨过“三道门槛”或要10年
rthwl 2016-12-24 15:04
原文发表在2016-03-22 中国科学报 链接： http://tech.gmw.cn/2016-03/22/content_19391852.htm 无人驾驶汽车跨过“三道门槛”或要10年 智能驾驶最终能够大行其道需要四个方面的努力：产业界做到低成本高可靠；法律法规规定能够上路测试；政府出台相应的测试和性能标准，只要企业测试通过，政府就可以背书；要得到保险业的支持，车厂无法承担多起由无人驾驶引起的交通事故索赔，必须建立新的车险模式。 　　一个月前，谷歌的无人驾驶汽车撞到了一辆公共汽车，引来人们对智能汽车安全性的质疑。而让人感叹的是，谷歌刚刚获得了自动驾驶校车检测技术方面的专利。 　　其实这并不矛盾，谷歌最早为自动驾驶汽车申请车辆检测专利开始于2014年3月13日，专利审批需要时间。 　　那么，在专利审批下来前，该无人车上是否应用了这一检测技术？如果有应用，为何还会发生事故？驭势科技CEO吴甘沙告诉《中国科学报》记者：“一个人有个奇思妙想就去申请专利，期待也许在未来的某个场景能够使用，并不代表它当时已经研发，所以撞车的这辆无人车很可能没有应用这项技术。” 　　无论如何，人们依然为无人车的安全问题捏了一把汗。 　　 谁更安全 　　据谷歌报告称，14个月中，谷歌共有49辆无人驾驶汽车在加州道路上进行测试，在累计完成42.4万英里的行驶里程的同时，发生了341次事故。在这些事故中，无人驾驶汽车有时主动将控制权交给了司机，有时是司机介入修正。 　　然而，在很多报道中，研究无人驾驶的专家又会告诉大众，无人驾驶其实比人工驾驶更安全。 　　这不禁让人产生疑问，关于安全，为何有许多看似矛盾的焦点。 　　中科院自动化所副研究员黄武陵向《中国科学报》记者指出，无人驾驶技术是多学科融合，许多技术还在进一步发展和测试中，如更高精度和准度的环境感知技术、更智能的规划与决策等。只能通过建立更多模型，通过实际道路测试和仿真测试相结合，覆盖更多交通场景，才能给出无人驾驶安全等级的评估。 　　但是，在当前的技术条件下，特别是受不同类型车载传感器的工作范围限制，还无法保证在复杂多变的交通环境和气候环境中检测出所有的车辆、行人、道路上的移动或静止的障碍物。特别是许多突发交通场景下，无人车怎样进行智能决策处理更需要进行评测。这两点对谷歌无人车而言，也是当前没有完全跨越的障碍。 　　“现在无人车在驾驶技术的某些方面已经赶上人类，但是还不够‘智能’，还在不断地测试和完善之中。”黄武陵评价道。 　　正是因为还不够智能，所以谷歌无人车在测试过程中遇到了实际交通问题。不过，“无人驾驶其实比人工驾驶更安全”却在一些条件下也有道理。 　　人类驾驶汽车靠视觉、听觉等来感知环境，而无人车依靠不同的传感器来感知环境、判断如何驾驶。常用的传感器包括车载雷达、激光测距仪、视频摄像头、激光雷达、毫米波雷达和卫星定位系统、微型传感器，高精度GPS等，把这些传感器装在车身的不同部位，无人车就可根据集成所获得的各种信息，对周围环境进行高精度建模和分析。 　　无人车的驾驶决策系统根据感知系统获得的驾驶态势，结合交通规则和人类驾驶员的驾驶经验，辅以已知的地图模型和各种路障、行人、自行车等的模型数据，无人车会利用电脑资料库把获得的实际数据和模型数据相比较，作出跟随、超车、避让、并道、转弯、停止等各种驾驶决策。 　　“虽然无人车的感知能力还有一定局限性，但在大多数情况下已能满足自动驾驶的要求。特别是无人车不会分心、不会疲劳、不会违反交通规则，更不会斗气开车、危险驾驶。人在无法感知的情况下，无人车却可以感知，从这个角度看，无人车比人工驾驶更安全是对的。”中科院合肥研究院应用所智能车辆技术学术带头人梁华为对《中国科学报》记者说。 　　在采访中，多位专家提到，无人车的另一个优点是，虽然无人车所运用的机器学习存在“没学过就不知道”的缺点，且在行驶过程中的各类交互比人工驾驶中人与人的交互仍有差异，但多辆无人车经过实际测试的经验累积可通过云端分享，这比一个人终其一生开车获得的经验仍要多得多。 　　 缺失的法规 　　另一个矛盾在于，无人车要变得更聪明和安全，需要经过大量测试，尤其是实际道路测试。但是，梁华为指出，目前无人车的实际上路测试依然处于法律边缘地带。 　　美国印第安纳大学、普渡大学、印第安纳波利斯联合分校车辆主动安全研究所副教授李灵犀向《中国科学报》记者表示，目前最需要立法规范的有两点：第一，要意识到无人车技术的重要性，加大对无人车发展的鼓励和扶持，建立相关的研发基地和平台，在一些特殊的城市或者地区进行试点，允许无人车上路。第二，要解决无人车上路产生的事故责任性问题。如果发生交通事故，需要依据相关的法律来判断是谁的责任。 　　记者了解到，美国目前有包括加州、内华达州、密歇根州等在内的八个州和地区允许无人车在公共道路上行驶，但每个州的相关法律都不相同。 　　李灵犀认为，初期可以借鉴的相关法规有三条：无人车生产厂商以及第三方的无人车测试机构都需要对车辆进行安全认证；无人车里要有一个备用司机对车况进行监控，以便在紧急情况下接管驾驶；无人车生产厂商要定期对车辆的安全性进行评估，并汇报所有与无人车相关的事故状况。 　　“在法律的框架下测试，会有很多保障措施，比如，测试车有隔离和缓冲车辆，要有驾驶员，有自动驾驶和人工驾驶的切换机制。”梁华为指出。 　　美国国家公路交通安全管理局称，按照现有规章制定的要求，在没有方向盘、没有油门的汽车中某些安全设备不能马上被移除，比如，由脚踏开关控制的刹车系统。 　　而经过大量实际道路测试后的谷歌无人车显然对这一点不再感到满足，现在谷歌设计的无人驾驶测试汽车已没有方向盘和刹车踏板。谷歌高官已经开始游说美国政府，欲为无人驾驶汽车上路扫清法律障碍。 　　 产业的方向 　　无人车现阶段不仅面临技术和法规的掣肘，成本居高不下也是问题，在2012年，谷歌的无人车单车成本已达到15万美元。 　　使用高精度的车载设备，并辅以复杂技术，可提高无人车的可靠性和安全性，但是制造成本会显著增加。反之，如果使用普通设备和简单技术，无人车的制造成本会明显下降，但是可靠性和安全性也会随之降低。 　　如何在可靠性和成本之间取得平衡？李灵犀认为，这是未来实现真正无人驾驶最重要的研究方向之一。 　　“在面向终端消费者时，谷歌目前的价格显然太高。如果选择运营出租车服务的路线，在美国可以进行，因为美国司机人力成本很高，成本在几年后可以收回，但是中国人力成本低，这个模式当前在中国就行不通了。”吴甘沙说。 　　吴甘沙提出，智能驾驶最终能够大行其道需要四个方面的努力：产业界做到低成本高可靠；法律法规规定能够上路测试；政府出台相应的测试和性能标准，只要企业测试通过，政府就可以背书（这并不代表无人车不会出问题，出了问题后依然要召回、赔偿等）；要得到保险业的支持，车厂无法承担多起由无人驾驶引起的交通事故索赔，必须建立新的车险模式。 　　吴甘沙强调，全天候、全区域无人驾驶车的出现乐观估计需要10年，之前会有很多变种出现。 比如，在限定区域、私有园区或专用道路上，行驶路线相对固定，行驶速度保持在中低速，在做环境增强的基础上，无人驾驶很快就能实现，包括物流、农业和工程机械、园区通勤车、公园的旅游观光车、快速公交等。另一方面，乘用车、货车等要求全区域、全天候驾驶，半自动或者高度自动的辅助驾驶会是一种主流形态，增强驾驶员的安全和舒适性。 　　“这个目标在3~5年内可以做到，这些技术可以减少交通事故，但无法彻底解决社会出行问题，不可能使堵车大量减少。”吴甘沙说。 　　因此，他提出一个愿景，希望10年后无人车的成本、技术都成熟时，“无人车”打的成本比买车低，这样私家车大量减少，彻底解决拥堵问题。 　　“到时用无人车打车，份子钱没了，能源、车辆成本更低，几乎没有人力成本，行车更规范，无人车成为除了家和办公室之外的第三空间，出行者可以享受便利、舒适的服务。”吴甘沙描述未来的监图说。（记者 李勤）
