自动驾驶

自动驾驶

网约车鼻祖Uber还有未来吗

博客智能网联汽车 发表了文章 • 0 个评论 • 53 次浏览 • 2020-03-27 17:38 • 来自相关话题

股价大跌,打车业务大幅下滑,被迫裁员、出售子业务,甚至要使用竞争对手的自动驾驶方案,曾经的全球网约车巨头Uber正在经历前所未有的危机。在上周的分析师吹风会上,Ub ...查看全部

股价大跌,打车业务大幅下滑,被迫裁员、出售子业务,甚至要使用竞争对手的自动驾驶方案,曾经的全球网约车巨头Uber正在经历前所未有的危机。在上周的分析师吹风会上,Uber CEO科斯罗萨西表示:“尽管Uber今年的打车业务将萎缩80%,但我们会渡过难关的。”事实上,Uber真的能够走出困境,重现辉煌吗?3月18日,跟随美股大盘,Uber股价大跌21.63%,创下了历史最大单日跌幅。作为曾经全球最大的独角兽,Uber曾收到摩根士丹利和高盛给出的最高1200亿美元的估值,然而,仅仅17个月过后,股价较去年IPO下跌了50%,总市值已不足400亿美元,如此的“速度”,不禁让人沮丧。而巨亏800亿美元的背后,隐藏着的则是Uber裁员、换将、诉讼案、出卖子业务等一系列生存危机。

1585301652750161.jpg

日前,受新冠疫情的影响,Uber已开始暂停在美国和加拿大的打车平台上多人共享乘坐服务,且正在对不同国家的情况进行逐案评估。值得注意的是,虽然相对于普通打车业务,拼车服务只占Uber营收来源的一小部分,但网约车用户的黏性随着疫情的突发而出现波动,有所下滑已是不争的事实。截至3月16日,美国消费者在Uber打车服务上的支出较上一周减少21%。

在Uber投资者大会上,Uber现任首席执行官科斯罗萨西曾表示:“尽管Uber今年的打车业务将萎缩80%,无法恢复。但即使如此,公司仍会有40亿美元现金和20亿美元的循环信贷额度,这让我们获得了渡过难关的有利地位,我们会渡过难关的。”

事实能否如他所愿,作为网约车鼻祖的Uber,是否就此沉沦下去了呢?

从高光走向至暗时刻

与如今的落魄相比,Uber也曾有过高光时刻。1200亿美元的估值,创造了当时未上市公司最高估值的记录,但是,压榨员工、性别歧视、Waymo诉讼案、自动驾驶致死案,也把Uber推上了舆论的风口浪尖。

而对Uber最直接的影响,则是推特用户发起的“#DeleteUber”行动,一周内超过20万人卸载、注销了Uber账号。尽管之后,美国官方介入,高管接连辞职,主帅换将,但此前的烧钱模式,无疑让Uber在全球市场大肆扩张的同时,也背负起了巨额债务。

1585301672331522.jpg

在科斯罗萨西治理下的Uber,一直在努力发展自己的外卖业务,并将其视为短期内巨大利润的增长点,并通过三次大裁员,以期实现短期内的经营业绩,但是,截止到目前,Uber的运营情况却依旧没有好转的迹象。3月4日,Uber在一份监管申报文件中披露,将其印度外卖业务出售给了当地企业Zomato,交易金额为2.06亿美元。而真正促成这项交易的一个重大因素,则是每月高达2000万美元现金的消耗让Uber不堪重负,不得不接受另一家竞争对手Zomato的收购。

而3月18日,Uber股价暴跌21.63%,创下历史最大单日跌幅,总市值已降至不到390亿美元,这无疑让本就资金压力重重的Uber危机四伏。

网约车业务再遭打击

据美国约翰斯·霍普金斯大学发布的最新数据显示,截止到美东时间23日,美国新冠肺炎确诊病例已经达到至少40961例,死亡病例至少479例。连续十年的巨额亏损,加之疫情的爆发,让Uber的经营情况受到了“雪上加霜”般的打击。

事实上,由于受到美国疫情的“不作为”等影响,包括Uber、Lyft在内的网约车公司开始暂停在美国和加拿大的打车平台上多人共享乘坐服务,旨在遏制新冠病毒的进一步传播。同时,Uber已暂停了在伦敦、巴黎的拼车服务(Uber Pool),且正在对不同国家的情况进行逐案评估。

值得注意的是,虽然相对于普通打车业务,拼车服务只占Uber营收来源的一小部分,但网约车用户的黏性随着疫情的突发而出现波动,有所下滑已是不争的事实。截至3月16日,美国消费者在Uber打车服务上的支出较上一周减少21%。或许这也就是为什么Uber曾发出预警的原因,即新型肺炎病毒或将对公司的业务造成重大影响,同时也或将破坏其电动自行车、滑板车等“新出行服务”业务的供应链。

1585301728730294.jpg

“Uber可能会面临一个大麻烦,即随着疫情的发展,人们最终会选择闭门不出。”有证券分析师如此表示。与此同时,多家投行也因疫情原因对网约车行业近期的走势抱有悲观预期。日前,投行Zephirin集团宣布将Uber目标价从40美元降至33美元,评级从持有降至减持。此外,Uber自身网约车业务也受到了阻碍,有关“Uber 司机是否应该算作正式员工”的讨论在世界各国引发争议。3月5日,法国最高法院承认了一名 Uber 司机拥有被视为公司员工的权力。如果这一判决引发更多司机效仿,那么 Uber 将支付大笔的工资、员工福利,不难想象,其他业务的发展势必会再次受到影响。

自动驾驶业务前途未卜

2018年2月,Uber一辆测试车在亚利桑那州撞死了一名路人,这是全球第一宗自动驾驶车辆致死事故,为此,Uber不得不喊停所有测试项目。时隔两年后,案情经过反复调查,终于在2020年初尘埃落定,但是在此期间,Uber自动驾驶业务可谓是一度停摆。

1585301750959203.jpg

好消息是,一个多月前,美国网约车公司Uber收到了加州汽车管理局(DMV)签发的自动驾驶路测许可。日前,Uber正式恢复在旧金山的自动驾驶路测工作。Uber表示,公司将把路测时间限制在“数周内”。同时,Uber将完成代码库及基础设施的升级,并配置两辆沃尔沃XC90原型车,每辆测试车辆将在前排座椅处安排两名安全驾驶员。据了解,重启工作开始后,Uber将在白天进行测试,并遵守之前的限速标准,仅在海湾区域提供测试。值得一提的是,测试车辆将不再载客。在自动驾驶技术研发方面,Uber这些年也采取了大量举措,旨在改进项目的安全性。Uber提升了测试操作人员的相关技能要求,操作人员在驾驶座上的工作时间被限制在4小时内,每隔两小时需要休息一次,或与副驾驶员更换位置。

尽管风波过后,Uber的自动驾驶业务已“从头再来”,但是劲头明显没有以前那么底气十足。近期,科斯罗萨西接受采访时公开表示,Uber对使用竞争对手的自动驾驶技术持开放态度。他指出:“如果这些竞争对手想把他们的技术放到我们的平台上,只要他们的技术足够安全,我们就会对其完全开放。”

科斯罗萨西的这一言辞瞬间引爆了整个业界的话题。有相关专家认为,此举意味着Uber已经离走下坡路不远了。也有相关专家认为,通过开放合作,Uber或许可以拉近与竞争对手之间的距离,以待实现弯道超车。

投资者质疑声依旧不断

3月18日,在投资者大会上科斯罗萨西表示:“在最糟糕的情况下,Uber今年的打车业务将萎缩80%,无法恢复。但即使如此,公司仍会有40亿美元现金和20亿美元的循环信贷额度,这让我们获得了渡过难关的有利地位,我们会渡过难关的。”1585301779331039.jpg

科斯罗萨西指出,公司的优势在于成本结构,没有了打车需求,Uber的成本也降低了,而且Uber Eats给了司机工作的机会,也让公司有了另外的收入渠道。事实上,Uber由于体量更大,而且旗下的UberEats本来也提供送餐服务,他们的司机确实也能够选择这个替代工作。而近期Uber也在不断的开拓新的市场,例如,3月23日,伦敦正式开通订餐服务,人们可以通过他们的iOS或安卓设备,或Ubereats.com订餐。据了解,UberEats的送餐业务在过去一段时间内增长了不少。在开完投资者大会的第二天,Uber的股票暴力拉伸了不少,当天上涨了超过30%。不过,其总市值依旧徘徊在390亿美元左右。

为了让投资者安心,Uber还再次宣扬其已开始对原型空中汽车进行飞行测试,并计划在今年开始示范飞行,三年后,在达拉斯、洛杉矶和墨尔本推出正式服务。

虽然科斯罗萨西嘴硬,但这话怎么听都像空头支票,在地面上的自动驾驶竞赛中,Uber已经先输了半场,而在这场已经吹响了号角的空中交通竞争赛中,Uber是否可以凭借“飞的”扳回一城还是一个未知数。

更有一些 Uber的投资者表现得比较激进。不久前,已经有股东向Uber公司施压,要求其变卖自动驾驶业务,认为这个业务每个季度消耗大约2亿美元的资金,加剧了公司的亏损。

而一旦亏损进一步加剧,继续变卖子业务或许也将成为Uber的最终选项。毕竟,早在2019年Uber的第三季度财报会议上,科斯罗萨西本人已经明确表示,Uber将继续做出取舍,一旦无法在所处市场占据优势地位,就会考虑或出售业务,退出市场。(作者:郭王虎)

自动驾驶的自主研发是场持久战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 92 次浏览 • 2020-03-20 16:42 • 来自相关话题

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢? ...查看全部

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢?

也许“自主研发”这四个字可以为我们解答其中缘由。

特斯拉的自动驾驶系统大部分是自己研发的,包括已经实现的远远领先业界的FSD芯片,集中式电子电气架构,自动驾驶算法等。

在软硬件结合上,特斯拉一直在走自主研发的道路,因此相对于对手在自动驾驶和车辆升级上有多年的领先优势。

这样来看,在财大气粗的传统厂商面前,特斯拉的技术优势有可能会迅速拔高。除此之外,特斯拉是一家高度垂直整合的公司,因此在人工智能方面,它拥有完全的自主控制能力。

某种程度上来说,特斯拉在自动驾驶领域犹如标杆一样存在,无论是豪车三巨头,还是比亚迪、吉利等中国传统车企或蔚来、小鹏等造车新势力,以及本土的自动驾驶创业公司几乎都以特斯拉作为研发对标。

谁能挑战特斯拉?

1车企的自动驾驶演进之路

所有汽车公司都要做两道难解的题目:造什么样的新能源汽车、自动驾驶怎么做。

如何选择新能源产品路线,是决定汽车公司,特别是新造车企业能不能活下来的关键。而自动驾驶战略方向的选择,决定了多年后的生存能力,同时也是能不能成为千亿市值公司的关键。

目前来看,蔚来、小鹏、威马是新造车公司里在自动驾驶领域投入比较大的选手,他们能够一定程度上反映出国内车企的自动驾驶演进之路。

蔚来过去是坚持自研的代表之一:跳过 L3,自研 L2/L4。早期时候,蔚来在国内外都设立了规模庞大的研发团队,并在去年6月向用户推送了NIO Pilot 升级包,提供自主研发的L2 级别辅助驾驶功能。不过,去年11月份,蔚来调整了此前的自动驾驶策略,选择和Mobileye合作。也就是说,蔚来将软硬件研发的重心由自主研发改为与自动驾驶供应商合作。

自打创立时主打自动驾驶的小鹏汽车,在2019年底时自动驾驶的团队已经达到190人的规模,中美两个团队同步研发。核心算法团队在美国,工作覆盖从算法运研到数据训练到模型优化到硬件落地,以及定位、激光雷达的处理、雷达的处理等。按照他们的规划,在下一款E28实现SOP时将实现完全自主研发的L2级自动驾驶推送,将感知技术由供应商方案变更为自主研发;2024年左右,L4级的自动驾驶方案将会搭载小鹏的汽车上。

同样,选择与供应商合作的还有威马汽车,他们的 Living Pilot 是与博世联合进行开发,提供 L2 级别的自动驾驶。威马在上海有软件研发,在德国、美国硅谷也设有研发机构,并在2019年1月与百度成立了“智能汽车全球联合技术研发中心”。据早期公布的信息,威马计划在2021年量产L3级别自动驾驶车型。

由此可见,有的车企坚持供应链模式,有的车企选择自主研发。站的角度不同,想法和路线自然不同。对于主机厂来说,自研自动驾驶可以和其他主机厂拉开差异化竞争,但同样自研也是资本投入巨大的事情。

在2020年这个关口,对于选择自研的车企来说,面临巨大的挑战。因为好不容易熬过了艰难的2019,这一年,行业洗牌已经开始,有的车企已经掉队。在更加严寒的2020年里,并不富裕的大家能做的就是继续奔跑。

在自动驾驶赛道上,其实车企无论是选择自研还是与供应商合作,目的都是在智能化转型的道路上寻求更大的胜算。

值得注意的是,选择「与供应商合作研发」的车企,并非全然没有自主研发,而是认可1+1>2的合作方式而选择强强联手,他们对于供应商也是有严苛的要求的,基于「自主研发」积累的深厚实力是关键之一。

例如蔚来选择与世界顶级 ADAS 霸主 Mobileye 达成战略合作,威马选择与百年ADAS巨头博世合作。在暂不具备独立开发完整自动驾驶系统能力的情况下,与强大的「自主研发」伙伴合作,基于此再做好差异化,这是一条可行、高效的路线。

同时,这也对自动驾驶方案提供商的创业公司折射出一个信号,必须依靠自主研发形成核心的技术能力,才能在行业中赢得青睐。

随着自动驾驶的比重逐步加大,未来汽车市场的竞争将会更加激烈。中国汽车品牌能否占住一席之地,甚至是形成自己的优势,避免被强势车企兼并重组,加大研发已是重中之中。

在未来,合作研发仍可能会是行业主流的选择,一定意义上,汽车的竞争力,归根结底或许会是背后供应商的竞争力。

2与时间赛跑,创业公司的自主研发

特斯拉的 Autopilot 并不是业内最早量产的自动驾驶系统。

但在 2014 年发布以后,Autopilot 凭借完善的功能定义、依靠众包数据不断学习的算法,以及通过 OTA 实现的软件升级,已经成为全球范围内部署规模最大、运行里程最长的(单一)自动驾驶系统。

最终,坚持自主研发的特斯拉,正逐渐成为「汽车界的苹果」。

对于创业公司来说,要想拿出这样出色的自动驾驶产品方案丝毫不容易,关键也是集中精力做好自主研发。

在自动驾驶路线上,从来就不缺乏对标特斯拉的中国力量,除了车厂外同样也有创业公司,其中就包括从特斯拉走出来的关键技术人物。徐雷是原特斯拉计算机视觉高级工程师,曾任TeslaVision深度学习负责人,研究成果直接向马斯克汇报,他从零开始领导搭建了TeslaVision的深度学习网络,成功取代了第一代产品中的Mobileye视觉系统。

2016年底,他与同在特斯拉效力的宋新雨创立了纽劢科技,宋新雨是特斯拉供应链及产品高级经理,期间为Autopilot和娱乐系统项目开发团队骨干成员,参与了Autopilot 1.0和Autopilot 2.0的产品化全过程,拥有十年以上丰富的汽车产品工程化经验。

2019年6月份,纽劢正式发布了面向量产的自动驾驶全栈解决方案,可以实现包括高速代驾、拥堵跟车、自主泊车等在内的多项功能。纽劢特别强调,这套以视觉感知为主的量产方案是完全自主研发,包括感知、规划、控制,以及专门的自动驾驶平台MaxOS——全部代码自主开发,无第三方依赖,标准化接口,因此能够为客户提供自定义的方案。

虽然不像特斯拉一样连计算平台都进行了自主研发,但是纽劢将自己所需的软件算法全部进行了自研,包括产品背后的仿真系统、集成测试系统、版本发布系统。

除了少数这样特斯拉背景的公司,国内不少的创业公司同样重视自主研发。

定位于打造自动驾驶大脑的Momenta的自主研发能力也不容小觑。相继发布了高速自动驾驶(Mpilot Highway)、自主泊车(Mpilot Parking)、L4级无人驾驶技术 MSD 等方案,背后是Momenta利用数千块GPU搭建的计算集群并自主研发了深度学习系统软件ROCS,用于实现多机多卡之间的快速通信,从而加速深度学习的训练和算法迭代。

这只是部分为车厂提供软件技术方案的创业公司,事实上国内还有不少创业公司在Robotaxi、低速物流等等细分领域通过自主研发形成了积累的技术深厚。

瞄准“自动驾驶方案提供商”的企业很多,他们大都也对标特斯拉。对于创业公司而言,他们希望赶上甚至是高于特斯拉,现在他们是否已经形成了一些这样的基础呢?

对比特斯拉的Autopilot来看,答案是有。

完善的功能定义、成规模的部署、可观的运行里程,虽然创业公司无法全部独自完成,但是这在和车企的量产过程中可以得到解决;而依靠众包数据不断学习的算法以及通过 OTA 实现的软件升级,不少的创业公司已经做到了:纽劢发布的量产方案具有影子系统这样的学习能力,Momenta也是在持续研发数据驱动的核心算法,打造闭环自动化工程体系。

在软件算法层面而言,自动驾驶系统研发的关键大体在于感知、规划、控制以及系统平台。如果具备了这一整套的技术能力,从根本上来说也就具备了开发一套好方案的基础。因此,国内一些企业坚持的正是全栈的自主研发。

全栈自研意味着方案可以做到完全自主可控,减少对第三方的依赖,在后期的技术迭代中不会受制于人。作为全栈自研的典型代表,特斯拉的成功已经充分诠释了这一点,特斯拉背景的纽劢科技,也是认准了这一点。国内可以提供全栈解决方案的企业,还包括有小马智行、元戎启行等等创业公司。

值得一提的是,视觉感知或许是不少公司的研发短板,包括部分的车企、传统Tier1以及自动驾驶公司,因此这也是一些创业公司重点攻关的方向。国内以视觉感知见长的自动驾驶公司,将Mobileye、特斯拉作为对标的对象,已经能够提供一些在中国环境下相当甚至是更出色的感知技术。

因地制宜,更懂中国,是国内创业公司的一大优势。自动驾驶具有很强的“本地属性”,它的实际效果与当地的交通系统、生活习惯、商业环境等等各个方面息息相关,需要因地制宜地设计、调整和部署。本地自主研发的创业公司,几乎都在这一点上做出了自己的特色。

如果说中国车企起步晚,终于在经过几十年的发展后追赶上了国外的对手们,那么中国的自动驾驶创业公司相对是幸运的,因为他们几乎是与各地的竞争者在同一起跑线出发。而且凭借中国在政策、市场等方面的优势,中国的自动驾驶公司有可能在未来快速地取得应用层面的突破。

中国作为全球最大汽车市场,从产业基础到政策扶持,从技术积淀到人才储备,各个方面都在共同催生自动驾驶市场爆发的火种。创业公司可以与本土的车企形成合力,在国内甚至是更大应用范围上实现技术的量产。

3自研不是泡沫

自主研发是泡沫吗?

马斯克曾说过,「一套昂贵的设备,其中大部分都使汽车变得昂贵、丑陋和不必要」,特斯拉其实走的是更艰难的道路,他想要一个更好的系统,即使没有庞大和昂贵的硬件,他将用自研的技术掌握真正的自动驾驶。

反观国内,不少的造车新势力,尤其是自动驾驶创业公司,都走自研自动驾驶策略,是为了吸引资本?

针对这个问题,雷锋网同时采访了六位学术界、工业界领头人,得到的答案比较一致:不是吸引资本。是学特斯拉快速迭代,一般供应商不会这么配合,或收取迭代开发费用。

其中一位业内人称,汽车界早已经抛弃了垂直整合模式,通用剥离德尔福,福特剥离伟世通就是经典案例。智能汽车重新冒出这个争论,是因为快速迭代OTA理念出来,不垂直整合就快不了,比如特斯拉,我的问题是,别人学习特斯拉,就一定能成功?毕竟世界上像马斯克这样的具备“asshole”天马独行执行力和想象力的人只有一个。

那么,自己干VS供应链干?

其实,无论打法如何各异,套路逻辑却是一致的。这和创新有关系,创新就会有成功和不成功。

能做到像特斯拉一样的车企是少数,如果无法独立搞定自动驾驶这个庞大复杂的系统,借助供应链上的力量来走得更快更好,不失为一个明智的选择。尤其是自动驾驶创业公司在创新上、在快速迭代上具有先天的优势,融入汽车供应链后与车企、传统供应商形成的新供应链关系,可以迸发出更强的产品活力。

通过观察这些造车新势力,不难发现,经过几年发展,他们正在由PPT造车,进化为将车交付到用户手中,通过一批批海量用户来进行检验。由此积累下的大量数据,成为其改进问题的发展模式。这也是造车新势力,与传统燃油车企对比中最大的硬伤。几十甚至上百年的行业沉淀,除了人才、技术、渠道市场,传统车企还拥有着海量各维度的硬性核心数据和软性经验积累,这是产品质量的重要基石之一。

然而,自动驾驶是一项综合要求相当高的技术,运用到汽车行业,更是一个战线周期长的事情。正如李书福所言,“炒作是炒不出高质量发展的。实业就是实业,实业是挣不来快钱的。”总之,时间是把杀猪刀,这也将考验着“自研话语权”的争夺能否笑到最后。

自主研发的优势未来会进一步促进中国汽车行业的发展,由自主技术构成的供应链也将让中国的自动驾驶产业发展得更加稳固。在经历阵痛或者是震荡时中掌握主动,在长远发展中而不受制于人。(作者:利荣)

无人配送车的时代到了?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 237 次浏览 • 2020-02-14 11:55 • 来自相关话题

抗疫,无人配送车已冲到一线。 ...查看全部
抗疫,无人配送车已冲到一线。

1581652482584971.jpg

近日,美国自动驾驶新创公司 Nuro,获批可以部署没有侧视镜和方向盘等人工控制装置的无人送货车。这是美国首次发出这类监管批准,允许在不满足美国所有现行汽车安全标准(75项)的情况下部署自动驾驶系统,这对无人车行业来说意味着向前冲了一大步。

当无人配送车的光照进现实,又取得阶段性的进步时,人们不禁要问:无人配送车技术发展得怎么样了?我们什么时候可以感受无人配送车上门服务?在物流业爆发式增长的时代,无人配送车会是未来发展方向吗?

无人配送车在限定区域和低速运行条件下基本成熟

“无人配送车目前在限定区域(如园区、学校、厂区等)和低速运行条件下(10-15Km/h)技术基本成熟,能够在路况良好的道路上稳定行驶,在安全性方面有充足保障,可承担快递、外卖、售卖等日常服务。”百度智能驾驶事业群组合作发展部宋德王在接受《智能网联汽车》杂志记者采访时表示。

事实上,在此之前,国内外多家公司进行了无人车应用到物流配送的试验。国外的物流公司如亚马逊、联邦快递意识到无人物流配送可以提高效率、缩减成本,很早就在无人物流配送方面暗自较劲。美国硅谷Nuro公司在2018年1月推出全球首款完全无人驾驶配送车,可以在机动车道路上行驶,但行驶速度缓慢。2018年12月,Nuro率先在亚利桑那州用R1上路送货。几日前,Nuro曝出重大消息:Nuro R2获批可以部署没有侧视镜和方向盘等人工控制装置的无人送货车。

早在2016年10月,由OTTO运输的自动卡车的首单运输货品就已经在美国上路。2018年,沃尔玛开始和Waymo公司合作,凤凰城郊区的消费者只需在网上提交购物清单,便可乘坐 Waymo 的无人车辆前往沃尔玛商店直接取货。2019年12月,图森未来L4级无人驾驶卡车车队也在京礼高速(延崇北京段)顺利完成中国首次高速公路全封闭环境下、基于C-V2X车路协同技术的队列跟驰测试工作。此外,德邦快递于2019年10月被授予了正式运营牌照。不同于以往的测试牌照,此次颁发的牌照允许在德清指定区域内的公开道路上进行L4级运行。这意味着无人驾驶货车快递场景应用正式落地和实现商业化。

国内物流公司加速试验 欲“后发制人”

2017年6月,京东在中国人民大学完成首次无人配送试验,但技术上仍有很大进步空间。2019年的“6.18”,京东正式启动了自主研发的全球全场景常态化配送货物首次的尝试,20台京东配送机器人在北京海淀区上地站发出,这也预示着国内快递无人配送时代的来临。无人员值守、无接触购物,京东物流的智能零售科技正在将疫病传播的概率降至最低,为消费者提供了更为安全的购物方式。

值得一提的是,京东物流在2020年春节期间所作出的贡献。为了降低疫区配送人员在高危环境下配送时被感染的风险,京东物流配送机器人也被派上前线。近日,京东物流在疫情核心区武汉已基本完成机器人配送的地图采集和机器人测试,为了更好地实现机器人配送常态化,京东物流正在从各地抽调配送机器人驰援武汉。除了武汉之外,京东物流在贵阳、呼和浩特等地的智能配送站也在正常运营,配送机器人正在不断将抗击疫情所需的物资与用户订单安全可靠的送达。

1581652502528803.jpg

而对国内最先拿到无人驾驶测试拍照的百度来说,走的是一条开放式的合作道路。百度与智行者合作的无人配送车——蜗必达,就是国内最早实现“解决最后一公里物流”的产品。只需要快递员在小区/医院集散点将快递装入车内,便可以将快递发送至各个小区/医院的单元楼/病房,相关人员只需通过手机扫码的方式进行取货,全部过程0接触,0感染。蜗必达可连续工作6小时,每次可送24件快递,单次承重100kg,每日可派单100+件。日前,百度宣布,将向为疫情服务的企业免费开放低速自主微型汽车套件和自主云服务矩阵。可谓勇担运货责任,摇身一变战“疫”冲锋队员。

阿里菜鸟在积极发展自己的智能物流网络平台,不断推出包括菜鸟无人车、无人机、菜鸟快递塔、菜鸟驿站智能柜、菜鸟小盒等系列智能黑科技,提供从最后1公里的全面解决方案。去年,菜鸟同样也启动了无人车配送。在成都的未来园内,满载包裹的菜鸟无人车在园区内穿行,把消费者购买的天猫商品送达分拨场地,全程由IoT(物联网)系统自动调用红灯,无人车自主规划路线和避障。这是菜鸟无人车首次从末端配送,进入园区调拨运输环节,代表着无人驾驶应用场景的进一步拓展。

“使用传统的调度匹配方法已经远远不能解决现实遇到的问题,必须采用新的技术,尤其是人工智能。”顺丰速运(集团)CTO、顺丰科技 CEO幺宝刚表示。像是分拣、自动导引车(AGV)等的自动化与机器人,研发无人机和无人车的技术孵化部分,物联网(IoT)及可穿戴式设备的智慧物联,以及 AI 智慧决策等成为顺丰科技的技术大脑的重要组成元素。

“这种小型无人配送车技术难度不大,和工厂里用的AVG小车差不多,只是多一些感知、路径内容,速度低,碰到人或其他障碍物会自己停下来。这种车就是用于B2C的,配送半径不大,就是区域仓储直接到终端用户的。”中国汽车工业协会副秘书长许艳华在接受《智能网联汽车》杂志记者采访时表示。

也就是说,目前如果我们只要求一定区域内的低速配送,技术是基本没有问题的,那么在开放的道路上,无人配送车还有哪些需要突破的点呢?宋德王认为:“在开放道路上,目前无专用车道,加上和机动车、非机动车混行,技术研发受限,因此,成熟尚需时间。”

无人配送车商用还需具备三大条件

此次疫情肆虐人心,无人车的曝光也的的确确温暖了国人紧张数日的内心。例如,广东省人民医院引进了两台集成无人驾驶技术的机器人,可实现自主开关门、自主搭乘电梯、自主避开障碍物、自主充电等功能,在医院中承担送药、送餐、回收被服和医疗垃圾等工作,降低了临床工作人员交叉感染的风险;杭州市第一人民医院有着类似的尝试,机器人从病毒洁净区承载餐食或物资出发,自动前往各个隔离区房间进行配送,试图通过机器人自动化免接触配送的方式,阻断“人传人”的新型冠状病毒传染链条,减少隔离区内部病毒传播的可能性;京东物流将无人车、无人机优先调往亟需运力支撑的区域,不断将抗击疫情所需的物资与用户订单安全可靠的送达。如今,平均每30分钟往返一次的无人车已经承担了武汉市第九医院的70%订单。

1581652521545655.jpg

近日,中国电动汽车充电技术与产业联盟常务副秘书长郑甲兔在接受《智能网联汽车》杂志记者关于“智能网联汽车能在哪些方面为社会提供帮助”问题的采访时,说道:“智能网联在应急交通物流方面有很大的帮助。”

 “目前无人配送已经在一些园区、厂区和酒店公寓里面运行,并且取得了良好表现,多个城市市民已经可以提前感受。政策环境一旦允许,无人配送车可以执行更大规模的配送服务。比如,在这次疫情期间,已经有个别无人配送车,执行外卖、快递、防控物资的配送服务。”宋德王说。

病毒的确没有隔离爱,而是让所有有爱的企业联合起来,去发掘最大的力量。有人说,疫情会促进无人配送车的发展,可现在笔者听到比这更有力量的呼唤——疫情不是机会,是自动驾驶企业的责任。

未来是明朗的,随着无人驾驶技术的成熟和物流业对效率提升的需求,无人物流配送成为无人驾驶技术商业化的起点。但对于现阶段来说,我们离真正的商用还有一段距离要走。

许艳华认为,无人配送车实现真正的商用,还需要具备以下条件:1、要有标准和认证规范;2、路权管理;3、能直接送货到用户手上需要物流企业优化信息平台等。

特斯拉首席执行官埃隆·马斯克曾特意说明无人驾驶的真正难题:把机器学习系统做到99%的准确率相对简单,但是在这个基础上再提升0.9999%的准确率却非常难,而这0.9999%才是根本性的需求。

物流业智能化发展是必然方向

据国家邮政局邮政业安全监管信息系统实时监测数据显示,2018年,我国快递件数突破每天3000万件,且每年保持30%-50%的增速;2019年我国快递年业务量突破600亿件。预计到2020年,我国的年均快递总件数将突破700亿件。每天接近2亿件包裹进入千家万户,城市末端配送体系犹如神经末梢一样,渗透进入我国广袤大地上的每个小区和家庭。可以预见,智能化城市末端配送体系将会为我国未来智慧城市与智慧交通建设作出重要的贡献。

宋德王认为:“随着人工成本逐步上升,在物流行业无人配送将成为趋势。未来,自动驾驶、编队行驶技术的成熟,将会逐步替代城市、高速上的货车司机,提供更安全更低成本的物流服务。”

好多人都说,今年会是无人车爆发的一年,是快速发展的绝好时机。

那么,我们是不是很快就能过上打开门,就能看到无人配送车出现在家门口的生活呢?

对此,许艳华表示,无人配送车不会一下爆发,可能会以地方政府为主先搞些示范。中国情况复杂,我认为应该是渐进式发展。比如,它暂且还做不到像快递小哥那样直接入户送件。

记得去年10月12日,《经济学人》刊载的一篇文章提到,“越来越多的人相信,无人驾驶汽车的广泛应用,可能首先出现在中国,而不是西方。”

的确,中国的无人驾驶企业已经在短短三四年的时间里,走过了西方企业十年才走过的里程。而在数据、算法、人才储备等方面我们确实积累的还不够。但中国也有着“中国特色”的优势,人口密度大、交通场景复杂等都有助于积累丰富的道路测试数据,再将国外的先进经验与国内实情相结合,无人驾驶技术水平潜力无穷。

宋德王说:“目前法律还不允许高速测试,企业无法上高速测试,技术成熟就会相对比较慢。而AI技术需要在实际场景下学习的。但是中国有中国的优势,比如,我们交通密度大,场景复杂,的确能够训练出更强的技术。”他表示,百度认为2024年会出现规模化的Robotaxi服务,低速无人配送预计今年或明年会大规模地发展,高速无人配送预期2025年前后会服务社会,目前还没确切时间。

要实现无人物流配送车可以正常上路行驶,自主规划配送时间和路径,仍然需要研究根据复杂的道路状况,识别道路环境、自主规划路径、避障等多种算法,并结合相应的硬件装备,组装成无人物流配送系统。特别是配送车的路径规划算法,作为行驶过程中最核心的程序,要能在复杂的地理环境中找到符合时间约束和用时最省的最短路径,保证城市小区域无人物流配送任务的完成。

前几日,广汽研究院院长肖宁在接受《智能网联汽车》杂志记者的采访中表示,智能网联汽车作用凸显,它将助力新经济、新服务。的确,无人车配送技术也会逐渐发展完善,来推动新时代物流配送的智能化发展。

相信在不久的将来,我们攻破了相关的技术难题,政府制定了完善的无人配送相关法律之后,无人物流配送能够成为城市小区域常见的物流方式,为物流企业节省成本开支,也为人们提供方便舒适的配送服务。

也许,不久以后,我们听到门铃声,打开门说一句:“无人配送车,你好。”(作者:郭文佳)

再添两员大将 赢彻科技明年实现L3级自动驾驶卡车量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 244 次浏览 • 2020-02-12 16:06 • 来自相关话题

嬴彻科技现已形成从前瞻人工智能、软件系统工程再到整车集成的自动驾驶量产全链条人才。


2020年疫情的爆发,让些许沉寂的无人驾驶、自动驾驶技术再次引发新的关注。迫切期盼落地的自动驾驶汽车,其量产之路充满坎坷。对于初创公司来说更是如此,而技术人才的加入或许是促其落地的重要推动力。