1230 次阅读|0 个评论
[转载]无人车踟蹰不前为哪般
rthwl 2016-12-24 14:53
原文发表在2015年06月16日中国科学报 链接： http://news.163.com/15/0616/10/AS7MH14H00014AED.html 无人车踟蹰不前为哪般 继3月百度CEO李彦宏透露百度将于2015年内推出无人驾驶汽车后，日前，百度高级副总裁、技术战略委员会主席王劲又将这一时间点提前到今年下半年。 一时间，百度要领先谷歌这员无人驾驶“老将”的呼声不绝于耳。但是，百度马上就被合作伙伴宝马“啪啪打脸”了。 6月12日，据财经网站Market Watch消息，宝马发言人表示，将与百度在今年年底前在中国对一款无人驾驶汽车进行测试。这意味着，百度在开发无人驾驶汽车方面的进展不会如王劲声称的那样快。 12日，《中国科学报》记者试图联系百度公关部求证此事时，几次均在向总机客服表明采访意图后转接遭遇“忙音”。 虽然百度将首推无人驾驶汽车尚令人存疑，但无人驾驶汽车的竞争硝烟早已四起。 大数据是制胜法宝 目前通用汽车、大众、奥迪、宝马、沃尔沃等厂商都在测试各自的无人驾驶汽车，而在日前举行的国际消费类电子产品展览会(CES)亚洲消费电子展上，奥迪、奔驰就发布了它们的自动驾驶概念车，大众也顺势推出了搭载手势控制技术的Golf R Touch车，驾驶者通过简单人机交互就能进行直观的控制。 2014年，百度和宝马针对中国区域内无人车研发展开合作。公开消息显示，百度将为合作的无人驾驶汽车提供大数据、地图、人工智能和百度大脑等技术。 关于大数据，不得不提及的是，谷歌早前因拒绝与汽车制造商分享地图数据，使得无人驾驶汽车的研究无法完成某些技术的突破而受到指责。 有观点指出，大数据或成为无人驾驶汽车竞争的关键利器之一。 亚信数据战略发展部总经理张勇在接受《中国科学报》记者采访时指出，大数据与无人驾驶密切相关的有三点：无人车必须依赖准、快、全的数据，面对的数据量极其庞大，必须有强大的数据收集、整合和处理能力；必须建立高效数据处理模型和算法；机器本身的可操控设计要能保证车内与车外人员的双重安全。 中科院自动化所副研究员黄武陵向《中国科学报》记者强调了数据与无人驾驶技术的高度关联性。“谷歌无人车借助于高精度导航地图开发无人驾驶软件，提高自主驾驶安全性、可靠性，已经在路上安全开展了大量无人驾驶测试。但是要实现在复杂多变的交通环境下的安全驾驶，还是有待机器学习等人工智能技术的进步，特别是基于大数据和云计算来实现智能的共享。” 但是，大数据与无人车结合并非那么容易。“首先，能否实时获取及分享交通、气象等各方面的数据？不同数据的来源、格式都不同，而且获取涉及到隐私保护；其次，无人车在传感器及各类大数据处理上付出的代价是否具有高性价比？这是无人车大规模推广需要考虑的关键点。”张勇说。 一山还比一山高 除了与大数据有着千丝万缕的关联，无人驾驶汽车还面临着更多细分问题。 加州大学伯克利运输研究所研究员Steven Shladover曾指出，目前困扰谷歌无人车的五大问题是：更好的软件、地图、传感器、汽车与外界之间(V2X)更好的通信技术，以及有道德的机器人，即在交通情况极其复杂的情况下，机器人如何衡量决策。 黄武陵指出，其中，自主驾驶软件主要还需机器视觉等领域的成果与传感器技术结合，形成准确、稳定、可靠的驾驶环境感知能力，为智能决策奠定基础。极端环境下，对车辆的稳定控制也有待和汽车厂商合作来集成实现，从而扩展无人车的适驾场合。 高精度地图要依赖地图厂商进行采集和制作，需耗费大量的财力和人力，除非在高精度地图采集和制作技术上有突破，降低高精度地图成本和制作、更新的时间，才可以加速高精度地图的大规模应用。 所谓合适的传感器，则是指无人驾驶车辆所用的高动态相机相对便宜一些，不过，受气候和光照等影响，通常还需要结合激光雷达和微波雷达来完成环境的感知。 但是，黄武陵介绍，激光和微波雷达这类传感器基本都是国外产品，除非国内自主研制并大批量生产，降低价格，才能把无人驾驶车辆推向市场。 V2X技术能够扩展车辆的感知范围，通过接入到云端的服务，可以获得计算能力和智能。“现在所用的V2X技术，在频谱和带宽都面临未定问题，需要在后续确定和推行。”黄武陵指出了不足。 赛迪顾问汽车产业研究中心总经理张谦则认为，目前，谷歌碰到的是无人车的共性问题，只是各家解决方案不一样。比如，沃尔沃主要从主动安全角度进行开发，宝马从驾驶辅助系统进行开发，本田从智能交通角度考虑。 同时，业界还有一点共识是：无人车必须搭配适用的交通法规，否则一切都是空谈。 妥协是必经之路 据悉，谷歌曾推出200辆不带方向盘的无人驾驶车。但是，其选择的无方向盘的“全无人驾驶”路线一直遭到各界质疑：机器不能控制时，难道不应该由人来控制？ 百度深度研究学习院原常务副院长余凯曾在接受《南华早报》专访时透露，不同于谷歌仅有目的地选择+开关的设计，百度的无人汽车跟传统汽车一样，有方向盘和油门踏板。 但是，这种设计也遭到了质疑。反对者认为，到底人工干预的设计占比多少才能称之为“真正”的无人驾驶？百度的“退而求其次”是必经路径还是面对潜力市场的妥协？ 支持者中国工程院院士李德毅曾在百度无人驾驶研讨会上指出，不要做完全无人控制的汽车，人与智能汽车的关系应该是“骑士与马”—双驾双控，走整车信息化的渐进技术路线。 张谦提出，无人驾驶技术不能一蹴而就。无人驾驶技术的开发，就是要将一些技术使用在现有的汽车上，从辅助驾驶过渡到半无人驾驶状态，最终才会实现无人驾驶。黄武陵则认为，可以在车辆上实现自主驾驶的功能，把选择权交给用户。 “现阶段，由于技术和交通基础设施等问题，只能在特定的交通环境和场景下，结合地图位置等信息来判断是否可执行自主驾驶，在需要的时候提醒驾驶员接管控制。未来，如果在车间、车路通讯等技术辅助下，在特定路段设立无人驾驶车辆专用基础设施，包括专用道路、交通信号标识等，则可以实现安全的自主驾驶。”黄武陵说。 原标题：百度首推无人车令人存疑踟蹰不前为哪般 稿源：人民网
849 次阅读|0 个评论
[转载]无人驾驶在路上
rthwl 2016-12-24 14:48
原文发表在2015年06月15日中国科学报 http://scitech.people.com.cn/n/2015/0615/c1007-27155031.html 无人驾驶在路上 在探索未知的道路上，黄武陵总在不断总结与思考，他认为科研的使命感就是对科研给人们生活带来便利、安全和愉悦的一种价值的认同，“在某方面作出一点成绩，完成一种心愿”。 　　“我的愿望是从‘车辆’这个交通单元入手，通过车辆智能化技术，在未来能缓解直至解决城市的交通问题，让人们出行更加安全、高效和舒适。”中国科学院自动化研究所副研究员黄武陵对《中国科学报》记者说。 　　见到黄武陵的时候，他正在忙着参与筹备自动化所与地方政府共建的智能车辆研究中心。他告诉记者，这个研究中心下周就要举办成立仪式了，他们离期待的目标又将更进一步。 　　 兴趣和使命 　　从2005年黄武陵来到自动化所工作至今，近十年的科研生活给他带来了很多改变——从最开始做汽车电子，到如今的无人驾驶技术研究，唯一贯穿始终的是不变的使命感——为了使人们的出行更加高效，生活更加便利。 　　科研是什么？参与其中的黄武陵觉得，科研是在认知的基础上，合乎逻辑和哲理地给予充分想象、完美模型化、施以实验验证，最后再加以实现的系统化过程。 　　“兴趣是做科研最好的动力来源。”在兴趣的指引下，黄武陵一直坚持着“永远保持一颗好奇和寻求真相的心，不轻言放弃”的人生信条。 　　在探索未知的道路上，黄武陵总在不断总结与思考，他认为科研的使命感就是对科研给人们生活带来便利、安全和愉悦的一种价值的认同，“在某方面作出一点成绩，完成一种心愿”。 　　在做科研的同时，黄武陵还参与了大量的科普工作，这也是他的兴趣之一。 　　一次，课题组请他送当时的Google X项目负责人、斯坦福大学教授Sebastian Thrun去机场。“路上，我向他请教了许多无人驾驶的问题，并邀请他下次来中国参加我们的无人车比赛，但是他说自己已经不做无人车了，而是改做在线教育。”黄武陵吃了一惊。他清楚地记得这位业界“大牛”曾告诉他：“这不仅是为了解决特定的技术问题，同时还能够激励和教育年轻人如何去做想做的事情，并为他们提供帮助。” 　　从那以后，黄武陵意识到科普、教学和科研一样重要，他开始积极地参与其中。每年研究所“自动化之光”科普节上，黄武陵都会作一个智能车辆相关的报告和缩微智能车的展示，给小学生、中学生、大学生等讲解相关技术，深受他们的喜爱。 　　在他的众多听众里，最让他感到自豪的要数“习大大”习近平总书记了。“在一次国家科普日上，我给国家领导人作了智能交通系统的讲解，还收藏着与习总书记的合照作为纪念，激励着我更加投入地工作。”黄武陵说。 　　 跟上智能化步伐 　　黄武陵所在的研究团队主要研究方向是智能交通系统，他还参与了课题组承担的“973”计划和“863”等重大项目。在他看来，解决城市的大规模交通拥堵，“是一个复杂的技术问题，也是一个复杂的社会问题”。 　　黄武陵解释说，传统的智能交通系统思路是采用智能化和信息化技术，从宏观、中观到微观加以建模、模拟和优化控制来解决。但是从微观层的车辆开始入手，采用智能化技术来管理和控制车辆，从而优化交通流，使得交通更加安全和高效。不过这个思路也是这几年智能车辆技术得到发展之后，才日渐得到重视的。 　　“智能车辆是个多学科交叉的综合载体。”最早的时候，黄武陵所在团队研究了汽车电子和车载信息平台，相关研究成果获得了北京市科技进步奖，参与研究的成果在量产车辆上得到了应用。后来他承担了国家“863”计划一个子课题，主要研究了公交优先的车路协调系统，还承担了交通部的交通物联网示范工程中的一个子课题，研究基于无线网络的车路协同技术。 　　有了上述的一些积累，直到参与了基金委“视听觉认知信息的计算”重大计划，他认为自己才真正进入了无人驾驶车辆的领域。 　　“近年来，从谷歌无人车，到百度、小米和乐视的造车计划，在国内外带动了智能车的研究热潮。然而，现有的无人驾驶技术还存在不足之处，特别是技术可行、允许和广泛使用的障碍。” 　　在基金委重大计划课题支持下，黄武陵所在团队研究了无人驾驶车辆在复杂交通场景下的环境感知、控制、路径规划和任务处理等功能设计、标准、评估技术。开展了自主驾驶测试内容设计、测试环境设计与改造、测评标准与评价体系等方面的研究。在国重优秀青年基金等支持下，黄武陵研究了平行系统的自主驾驶关键技术，通过实现车辆模型控制与平行执行，提高了自主驾驶安全性。 　　 “无人驾驶”不是梦 　　“未来如果采用无人驾驶车辆，我们的车辆将更加高效和安全，道路交通拥堵能够得到缓解，还可以节省大量的停车位。”黄武陵向记者描述着未来的图景。 　　他告诉记者，由于实际的需求驱动，资金和研究人力不断投入，在可以预见的未来，智能车辆技术将得到实用化发展，其移动载体演化出计算、搜索和更多的位置节点的应用，这些技术将给我们的交通生活带来极大的改变。 此外，黄武陵所在的团队也在探讨有自己特色的无人驾驶车辆研究路线，筹备中的智能车辆研究中心将研究适合无人驾驶的城市道路和交通基础设施标准，车路和车间网络，以及适合中国复杂交通环境下的自主驾驶算法，在特定的道路上推行无人驾驶。 　　对于国内的无人驾驶车辆的研究状况，黄武陵很乐观。据他预测，在未来5～10年内，路上将出现无人驾驶车辆，并在某些特定的场景和场合得到应用。“国内的无人驾驶研究每年都在取得进步，每个团队都有大量的青年研究人员储备。” 　　“在预见的未来，中国的研究团队将跟上并可以超越国外的同行。”对此黄武陵很有信心。“由于智能车辆是个综合型的研究载体，其中关键的是多学科跨领域的青年人才的培养，我希望国家能够为他们提供宽松的研究和创新环境，让他们能够沉住气去探索，能够做自己想做的事情。”他说。 (责编：许景（实习生）、赵竹青)
522 次阅读|0 个评论
[转载]互联网企业“落子”智能汽车
rthwl 2016-12-24 14:43
原文发表在2 014-12-23 中国科学报 链接： http://tech.hexun.com/2014-12-23/171698845.html 互联网企业“落子”智能汽车 　　 图片来源：百度图片 　　 本报见习记者 李勤 　　互联网企业瞄准的不仅是车载系统和中控屏幕，整个汽车互联网生态系统才是他们真正的目标，智能汽车则是抢占山头的第一步。 　　12月9日，乐视公司董事长 贾跃亭 在其 微博 中透露了潜行一年的SEE计划—自主研发互联网智能电动汽车，随即引发公众对互联网公司在智能汽车领域厮杀的关注。 　　此前，谷歌和苹果早已充满野心地在汽车领域布局，国内的百度、腾讯、阿里巴巴、小米等紧随其后推出各自的智能汽车战略，发布其智能车载系统、APP应用等，如百度的“CarNet”、腾讯的路宝盒子。 　　不仅如此，他们还拉拢传统汽车产业为盟友，如乐视与 北汽集团 共同投资了高 科技 纯电动汽车设计公司Atieva，阿里巴巴则与上汽签署了“互联网汽车”战略合作协议。 　　有专家表示，互联网企业进军智能汽车领域是为了争夺汽车车载系统和屏幕。事实上，互联网企业的野心不止于此，整个汽车互联网生态系统才是他们真正的目标。 　　 抢占山头 　　乐视表示，来自特斯拉、 奔驰 、 宝马 的专家组成的乐视超级汽车研发团队，仅仅只是其智能汽车战略的其中一步。百度的动作也很迅速，除了发布智能互联车载产品“CarNet”瞄准存量车市场，还整合了各类百度应用和海量的百度地图数据，同时启动了无人驾驶汽车研发计划。而从阿里巴巴全资收购高德地图、发布汽车电商计划、与上汽合作的步骤也可以看出，阿里也在下一盘很大的棋。 　　上述所有动作表明，互联网企业瞄准的不仅是车载系统和中控屏幕，整个汽车互联网生态系统才是他们真正的目标，智能汽车则是抢占山头的第一步。 　　而打造智能汽车，互联网企业也有天然优势。“汽车互联网生态系统需要数据、平台、用户和思维，互联网企业具有巨大的优势，其大数据资源、互联网平台、海量用户和互联网极致思维都将有助于加快汽车向智能化方向发展。”赛迪智库互联网研究所副所长陆峰向《中国科学报》记者指出。 　　陆峰表示，智能汽车规模化发展还需要统一的车载信息服务平台。