近日,赢彻科技宣布新一轮人事任命。前百度机器人和自动驾驶实验室主任及首席3D视觉科学家杨睿刚博士,出任嬴彻科技首席技术官CTO,全面负责中美两地的自动驾驶技术研发。前华为美国技术副总裁及软件架构师田琛博士,出任嬴彻科技副总裁,负责软件系统并主持硅谷研发中心工作。


广纳人才 形成自动驾驶技术研发闭环


此次加盟赢彻的两位技术大咖,都是其各自领域的佼佼者。


杨睿刚博士是全球知名的计算机视觉科学家。在三维重建和3D数据分析领域,取得了多项世界级科研成果。在百度期间,杨睿刚博士主持开发了世界上标注量最大的自动驾驶开源数据集ApolloScape。其研发的基于增强现实的自动驾驶仿真系统(AADS)登上《科学》子刊,入选2019百度AI十大技术创新。


嬴彻科技首席技术官 杨睿刚


不仅如此,他还领导科研小组开发了感知、决策、控制的全栈系统在半封闭场景下的工程机械智能化孵化项目和原型产品。


田琛博士曾是华为美国技术副总裁及软件架构师,是该领域的顶尖专家。他在全栈式软件基础架构方面拥有极为丰富的经验,精通并行和分布式系统、编译器、计算机体系结构、OS、云计算以及AI框架。


嬴彻科技副总裁 田琛


在华为美国任职期间,田琛博士作为架构师与技术副总裁,领导了多项研发项目,具有丰富的大型技术团队管理经验,曾带领数百人的技术团队完成多个嵌入式产品、消费者产品、云服务以及AI软件相关的研发项目。


其实,自成立以来,嬴彻不断吸收人才。


现任嬴彻科技CEO、兼G7总裁的马喆人,曾任腾讯集团副总裁。前东风商用车总经理黄刚,担任嬴彻科技的执行副总裁、整车工程负责人。前圆通运营副总裁阿玉顺,担任嬴彻科技执行副总裁、运力运营负责人。此外,清华“姚班”毕业的漆子超、自动驾驶领域的资深玩家刘煜,也纷纷加入嬴彻,担任其自动驾驶相关技术负责人。


随着杨睿刚、田琛的加入,将会进一步强化嬴彻科技在AI、软件架构上的实力。可以说,目前嬴彻科技已经拥有了从前瞻人工智能、软件系统工程再到整车集成等各个环节的自动驾驶人才。


核心模式初见成效 量产之路稳步推进


不断地吸纳人才,这与赢彻科技最初的发展定位分不开。


嬴彻科技的核心模式定义为“技术+运营”,即一方面研发自动驾驶卡车技术,起步目标是L3级自动驾驶车规级别量产,另一方面进行城际干线公路物流运力网络的建设和运营。这也就决定了嬴彻科技团队核心成员的多样性。


不同于乘用车领域的价值模糊,自动驾驶技术在长距离运输领域的价值显而易见。高人工成本与高运营成本都是长途干线运输的突出痛点,而自动驾驶技术恰好可以解决这些难题。另外,最后一公里物流配送、港口等封闭场景都是当前商用车领域自动驾驶落地的最佳场景。


现阶段,赢彻科技的目标是在2021年底实现车规级、L3级别自动驾驶卡车在干线高速公路的量产落地。同时,该公司给车队客户提供“按公里付费”的服务模式,计划搭建覆盖全国高速干线的运力网络,卡车数量预计达到5万~10万辆。


与此同时,赢彻科技也在与OEM合作定制L1和L2级的智能卡车,向物流公司提供运力服务,打算通过ACC(自适应巡航系统)、PCC(预测性巡航系统)、AEBS(预先紧急制动系统)、ESP(电子车身稳定系统)等辅助驾驶系统减轻卡车司机负担,提高驾驶安全,降低油耗。


在运营方面,嬴彻同步搭建的智能卡车运营平台业务基本已经覆盖全国,客户已接近百家。(作者:田野)

长安汽车谭本宏:“抗击疫情行动,将促进智能网联汽车发展”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 227 次浏览 • 2020-02-06 18:01 • 来自相关话题

“我认为抗击疫情行动,将促进智能网联汽车发展。人们将更加重视智能网联,智能网联也会更容易获得市场认可。”长安汽车执行副总裁谭本宏说。

1580983195883708.jpg

2020年的开头,实在“太冷了”。但庆幸的是,在灾难中,爱永远闪耀光辉。汽车行业大批企业在黑暗中不忘点亮一盏盏灯,勇担责任,同心战“疫”。而在全民众志成城与病毒抗争的画面中,无人车清扫医疗垃圾、无人快递物流等进入了大众的视野。


“对于疫情而言,智能汽车的介入更是能够降低疾病进一步传播扩散的风险,让无人驾驶汽车成为人与人交流的中介,减少人与人的接触,可以最大程度隔绝疾病进行人人传播的可能性。”谭本宏对《智能网联汽车》杂志记者表示。


无人驾驶汽车

可以最大程度隔绝疾病传播可能性


智能化的技术和产品早已经广泛融入社会生活的方方面面,在这次全国范围内的疫情防控中,更是再一次彰显出其在灾害防治、突发事件应对、高危作业等方面的独到作用。

1580983214835874.jpg

邮政智能无人投递车“汗马”


谭本宏强调,直观感受上,智能汽车最大的意义莫过于避免人工暴露在高危环境之中,降低安全风险,例如提到的无人车清扫医疗垃圾就起到了这样的作用。无人快递物流的介入更是能够降低疾病进一步传播扩散的风险,减少人与人的接触,可以最大程度隔绝疾病进行人人传播的可能性。


除此之外,无人驾驶汽车还能组成安全的运力,统一调度,帮助解决公共事务,为医务人员、病患提供无接触接送。

1580983248431349.jpg

无人驾驶汽车可为医务人员、病患提供无接触接送


谭本宏认为,智能驾驶仅仅是智能化技术中的一小部分,而智能交互以及智能网联技术在汽车上可以发挥的作用同样不容小觑。


智能网联汽车的实时位置和出行为政府提供人员迁徙的情况掌握;智能网联汽车可以通过实时更新的大数据,规避高风险的区域,不让车本身成为疾病传播的媒介;通过可靠的甄别手段,智能网联的公共交通也能成为疾病防控的利器,第一时间发现潜在的乘客患者,乃至路边的潜在传染源;智能网联汽车可以通过自动空气净化系统提供安全的防控空间;用语音、手势等无接触的操作替代需要按键、触摸等方式,对于公共交通的场景而言,也是一个非常有利于疫情防控的升级。


智能汽车承载着人们对美好生活的向往


谭本宏认为,此次战“疫”将会加强社会对智能汽车的重视,也会加速智能化、在线化、远程化、无人化的发展。

汽车一直是为解决用户的出行问题而存在,而智能汽车能够更好地解决用户的出行问题,智能汽车不仅仅代表了更加极致的出行体验,更承载着人们对美好生活的向往,代表了更加智能、便捷、优质、安全的生活品质。


谭本宏表示,在可以预见的未来,智能汽车将会在极大程度上改变出行的面貌。汽车本身将成为一个大型智能移动终端,是人们的“第三空间”,日常生活所需、工作所需以及更多琐碎的事务都可以通过汽车得以实现,如今的智能汽车正在逐步向这样的愿景靠拢。


同时,随着“新型智慧城市”的不断建设,智能汽车作为智能交通、智慧城市的基本载体,将会在人们日常生活中扮演越来越重要的角色。


据悉,为抗击“新冠”疫情,长安汽车集团捐赠1000万元人民币,其中长安汽车捐款500万,全力支持疫情防控工作。本次资金用途包括采购疫情防控所需的医疗、医用、生活等应急物资,帮扶奋斗在抗击一线的医护等群体,将为他们提供有力的后勤保障服务。(作者:郭文佳)

自动驾驶汽车发展四个技术挑战——车辆、行人、道路、天气

博客自动驾驶小能手 发表了文章 • 0 个评论 • 200 次浏览 • 2020-02-05 12:36 • 来自相关话题

自动驾驶的技术发展速度一直很迅速,尤其是在过去的1-2年中,在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统(Lane departure systems)的功能已经从仅发出警告发展到全主动的车道保持。防前撞系统(Forward collisi ...查看全部

自动驾驶的技术发展速度一直很迅速,尤其是在过去的1-2年中,在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统(Lane departure systems)的功能已经从仅发出警告发展到全主动的车道保持。防前撞系统(Forward collision systems)在性能和功能上都取得了进步,不仅提供了主动制动功能,而且还能够检测骑自行车的人、行人以及其他车辆。但是,与机器可以实现的功能相比,在许多方面,人类驾驶员所拥有的感知能力仍然遥遥领先,而且在许多关键领域我们仍然无法提供能够实现SAE 4级自动化所需性能和功能的传感器。在本文,我们涉及了一些特别具有挑战性或目前完全无法解决的情境来加以说明。

技术挑战1:预测车辆在前方道路上的制动性能
前向碰撞警告和自动紧急制动系统(Forward Collision Warning and Autonomous Emergency Braking systems)在制定避免或减轻碰撞事件的决策时,需要了解路面将提供的制动摩擦力。然而,预测道路摩擦力比较困难。
对可能的解决方案的看法
有两种主要方法可以实时估算车辆在前方道路上的制动性能表现。
一:机载方法(On-boardapproach)

二:基于云的计算方法(Cloud-basedmapping approach)

技术挑战2:预测行人轨迹 
在包含行人的环境中行驶的任何自动驾驶汽车都需要预测附近行人路线,并相应地调整其路线以避免碰撞。但是,预测人类目标的运动轨迹是很困难的,因为人类的行动常常具有很强的不可预知性,不会严格遵守既定的规则和社会规范。
对可能解决方案的看法
斯坦福大学和东京大学都使用各种模型研究了行人轨迹预测的各个方面,其中包括可以学习和预测人类运动的长短期记忆(LSTM)模型。东京大学进一步开发了基于LSTM的编解码器模型,该模型旨在对运动轨迹和人类交互进行编码,以预测人类未来较长一段路径的行为表现。这类技术尽管还有很多待开发的地方,但这些预测模型最终可能会提供一个可靠的解决方案。
技术挑战3:道路上有杂物-我可以开过去吗?
在看到前方道路上未知属性的杂物时后,大多数驾驶员能够决定是避开还是开过去。在这段很短时间内,驾驶员在执行各种风险计算,根据感知到的物体大小、重量和密度,将权衡停止、转弯或驶过杂物的相对风险。在遇到杂物时,自动驾驶汽车通常会先经历四个阶段的过程,然后再决定要采取什么措施。涉及的阶段包括:

一:识别

二:分类

三:了解物品

四:开过,避开或停止

对可能解决方案的看法
第一阶段和第二阶段虽然具有挑战性,但可使用在现实世界中经过识别大量物体训练的神经网络来实现。提早识别物体是很重要的,因为这会使系统有更多时间余量进行后续阶段操作。除此之外,还需要一些额外的系统训练来帮助对不常遇到的情景(例如,沙发从卡车上掉下来)进行物体分类,以完善数据库。第三阶段涉及物体的完整图片信息的建立,并将涉及来自多个传感器的信息融合。例如,如果识别出桶型物品,那么它是由什么制成的?是空的还是满的?无论最终的行为是撞击还是避开物体,这一最后阶段的结果都会因一系列的碎片动态行为而变得复杂。它很可能在起始识别到接触这一时间段内移动,并且其运动将取决于一系列因素,包括天气条件以及我们的车辆与物体之间的任何其他车辆的行为。类似于先前关于行人轨迹讨论的建模技术的使用,将来可能会为这一挑战提供解决方案。
技术挑战4:管理不同的天气条件
当前的光学传感系统在大雾,大雪或大雨中不能很好地工作。这些条件减小了它们可以工作的范围,甚至使它们完全无法工作。在大多数情况下,人都可以开车,因为即使是大雾,大雪或雨天,通常也不会阻止他们安全到达目的地,即使迟了一点。
对可能解决方案的看法
在过去一年左右的时间内,潜在的解决方案已经开始试用。由于雷达对极端天气条件的敏感度要低得多,因此它可以为这一难点提供解决方案。用于地面的雷达正在开发,它将被用来进行地面的拓扑分析,并将结果与道路网络数据库进行比较。期望在将来,该信息可能能够在任何天气下帮助车辆在高速公路上行驶并保持在车道内。
挑战“这些挑战是进行SAE 4级车辆安全部署的重大障碍。”SBD Automotive的自动驾驶部门总监Alain Dunoyer博士说,“通常情况下,人们说法律方面的原因限制了自动驾驶的广泛部署,而实际上是因为许多关键技术难点仍未解决。并且法律可以花费时间和精力来修改,但物理定律不能更改,所以可以在路上看到SAE 4级车辆的时间可能远比以前设想的时间长。”(作者:SBD汽车研究)

FLIR与ANSYS联手加速热像仪机器学习,为自动驾驶保驾护航

博客自动驾驶小能手 发表了文章 • 0 个评论 • 378 次浏览 • 2020-01-20 10:47 • 来自相关话题

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。 ...查看全部

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。


据麦姆斯咨询报道,FLIR Systems, Inc.(纳斯达克证交所代码:FLIR,以下简称FLIR)与ANSYS(纳斯达克证交所代码:ANSS)正在合作,共同为辅助驾驶和自动驾驶汽车(AV)提供卓越的危险探测能力,为汽车制造商提供前所未有的汽车安全保障。通过此次合作,FLIR将把完全基于物理的热成像传感器集成到ANSYS的前沿驾驶模拟器中,从而实现在超真实的虚拟世界中对热像仪设计进行建模、测试和验证。全新的解决方案将通过优化热像仪的布局来缩短原始设备制造商(OEM)的开发周期,以便与自动紧急制动(AEB)、行人探测等工具一同使用,并应用于未来的自动驾驶汽车。

对FLIR客户及合作伙伴来说,在虚拟环境中进行测试的能力是对现有系统的有力补充,受益产品主要包括搭载了FLIR Boson®热像仪、FLIR热启动数据集及特定区域/城市热数据集(用于算法训练)的FLIR汽车开发套件(ADK™)。FLIR热数据集是为高级驾驶辅助系统(ADAS)开发、AEB和自动驾驶汽车系统中的机器学习而创建。

目前,自动驾驶汽车和ADAS传感器在黑暗或阴影、强光及恶劣天气(如大雾)等环境中面临着巨大挑战。然而,热像仪可以有效地探测和分类这些环境中的物体。将FLIR的热成像传感器集成到ANSYS® VRXPERIENCE®中,即可在短短几天内模拟完成数百万英里的数千种驾驶场景。此外,工程师还可以模拟热成像能够提供关键数据但难以塑造的场景,包括在拥挤的低对比度环境中探测行人。

“通过将ANSYS行业领先的仿真解决方案加入到我们现有的物理测试工具套件中,工程师、汽车制造商和汽车供应商可显著提升汽车在各类驾驶条件下的安全性。”FLIR工业事业部总裁Frank Pennisi表示,“该方案可以重现驾驶员每天都能看到但在物理环境中难以复制的特殊场景案例,这为改进神经网络和AEB等安全功能开辟了道路。”

“FLIR认识到,仅仅依靠在物理世界中收集的机器学习数据集来使热像仪在汽车应用中达到尽可能安全可靠,是具有很大局限性的。”ANSYS副总裁兼总经理Eric Bantegnie说道,“如今有了ANSYS解决方案的帮助,FLIR可以进一步增强汽车制造商的能力,以加速搭载热像仪的辅助驾驶系统的开发和认证。”

除特定城市的数据集外,FLIR在汽车行业已拥有十多年的丰富经验。FLIR已为包括通用、奥迪和奔驰等在内的汽车制造商提供了超过70万个热成像传感器,作为其夜视预警系统的一部分。此外,FLIR近日还宣布,其热成像传感器已被一级汽车供应商Veoneer选中,用于与全球顶级汽车制造商合作计划于2021年量产的L4自动驾驶汽车中。

于1月6日至10日在美国内华达州拉斯维加斯举办的“2020年国际消费电子展(CES)”期间,FLIR展示了其热成像加持的演示汽车和其它创新型产品,FLIR的展位号为#8528。

马斯克说“傻子才用”的激光雷达,如今要在自动驾驶识别中唱主角了

博客自动驾驶小能手 发表了文章 • 0 个评论 • 233 次浏览 • 2020-01-20 10:43 • 来自相关话题

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展, ...查看全部

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展,智能传感器展现出了蓬勃的发展生机。《中国电子报》将选取自动驾驶、智慧养老、工业互联网、智慧医疗等几个热点领域中传感产品的应用情况进行报道,展示传感器技术发展趋势,产业发展前景。

激光雷达(LiDAR)一向是汽车自动驾驶技术实现的主要部件之一,然而动辄数十万元的造价限制了它的普及应用。近年来随着博世、安森美、英飞凌等半导体大厂的大举投入,以MEMS、光学相控阵列(OPA)技术为基础的固态激光雷达正在走向成熟,逐渐有能力取代传统机械式激光雷达。未来,固态激光雷达有望在自动驾驶识别中扮演主要角色。