由于汽车厂商车载系统各立门派，导致车载信息服务平台五花八门，而资深互联网企业的介入有利于让车载系统标准迅速走向统一，有利于智能汽车的进一步发展。 　　在采访中，清华大学汽车工程系副研究员 王建强 向《中国科学报》记者强调，打造互联网汽车需要IT行业和传统汽车行业发挥各自优势、相互协作。 　　比如，在保障大规模联网车辆信息交互的实时性、准确性、可靠性，实现多模式通讯网络的共享与协调，实现联网车辆大数据的采集、处理和应用等方面，互联网企业可以充分发挥优势和作用。 　　陆峰也坦言：“在目前参与造车的互联网企业中，除了小米具备一些智能硬件的制造实力，其他互联网企业很难在创新汽车硬件技术上发力，智能汽车电子技术使命必须由传统汽车制造企业承担。” 　　 发力纯电动汽车 　　值得关注的是，在这场互联网企业抢占“山头”的布局中，首先瞄准的是纯电动汽车。 　　被誉为智能汽车界 “苹果”的特斯拉目前也只做电动汽车。据了解，除了在车载系统的互联网应用上下足了功夫，特斯拉推出的“Model S”的续航里程几乎超越现在市面上所有的电动汽车，在电池密度和管理技术上尤为出色。 　　中科院自动化所副研究员黄武陵向《中国科学报》记者指出，新能源车的发展，是国内车辆厂商赶超国外的机会。特别是随着智能化车辆研究浪潮的到来，其中的机会会更加明显。 　　智能汽车界“苹果”珠玉在前，国内互联网企业和汽车企业自然不甘落后。 　　而从环保和能源的角度出发，发展未来智能纯电动汽车也是大势所趋。 　　 王建 强指出，智能汽车与电动汽车有一定的交集，二者均属于当今车辆发展的主要方向，电动汽车的智能化也就成了未来发展的必然趋势。 　　特斯拉前全球副总裁、中国区总裁吴碧瑄在近日举办的中国信息产业年会上，多次从环境保护和能源角度强调了发展智能电动汽车的重要性。 　　 真正智能化有多远 　　虽然各大互联网公司一直雄心勃勃地描绘智能汽车的宏伟蓝图，但现实是，从概念到真正的智能汽车，还有很长的距离。 　　目前国内正在积极地研究智能汽车技术，包括高级辅助驾驶技术、无人驾驶技术以及车联网技术。辅助驾驶系统，比如自适应巡航控制、车道偏离报警等系统在国内很多汽车上都有安装，为提高汽车主动安全性能起到极大的作用。 　　“国内智能汽车的智商还不够高，不能解决复杂交通环境下的感知、决策、控制等问题，离我们理想的智能车技术还有很大的距离。”王建强说。 　　他指出，目前社会上对车联网的定义还不统一，内涵也各不相同，但有不少人认为车联网主要针对信息服务和管理，这是不全面的。乐视提出的汽车互联网生态系统的概念，还未看到对其内涵的详细阐述。 　　在向无人驾驶功能前进时，智能汽车遇到的困难也不小。据了解，现阶段，谷歌公司、各大汽车厂商和研究机构都在测试无人驾驶功能。目前国内外均处在实验阶段，只批准了智能车上路测试，尚未出现批准智能车上路无人驾驶的案例。 　　黄武陵分析了一系列摆在无人驾驶技术面前的难题。 　　首先，交通环境情况十分复杂，可能发生许多不可预测的行为，使得实现真实交通环境下自主驾驶安全难度很大。需要相关研究机构在自主驾驶的环境感知、车辆控制、路径规划和任务处理等方面加以功能上的完善。 　　其次，要想发展智能汽车，还要加大基础设施建设，降低无人驾驶车辆环境感知的难度，例如建设专用道、采用容易识别的专用车道线和交通标志信号，建设车间和车路通讯网络等。另外，还需要辅以交通法规，处理好无人驾驶车辆和有人驾驶车辆之间的关系，解决交通事故中的处罚法规等等。 　　最后，黄武陵强调，无人驾驶亟待突破的是如何有效解决复杂交通场景下的自主驾驶安全性问题，特别是在高速公路、城市道路等复杂交通环境下，无人驾驶车辆的自主驾驶安全性等还没有得到有效验证。 　　《中国科学报》 (2014-12-23 第5版 技术经济周刊)
1097 次阅读|0 个评论
[转载]我国智能汽车期待“弯道超车” 面临机会与困境
rthwl 2016-12-24 14:39
原文链接：来源： 中国科学报 发布时间：2013-6-26 http://roll.sohu.com/20130626/n379928523.shtml 我国智能汽车期待“弯道超车” 面临机会与困境 2 　　随着智能化的普及，汽车行业的形态将发生彻底改变，并给我们带来全新的驾乘体验。 　　未来的智能汽车在实现本地自主驾驶的同时，还将通过互联网同其他车辆、路测设备、服务中心等进行信息交换，获得实现复杂环境下自主驾驶所需的信息服务，同时为驾乘人员提供娱乐与工作等方面的服务。 　　 记者 原诗萌 　　在今年6月的WWDC（苹果全球开发者大会）上，苹果公司发布的“iOS in the Car”功能引起了很多人的兴趣该功能可以让iOS7和车载系统相连，为使用者提供优化的地图、信息和音乐界面。 　　无独有偶，硅谷另一家知名IT公司谷歌的无人驾驶汽车，截至2012年8月已经完成了30万英里的自动行驶测试。 　　与此同时，宝马、日产及沃尔沃等汽车企业也相继宣布将开发自动驾驶技术。显而易见，继手机、家电之后，汽车已成为智能化的新战场。相关专家在接受《中国科学报》记者采访时表示，随着智能化的普及，汽车行业的形态将发生彻底改变，并给我们带来全新的驾乘体验。 　　 各方发力 　　作为技术含量较高的耐用消费品，汽车一直没有停止科技创新的努力。在智能化方面，诸如自适应巡航控制系统，以及自动泊车系统等，已经走进了人们的生活。 　　而谷歌、苹果等公司的跨界，则大大加快了汽车智能化的进程。 　　谷歌的无人驾驶汽车通过摄像头、雷达传感器和激光测距仪来“看到”其他车辆，并使用谷歌数据中心提供的详细地图进行导航。截至2012年8月，谷歌的无人驾驶汽车已经安全行驶了30万公里，为业界提供了汽车智能化的一个很好的范本。 　　和谷歌直接研发智能汽车不同，苹果选择的路线是将自己的软件与车载系统进行结合。比如之前推出的Siri Eyes Free，和今年WWDC上发布的iOS in the Car功能。据了解，目前已有本田、法拉利、奔驰、雪弗兰、现代等12家汽车厂商参与iOS in the Car计划，具体车型将在2014年陆续面世。 　　面对IT厂商的频频动作，传统的汽车厂商也不甘示弱，目前宝马、日产及沃尔沃等汽车企业均宣布将开发自动驾驶技术，通用汽车也提出了自己关于未来智能汽车的设想。 　　在通用汽车看来，未来意图引擎（intent engine）这一人工智能技术将发挥重要作用。该技术能够对以往的驾车操作情况进行分析，结合当前的车况和相关数据，推测驾驶者的意图，并提供一些选项。比如，当汽车在乡间路面行驶时，能够提醒驾驶者加油站的位置，并监测行车路线。 　　 迎接车联网时代 　　随着智能汽车的发展和普及，人们将迈入一个新的时代车联网时代，人们的驾乘体验和城市交通也将发生诸多变化。 　　在今年6月举办的2013成都财富全球论坛上，沃尔沃汽车产品战略高级副总裁莱克斯·科斯迈科斯指出，自动驾驶将释放驾驶者的双手，驾驶舱中的人们将享受与家中相同的娱乐休闲体验，车载应用尽在云端。而未来的城市交通，将是人与车、车与路、路与环境和用户体验的系统工程。 　　中科院自动化所助理研究员黄武陵在接受《中国科学报》记者采访时也表达了类似的看法。他指出，未来的智能汽车在实现本地自主驾驶的同时，还将通过互联网同其他车辆、路测设备、服务中心等进行信息交换，获得实现复杂环境下自主驾驶所需的信息服务，同时为驾乘人员提供娱乐与工作等方面的服务。 　　在车联网时代，还将产生新的交通模式公路火车，即汽车根据目的地编成一队行驶，以改善交通拥堵的状况。 　　重庆市科学技术研究院智能驾驶与车联网实验室负责人王东强在接受《中国科学报》记者采访时强调，在车联网时代，每辆智能汽车就相当于今天互联网上的一个IP。因此，首先要保证每一个IP或节点功能的完整实现，这样才能带来车联网的蓬勃发展。 　　 中国的机会与困境 　　对于中国而言，智能汽车也有着重要的意义。 　　此前，中国曾提出新能源汽车“弯道超车”的概念，但目前的发展情况却并不尽如人意，在电池等核心技术研发方面仍然落后于国外。因此，智能汽车被看做是中国汽车业值得把握的新机会。 　　赛迪智库工业安全生产研究所的研究人员胡文志告诉《中国科学报》记者，2012年，我国民用汽车保有量超过1.2亿辆，《交通运输业智能交通发展战略（2012-2020年）》预测，到2020年我国汽车保有量将超过2亿辆。“我国汽车保有量高，增长速度快，因此，智能汽车市场潜力巨大。” 　　在智能汽车的研发方面，国内也在积极着手。 　　黄武陵告诉记者，我国早在“八五”期间就开始支持智能车辆研究，近年来，国家自然科学基金委员会开展了“视听觉信息的认知计算”重大研究计划，通过构建无人驾驶车辆平台，来集成研究计划研究成果，极大推动了我国的无人驾驶车辆研究进展。 　　在上述重大研究计划支持下，中科院自动化所复杂系统管理与控制国家重点实验室构建了智能车辆评测平台，可对实际交通行为进行微观模拟实验与模型验证，并以此为基础开展更大规模的交通平行系统的计算实验。 　　王东强所在的重庆市科学技术研究院智能驾驶与车联网实验室，则与荷兰应用科学研究院（TNO）签署了合作协议，进行一体化的汽车主动安全技术装备的合作研发。 　　“国内如果掌握了这个技术，完全可以在中低端车上作尝试和普及。”王东强对记者说。 　　不过，中国汽车业通往智能化的道路也并非一条坦途。 　　王东强指出，比较大的阻力主要有两方面。一个是传感器核心技术的缺乏。“在智能汽车所需的高端摄像头、高端雷达等感知设备方面，中国仍未掌握核心技术。” 　　智能汽车发展的另一阻力则来自于外部环境道路标准化的问题。王东强不无忧虑地指出，这等于浪费了智能汽车研发人员大量的时间。在国外，很多研究是并不必要的，但为了适应中国国情，中国的智能汽车要多考虑很多问题。 　　采访中，王东强向记者道出了一个颇为尴尬的现实谷歌的无人驾驶汽车安全行驶了30万公里，除了谷歌在技术方面的努力，与美国道路的标准化也有很大关系。相比之下，很多高端汽车都预装有主动安全和辅助驾驶系统，但因为中国复杂的交通环境，这些功能大都处于关闭状态。“要么用不上，要么不敢用。” 来源中国科学报)
1093 次阅读|0 个评论
[转载]无人驾驶汽车能否让城市通畅
热度 1 rthwl 2016-12-24 14:31
原文： 2012年06月12日 光明日报 http://news.xinhuanet.com/tech/2012-06/12/c_123268753.htm 无人驾驶汽车能否让城市通畅 　　无人驾驶的智能出租车自动锁定乘客呼叫位置，只需说出目的地，它就能从城市交通网络中获取信息，避开拥堵路段、自动选择最佳路线；假如几个人愿意“拼车”，智能出租车能安排合理的行驶路线；假如有人喜欢自己操纵，只需一个按钮，智能出租车瞬间转换成人工驾驶的“私家车”……优化交通、减少事故、缓解拥堵和节能减排，这就是由 无人驾驶汽车 、车联网和云计算技术共同构成的智能交通系统，它将给我们带来全新的城市智能交通生活。 　　 无人驾驶汽车兴起 　　真实版的无人驾驶智能汽车已经上路，并且可能在不久后进行推广。 　　从2004年开始，美国和欧洲各国就以举办无人驾驶汽车比赛的方式，推动该技术的发展。近来，德国自由大学的MIG无人驾驶汽车、意大利帕尔马大学的无人驾驶汽车和美国 谷歌 公司的无人驾驶汽车，都纷纷开始上路测试。谷歌的无人驾驶汽车更是引起了人们极大的关注，它获得了美国内华达州机动车辆管理局发出的首张许可证——允许检测无人驾驶汽车在拥挤的街道和高速公路等不同交通状况中的应对情况。 　　谷歌无人驾驶汽车的进展既证明了相关研究的可行性，也提供了将研究实用化的新思路。无人驾驶汽车以谷歌街景提供的地理环境和电子地图为导航，以道路拓扑数据路网为约束条件，结合地图存储的、预知的道路标志标线、路口交通信号灯、交通标志和动态交通信息等，对感知与识别的目标进行预瞄处理，降低识别难度并提高处理速度。通过车载相机和激光雷达等传感器检测道路的路面几何特征，融合多传感器信息进行验证，在保证实时性的同时提高道路可行驶范围检测的可靠性，提高了交通安全和复杂交通环境下的行驶能力。 　　在国内，无人驾驶汽车研究也如火如荼：以国家自然科学基金委“视听觉信息的认知计算”重大研究计划为依托，在2009年至2011年间已举办了三届“中国智能车未来挑战赛”，国内顶尖研究机构均派车参赛。2011年在鄂尔多斯召开的比赛中，国内无人驾驶汽车也从封闭道路走向真实道路——为了实现对我国无人驾驶汽车的综合评测，这些车辆需要通过约10公里长、设有交通信号识别、障碍物避让、汇入车流和U型转弯等测试内容的真实城区道路。 无人驾驶，如何驾驶？ 　　汽车是交通的载体，未来的 城市智能交通系统 中，智能汽车必然是核心元素，它会给未来的城市生活带来巨大变化。 　　智能汽车，具备了环境感知、定位与导航、运动规划、智能决策和车辆控制等基本功能。它可以通过“眼睛”——视觉传感器获得车道线、交通信号、行驶区域内的动静态障碍物、典型路口描述等环境信息，再结合定位与导航模块提供的位置信息，运动规划模块进行车辆局部路径和全局路径的规划。在感知环境基础上，它的“大脑”——决策模块结合车辆状态和行驶任务进行推理和决策，最后通过车辆控制模块输出决策结果。至此，智能汽车就可以顺着这条安全、便捷的路线自主行驶。 　　更进一步，智能汽车会按照交通法规自主行驶，自动识别交通标志、标线和信号灯，并根据前方交通状况自动选择跟车、换道或超车。在交叉路口和关键路段，路侧安装的视频传感器检测交通事件并获得交通流量信息，通过 交通信号控制器 实现交叉路口信号优化，并与智能车辆实现车路协同。在智能交通系统中，路口之间实现互联，交通管理和服务中心通过服务实现更高层的交通管控，人—车—路—中心达到协同，提高交通安全、缓解交通拥堵和节能减排的城市交通协调优化得以实现。 　　在这方面，中科院自动化所复杂系统管理与控制国家重点实验室目前已经取得了交通平行管控、人工交通系统、交通信号控制、汽车电子及智能车辆测评平台等多项研究成果。 　　 智能交通是个复杂系统 　　尽管无人驾驶的智能汽车纷纷上路检测，但要真正实现智能城市交通， 无人驾驶汽车 如何与有人驾驶车辆共处而不会引发交通事故，还是个难题。这个难题得到解决，无人驾驶汽车才能真正融入未来交通生活。 　　“交通问题不仅是技术问题，还是社会和管理问题。” 　　为了解决这个复杂的问题，中科院自动化所复杂系统管理与控制国家重点实验室的研究人员结合研究员王飞跃提出的人工系统、计算实验和平行执行的ACP理论，通过研发人工交通系统，实现在计算机上模拟每个智能交通参与者，从而模拟整个城市交通生活；通过人工交通系统开展大规模计算实验，从而学习、改进和验证各种交通管控模型。 　　此外，他们还构建了一个智能车辆测评平台，一个车与车、车与交通环境互联的室内缩微交通环境，作为实际交通之外的平行系统，研究车辆智能驾驶、多车交互、对实际交通进行微观模拟实验与 模型验证 ，以此为基础开展更大规模的交通平行系统的计算实验。 　　最终，通过人工交通和实际交通的平行执行，通过车路协同和车联网技术，提高了交通系统的智能化水平；通过车联网功能来优化交通流、提高交通效率、减少交通事故并实现节能减排。这一方法借助于人工交通与实际交通系统的平行执行，实现了“车内简单，车外复杂”，实现智能车辆在复杂交通场景下的自主行驶，将智能车辆与智能交通系统联成整体。 　　在十年前，人们还无法想象互联网和智能手机能给生活带来什么影响，今天，人们也无法预测智能车辆将给城市交通带来多大的便利和智能服务。不过，一些智能交通研究成果将会逐步应用。例如，智能出租车技术将会提高车辆使用效率、极大减少路上的车辆，从而缓解交通拥堵。未来的智能汽车还会在形成交通拥堵之前就获得缓解拥堵的行车路线，并在拥堵路段获得行驶指导，减少事故，优化交通。 　　也许，这些很快都将能在云计算支持的智能交通系统辅助下完成。（黄武陵 作者单位为中科院自动化所）