固态激光雷达闪亮CES2020

在近日举办的CES2020大展上,激光雷达成为亮点之一。开展前夕,德国汽车零部件供应商博世宣布,其首款车规级激光雷达芯片已经进入量产开发阶段。该系列产品可覆盖长距离和短距离探测,适用于高速公路和城市道路的自动驾驶场景。更为关键的是,博世希望通过规模化量产,降低激光雷达成本,从而促进市场推广。

安森美是图像传感器领域的主要厂商之一,近年来在激光雷达、毫米波雷达和图形传感器芯片等领域均有投入。本届CES上,安森美以激光雷达芯片为重点,展示了业内首款高分辨率、宽视野单光子雪崩二极管(SPAD)阵列探测器。SPAD阵列是微光光子探测器芯片,可用于不同类型(包括短距、中距和长距)激光雷达当中。

欧司朗从去年开始就有消息传出将进入激光雷达市场。本届CES上,欧司朗展示了应用于自动驾驶概念车MetroSnap的激光雷达技术。MetroSnap是一款L5级别的自动驾驶汽车,欧司朗称其所提供的激光雷达技术能够通过红外线脉冲激光绘制车辆周围环境的3D地图,使MetroSnap概念车实现更安全的自动驾驶。

另外,近日图像传感器大厂索尼也传出将进军固态激光雷达的消息。

中国公司也在激光雷达领域崭露头角。在CES2020上,由DJI大疆内部孵化的览沃科技(Livox)发布了两款激光雷达传感器:Horizon和Tele-15。览沃科技表示,这两款激光雷达为L3/L4级自动驾驶而设计,是高性能、低成本、可量产的传感器解决方案。览沃科技以此为契机还与自动驾驶初创公司Refraction
AI和AutoX建立了合作关系。

迅速发展媲美机械式产品

激光雷达一向是汽车自动驾驶技术得以实现的主要部件之一,具有高分辨率、抗干扰能力强、获取的信息量大等优点,然而,高昂的造价也限制了它的普及应用。特斯拉CEO马斯克就曾公开表示:“傻子才用激光雷达,现在谁要还是靠激光雷达,那就注定完蛋!”不过近年来,随着博世、安森美、索尼、英飞凌等半导体厂商的大举投入,固态激光雷达正在慢慢走向成熟。

专家指出,固态激光雷达与传统的机械旋转式激光雷达不同,它采取MEMS、光学相控阵列(OPA)等扫描方式,对物体信息进行识别,以实现收集路况信息,为自动驾驶提供数据基础的作用。而且相比机械式激光雷达,固态激光雷达在成本、体积、可靠性和使用寿命上都有优势。

那么,目前的固态激光雷达可以和机械式激光雷达相媲美吗?从览沃科技发布的产品参数来看,Horizon检测范围达260米,水平视场角81.7°,可覆盖10米距离内的4条车道,等效于传统64线激光雷达,采用5个Horizon即可实现360°场景覆盖。同时,Horizon具有高密度点云、体积小的特点,可以轻松地嵌入到车辆中。Tele-15探测距离达到500米,为远距离检测而设计,兼具紧凑尺寸、高精度和耐用性的优势,0.1秒即可扫描15°圆形视场内99.8%的区域,这一点要优于传统128线激光雷达。

激光雷达解决方案提供商速腾聚创(RoboSense)合伙人兼副总裁Leilei
Shinohara也表示:“我们与安森美半导体合作并利用RD系列SiPM系列,已迅速超越了传统激光雷达制造商使用较老旧的APD技术和机械扫描架构所提供的性能。

有望加快商用进程

激光雷达一直是自动驾驶汽车中价格最为昂贵的传感器,各个零部件供应商和激光雷达初创公司都想降低激光雷达的生产成本,以获得规模效益。随着固态激光雷达技术的逐渐成熟,固态激光雷达由于改变了数据读写模式并省去了旋转部件,成本可以大幅下降,有望推动市场应用的快速扩大。

在宣布推出激光雷达芯片时,博世发言人即表示,博世的激光雷达已经开发完成,并且售价将会低于市面上其他的激光雷达,使其成为一款大众可负担得起的产品。览沃科技更是直接将激光雷达的价格拉到了万元以下,Horizon的报价为6499元,Tele-15为9000元。览沃科技全球市场总监邓睿豪表示,大疆一直在推动的事情是希望将前沿技术平民化,这种思路也同样适用于Livox。

随着博世、安森美等半导体大厂进入激光雷达领域,特别是中国芯片厂的进入,激光雷达技术应该会取得突破,其价格有望进一步下探。而核心芯片价格的下降,直接影响激光雷达的价格,有望从万元时代来到千元时代。

从应用角度来看,激光雷达的应用依然需要与毫米波雷达、摄像头等设备结合使用。恩智浦资深副总裁兼首席技术官Lars
Reger表示:“激光雷达、雷达、摄像头,就像人的眼睛能看到的视线一样,应当相互补充,结合使用。”

毫米波雷达优点主要是探测距离比较远,精度非常高,而且不受天气和光线的影响。毫米波雷达对运动的金属物体比较敏感,但对于静止的金属或非金属物体,运动的非金属物体不太敏感,分辨率也比较低。激光雷达的测距精度非常高,基本上可以达到正负一两厘米,分辨率也非常高。但激光雷达容易受到阳光雨雾和互干扰的影响。摄像头可以通过丰富的成像信息进行各类识别运算,比如行人、形变的物体,还有停车场的横杆以及交通标识等。不同方案结合使用可以起到相互补充的效果。事实上,目前博世、安森美、恩智浦等主流半导体厂商都掌握着三种技术相对完整的产品线,同时致力于打造整体解决方案。(作者:中国电子报)

专注FMCW激光雷达的光勺科技亮相CES 2020

博客自动驾驶小能手 发表了文章 • 0 个评论 • 760 次浏览 • 2020-01-16 18:37 • 来自相关话题

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。市场 ...查看全部

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。

市场上最常见的两种激光光波调制技术有调幅(AM)和调频(FM)。传统的调幅(AM)激光雷达易受其它传感器光源干扰,容易出错;而FMCW技术能够提高对外界干扰的容忍度。FMCW技术的基本原理是用高频连续波作为发射波,利用接收的回波频率与发射的频率之间的微小时间差计算出某物体与目标之间的实际距离,两者的变化规律都是三角波规律。将调频(FM)激光雷达运用于自动驾驶领域,有助于提升无人驾驶汽车的安全性、帮助其根据周围环境做决策。相比AM技术,新制式FMCW激光雷达有三个显著优点:(1)探测距离长度达250米,是AM技术的2倍;(2)能提取动态多普勒信息;(3)使用单机激光特定频率,避免互相干扰。

目前,激光雷达赛道比较拥挤,全球大约有一百多家供应商,但是都是AM老技术制式,只有十余家公司使用FMCW技术。国内的光勺科技就是其中一家,而发布路测视频的目前只有三家。

目前,FMCW雷达方面最为知名的公司是被Aurora收购的Blackmore。与Blackmore采用调频FMCW技术不同,光勺科技的新制式FMCW激光雷达(Self-Homodyne Laser Radar)调制的不仅是激光光波的频率,还包括相位,也就是使用了调相技术。该公司拥有相干检测技术的核心专利,能够实现4D激光点云输出。每一个输出点云中不仅包含距离信息,同时能够提取动态目标的多普勒彩色图形信息,这将有助于在自动驾驶中探测移动的目标,高效、自动输出安全驾驶距离;同时能够排除外界噪声的干扰,提高对外界温度、环境恶劣程度的容忍度。

光勺科技表示,相比于传统FMCW调频技术,公司产品具有核心优势。从符合车规级的角度看,使用调频方案时,需要激光信号具有极高的调制线性度,而调相方案中只需要控制相对长度,对产品长度的误差度和环境的容忍度也有很大的提升,因此更容易符合车规级。


光勺科技的4D多普勒成像信息

光勺科技此次展示了实际路况测试视频。视频中,如团队提供的4D多普勒成像信息图所示,自动驾驶汽车行驶过程中,前方150米出现两个骑自行车的人在车前进方向逆向行驶,即最左图中的圈出的绿点,FMCW激光雷达能够清晰辨认出150米外正在移动的目标。图三中,两个骑行的人中有一人朝着横向方向驶开,离开车载雷达的视线范围;但另一个人仍逆行前进。此时,自动驾驶车前出现一辆出租车将骑行者挡住,人的位置位于最右图中的红圈内,该路况下,传统雷达视线会被出租车阻挡,无法辨认出骑行者所在位置,这对于自动驾驶汽车来说无疑是危险的情况。光勺科技表示,公司的FMCW激光雷达能够在此种情况下透过遮挡物,清晰地提取出室外移动目标的多普勒信息彩图,这将大大有助于提升自动驾驶汽车的安全性。

在CES 2020展会之后,目前已知对其FMCW激光雷达样机感兴趣的企业有专注于公共交通新型自动驾驶的初创公司Bluespace.ai、印度塔塔集团旗下的Elxsi。同时,光勺科技团队还在积极对接谷歌Alphabet旗下的美国第一无人驾驶公司Waymo和通用旗下的Cruise。谈及激光雷达产品正式上市的时间,“预计在2020年的Q3或者Q4发售”,光勺科技团队回复。因为“硬件加工上难度并不大,核心还是模型和算法”,厂商确认订货和下单之后,光勺科技能够在一个月内发货。

谈及竞争优势,光勺科技表示,他们申请了的一套针对激光调相的调制方面的核心专利,这是对手没有掌握的。光勺科技是国内第一家实现真实条件路测的FMCW激光雷达公司。

这个赛道上,除了技术发展路线与光勺科技最相似的Blackmore,还有Strobe、Aeva和Bridger Photonics等专注于FMCW激光雷达的厂商。其中,Blackmore获得了宝马的风险投资,Strobe被通用汽车旗下的无人驾驶公司Cruise收购;而Aeva和Bridger Photonics分别获得了丰田风险投资和德国蔡司的投资。不过,这些激光雷达厂商的产品都或多或少被市场上的头部企业绑定了。比如,Blackmore的产品仅对Aurora发售,Aeva的样机仅用于奥迪和保时捷。

杨晓明:以智能架构推动自动驾驶汽车实现量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 248 次浏览 • 2020-01-14 17:29 • 来自相关话题

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型&nb ...查看全部

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。

1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型 引领创新”主题,围绕行业、企业、政策的转型与创新展开广泛研讨。

杨晓明介绍,目前,整个行业正在面临着向移动平台未来出行方式变革的挑战,在这个挑战过程中,安波福一直坚持三点:第一、安全,就是解决汽车零事故的问题。第二、环境,就是绿色,如何达到严格的排放要求。第三、互联优势。如何把安全、绿色、互联三方面结合到未来出行自动驾驶的平台上,对整个汽车行业来说,是挑战也是机遇。

杨晓明说,即使在2019年中国汽车市场面临下滑的情况下,主动安全系统仍然处于非常高速的发展阶段。“目前,汽车行业存在的一个大问题,就是传统汽车的架构接近饱和,已经不太可能承受安全、绿色和互联的发展趋势对汽车平台的要求。”

如何解决?杨晓明认为可以从今年的CES展得到启示。杨晓明认为今年的CES表现出三个特点。首先是激光雷达公司强调的重心已经从功能转向成本,在成本价格得到解决的情况下,激光雷达就可以达到适用的量产阶段;其次是AI正在成为主题,算法及计算能力得到发展;第三是感知系统被重视,如面部识别,对汽车内部的传感系统等。

杨晓明透露,安波福正在做下一代汽车架构的团队,注册商标SVA,就是智能汽车架构。这个智能汽车架构有三大特点:一、强调把软件和硬件分离开;第二、把输入端和输出端与中央计算分离;第三、中央计算中心担当服务器角色。

杨晓明认为,智能汽车架构是目前的一个发展趋势。软件和硬件分离会带来更多好处,在升级扩充功能的时候不需要重新对每个模块进行长时间的车级论证,软、硬件开发时间会大大缩短。最重要的是可以扩充功能,就是说可以不停地开发客户需要的功能,通过云端直接升级到车上,而不牵扯大规模硬件方面的论证。同时,可以实现电子电气架构的自动化装配,大大降低汽车组装的成本。“汽车智能架构会带来非常大的业务模式的变化,这个业务模式的变化不仅是消费者端,而是在整个汽车产业链里,谁来完成哪一块的功能,这是一个全新的开放的生态方式。”

安全、绿色、互联的发展趋势需要新的系统的解决方案,新一代汽车智能架构是高度自动驾驶汽车量产的基础保障。“到底市场如何去变?我认为下一个革新最可能成功的地方就在中国,因为我们有各方面的社会优势以及大量的创新企业正在向这些方向发展。”杨晓明说。(作者:交通安全智库)

2020年,5G和边缘计算将如何发展?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2020-01-13 09:51 • 来自相关话题

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。 ...查看全部

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。

2020年新年伊始,围绕着边缘计算和5G肯定会有一波新的炒作。现在是巩固和更新我们对这两个概念的理解以及探索这两种技术如何相互补充和相互增强的理想时机。特别是在金融支付、在线订单、欺诈监测、机器学习等领域,这两项技术将助力你在未来保持持续地竞争力。

边缘计算主要是处理来自更接近其创建位置的设备信息,而不是在云平台中来回调取信息。5G的到来,为边缘计算之前不可能实现的应用铺平了道路。比如增强现实和虚拟现实,5G的超低延迟特性使你看到的东西与你正在做的事情保持同步;还有自动驾驶汽车,需要在瞬间对大量数据进行处理并做出决策。

IDC预测,到2025年,全球将有1500亿台联网设备(包括RFID),其中大部分都会实时输出数据。2017年,实时数据仅占所有创建、捕获或复制信息的15%;到2025年,这一比例有望达到30%。从百分比上看,边缘计算似乎不会带来翻天覆地的变化,但是从数据的原始容量来看,这是一个数量级的增长(从~5 zb到~ 50zb)。边缘计算基于海量实时数据,具有同步智能分析的能力,同时最小化带宽开销。

新的定义

即使已经到了2020年,关于“边缘”的定义仍会仁者见仁智者见智。从NIST(美国国家标准技术研究所)到IEEE,模型仍在不断发展。它可以是树莓派选择性地将传感器信息发送到云上,也可以是谷歌在线流媒体平台上处理数据的节点。虽然这两种模型之间有很大的差距,但它们都使计算资源更接近用户终端。

一份相对中立的边缘计算报告中给出了一个更明确的定义,得到了一些行业的共识:

  • 边缘是一个位置,而不是一个新事物。

  • 边缘计算有很多,但我们关心的是网络“最后一公里”的边缘计算。

  • 边缘计算有两种形式:基础设施边缘和设备边缘。

  • 计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分

通俗地来讲,设备边缘包含终端,如电话、无人机、AR耳机、物联网传感器和联网汽车;还包含网关设备,如交换机和路由器;以及本地服务器。它们都在网络最后一公里的下游。基础设施边缘存在于上游,是通过网络接入设备和数据中心获取计算资源。

例如在大钻机案例中,树莓派是在设备边缘,它不需要实时传输环境数据来占用带宽,而是在本地进行处理,除非紧急任务下才向后台上报。相反,当本地数据中心需要提供每秒60帧的流媒体速度来播放4K高清视频时,虽然设备边缘能提供了一个明显的低延迟优势,但是用户更希望向上游获得一个具有更强大的处理能力的硬件。

除了分布式基础设施靠近核心网络之外,对云的要求也变得更集中化和可扩展性。但是,当您使用云计算时,延迟要高得多(而且一致性也差得多)。

低时延边缘计算的优势

人们很容易将低延迟视为边缘计算的杀手锏,尤其是在云计算受到物理限制的情况下。

数据的传输速度不可能超过光速,因此向数百或数千英里外的服务器发出请求必然要花费数十或数百毫秒才能完成。当你滚动网页时,这种区别是看不出来的。但对于远程操作的外科医生或虚拟现实中的游戏玩家来说,这些延迟是无法接受的。

边缘计算则消除了延迟以保持数据的一致性。

边缘计算还避免了在连接的设备和云之间来回传输数据。如果您可以确定数据的价值更接近它被创建的地方,那么就可以优化数据流动的方式。将流量只用于云上的数据,可以减少带宽和存储成本,对延时性不敏感的应用也是如此。

边缘计算还会带来可靠性。在恶劣的环境中,设备边缘和集中式云之间数据传输可能会出现很多问题。如海上平台、炼油厂或太阳能农场,设备边缘和基础设施边缘可以在连接不到云的情况下半自主地运行。

分布式体系结构甚至是安全的福音。将更少的信息转移到云中意味着拦截的信息更少。边缘的数据分析在地理上分散了风险,端点信息本身并不容易保护,因此,边缘处的防火墙有助于限制攻击的范围。而且,出于遵从性原因,将数据保存在本地可能很有用。边缘基础设施提供了基于地理位置或版本权限访问的灵活性。

5G和边缘计算相互促进

边缘计算并不新鲜。早在2000年,内容传播网络就被称为边缘网络。但人们普遍认为,随着5G覆盖范围的扩大,边缘计算将有助于利用本地(而非区域)计算资源解决现代应用程序的高带宽、低延迟需求。

5G技术将使计算资源更接近数据生成的地方,从而提高企业应用程序的速度、可靠性和灵活性。更多的信息将在5G网络之间高效传输,而不需要往返于中央云上。因此,我们将会看到以前不存在的应用案例。

根据《边缘计算状态报告2020》,对边缘计算的最大需求来自于通信网络运营商,他们要不断的更新基础设施和升级5G网络。在这些网络上运行的移动消费者服务将依赖于边缘计算,来支持在线游戏平台、增强/虚拟现实和人工智能等应用。

智能家庭、智能电网和智能城市都倾向于使用设备边缘平台。但是,随着这些用例的发展和变得更加复杂,也会出现对基础设施边缘功能的需求。5G对超可靠低延迟通信(URLLC)和大规模物联网通信(mMTC)的规定意味着设备和边缘计算可以更紧密地连接在一起,使它们的短连接更高效。


如图所示:交通信号灯联网并连接到边缘网关,数据可以在那里被收集和分析。作为边缘网络的一部分,它们可以向地图工具提供数据,并围绕拥塞问题重新设置路线。

值得一提的还有自动驾驶汽车。它是5G增强的边缘计算的典范。现在最新的汽车已经利用设备边缘上的计算资源进行避碰、车道保持和自适应巡航控制。但随着辅助驾驶和自动驾驶功能变得越来越复杂,将需要添加来自周围环境的基础设施的边缘资源。例如:根据前方的交通状况来调整行程,与其他自动驾驶车辆相互协调在红灯前通过,或者在瞬间做出决定以避免不安全情况。

边缘计算还需成长

边缘计算被列为Gartner 2020年十大战略技术趋势之一。同时列表中的其他几个概念也植根于边缘计算。超自动化致力于应用人工智能和机器学习等技术,它将依赖于低延迟和持续可靠的通信基础。多维体验也是一大趋势,它依赖于高带宽和实时处理的多维传感器和多功能界面。当然,智能的事物都与AI、5G和边缘计算有关。

启用这些新的应用将需要大量的投资。据Tolaga Research预测,从现在到2028年,IT和数据中心基础设施的累计资本支出将达到7000亿美元。

随着计算资源从集中式云向分布式边缘的扩散,新的应用、新的机会比比皆是,特别是成熟的基础设施边缘。理解边缘计算和5G的影响将帮你给客户带来更加无缝的体验,洞察新市场,并迅速做出反应决策。(作者:Chris Angelini)

邬贺铨:5G发展尚未能满足车联网需求

博客自动驾驶小能手 发表了文章 • 0 个评论 • 243 次浏览 • 2020-01-13 09:31 • 来自相关话题

5G的车联网创新还需要验证  ...查看全部

5G的车联网创新还需要验证 

1月10日-12日,以“把握形势、聚焦转型、引领创新”为主题的2020中国电动汽车百人论坛在北京钓鱼台国宾馆举行。

在10日上午的自动驾驶论坛上,中国工程院院士邬贺铨发表了主题为5G车联网的挑战的演讲。他认为,5G要满足车联网的需求还有很大的挑战。目前的5G技术是为公众通信而设计的,面向的客户群体广大,地域宽广。但对于车联网而言,所需要的应用距离则较短,尤其是车辆与车辆之间。而车联网在80%的状态下都是为行驶准备的,因此对于通信的移动管理要求很高,车联网需要每时每刻都在线。

除此之外,传统的通信主要是满足“点到点”的传输需求,但是城市车联网在V2V环境下是“点到多点”和“多点到点”的传输,需求更加多样。

因此,在邬贺铨看来,5G要满足车联网的需求还有很大挑战。除了技术层面之外,由于车联网拥有众多标识方案,因此未来不用的运营商之间还会存在互通的瓶颈,无法实现有效的直连。

以下是邬贺铨的演讲全文,雷锋网做了不改变愿意的编辑。

车联网的发展需要5G

车联网的通信模式可以分成四类:1.V2V(怎么解决汽车与汽车之间的通信);2.V2P(汽车跟行人之间怎么通信);3.V2I(汽车跟路边、云、红绿灯、停车场的通信),怎么控制信号灯的转换;4.V2N(汽车到网络的通信),解决优化交通流量的问题,做好交通的规划。

我们可以看到为什么会车联网需要有通信呢?我们的汽车车速和刹车的距离,它们是有关系的,假如每小时开到112公里的话,到刹车的时候,差不多要真正刹住需要5秒钟,我们说100米以内可能是驾驶员的感知,200米是车辆的感知,V2V可以有300米的感知,可以提前一些,上到云可以有更远距离的感知(2公里)。

现在汽车作为自动驾驶,是L5级别,不同级别对传统时延有不同的要求的,这需要有不同的技术来支撑。就通信技术而言,在4G时代,L1、L2级别的支撑应该是没问题的,但是如果说真的要到L5级别,就需要5G,最底下一行eMBB是增强的移动宽带,eV2X是增强的v2x通信,包括车到车、车到路、车到基础设施等等。实际上为什么会时延有要求?我们可以停车为例,应该说对时延要求不是最严格的,但是我们可以算出来,如果停车精度要1米的话,扣除处理的时延10毫秒,制动感应30毫秒,这个时候可以看到V2X的时延只允许5毫秒。

远程驾驶、自动驾驶要求端到端的时延不超过5毫秒,可靠性要求99.999%,需要联网,每辆车每秒的数据会到一个GB,按照移动通信标准化组织3GPP对eV2X的要求,在自动驾驶和传感器共享的要求,时延不能高于3毫秒,传感器共享要求带宽1GB,我们可以看到在4G的时代,LTE的时延可能要到100毫秒,如果我们加上边缘计算,可以减到10毫秒,但是仍然超出了目前自动驾驶的要求,所以我们需要有5G+边缘计算,可以说车联网需要5G,只有5G才能支持这个要求。

车联网的通信可以分成好几类,总的叫V2X,一类是短距离的通信,最大传输距离800米这么长,而最高车速是60公里,最大数据率大概是27MB。另外容量不够,如果交通拥堵的时候,车很多的时候就不能胜任了,在抗干扰方面以及覆盖方面是它的不足,现在较多用C-V2X,C是蜂窝的意思,基于蜂窝的V2X可以分为在4G场景下的LTE的V2X,还有增强的LTE环境下的V2X,以及NR的V2X,就是5G,我们可以看到,在4G时代,带宽可以扩展到上百兆,带宽可以到上行500兆,下行1G,但是用户面的时延10毫秒,控制面的时延50毫秒。

增强的4G的V2X增加了一些功能,像车联网编队、高级驾驶、扩展远程驾驶。我们注意到最右边5G的时候,它的通信距离延伸到1公里,最高相对车速可以支持500公里,最大带宽到1G,最重要的是时延降到3毫秒,通信可靠性能做到99.99%。相对于其他的模式,5G是比较接近车联网需要的。

5G本身,我们走过了第一代移动通信,一个蜂窝小区,是以频率的不同区分用户,我们叫频分多址,它是模拟的,以GSN为代表的2G是数字的,以时隙的不同区分用户,TDMA,3G都是CDMA,是以码道的不同区分用户,码分多址。4G把频分、时分、码分都用上了,它的峰值速率可以上到100兆。现在5G来了,在多址方式上,5G和4G有所改进,但是并没有完全变化。

应该说整个移动通信都是十年一代,每一代移动通信的峰值速率是前一代的100倍,所以5G峰值速率可以上到20G,但是这是极端的情况,是工作在毫米波频段800兆的窄频,而且一个蜂窝全部给一个用户用,服务器就在边上,这种情况基本上是实验室做一个测试可以,对一般的应用是不可能的。

即便做不到20G,做到1G是没有问题的。最重要的区别不在于带宽,而在于它扩展的应用模式叫产业互联网和智慧城市,三代应用场景增强移动宽带、超可靠、低延时、广覆盖、大连接,它基本上还依靠通信的基本原理,蜂窝做得更密,这样容量更大,尽管频率高了,传输距离短了,但是蜂窝密了,能够适应。其实是大规模的天线,也就是说把空分的能力也加上去了,还有窄宽频率以及物理层的改进。

所以5G跟4G比,在多项性能上都有1-2个数量级的提升,比如说移动性现在能支持500公里时速的高铁,无线接口延时减少到1毫秒,连接密度提升10倍,一平方公里有100万个连接,能效和密度密度各提高100倍。

5G面临的诸多挑战

我今天主要想说即便5G要满足车联网的要求也还是有很大的挑战,比如说传统的互联网是叫无连接的,所谓无连接在右图可以看到,一个信件可以拆成很多个IP包,过去是无连接,我们的路由器既有节点控制功能,也有传送转发功能,过去收的一个IP包打开看一下地址,找到最近的路由器做转发,这实际上是不考虑全网优化的,现在我们希望把节点控制功能抽出来,进行网络操作,把应用功能抽出来,然后全网收集全网的大数据,包括业务流量的数据以及车流的数据,还有网络资源的数据。在源端就定义了端到端的这条路由,这就是叫面向连接。

如右图:原来的无连接,一个邮件可以变成很多个信件,本来都是同一个源到同一个目的地的,但是实际上在互联网上,我们是逐包转发的,每一个包各自选路,这叫无连接,相当于走不通的路。在当初互联网开始的时候认为不稳定,所以我们用这种方式能够保证它通信的可靠性,即便一个包传不了,可以重传这个包,而不是一个信道都丢掉。

如果用原来互联网无连接的方式就显得效率太低了,在车联网上尤其如此,所以我们改用软件定义网,也就是说通过网络的集中管理,从头到尾给它指定一个路由,这种情况在现实交通中,比如说我们在北京早高峰、晚高峰给公交车指定一个路由,但是平时不能对任何车定路由。而5G希望对所有的业务流能够在源端把每一个路有指定好,优化方式。实际上在现实情况下,可能只有级别很高的高级车辆才能有这种待遇。

如果把它用在车联网上用,这实际上所有的车都要有单独给它计算一个路由,这个计算量还是很大的,另外怎么能够实时?怎么能够满足低延时的要求?而且传统的通信网在做这个计算,是在网络运营商的中心来做的,而车联网不能够把它放到整个网络运营商的运营中心,因为一个城市是一个城市,所以可能这种管理集中处理功能,只有放到城市里头,而按城市来分级可能就会多了,另外,所有的车都要端到端的指定路由,这实际上是要求比较高的,所以是不是说未来一部分车指定,一部分车不指定,所以这也是一个挑战。

其次,5G上面要适应高铁的通信,很多时候坐在家里用的时候根本没有运动速度的要求,5G要支持高带宽,当然很多时候传感器数据是低带宽,所以要求是各种各样的,我们不能把网络做成不一样,我们是通过逻辑上的切片,你要高带宽的,我把网络资源组成高带宽,你要低延时就给你低延时,要高可靠就给你高可靠,就像马路上一样,大客车给它指定通道,小车给它指定通道,甚至摩托车给它指定通道,5G的时候希望这样,但是实际上能做到这么精准、这么细致也是有难题的。

这个我们在通信上叫网络切片,网络切片就是给它组成了专用通道(VPN),我们知道VPN是大客户,是少量的,而5G现在希望对所有的都做VPN,这显然是一个难题。另外,车联网如果在公共公用网上只有一种业务类型,是不是所有车联网的车都成为一个大切片呢?这种想法跟原来切片提出的“小”思想是不完全一致的。虽然都是车,但是每一辆车对通信的要求是不一样的,里面有特种车辆、一般车辆,需要区别对待。

还有一些问题,马路上有一些车具有支持网络切片的能力,原来的车并不具有支持这个能力。所有车混在一起,你有切片的能力好办一点,没有切片能力怎么办?就像自动驾驶的车上路了,你可以做到不撞别人,但是不等于别人的车不撞你,所以有一个管理上的挑战。

另外,车联网面对行驶中的车辆,要用无线联网,不可能用光纤,刚才说过了,5G和其他的车联网技术比是更有优点的。当然了,我们最方便的办法是用运营商的网络,车联网上到运营商的网络,这样不需要重新投资基础设施,可以节省成本。

但是有一个问题,传统的运营商的基础网络在5G的时候主要使用TDD的模式,TDD是什么意思?就是在一个频段上既有上行也有下行,上下行不见得是对称的,因为在消费侧的应用,大部分消费侧希望从网上下载视频的多,自己往上传视频的少,所以在同一个频段安排上下行的时候一般是三七开,30%的时隙用于往上传,70%的时隙用于接收网络的数据,可是在物联网,我们更多的是传感器的数据往上报,而真正网络指令的数据还是少的,所以应该是倒的三七开。

这两者不同的上下行时隙的配比如果安在同一个运营商的网上,这两者是有互相干扰的,所以要不就设计在不同的窄频,否则就很难配置,所以现在就提出一个问题,车联网能完全上到运营商的5G网络吗?所以我们有可能说我们城市里头可能要建设一个支持车联网的5G的专网,它可以有单独的时隙配置,而不跟公众网上的时隙配置冲突,这就需要专用频率,欧洲对工业互联网已经测算了,预留了76兆,德国分配100兆。

目前分给车联网的频率是5.8G,带宽不高于75兆,真正给V2V用的只有25兆,所以如果每一辆车都要有专用的广播频率的话,频率就不够了,所以频率问题对车联网来讲也是一个挑战。建设一个专用的城市车联网的5G专网也有成本的挑战。

另外,尽管5G的空口时延很短,但是如果存在地面,再经过一些处理,那时延还是比较大的,所以我们需要把云的能力,部分计算能力下沉,成为边缘云,边缘云负责处理一些时延敏感的数据,过滤掉一些数据送到中心云,中心云搜集多个边缘云的数据优化模型再下发,所以我们说为了适应车联网的需要,需要大量使用边缘计算,将存储内容分发下沉到边缘云来处理。

 IDC预测将来50%的数据都要在边缘处理,当然了,两机云会比单机云的成本节省一些,但是在车联网场景下,如果边缘计算下沉到路边单元,颗粒度很小,时延很低,但是太多了就碎片化,如果放到移动通信的RSU,路边的RSU效果是好的,但是边缘计算就要管理很多个路边RSU。

所以这里面也有一个成本问题,而且有一个车联网的问题,不是固定接入到一个边缘计算,边缘计算如果在基站,这个车一会儿开到另一个基站,也就意味着这种计算存储要转换到另一个基站上,这种基站到底是边缘计算与边缘计算之间沟通,还是上到中心云再来沟通,这里面各有优缺点,边缘计算和边缘计算之间直接沟通时延很短,能适应车联网的要求,但是带来了很大的开销。

5G的车联网创新还需要验证

5G很重要的应用是把物联网的终端直接连到人工智能、大数据的分析,过去我们没有5G的时候,除了光纤以外,其他手段不能解决传感器跟后台的大数据、人工智能之间的这种传输的时延问题,因此往往大数据、人工智能的决策分析都是滞后的,也就是说它会带来很大的时延,没法实时化,现在5G的介入使它们两者无缝融合,AI+IoT我们叫AIoT智联网,5G对物联网的要求是一平方公里100万个传感器能联网,传输时延不高于10秒,丢包率不高于1%,按照这个数字,应该是基本能够满足车联网要求,尽管这里写时延10秒,这是讲端到端很长距离的,城市车联网短距离不会有这么高。5G的AIoT需要一些技术来支撑,但是难题是什么?现在车里面几百个传感器都是用选来方式管理吗?这是一个挑战。

另外,虽然5G一平方公里能接入100万个传感器,每个传感器接进来又印证,一个一个印证到什么时间?所以要群组印证,群组印证怎么保证群组跟个性的区别?另外车联网V2V印证还要快,还要车联网要有大量的终端,本身也有安全问题,所以需要有安全的协议,但是安全的协议不能太复杂,否则不但增加能耗,还加大时延。这么多车联网会产生DDOS攻击,都被木马攻陷了,100万个传感器共同访问路边的车联网设施,也会把路边的车联网设施搞瘫痪了。

所以总的来说虽然5G能支持车联网大量的传感器联网,但是也面临很大的挑战,车联网用什么标识,车联网的物联网里面有很多种标识方案,在5G上当然希望用IPV6,但是实际上前面4G的车联网以及DSRC的车联网可能会用其他的标识,怎么实现标识之间的互通就是一个问题,而且车联网的标识一般是在一个运营商范围里头的,而城市里的车,可能某些车接入到移动,某些接入电信,某些接入联通,是不同的运营商,不同的运营商之间要互通,这就带来难题,一个是标识能不能一致,另外,过去我们三个运营商不是在任何城市都是直联的,在中国三个运营商直联的点只有13个,有些省,比如云南、西藏这些是没有的,云南电信跟云南联通要连通就要到成都的直联点才能实现。车联网上如果是这样的话,时延就没法保证,所以车联网就要求运营商的网间直联点要下沉到每一个城市,这也是现有运营商的网络做不到的。