1215 次阅读|1 个评论
国家应立法交通建设，让模块化桥梁、隧道、路基成为铁路公路标配
coltec11 2016-11-8 06:50
为避免将来重复性建设，国家应该马上立法： 全国道路交通设施建设的模块化、标准化 1）郊区野外：链接城镇的铁路、公路，无论是在平原、山区、沙漠等，任何条件 都必须建立在桥梁上，并将桥梁作为交通设施唯一合法的标准配置 2）城镇内： 在城镇内，街道、地铁等交通设施 使用节段化的路基、桥梁带有或不带有玻璃隧道（加装通气、消防等设施） 已有的经验及事实证明 只有这样，才能彻底解决耕地、建筑用地、安全、噪声及环保等问题。 这样做的好处： 1. 配置标准化 1）结构性标配 ： 节段化道路（桥梁、隧道、路基）， 以直道、弯道、分叉、旋升降、缩扩、宽厚度、坡度、角弧、旋高、摩擦系数、材质等作为结构标配依据 2 ) 功能性 标配 ：以车辆流量、 承重、运输量、 电力、通讯、智能、管道输送、消防、救助、道路状态监控等做为功能标配依据 依据使用的环境条件、需要的运输方式、达到的运输量等需求，设置不同等级的标配 2. 方便性 道路建设过程，可转变成标配节段的排列组合问题 在道路改建过程中，拆装简单快捷 所有道路设施（电气化、信息化、智能化等 ），可以一次性到位 所有节段，可以在工厂内预生产 也可以开发相应的标准设备，在道路施工现场生产 提高道路的建设速度、效率。 3. 可控性、安全性 道路状态可监控，便于设计道路节段的安装、更换、拆卸等任务 交通事故、消防、救助、路障清理等操作也可标准化甚至无人化 进出道路网络的物资、人员等可控 4. 面向未来 可方便引入“无人驾驶”，“自动物流”，“全覆盖自动物流” 建立起从码头、车站、机场到工厂、商店、社区甚至家庭的物流连续性网络 发展跨海运输，高空运输，有助于建立覆盖全世界的全自动无人物流系统
485 次阅读|0 个评论
非常有意思的二段话
热度 2 lin602 2015-12-5 09:26
今天早晨我在手机上看到这样的话，转到我的一个群上，内容为：‘ 自动驾驶汽车必将对城市生活产生巨大影响。这并非因为人们无需手握方向盘，而是由于它们将令个人交通与公共交通模式之间的界线变得模糊。私家车在早晨送你上班之后，不再是停放在停车场内，而是接着去送你的家人，或者接送你所在街区、社交媒体社区或者城市里的任何其他人。这意味着道路上行驶的车辆更少，留出更多绿化空间和公共空间。 ——MIT研究员 Carlo Ratti ’ 几位群友跟帖后，其中一位朋友写道：‘ 人类的发展基本就是实现西游记与封神榜的过程’。 这二段话都非常有意思。
2257 次阅读|3 个评论
无人驾驶让汽车功能“傻瓜化”
tansuozhoukan 2013-7-30 10:46
■本报记者 童岱 或许你还有印象，史蒂文·斯皮尔伯格曾导演的科幻大片《少数派报告》中，曾出现这样的场景：高速行驶在高科技化的城市交通路线上的所有汽车，皆有电脑网络控制，而司机们要做的只有一件事，就是告知汽车目的地，剩下的就是等待了。 1月8日~11日，在美国拉斯维加斯举行的国际消费电子展（CES）上，丰田和奥迪分别展示了其带无人驾驶功能的汽车。掀起这股热潮的却不是汽车制造商，而是谷歌这家互联网公司在早前发布的技惊四座的“跑题之作”——无人驾驶汽车项目，谷歌董事长埃里克·施密特有句名言：“汽车比电脑早发明，这似乎是个错误。汽车，自动驾驶才有意义。” 而无人驾驶汽车技术在国内的发展速度，也可能超过你的想象。 安全超车无难度 国产无人驾驶汽车的最近一次“演出”，是在2012年11月24日。当天上午9点，京津高速台湖收费站外，由军事交通学院研制的一辆无人驾驶汽车准时驶进高速公路，科研人员的工作仅仅是出发前设定好终点——天津东丽收费站。 104公里的距离，共花费85分钟，平均时速79公里，最高时速达105公里，其中超车共33次。值得一提的是，行驶途中，这辆无人驾驶汽车有一次试图超车，但是车载雷达监测到后方的车速较快，判断出超车危险系数较高，又“老老实实”地保持位置平稳行驶。 到底如何定义无人驾驶汽车呢？清华大学汽车工程系主任李克强教授在接受《中国科学报》记者采访时表示，汽车具有智能化装置和技术，不需要人驾驶干预，能够自动到达所希望的目的地，这样的汽车就叫做无人驾驶汽车，它是与智能汽车概念相关联的。 在他看来，智能汽车的发展将经历辅助驾驶的初级阶段，再是智能汽车发展的终极阶段，完全替代人的无人驾驶。无人驾驶汽车是一般意义上定义的智能汽车的最高阶段。 清华大学过去研制的智能车THMR-V，能驶出达到150公里的时速。车速每小时150公里，相当于在1秒钟内，智能车要开出40米，因此对车道线识别技术、车体的控制技术以及方向盘转角的检测技术提出了快速、精确、灵敏的极高要求。 无人驾驶汽车将改变人们的出行方式，只需要一个指令，汽车便能将人载送到目的地，并自动停车。北京理工大学机械与车辆工程学院教授陆际联告诉记者，要实现无人驾驶，需要解决两方面的问题：一方面是完整、准确的行驶环境信息识别，另外是智能优化的决策与系统控制。因此，完整的无人驾驶汽车需要集成环境感知、无线通信以及智能决策及控制三大系统。 像人一样思考驾驶行为 谈到无人驾驶汽车的运行流程，陆际联说，车辆控制器能够接收行驶范围的信息，经过处理后，促使汽车作出驾驶行为的决策，比如是否该转弯、油门控制及是否刹车等，然后这些决策传导到汽车的“执行机构”，对车辆进行实际操控。“这些运行动作，就好比人的思维过程，而无人驾驶汽车，就是在模拟驾驶员的思维和行为。” 无人驾驶汽车“春晖探索3号”，是同济大学汽车学院教授陈慧主导的“无人驾驶智能电动汽车研究”课题。他在接受《中国科学报》记者采访时表示，他们的课题组经过反复测算和调试，为“春晖探索3号”确定了由4只“眼睛”和1颗“脑袋”组合而成的全新系统。 在这辆车的车前方，有一根竖立的天线，这是GPS卫星定位仪，用以确定汽车的目的地和行驶路线，这是第一只“眼”。第二只“眼”则是毫米波雷达，擅长探测运动着的物体，能明确感知身边移动物体的相对速度，能获取物体在空间中的三维信息。 一旦遇到路上的障碍物时，第三只“眼睛”激光雷达便能发挥作用，它能探测车身与障碍物的距离。车辆前方模拟视觉的探头便是第四只“眼睛”，能够获取和识别外部图像，帮助车辆“看清”红绿灯、道路线以及限行限速标志等。 “这些‘眼睛’实际上都是不同类型的传感器，它们会将搜集到的信息进行加工，将有用的驾驶信息告知决策用的‘大脑’——车载计算机，从而使得‘春晖探索3号’做出合理的驾驶行为。”陈慧说，在这辆车的底盘上，还装载了光电感应式传感器，能检测车辆是否偏离行驶轨迹。当人坐在这样的车上，开车只需要确定路线，按下启动按钮便可，至于油门、刹车、转向这些工作都能交给车本身完成。目前，“春晖探索3号”一次充电可续驶101公里，最高时速达50公里。 机器驾驶比人为驾驶安全吗？ 据悉，国际上无人车领域一般将人工干预所占比例3%以内的认定为全程无人驾驶。目前为止，谷歌公司的十多辆无人驾驶汽车，已经在电脑控制下安全行驶了30万英里（约合48万公里）。谷歌方面一直认为，自动驾驶汽车可以比人类驾驶更加安全，理由是电脑不会疲劳驾驶和疏忽分心，更不会出现酒后驾车等影响判断力的危险行为。 而在一般情况下，机器的反应速度可以达到40毫秒，而人类最快也要500毫秒。理论上看来，无人驾驶汽车似乎更安全。 但陆际联对此有不同看法，“就算从世界范围来看，目前的技术储备和进展还不足以让无人驾驶汽车比人为驾驶更安全。”他举例说，人的视觉系统是非常精密和高效的，看一个东西只要一瞬间的时间就能判断物体的大小、颜色、属性甚至移动速度等诸多信息，而电脑不可能像人眼一样，它需要逐个计算像素化的图像，这种基于像素的计算方式，使它的运算速度要比人眼慢得多。由于这种图像的处理方法现在还没有新的突破，所以无人汽车还不可能像人一样处理复杂的路面情况。 “无人驾驶汽车的安全程度非常依赖各个元器件的可靠性，我们的实验中就出过状况。”陈慧说，比如他们在对“春晖探索3号”进行路面实验时，就遇到过行驶在天桥下方或是当高空有遮挡物时，其GPS定位系统的信号就会暂时消失。 尽管无人驾驶汽车在高速公路上的行驶里程已经有了相当的积累，但复杂的路面环境，才能真正考验到传感器和决策设备是否能够及时响应并作出反应。陈慧谈到，比如像北京、上海这样拥堵的路面环境，无人驾驶汽车暂时就不能在其道路上行进，因为还达不到这样的技术水平。“但可以肯定的是，目前的无人驾驶汽车是不会闯红灯的，这点比人为驾驶更有保障。” 相关技术和法律都有待完善 早在20世纪70年代，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，目前在可行性和实用化方面都取得了突破性的进展。 我国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出我国第一辆真正意义上的无人驾驶汽车。2005年，由清华大学研制的可应用于实际车辆的先进驾驶辅助系统（ADAS），能够实现车辆纵向、横向驾驶员辅助，大大提高了车辆的安全性能。到现在，国内无论是科研机构还是汽车制造商，对于无人驾驶汽车的相关技术研发都投入了很大的力度。 与国外的相关技术相比，我国在硬件和系统集成方面还存在比较大的差距。李克强谈到，国内无人驾驶汽车上的很多硬件还都是进口的，比如传感器（扫描雷达、摄像头）、控制器的芯片等。但是在对复杂交通环境的感知、行驶目标物的识别、车辆控制算法等方面的科研项目，国内已经作了很深入的研究，相对硬件来说，与国外的差距不大。 以谷歌无人驾驶车为例，它主要以谷歌街景提供的地理环境和电子地图为导航，以道路拓扑数据路网为约束条件，结合地图存储的、预知的道路标志标线、路口交通信号灯、交通标志和动态交通信息等，对感知与识别的目标进行预瞄处理，降低了识别难度并提高处理速度。而我们的无人驾驶汽车，仅依靠所搭载的雷达、摄像机等传感器来完成自然环境感知。 “即便是我国无人驾驶汽车技术成熟后，将来要想大范围的推广应用，相关法律和法规也得予以完善。”陆际联表示，无人驾驶汽车一旦出现事故，以目前的法律而言，无法界定事故责任的主体，而软件制造商、传感器设备制造商的责任可能也会被低估。 谈及无人驾驶汽车的未来，李克强表示，像谷歌这样的IT公司和国内的IT领域对此都是乐观的。但汽车制造商就谨慎一些，福特汽车公司曾经有一个比较乐观的估计是，全智能化汽车上路要在2025年以后。这是就全自动化的汽车而言的，仅就汽车智能辅助系统来说，比如自适应巡航系统、行驶车道偏离预警系统等，国外已经产业化了。国内产学研合作也正在推动这类技术的产业化。 《中国科学报》 (2013-01-18 第9版 探索周刊)
个人分类: 头条|1613 次阅读|0 个评论
无人驾驶汽车何时上路
kejidaobao 2012-12-17 14:21
本刊记者/李 娜 11月24日9点30分，京津高速上的机动车司机们可能并未留意，一辆无人驾驶汽车低调汇入了高速车流中，驾驶座上的人只是备用司机。85分钟后，这辆车顺利地从北京驶达天津。测试结果理想，人们不禁要问，无人驾驶汽车时代是不是要来临了？关于无人驾驶汽车何时上路的问题，有人说需要20年，也有人说不可预测，因为人工智能的瓶颈很难打破。 1万公里无事故 进行高速测试的无人驾驶汽车是军事交通学院研发的，曾在今年举办的第四届“中国智能车未来挑战赛”中一举夺魁。这辆车此前已经测试多次，但在第三方的见证下进行高速测试尚属首次。“目前国内有不少研究组在从事无人驾驶汽车的研究，比如国防科技大学、清华大学、西安交通大学、南京理工大学、武汉大学等等，其中国防科技大学2011年做过高速实验，从长沙到武汉实现286公里无人驾驶，其他研究组还未见报道。”军事交通学院汽车工程系智能车辆课题组负责人徐友春教授告诉《科技导报》。 据介绍，军事交通学院举行的无人驾驶汽车高速测试，要求智能车在高速公路包括匝道在内的所有车道上完成行驶。主要测试科目包括循线行驶、跟车行驶、自主换道、邻道超车、自主超车、人工指令行驶6个部分，跟真人驾驶并无不同。全程114公里，这辆车平均时速79.06公里，最高时速105公里，并完成自主超车12次、被动超车21次、换道36次、油门操作1816次、刹车操作30次，以及转向操作11812次。除了通过收费站需要人力完成取卡、缴费环节外，全程无人工干预。 徐友春教授告诉《科技导报》，这辆车行驶里程已经超过1万公里，没有任何事故，除了城市，在部分乡村道路上也实现了自主驾驶。 技术水平与国外差距5—10年 据徐友春教授介绍，他们研发的无人驾驶汽车前面设有3台摄像机，后面装有3台计算机，摄像机将路况信息通过激光雷达传感器输送到计算机中，由计算机来分析、决策，进而行驶操作。 “可以说，我国的无人驾驶技术发展还是比较快的”，在2009年举行的首届“中国智能车未来挑战赛”上，参赛汽车行驶非常缓慢，并且只能执行简单指令，短短两三年的时间却已经能够全程无障碍地完成高速测试了，的确令人惊叹。“不过，跟国外的技术水平相比，我们仍然还有5—10年的差距”，徐友春说。 智能汽车的核心技术包括感知、决策和控制共3项。据徐友春介绍，国内智能汽车在前两项，也就是行驶环境信息提取、分析和决策方面做得比国外要差一些。“具体来说，人眼和计算机是非常不同的，人只要看一眼行驶环境，很快就能做出判断，而计算机是通过一些算法来进行路况分析和决策的。将一些固定路况信息编码，利用计算机程序进行计算从而做出决策。但真实的路况是非常复杂的，需要非常完备、细致的算法才能尽可能全面地分析路况，我们现在的算法应该说还是比较简单的，国外的更加先进一些。” 国外智能汽车的技术领袖以谷歌公司为代表，近期智能汽车的研发热潮也是谷歌带动的。