车联网是5G的一种业务,5G的业务采用一种开放的方式,可以说接入到你需要什么能力我可以附加什么能力,就像App一样,这也方便我们的业务灵活性,5G本身又改变了协议的标准,传统的移动通信是专用的协议,所以5G是互联网的协议。

之所以开放和采用互联网的协议是为了让现有的业务更灵活,当然也带来挑战,原来网络是封闭的,协议是专用的,很少听说有网络安全事件发生在运营商的网络,把运营商搞瘫了,现在网络是开放的,协议是通用的,一定意义上5G会增加更多的安全风险。车联网对安全的要求又比一般的通信高,所以在这个情况下,我们需要付出更多的安全代价,而且车联网一般是短包,而互联网的TCP/IP对短包是没有什么效率的,所以是不是考虑新的协议应对物联网。

运营支撑也很复杂,5G有虚拟NFV,就是网络单元虚拟化,还有网络切片,这些都是动态的,要进行动态的管理,很复杂的管理系统,车联网一个问题要快速计算和处理,运营支撑系统不能只是运营商一个,可能到每一个城市也有一个,否则就不能实时性了,所以应该说实时性对5G也好,对车联网也好,都是很大的挑战。

所以我说整个5G来讲,虽然说它相对于其他移动通信系统更靠拢车联网的需要,但是实际上车联网的一些特点,不是5G所面对公众通信的特点,它是不一样的,而且有很多新的需求,现有的5G技术未必能适应。我的看法是:5G的车联网想说爱你也不容易,汽车永远在路上,5G的车联网创新也永远在路上!(作者: 王浠源)

晶方科技拟募资14亿元,用于开发智能传感器模块

博客自动驾驶小能手 发表了文章 • 0 个评论 • 263 次浏览 • 2020-01-06 10:45 • 来自相关话题

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。据公告显示,本 ...查看全部

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。

据公告显示,本次募投项目产品主要应用于手机摄像、汽车电子、生物身份识别、安防监控等领域,通过扩大产能顺应手机摄像、汽车电子、生物身份识别、安防监控等领域的新产品趋势,满足客户的新产品需求。

晶方科技认为,随着物联网和人工智能趋势的不断推进,这些领域正呈现出强劲的增长趋势。手机是影像传感器的最大终端用户市场,未来手机摄像头的需求依然强劲,其成长动力主要来自三摄、四摄对CMOS图像传感器数量的提升,每部手机摄像头数目将大幅度增加;汽车电子中自动驾驶需要多个摄像头传感器,未来增长爆发力足;全面屏+OLED逐渐成为未来手机的主流解决方案,以及手机多摄像头和更大的电池占用手机背部空间,屏下指纹将成为手机指纹识别主流的市场趋势,指纹传感器需求扩容确定性大;安防监控的普及度增加,安防监控市场传感器将会迎来稳定增长。

近几年,公司已对市场需求的新趋势进行了前瞻性的技术储备和布局。针对汽车电子等领域高可靠性的要求,公司在12寸消费类传感器用TSV晶圆级封装工艺的基础上,开发出了高可靠性TSV晶圆级封装工艺;针对市场高可靠性、高集成度、多芯片的市场需求趋势,公司2014年收购DRAM专业封测厂智瑞达电子(原德资奇梦达苏州封测厂),全面导入传统封装量产能力,将其与公司原有的先进封装技术互补,融合并再创新,率先推出了具有国际领先水平和具备完整 IP 的高端智能传感器用扇出型系统级封装平台。

本次投资项目将推动高可靠性 TSV 晶圆级封装工艺、扇出型系统级封装工艺平台等技术的发展,进一步巩固公司已有的技术领先优势和地位。

据悉,该项目建成后,将形成年产18万片的生产能力。该项目实施达标达产后,预计新增年均利润总额1.6亿元,预计投资回收期约6.19年,内部收益率为13.83%。该项目实施单位为苏州晶方半导体科技股份有限公司,项目建设期1年。

据公告介绍,晶方科技主要专注于传感器领域的封装测试业务,主要为影像传感芯片、环境光感应芯片、微机电系统(MEMS)、发光电子器件(LED)等提供晶圆级芯片尺寸封装(WLCSP)及测试服务,是中国大陆首家、全球第二大能为影像传感芯片提供WLCSP量产服务的专业封测服务商,该产品广泛应用在手机、安防监控、身份识别、汽车电子、3D传感等电子领域。

​博世高调杀入激光雷达市场

博客自动驾驶小能手 发表了文章 • 0 个评论 • 265 次浏览 • 2020-01-06 10:42 • 来自相关话题

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。 ...查看全部

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。

1578278976717130.jpg

私人控股的博世公司表示,内部开发的激光雷达传感器将在下周的拉斯维加斯消费电子展上展出,它将覆盖高速公路和城市的长距离和近距离范围,并将与该公司的摄像机和雷达技术配合。

激光雷达技术使用基于光的传感器生成道路的三维视图,但它仍然是一个相对较年轻的技术,仍在不断发展。从目前来看,它对于大众市场的使用来说太昂贵了,但是如果便宜的激光雷达传感器被广泛采用,它可以提供更多的深度数据,从而使自动驾驶汽车能够更好地检测到与行人等其他道路使用者的距离。

尽管众多初创公司正在研究激光雷达,但像博世这样的大型值得信赖的供应商的参与可以帮助加快该技术的采用。

博世管理董事会成员哈拉尔德·克罗格(Harald Kroeger)在一份声明中说:“博世将首先把自动驾驶变为现实。”

最初,激光雷达开发人员使用的是放置在汽车顶棚上的笨重的旋转设备,现在已经过渡到了更紧凑的固态设备,可以将其安装在汽车的其他部件上,例如前大灯附近。现在,这些产品的限量销售价格不到10,000美元,但分析师表示,批量生产的价格必须低至200美元才能实现商业可行性。

博世并未提供其激光雷达的时间表,价格或技术细节,但一位发言人表示,该公司正在努力使传感器“准备就绪”,并将重点放在“负担得起的大众市场”技术上。

发言人拒绝透露博世是否已经有传感器的汽车客户。

由于成本和监管问题导致汽车制造商和科技公司重新考虑其计划,因此无人驾驶汽车的发展已达到了一个减速的步伐。

目前,包括通用汽车公司,福特汽车公司和谷歌Waymo 在内的公司都使用激光雷达。苹果公司也正在评估这项技术。

其他公司则不愿采用激光雷达,原因是成本高昂且功能有限,其中包括埃隆·马斯克的Tesla公司和日产汽车有限公司。

去年4月,马斯克称激光雷达成本太高,并称依赖该技术的任何人都“过时了”。特斯拉汽车依靠摄像头和雷达作为自动驾驶的视觉系统。

在过去几年中,已经向激光雷达初创企业投资了数亿美元。

开发该技术的其他主要供应商包括法雷奥,Aptiv和美国大陆。去年7月,法雷奥表示已赢得价值5亿欧元(5.6亿美元)的激光雷达传感器产品订单。(作者:半导体行业观察编译自路透社)


“合肥造”77GHz毫米波汽车雷达芯片在京亮相引关注

博客自动驾驶小能手 发表了文章 • 0 个评论 • 258 次浏览 • 2020-01-03 14:13 • 来自相关话题

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。 ...查看全部

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。

论坛上,来自国家国防科技工业局、北京市科委、北京市新能源汽车促进中心等众多知名高校、企业的专家与学者齐聚一堂,共同研讨先进智能传感器领域、智能无人平台系统的研究发展状况。

38所科研人员作《毫米波传感器收发机芯片研究进展》主题报告。报告综述了毫米波传感器芯片最新研究进展及技术发展趋势,介绍了基于CMOS技术实现毫米波收发机芯片面临的挑战,以及毫米波天线与封装一体化设计最新解决方案。报告还介绍了38所研发的76~81GHz 3T4R毫米波雷达收发机芯片及最新研制成功的3T4R毫米波封装天线(AiP)模组。

77GHz毫米波芯片是汽车雷达传感器的核心芯片,目前一直被国外公司垄断。经过三年不懈努力,2019年,38所项目组攻克毫米波电路设计、晶圆级封装和封装天线设计等多项关键技术,芯片主要性能指标达到国际同类产品水平,在国际上首次实现77GHz多通道毫米波芯片与7路天线单封装集成。同年发表国际论文12篇,在国际集成电路领域一流会议RFIC、ISCAS、ESSCIRC完成会议报告3次。该项目先后获得安徽省科技重大专项、安徽省战略新兴基地等项目支持。(作者:新安晚报

5G SA应用落地!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2019-12-31 16:49 • 来自相关话题

5G应用,即将爆发无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多 ...查看全部

5G应用,即将爆发

无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多个城市开启5G商用;12月23日召开的全国工业和信息化工作会议对2020年重点工作进行了部署,要求抓好7个方面重点任务,在其中的“促进信息通信业高质量发展”重点任务方面,明确要在2020年“稳步推进5G网络建设,深化共建共享,力争2020年底实现全国所有地级市覆盖5G网络”。

5G商用,重点在“用”,通过“用”来实现5G投资回报从而促进进一步的5G网络投资、拉动信息消费升级、增加就业岗位等。国务院在12月24日发布的《国务院关于进一步做好稳就业工作的意见》要求开发更多就业岗位,为培育壮大新动能拓展就业空间,加快5G商用发展步伐。据5G微信公众平台的观察,国内各地出台的5G政策文件中,2018年的侧重于5G产业发展以及5G网络建设,而2019年的则侧重于5G应用发展——截至目前,各地已发布的约50个5G政策文件均要求积极推进5G应用示范;已成立省市级5G联盟与研究机构50多个,为5G应用发展搭建合作与创新平台。

着眼于最大限度释放5G系统在大带宽、高容量、低时延的能力,2019年,三大运营商积极探索5G创新型应用。中国电信在媒体直播、智慧警务、智慧交通、智慧生态、智慧党建、智慧医疗等共10大垂直领域探索5G融合应用,积极开展5G+云创新业务、5G+行业应用和5G+工业互联网等三方面5G示范应用。中国移动的5G联合创新中心,汇聚了400余家成员单位,在“5G+”计划框架下面向工业、农业等14个重点垂直行业开发5G融合应用。中国联通网络研究院的5G创新中心主要在新媒体、智能制造、智能网联、智慧医疗、智慧教育、智慧城市等10个行业方向的5G应用方面发力,并编制6 大行业5G工作指引。

5G使能的首个行业,数千亿美元的市场机遇

从大的趋势方向看,各类创新型5G融合应用的商用有着一定的节奏,预计绝大多数类型的5G融合应用的落地商用将会发生在5G SA规模商用后的2021年及未来(5G商用中后期),而2019-2020年间的5G商用初期将以eMBB类型业务为主。那么,哪个行业将成为5G使能的首个行业?从全球及国内的现状看来,答案是媒体行业/传媒行业。目前,该行业正在向超高清、多视角、强互动等全新体验演进,从而对于大带宽传输、云/边缘计算、大数据分析、人工智能等有着极强的需求,5G使能空间大,比如著名咨询公司Ovum在2018年10月发布的《5G娱乐经济报告》预测,在未来10年(2019-2028年),5G网络为传媒产业带来的营收机会将达到近1.3万亿美元,且在预测期内增长迅速:2019年,5G传媒应用营收4.09亿美元,占传媒产业总营收的0.2%;2022年,5G传媒应用营收将达470亿美元,占传媒产业总营收的18.5%;2025年,5G传媒应用营收将达1830亿美元,占传媒产业总营收的57%;2028年,5G传媒应用营收将达3350亿美元,占传媒产业总营收的79.9%。

如此巨大潜力的5G+媒体行业市场,早期的切入突破点何在?当下,人们对于大型公共活动、体育赛事等的直播内容质量要求越来越高,这使得专业制作的视频内容(如PGC)将继续有着很大的发展空间,此类内容在5G+媒体行业市场中将占据很大份额,主流权威媒体正在联合相关各方积极布局,最近的典型实践是新华社在12月22日通过中兴通讯联合中国电信分别在澳门、珠海搭建同厂家/跨厂家5G精品SA网络对“庆祝澳门回归祖国20周年澳珠烟花汇演”进行高清直播,实现澳珠两地跨境烟花汇演的现场实景。

电视直播最重要的环节之一在于“源头”——把活动现场的多路视频素材实时回传至制播系统(一般位于远端),且要求以广播级的质量(带宽、时延等)实现回传(毫秒级的端到端时延和100%的业务可靠性保证)。此次澳珠烟花汇演属于“庆祝澳门回归祖国20周年”的盛事之一,我们可以想见其对于现场视频素材实时回传的质量要求比一般直播活动的要求更高,根据新华社的报道,此次基于5G SA的直播中,应用上行优化专项保障技术建成全国领先的SA覆盖精品网,现场高清摄像机通过5G终端连接5G基站,利用5G高带宽、低时延的特性上传高清视频信号,经过现场实时编辑制作后,转换成视频直播信号,通过5G网络,实时传送到直播中心,最终分发到用户的手机和电视上。

笔者认为,此次盛事直播的成果,再次凸显了5G具备给传媒行业带来变革转型的能力。2019年,很多重大活动的现场直播都有5G的鼎力相助,比如在3月份的“两会”期间,中央广播电视总台联合中兴通讯首次使用5G+4K设备进行网络直播,新华社联合中兴通讯对全国政协记者会进行5G直播;8月份,中国移动山西分公司、山西广播电视台、中兴通讯联合通过一体化5G直播电视解决方案对第二届全国青年运动会进行了直播;10月份的武术运动世界顶级赛事——第十五届世界武术锦标赛期间,中国电信天翼视讯携手中兴通讯首次应用5G智慧场馆赛事直播解决方案为现场观赛用户带来了“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”三大标志性创新直播体验,并首次把“360度视角任意看”应用于大屏电视端为电视用户提供了多样的个性化观赛体验。

由此,可以说,在5G商用元年,5G+传媒行业的探索实践已经在火热地进行,解决了很多实际的细节问题。5G微信公众平台通过对上述各个活动的深度观察,总结出了5G直播的几大特点

一是5G的大带宽、低时延、高可靠等特性可解决重大活动现场直播的痛点问题。此前,由于网络时延比较大、网络质量不太稳定,4G在多数情况下只被作为直播的备路信号或短时间的小型现场新闻连线信号来使用,大型的直播活动和重要节目都还是采用卫星、光缆专线等传统技术手段。卫星传输需要动用大量设备(比如卫星转播车或者便携上行站等),而5G传输设备轻量化,便于工作人员携带,很多技术工作可以远程完成,减少人员和设备的出行成本。总之,把5G应用于直播节目的制作,能够解决诸多痛点——成本高(转播车出车贵)、效率低(制作回传不满足时效性)、环节多(专业技术资源调试时间长)、灵活性差(难以随时随地常态化报道)、抗干扰弱(极端天气/高人口密度/高速移动)、兼容性差(融合发布难)等。

二是5G非常有助于直播业务的创新。几十年以来,直播的模式一直都是“你播我看”。而现在,人们的眼界和欣赏水平已经得到迅速提高,对于“个性化”直播的要求越来越高,希望得到现场感、参与感等直播体验,比如通过现场“黄金”位置去看直播、实时无缝切换到自己喜欢的一些运动员的视角去看直播、自主切换空间看自己认为精彩的部分、边看比赛直播边在线上虚拟社区上参与讨论等。上述2019年的重大活动5G直播表明,5G结合一些新技术能够给用户带来个性化的直播观看体验,比如“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”。这使得我们看到了这样的潜力——通过5G与边缘计算等新技术的融合,能够实现大型活动现场多角度、多机位的拍摄与传输,以及依靠5G 网络结构整合内外场(内场比如电视台内制播系统,外场即转播现场)协同能力、重构内外场协同制作业务架构。

展望未来,各方共赢

对于重大赛事、大型活动、突发新闻等,用户普遍有着直播观看体验革新的需求,5G微信公众平台认为,将来都在5G SA商用后,结合端到端网络切片、MEC、云-边协同、大数据分析、人工智能等新技术的应用,高清/超高清视频直播过程中传输成本高、传输稳定性低、部署周期长、业务创新慢等媒体行业共性痛点问题可以得到很好地解决,使能运营商为媒体行业提供连接能力,通过5G网络实现随时随地直播,并实现视频流快速回传;使用5G网络切片功能,确保视频传输质量,以“动态切片”实现直播应用不再受限于传统光缆或/及卫星通信专线开通的周期,且可在直播活动结束后即可下线网络切片并释放相关网络资源,生命周期短,订购灵活;通过运营商边缘计算能力,实现视频流在本地的快速渲染、处理、个性化虚拟导播等。(作者:5G微信公众平台)


激光雷达中国市场“生变”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 274 次浏览 • 2019-12-27 18:51 • 来自相关话题

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。激光雷达技术的门槛虽然很高,但是 ...查看全部

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。

激光雷达技术的门槛虽然很高,但是随着国内科技创业浪潮的兴起以及资本的加持,一批国产激光雷达初创公司纷纷入局,并迅速以自身的技术和本地化优势占领了市场的一方天地。

对于老牌激光雷达公司Velodyne来说是尴尬的,因为他们可以生产出质量最好、性能最好的机械旋转激光雷达,却忽视了中国本土企业的“产品创新”能力。

例如,镭神智能自主研发的全球首款激光雷达专用16通道TIA芯片,让单颗芯片就可以实现多线束激光雷达模拟接收处理,可使激光雷达结构更紧凑,性能表现更为突出和稳定,同时也更易实现大规模量产。

尽管,国产激光雷达错失先发优势,但其差异化的市场策略有效规避了同质化的市场竞争。在高线数激光雷达市场上,Velodyne的128线激光雷达姗姗来迟,而64线激光雷达多年来没有再进一步优化升级,不仅价格惊人,硕大的体积也难以适应车身集成对感知设备的要求。
而作为Velodyne的投资方之一,百度Apollo自动驾驶车队从今年开始也把自己车上的64线激光雷达都替换成了禾赛的40线激光雷达。
此外,传统机械式激光雷达难以满足汽车主机厂对车规和量产需求。目前,全球唯一获得车规认证的,仅有法雷奥的4线混合固态激光雷达。
而在今年4月份,一直深耕自动驾驶市场的镭神智能也按车规标准推出了混合固态激光雷达,甚至一举做到了市场最高线束128线,相继还推出了车规级的32线和16线混合固态激光雷达。
在性能方面,镭神此系列激光雷达在探测距离、精度和分辨率等多个方面,都比机械式激光雷达有着更为卓越的表现。更重要的是,目前其样机已快速实现了小批量转产,并已陆续出货给国内外主机厂和自动驾驶公司进行测试。
按照该公司的预计,该系列激光雷达很大可能将成为全球第二款获得车规认证的量产激光雷达。
超高性价比顺应商业落地需求
技术和成本是初创公司之间激烈竞争的两个重要维度。随着技术的快速迭代,国产激光雷达的性能与国外相比已无太大差异,在某些性能方面甚至还做得更好。
而在成本控制方面,虽然Velodyne继圣何塞设厂批量生产后,今年还联合尼康在日本建起了一条激光雷达组装线,但其价格依然远高于国产激光雷达。
在生产成本把控方面,有别于其他友商,在成立之初,镭神智能就直接创建了自动化生产产线,以保障出品质量和组装效率。
目前,镭神智能的每个系列产品从立项开始,在关注技术的领先性的同时,也对成本作综合平衡, 通过项目的科学规划与管理,从源头到出品全线进行了严格的成本把控。
今年初,镭神智能宣布大幅降低机械式多线激光雷达之时,其所代表的正是国产激光雷达吹响强势逆袭的号角。
而目前Velodyne主要在售产品64线、32线、16线在2017年底官方定价分别为8万美金(约合52.3万人民币)、4万美金(约合26万人民币)和8千美金(约合5.23万人民币),还未包括运费、税费和代理商的利润等费用。
彼时,2017年9月,镭神智能的16线价格已经降到2.8万元,Velodyne的16线2018年1月份才降到4000美元。2019年2月份,镭神16线的价格降至1.2万元,Velodyne等其他家价格才降到2万多元。
而镭神智能的车规级128线混合固态激光雷达售价才6.8万元,价格是美国公司的1/15,车规16线混合固态激光雷达万台价格也才3999元。

镭神车规级CH系列混合固态激光雷达点云效果

合理的生产成本是目前激光雷达应用市场商业落地的一大瓶颈,显然,在同样的性能表现之下,国产激光雷达的价格优势更符合市场发展所需。
本地售后支持响应迅速
从此次裁撤中国区直销队伍来看,市场需求预期的不匹配是主要原因。
“如果是一次性购买超过100万美元雷达的主机厂,Velodyne中国就会直接为其提供售前与售后服务。” 这是彼时Velodyne在中国市场同时设置直销和代理两种销售模式的初衷。
然而,对于大部分激光雷达用户来说,其一次性需求量目前并没有那么大。因此,繁琐、响应慢的售后也始终是Velodyne产品存在的“硬伤”。
激光雷达作为一种前沿技术产品,目前大部分客户也都还不太清楚该如何使用和集成到整机,因此均存在着大量的售后技术支持需求。
而国产激光雷达则占据着地缘优势,如镭神智能除了深圳总部,在天津、杭州、成都等城市分别成立了办事处,以迅速响应全国各大省市的服务需求。
随着越来越多的激光雷达公司涌入市场,以镭神智能为代表的国产激光雷达从产品系统设计、核心技术、自动化产线、生产效率等方面均已比肩国际一流水平。
虽然未有数据显示Velodyne在中国的销量下滑,但在国产激光雷达公司的强势攻城略地之下,显然整个市场格局已有重大调整。
根据镭神智能官方宣布的数据,其2019年度中高端激光雷达销售出货量超万台,可见激光雷达的国产替代时代已经到来。

Aurora 要为自动驾驶汽车准备一套“空中交通管制系统”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 261 次浏览 • 2019-12-25 14:54 • 来自相关话题

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心 ...查看全部

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心接受自动驾驶的重要砝码。

这家创建于帕罗奥托,集合了 Waymo、特斯拉和 Uber 三家公司技术大牛的公司正在投资一套名为“远程协助”(teleassist)的系统。当然,眼下 Aurora 最重要的任务依然是不断提升软件、传立、传感器和视觉系统,方便自家车队在湾区和匹兹堡适应各种路况。

在 Aurora 看来,如果有需要,公司的远程控制中心应该能介入车辆传感器并在必要时刻提供一些建议和指导。在这种情况下,Aurora 的车辆会安全靠边停车。

远程控制系统并非 Aurora 首创,类似 Phantom Auto 和自动驾驶卡车新创公司 Starsky Robotics 都在测试类似系统。不过,该公司联合创始人兼首席产品官 Sterling Anderson 表示,“teleassist”系统可跟它们不一样。

“当需求冒出来时,我们的系统会提醒远程协助人员。当然,协助请求可能来自乘客,也可能来自车辆。”Anderson 说道。不过他也承认,远程协助人员提供的建议不能被当作车辆功能安全的一部分。

对于 Aurora 在这套监督系统上的投入,Anderson 选择闭口不谈。这项技术何时开放或投入使用也没有时间线。

Aurora 有专用的 teleassist API

2018 年 1 月正式亮相后,在 CEO Chris Urmson 的领导下 Aurora 已经融资超 7 亿美元。今年 2 月份亚马逊向其伸出橄榄枝,B 轮融资 Aurora 也成功拿到 5.3 亿美元。除了乘用车,Aurora 还在测试无人递送小货车和卡车。不过,Anderson 不愿透露亚马逊是否已经参与其中。

Aurora 三巨头

在操纵无人机和太空探测器时,远程控制技术已经发光发热几十年了,但在自动驾驶汽车上却始终未能广泛铺开。举例来说,Waymo 控制中心里也有专人负责盯着路上的测试车,并在必要时提供协助。不过,它们不会直接对车辆进行远程操控。至于“离全自动驾驶最近”的特斯拉,则压根没提供过远程指导服务(曾在特斯拉主导 Autopilot 设计开发的 Anderson 不愿谈论老东家的方案)。

Anderson 认为,影响远程控制技术蓬勃发展的原因很多,比如无线网络的延迟、远程操作员的态势感知能力以及对车辆所面临情况的掌握。不过,Aurora 的 teleassist 系统可推动自动驾驶车队尽早投入运营。

“我们的方案安全、快速且广泛。如果我们想尽快杀入市场并搞点不一样的,类似这样的系统是重要的安全保障。”Anderson 解释道。“有可能我们的系统在某些情况下会表现良好,但除非我们能用丰富的数据证明这一点,否则 Aurora 将采取保守的态度。”(作者 |:大壮旅) 

智能计算平台:车载“大脑”重构产业链

博客自动驾驶小能手 发表了文章 • 0 个评论 • 267 次浏览 • 2019-12-25 14:37 • 来自相关话题

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈 ...查看全部

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈渌萍,赛迪传媒董事长于萱,中国软件评测中心主任助理周亮、安琳等出席发布会。

发布会上,中国软件评测中心总工程师陈渌萍表示:“本白皮书能够为业界厂商、政府机构、研究机构和投资者等利益相关方提供有益参考,并对未来发展方向有所预见。为把我国经济社会发展推向‘质量时代’做出贡献。”

北京赛迪出版传媒有限公司董事长于萱表示,期待“见证质量”与传媒报道有机结合,从而更有力地推动产业发展、服务企业提升质量,为产业主管部门、企业管理人士、高校与研究机构学者等提供更有内容、更有质量的资讯服务。

本白皮书系列分别选取智能制造、机器人、网络安全、智能网联汽车等领域,阐述了行业背景、发展趋势、现存问题以及检测认证内容等,提炼了质量保障的核心指标。

本白皮书系列分为七大部分,其中,《车载智能计算基础平台参考架构1.0(2019)》白皮书,面向汽车的智能化、网联化发展需求,在总结国内外发展实践的基础上梳理车载智能计算基础平台参考架构。这是国内首份关注车载“大脑”的技术白皮书,填补了行业空白。

车载智能计算基础平台 整合跨界资源

近年来,在“新四化”背景下,自动驾驶成为产业竞争焦点,汽车电子的产业链和技术链面临重构。尤其是在当前复杂的国际产业竞争形势下,加强车载智能计算基础平台研究,具有重要的战略意义和现实意义。


车载智能计算基础平台是基于异构分布的硬件平台,集成自动驾驶操作系统的复杂系统,定位下一代汽车电子产业链条Tier1.5,是Tier1(一级供应商)和Tier2(二级供应商)之间的纽带和桥梁。车载智能计算基础平台将打破原有垂直化封闭产业链条,横向打通融合交叉领域,整合跨界资源,协同Tier1、Tier2、ICT企业、电信运营商、地图运营商等企业,重点突破共性技术和基础模块,搭建集成化的基础平台,支撑定制化和市场化的服务需求。当前基础平台存在顶层设计及关键技术标准缺失、滞后等问题,梳理参考架构有利于形成行业共识。

为此,在工业和信息化部电子信息司的指导下,由中国软件评测中心、工信部装备工业发展中心牵头,依托智能网联驾驶测试与评价工业和信息化部重点实验室,联合清华大学、国汽智联、华为、上汽、一汽等多家单位共同编制《车载智能计算基础平台参考架构1.0》白皮书。该白皮书作为前瞻性、战略性、系统性的顶层设计,推进参考架构的研究梳理,可为我国车载智能计算基础平台的技术创新、标准研制、试验验证、应用实践、产业生态构建等提供参考和引导,加快推动车载智能计算基础平台的持续健康发展。

软硬件协同“护航”自动驾驶

《车载智能计算基础平台参考架构1.0》白皮书为《车载智能计算平台白皮书(2018年)》的深化研究,在其基础之上,该白皮书聚焦车载智能计算基础平台的参考架构研究。

车载智能计算基础平台需要软硬件协同发展促进落地应用。车载智能计算基础平台结合车辆平台和传感器等外围硬件,同时采用车内传统网络和新型高速网络(如以太网、高速CAN总线等),根据异构分布硬件架构指导硬件平台设计,装载运行自动驾驶操作系统的系统软件和功能软件,向上支撑应用软件开发,最终实现整体产品化交付。

车载智能计算基础平台参考架构主要包含自动驾驶操作系统和异构分布硬件架构两部分。其中,自动驾驶操作系统是基于异构分布硬件架构,包含系统软件和功能软件的整体基础框架软件。车载智能计算基础平台侧重于系统可靠、运行实时、分布弹性、高算力等特点,实现感知、规划、控制、网联、云控等功能,最终完成安全、实时、可扩展的多等级自动驾驶核心功能。

该白皮书详细解析了异构分布硬件架构中的三个单元。该架构具有芯片选型灵活、可配置拓展、算力可堆砌等优点;在自动驾驶操作系统部分,白皮书对系统所需的不同功能软件进行了阐述,对其发展现状进行了梳理;在工具链部分,白皮书明确了车载智能计算基础平台开发的软硬件环境以及全栈工具链是提升开发效率的重要途径之一,并对五类工具进行了说明。

围绕产业应用 落实四大举措

最后,白皮书对车载智能计算基础平台提出了四条发展建议。第一,明确发展思路,保持发展定力。发展车载智能计算基础平台,必须要紧密围绕产业实际应用需求,以完善产业链和应用生态建设为中心,采用系统工程方法,总体布局,分步推进,保持发展定力。

第二,加快产品研发,引导生态建设。基于现有产业基础,可考虑采用“两步走”的技术实现路径。现阶段,重点基于参考架构和通用产品,尽快完成平台研发和应用示范;同时,鼓励有条件的企业强化创新力度,加快操作系统内核、自动驾驶专用芯片等产品研发。

第三,深化架构研究,加快标准研制。继续发挥好政府引导作用,聚合优势资源,依托创新中心、重点实验室等资源,建立和强化跨领域的专家工作组,进一步深化车载智能计算基础平台参考架构研究,加快开展车载智能计算基础平台标准化工作。

第四,加强能力建设,强化安全保障。高度关注产品质量和信息安全保障工作,在车载智能计算基础平台关键核心技术的研发和应用过程中,同步关注信息安全技术研究和标准规范研制,重点突破操作系统安全机制研究与设计、国产密码算法示范应用与推广,探索推动基于区块链的信息安全应用与服务。(作者:新能源汽车报)

2019智能网联关键动态,这4家公司和1个园区如何引领颠覆风潮 | 2019AI掘金榜

博客自动驾驶小能手 发表了文章 • 0 个评论 • 243 次浏览 • 2019-12-24 11:18 • 来自相关话题

毋庸置疑,智能为汽车打开了一扇全新的大门。 ...查看全部

毋庸置疑,智能为汽车打开了一扇全新的大门。


过去一年,智能驾驶市场热闹非凡,融资、并购、政策、立法、技术突破、成本迭代、野蛮人入侵、传统厂商转型……

所以我们看到,无论是汽车公司、零部件供应商、科技巨头甚至是初创公司,在对智能驾驶的基础研究、应用以及人才储备上,从不吝惜投入。

大背景下,赛道玩家们必须走一步看百步,了然新技术下产业的未来走势,而这都将决定着企业产品的周期、产业竞争的最后胜败。

每一个人都在见证和参与这场重塑未来的变革。

从实验室到商业落地,雷锋网追踪和记录了一系列致力于让智能网联技术从科学项目变成大规模生产力的公司。

从上游芯片企业,到传感器公司、软件和方案公司、一/二级零部件供应商,到车企、出行服务运营商,自动驾驶和未来出行产业链正在激荡的自我“打碎”和“重造”中,找到一种新的平衡,这种趋势推动着每一家产业链企业接纳改变,并拥抱改变。

最终,这些改变也将体现在诸如你我的每一个交通或是出行领域一员的切实生活中。日前,第三届“AI最佳掘金案例年度评选”结果正式出炉,其中,在近来备受关注的AI+智能网联领域,深兰科技、腾讯车联、星云互联、蘑菇车联、苏州高铁新城揽获奖项。