“谷歌现在正在大力研究，估计3—5年会对外公开销售。”徐友春介绍说，谷歌近年来之所以傲视群雄，是因为倾注了大量人力、财力进行研究，每年仅用于国会相关法律公关一项就接近千万美金，“相比之下，我们研究团队的研究经费实在少得可怜，真的希望国内有实力，愿意促进智能车发展的个人或企业能够与我们合作”。 何时上路：人工智能的两个层面 无人驾驶汽车20年后可以进入普通公众的生活吗？ “这种说法虽然有点保守，但是也基本符合事实”，徐友春说，无人驾驶汽车要投入产业应用中并不只是受技术影响，还有法律和文化等因素。依中国国情来看，法律允许无人驾驶汽车上路可能不会特别容易，另外就是老百姓的心理接受程度，他们愿不愿意把人身安全交给一台机器呢？即使投入产业应用，也需要逐步实现，可能会先用于军事如无人驾驶坦克等，或者应用于行人稀少的环境，比如深夜清扫车等等。 虽然无人驾驶汽车全面推广的时间不好确定，但其中一些关键技术已经开始投入产业应用了。清华大学汽车工程系副研究员王建强告诉《科技导报》，无人驾驶汽车想要推广应用必须满足两个条件，一个是使用低成本传感器，科研车中使用的传感器是非常昂贵的，另一个是要满足识别精度的实用化，所以目前最有可能实现产业化的是智能汽车中部分关键技术的提取，这被归类为驾驶辅助技术，“比如主动避撞技术现在已经成为某些大牌汽车的标配，批量应用了”。王建强还预测，到2020年驾驶员可能不必再为汽车追尾而烦恼，无人驾驶汽车将通过自身的雷达系统检测与前车的距离，如果与前车距离过近，汽车将会自动刹车。到2030年，驾驶员基本上可以在较复杂路况下只控制方向盘或只踩油门和刹车了，因为半自动驾驶技术会在大多数车辆上得到应用，那时汽车会自动设置路线或自动进行油门和刹车的配合。 如果关心智能汽车何时能最大限度接近人的智能，那就是另外一个层面的问题了。徐友春说，人工智能是模拟人类认知和决策的机制，目前我们的无人驾驶技术还主要停留在计算机传统算法的研究上，未来会发展到研究大脑物理结构。就驾车来说，神经回路负责接收信号和输出信号，而接收到的信号会刺激大脑的视觉神经元，进而将信号上传至神经突触，通过神经突触完成传导、处理和转换。将来会仿照人脑的结构，将电子元器件组成类似神经回路的电路，从而实现更高层次的智能化。“这个领域一旦有所突破会进展非常快，现在国外的相关研究很热，也有了一些突破，我们研究组也已开始相关尝试，但进展还谈不上。”徐友春说。
个人分类: 栏目：科技事件|3627 次阅读|0 个评论
[转载]同济大学研发无人驾驶智能电动汽车
热度 1 super2011 2011-6-2 08:59
[转载]同济大学研发无人驾驶智能电动汽车
【中国网中国交通】讯：可曾想像过，风和日丽的周末，一家三口驾车出游，妈妈和宝宝后排座位上嬉笑打闹，爸爸端着相机照个不停……咦，谁来开车呢？别担心，无人驾驶系统正操控小车，在车水马龙的路上穿梭自如，变道、转弯、停车，连倒车入库都能一步到位。 畅想并非遥不可及。1个月前，由同济大学专家陈慧主导的“无人驾驶智能电动汽车研究”课题通过验收，样车“春晖探索3号”已基本实现以上功能。为让 “聪明”汽车早日走进千家万户，“五一”假期这几天，陈教授依旧在河南、上海两地奔波，希望与生产企业联手攻关，将其中部分功能逐步与现有汽车产品结合。 “跟踪”研究中点亮创新火花 “在无人驾驶汽车领域，我们做的是跟踪性研究”，陈慧教授始终强调“跟踪”二字。国外汽车厂商早在上世纪60年代以来就开始探索这一课题，即使在国内，国防科技大学也已研发出可用于高速公路和复杂路面的自动驾驶汽车；上海交通大学的自动驾驶电车项目，目前取得了阶段性成果，车辆依靠预定道路上预埋的磁钉进行磁导航，行驶路线特定，遇到障碍物时能实现被动的减速或停止，可满足短途载客驳运的需求。 无人驾驶汽车研究还有空间吗？陈慧团队找到了“缝隙”：除了高速路行驶和短途驳运以外，都市路面在汽车应用需求中可算占“大头”，更多人可受益于汽车电子控制技术。此外，此前大量研究主要基于传统燃油燃气发动机，电子控制命令要先“转换”为机械动能，才能作用于发动机，若直接将无人驾驶的电子控制系统与如今最先进的电动汽车相结合，去掉中间环节，将会擦出怎样的火花？2006年底，研究目标就此确定。 4只“眼睛”和1颗“脑袋” 困难随之而来。由于在电动汽车无人驾驶领域没有成熟技术可借鉴，一开始课题组连用怎样的控制电路都难以确定。偏偏汽车都市行驶要求又特别高：如果要做到无人驾驶，必须能在中低速间自如转换，能适应多变复杂的道路情况，对人流、非机动车流的感应也需更加精准及时。 课题组反复测算、调试，最终确定了由4只“眼睛”和1颗“脑袋”组合而成的全新系统。第一只“眼睛”是车前方竖起的一根天线，这是一个GPS卫星定位仪，用来确定车子的目的地和行驶路线；第二只“眼睛”是毫米波雷达，能明确感知身边移动物体的相对速度；第三只“眼睛”是激光雷达，探测的是身边障碍物的距离；第四只“眼睛”是车辆前方模拟视觉的探头，能帮助车辆“看清”红绿灯、道路线，甚至限行限速标志等。车辆行驶过程中，这些“眼睛”得到的信息不断高速汇总到中央决策系统，规划车辆接下来的运行动作。 此外，汽车底盘上还装有光电感应式传感器，能检测车辆的行驶轨迹与既定轨迹的偏离情况，另还加上了机电一体化的底盘电子集成控制和雷达探测技术。这样，开车不再是“油门、刹车和方向盘的组合”，而是简化成了“确定路线＋按启动按钮”——蓝白相间的样车“春晖探索3号”，一次充电可续驶101公里，最高时速达50公里。 探索中体验科学之美 “无人驾驶汽车是将先进的传感技术、信息技术、电子控制技术应用在汽车上，使汽车能自动按设定的模式行驶，不仅提高了乘车的安全性、舒适性，也有助于节能环保。”专家坦言，在研发系统时，将更多良好的节能驾驶习惯融入汽车的“聪明心”，是课题组的努力方向。如，通过雷达可以尽早判断前方行驶车辆是否可能停下，及时确定自身减速，减少急刹车带来的能源消耗。 无人驾驶汽车技术意义重大，但就目前而言，其研发仍面临瓶颈。陈慧教授指出，“首先，这是一款电子产品，需要进行可靠性检验。其次便是成本问题，无人控制系统要在普通交通工具上进行普及，还有很长路要走。比如‘春晖探索3号’上，仅仅一套电子控制系统就需100万元。” 探索无止境。无人驾驶系统整体应用确实尚需时日，但若能将其中部分先进功能拆解出来，在现有汽车产品中辅助驾驶，已经可以大幅提高安全性。课题组正与厂家洽谈，将“车道偏离预警”系统应用于产品，一键式“侧方停车”功能也在紧张研发中。陈慧教授笑言，“最艰难时候探索未知，往往更能体会到科学之美。”
4719 次阅读|3 个评论
有研究无人驾驶汽车的吗
yqcai1000 2010-10-31 01:52
有兴趣，很无奈 自己在研究激光雷达三维遥感，取得了一些成果。 最近看到google公司将LIDAR技术用于无人驾驶汽车，我很有兴趣。 很想做这方面的研究，可惜国内好像没有这个研究方向。 哎，无奈啊，难道要等无人驾驶汽车技术成熟了，我们才开始起步吗？ 不知国内还有人计划研究无人驾驶汽车否？
个人分类: 科研|3221 次阅读|3 个评论
更多...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-3 21:45

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部