最佳智能网联汽车奖 深兰科技
看得懂的中国人工智能独角兽——深兰科技自诞生就自带AI基因,这让其入局智能驾驶领域游刃有余。借助AI相关技术积累,可以更好地自动化地解决车与车之间的数据沟通问题。 
与传统科技和互联网不同的是,智能驾驶更注重商业化落地和应用场景的打造,一旦无法创造价值,带来全新的体验,智能驾驶也就毫无意义。
从自动驾驶来看,深兰科技从全球城市交通的实际需求出发,自主研发了熊猫智能公交车,并赋予大量AI黑科技,以增强体验,满足用户的出行需求。同时,熊猫智能公交车具有出色的适应性,能够满足不同国家、不同城市的交通需求,实现快速融入“一带一路”沿线国家城市的智慧化建设中。
熊猫智能公交车由深兰科技主导研发,全长12米,实现了纯电新能源、自动驾驶、增值服务三方面的升级,能够实现车辆、道路弱势群体、红绿灯等环境信息感知识别,并控制车辆实现自动加减速和转向、自动紧急制动、自主变道、出入站台等功能。
熊猫智能公交是目前世界范围最先进的公共交通车辆之一,搭载自主知识产权的自动驾驶、人车对话、视觉防盗、手脉技术、无人零售、人车语音交互、语音导路王、精准广告推送等十多项顶级的技术,而且熊猫公交车车体还将使用液态金属涂层,增加自动驾驶安全性,给乘客舒适感、科技感、服务感更强的体验。
此外,熊猫智能公交车可以全方位识别分析乘客异常行为,包括偷窃、打架、吸烟等。一旦识别监测到类似行为,系统将记录行为实施者体貌特征,即时播报预警,为公众出行安全提供更全面保障。
据了解,该款公交车也是全球范围内首个全尺寸车型自动驾驶公交车,目前已在武汉、上海、广州、江苏常州、浙江衢州、山东济南等地上线试运行,并于今年五月在天津上牌正式运营,受到了当地民众的广泛好评。
不仅如此,深兰科技还在展开多种不同场景下的复杂道路测试,正在进行国内多个城市的智能网联汽车道路测试并按计划申领测试牌照,参与多种智能交通和自动驾驶交通系统的建设,赋能城市智慧交通。
最佳车联网解决方案奖 腾讯车联
如今传统车联网仅仅是将手机上的程序移植到汽车上,车联网服务只是将互联网的服务与产品移植到汽车平台上,各大车企纷纷将其当成一个营销手段那样。未来我们所需要的车联网系统,显然是要针对汽车场景以及人车路交互,并以“用户”为中心的互联网服务进行进一步优化。
针对智能网联领域存在的车内应用服务匮乏、应用场景碎片化和非车载场景原生等核心问题,腾讯智慧出行在2019年5月发布的“生态车联网”解决方案,旨在推动车联网向“以人为中心”的服务化方向升级。
借助腾讯车联TAI智能系统,可以将腾讯系及第三方内容和服务生态有机接入车中,与车企伙伴、开发者共同丰富车上应用生态。通过超级ID+在线支付,打通车前、车中、车后的无缝化体验,实现服务的“全时在线”,给用户真正适配汽车场景的车载应用,实现“千人千面”、“服务找人”的智慧用车场景,用户的驾乘体验将会大大提升。
除此之外,腾讯还整合了自身的位置服务、AI技术、内容和服务生态等优势,打造了车上一站式集成内容服务“爱趣听”、跨OS、轻量化的应用开发框架“小场景”,已经可以免唤醒智能交互的腾讯云小微“全双工语音交互”功能,不断为生态车联网注入新的价值,为用户带来更加智能、便捷的车上服务体验。
自腾讯宣布拥抱产业互联网以来,在智慧出行领域发展迅速,最早提出了生态车联网的进化思路,已经与宝马、FCA、广汽、长安、东风、一汽、吉利、长城、等22家车企达成战略合作,超过45款合作车型落地,连接了300多家生态服务合作伙伴为用户提供服务。
从AI in Car到TAI 智能车联系统再到如今的车联网生态,吸引多家车企纷纷加入朋友圈的原因,整个背后的逻辑是将腾讯数年累积的足够技术经验和资源在出行上进行平行移植到汽车场景中,以与汽车厂商合作的模式,推动生态车联网的不断进化。
最佳智能网联实践奖  星云互联
智能网联是一个漫长的过程,业界将其划分为三大境界:基础设施智能网联、自动泊车、无人驾驶时代。
自2015年成立以来,星云互联秉持的是,智能网联之下,人、车、路、云,不再是孤岛的存在。
星云互联是一家集研发、制造、销售V2X产品、新一代智能交通系统、智能网联汽车技术和服务于一体的创新型中国高科技企业,在北京、上海和长沙设有研发中心及分支机构。
依托推出的智能车载终端V-Box、增强型车路协同路侧系统T-Station、标准V2X协议栈软件以及网联云平台X-Cloud等系列产品形成了车辆协同安全辅助驾驶(C-DAS)和车路协同交通主动控制整体解决方案,可有效支撑协作式辅助驾驶和自动驾驶,同时也是智慧城市的重要组件。
基于移动通信技术和汽车通信技术的联合创新, V2X方案对辅助驾驶和自动驾驶都有很大价值。智能网联车路协同,可以有效提升辅助、自动驾驶的交通安全、效率、降低排放,车路协同还可以降低自动驾驶汽车的成本,让自动驾驶更早一点实现规模商用。
目前星云互联已为国内多家智能网联测试示范区、整车厂、自动驾驶企业及公共道路智慧交通升级建设提供方案支撑和产品落地应用。下一步路的连接、车载模块的安装,智能网联与自动驾驶的结合将成为重中之重,智能网联的车与路需要协同发展,共同构筑下一代安全、高效的出行生活,加速实现未来智慧出行。
星云互联的愿景是为自动驾驶、智慧交通和智慧城市提供泛在连接技术与端到端应用服务。近年来在全国范围内广泛联合合作伙伴,积极推动车路协同产业、技术发展。
具体的落地情况,已经实现国内V2X设备部署最多、数据量最大的企业,在北京、上海、广州、宁波、长沙、郑州、天津、南京、盐城、重庆等20多个城市进行了V2X部署落地。
“车路协同”的饕餮盛宴,谁将拔得头筹?没有人知道。 
行业共识,车路协同是智能网联汽车的重要技术路径,车路协同将对智能交通企业产生革命性的影响,最显著的表现是车路协同将推动智能交通系统转型换代,从单车智能走向群智协同。不同于在智能网联车市场的其他公司的的“长驱直入”和“踌躇不前”,星云互联在汽车领域的布局有着典型的“实践特色”,V2X已实现800+路口接入,同时与多家车企达成合作。 确切来说,在智能网联车的布局上,星云互联选择了在探索中不断实践和落地。
最佳车载操作系统奖 蘑菇车联
随着智能网联技术的发展,如何赋予汽车更加强大的智能处理能力,成为汽车行业迈向未来的关键。也正因如此,车载屏幕也被视作继电视、电脑、手机之后,科技界全力聚焦的“第四块屏幕”。如果说这“第四块屏幕”是智能网联汽车显露的“冰山一角”,那么支撑于其下、推动汽车向“智能移动终端”进化的核心,便是技术融合密集、准入门槛极高的车载OS。
在整个车联网行业,无论是要构建单车智能,还是最终达到车路协同,车载OS都是实现的必要基础和关键前提。
在提高出行效率、保障行驶安全以及打造舒适座舱环境与丰富车内娱乐功能等多重目标的驱动下,车载OS必须要具备极高的稳定性、兼容性、安全性。
在多任务并行处理过程中,蘑菇OS利用多核心、高主频的异构计算处理器配合多线程并发,辅以异构异调进程调度策略,有效分配体系硬件资源,实现多任务协同管理,并控制各项任务优先级别,极大提高了系统稳定性,满足了车载多传感器融合计算的需求,解决了智能汽车时代数据高并发、多融合、实时处理的诸多难题。
面对庞大的消费市场车型数量及各主机厂基于不同品牌、不同场景下的个性化定制化需求,车载OS的全面兼容和适配能力已成为了车企评估车载OS的重要参考标准。蘑菇OS现已全面适配市场所有主流芯片组、驱动600多款智能传感器、兼容每款车上的数十至上百个ECU,已覆盖市面上95%以上主流车型,在行业中遥遥领先。
蘑菇OS支持全场景语音交互。搭载自研智能语音引擎,支持车辆控制、内容服务、安全预警等10大类100+场景化语音交互,识别准确率达到97%以上,能够在驾驶中实现全场景语音交互,极大的降低事故发生概率,时刻保障行驶安全。
目前,基于蘑菇OS的蘑菇车联软硬件一体化解决方案已实现了广泛应用并获得来自各方的广泛好评。2019年8月,蘑菇OS用户月语音交互次数突破3亿次;2019年10月, 作为国内第一个开放式5G商用智慧交通车路协同项目,基于蘑菇OS和AI云的蘑菇车路协同项目在顺义全面落地并稳定运行,并正在全国更多区域迅速复制与落地;2019年11月,搭载蘑菇车联自主研发的蘑菇OS和一体化解决方案产品已遍布全国20多个省份。
最佳智能网联生态区奖 苏州高铁新城
据不完全统计,截至目前,我国已拥有至少20个智能网联汽车测试示范区。
总体来看,智能网联汽车测试示范区的地点并不局限于拥有颁发自动驾驶路测牌照资格的城市。还有一些省市是通过与相关企业、机构合作,以资本合作的方式建立示范区的。其原因不仅是为了抢占智能网联的城市先机,更重要的是希望通过创建示范区的方式吸引更多企业入驻。
自设立之初,苏州高铁新城就释放出一个信号出-“全球智能驾驶领域高手,正向苏州高铁新城集结”。
如今,在高铁新城首期8.4公里长的5G智能网联测试道路上,常常可以看到炫酷的智能驾驶车队开展测试。围绕该测试道路苏州高铁新城构建了“三张基础网、一个区域边缘中心、N项智慧应用”全面满足车路协同及自动驾驶开发者的各类应用需求。
项目建设了全国领先的5G网络,通过“宏微协同、异构组网、特殊场景、重点保障”的方式,全线部署5G站点16个,部署设备20余套,采用新一代C-RAN架构进行组网,发挥多站协同、多频互助的网络能力,实现区域边缘上行带宽150Mbps以上的应用效果;该项目被IMT2020组织认定为江苏省唯一5G-MEC融合测试床;项目搭建技术先进、性能优越的车路协同感知交互网,面向全场景智能网联应用开发环境需求,部署路侧感知设备共计超过150个(密度达到36米/个),实现车路全息感知、信息高效交互。
项目还配套建设智能驾驶产业公共服务平台,平台以高性能计算为底层基础平台、配以智能云控平台、数据标注训练平台、仿真模拟测试平台等应用平台,实现路测数据从测试采集,到标注处理,到算法训练,到软件在环仿真的全业务闭环逻辑,助力智能驾驶企业缩短业务开发上线时间、减少开发成本。
此外,包括Robo-taxi,智慧短驳、无人物流、无人环卫、智慧停车等场景也在区域中开放,未来一年将达到100辆左右的车队规模。到苏州2022年世界智能交通大会开幕,还将有一系列的示范应用在此开花结果。
区域内智能驾驶相关联企业在高铁新城已集聚有48家,并涌现出MOMENTA、智加科技等一批明星企业。今年4月,长三角G60科创走廊智能驾驶产业联盟的落户,更是将苏州高铁新城的智能驾驶产业“朋友圈”扩大至长三角。今年9月,智能网联汽车公共测试一期道路还顺利通过智能网联汽车公共测试道路专家评审。
这些企业的最终目标都是实现自动驾驶,但想要获得自动驾驶路测牌照,企业必须满足这样一个前提:拥有在封闭测试场的测试经历。秉持“近水楼台先得月”的原则,企业更倾向于入驻像高铁新城这样拥有智能网联汽车测试示范区的城市。(作者 | 新智驾)


使能自动驾驶解决方案的大规模应用解决方案

知识讲堂tututu 发表了文章 • 0 个评论 • 901 次浏览 • 2019-01-19 10:36 • 来自相关话题

Enabling Autonomous Automotive Solutions at Scale 使能自动驾驶解决方案的大规模 应用 Intelligent Vehicle Compute Platform Workshop Beij ...查看全部
Enabling Autonomous Automotive Solutions at Scale
使能自动驾驶解决方案的大规模 应用
Intelligent Vehicle Compute Platform Workshop Beijing  December 2018
 

自动驾驶的五级分类标准如何制定的?

回复

问答自动驾驶小能手 回复了问题 • 5 人关注 • 3 个回复 • 1435 次浏览 • 2019-01-19 14:13 • 来自相关话题

网约车鼻祖Uber还有未来吗

博客智能网联汽车 发表了文章 • 0 个评论 • 53 次浏览 • 2020-03-27 17:38 • 来自相关话题

股价大跌,打车业务大幅下滑,被迫裁员、出售子业务,甚至要使用竞争对手的自动驾驶方案,曾经的全球网约车巨头Uber正在经历前所未有的危机。在上周的分析师吹风会上,Ub ...查看全部

股价大跌,打车业务大幅下滑,被迫裁员、出售子业务,甚至要使用竞争对手的自动驾驶方案,曾经的全球网约车巨头Uber正在经历前所未有的危机。在上周的分析师吹风会上,Uber CEO科斯罗萨西表示:“尽管Uber今年的打车业务将萎缩80%,但我们会渡过难关的。”事实上,Uber真的能够走出困境,重现辉煌吗?3月18日,跟随美股大盘,Uber股价大跌21.63%,创下了历史最大单日跌幅。作为曾经全球最大的独角兽,Uber曾收到摩根士丹利和高盛给出的最高1200亿美元的估值,然而,仅仅17个月过后,股价较去年IPO下跌了50%,总市值已不足400亿美元,如此的“速度”,不禁让人沮丧。而巨亏800亿美元的背后,隐藏着的则是Uber裁员、换将、诉讼案、出卖子业务等一系列生存危机。

1585301652750161.jpg

日前,受新冠疫情的影响,Uber已开始暂停在美国和加拿大的打车平台上多人共享乘坐服务,且正在对不同国家的情况进行逐案评估。值得注意的是,虽然相对于普通打车业务,拼车服务只占Uber营收来源的一小部分,但网约车用户的黏性随着疫情的突发而出现波动,有所下滑已是不争的事实。截至3月16日,美国消费者在Uber打车服务上的支出较上一周减少21%。

在Uber投资者大会上,Uber现任首席执行官科斯罗萨西曾表示:“尽管Uber今年的打车业务将萎缩80%,无法恢复。但即使如此,公司仍会有40亿美元现金和20亿美元的循环信贷额度,这让我们获得了渡过难关的有利地位,我们会渡过难关的。”

事实能否如他所愿,作为网约车鼻祖的Uber,是否就此沉沦下去了呢?

从高光走向至暗时刻

与如今的落魄相比,Uber也曾有过高光时刻。1200亿美元的估值,创造了当时未上市公司最高估值的记录,但是,压榨员工、性别歧视、Waymo诉讼案、自动驾驶致死案,也把Uber推上了舆论的风口浪尖。

而对Uber最直接的影响,则是推特用户发起的“#DeleteUber”行动,一周内超过20万人卸载、注销了Uber账号。尽管之后,美国官方介入,高管接连辞职,主帅换将,但此前的烧钱模式,无疑让Uber在全球市场大肆扩张的同时,也背负起了巨额债务。

1585301672331522.jpg

在科斯罗萨西治理下的Uber,一直在努力发展自己的外卖业务,并将其视为短期内巨大利润的增长点,并通过三次大裁员,以期实现短期内的经营业绩,但是,截止到目前,Uber的运营情况却依旧没有好转的迹象。3月4日,Uber在一份监管申报文件中披露,将其印度外卖业务出售给了当地企业Zomato,交易金额为2.06亿美元。而真正促成这项交易的一个重大因素,则是每月高达2000万美元现金的消耗让Uber不堪重负,不得不接受另一家竞争对手Zomato的收购。

而3月18日,Uber股价暴跌21.63%,创下历史最大单日跌幅,总市值已降至不到390亿美元,这无疑让本就资金压力重重的Uber危机四伏。

网约车业务再遭打击

据美国约翰斯·霍普金斯大学发布的最新数据显示,截止到美东时间23日,美国新冠肺炎确诊病例已经达到至少40961例,死亡病例至少479例。连续十年的巨额亏损,加之疫情的爆发,让Uber的经营情况受到了“雪上加霜”般的打击。

事实上,由于受到美国疫情的“不作为”等影响,包括Uber、Lyft在内的网约车公司开始暂停在美国和加拿大的打车平台上多人共享乘坐服务,旨在遏制新冠病毒的进一步传播。同时,Uber已暂停了在伦敦、巴黎的拼车服务(Uber Pool),且正在对不同国家的情况进行逐案评估。

值得注意的是,虽然相对于普通打车业务,拼车服务只占Uber营收来源的一小部分,但网约车用户的黏性随着疫情的突发而出现波动,有所下滑已是不争的事实。截至3月16日,美国消费者在Uber打车服务上的支出较上一周减少21%。或许这也就是为什么Uber曾发出预警的原因,即新型肺炎病毒或将对公司的业务造成重大影响,同时也或将破坏其电动自行车、滑板车等“新出行服务”业务的供应链。

1585301728730294.jpg

“Uber可能会面临一个大麻烦,即随着疫情的发展,人们最终会选择闭门不出。”有证券分析师如此表示。与此同时,多家投行也因疫情原因对网约车行业近期的走势抱有悲观预期。日前,投行Zephirin集团宣布将Uber目标价从40美元降至33美元,评级从持有降至减持。此外,Uber自身网约车业务也受到了阻碍,有关“Uber 司机是否应该算作正式员工”的讨论在世界各国引发争议。3月5日,法国最高法院承认了一名 Uber 司机拥有被视为公司员工的权力。如果这一判决引发更多司机效仿,那么 Uber 将支付大笔的工资、员工福利,不难想象,其他业务的发展势必会再次受到影响。

自动驾驶业务前途未卜

2018年2月,Uber一辆测试车在亚利桑那州撞死了一名路人,这是全球第一宗自动驾驶车辆致死事故,为此,Uber不得不喊停所有测试项目。时隔两年后,案情经过反复调查,终于在2020年初尘埃落定,但是在此期间,Uber自动驾驶业务可谓是一度停摆。

1585301750959203.jpg

好消息是,一个多月前,美国网约车公司Uber收到了加州汽车管理局(DMV)签发的自动驾驶路测许可。日前,Uber正式恢复在旧金山的自动驾驶路测工作。Uber表示,公司将把路测时间限制在“数周内”。同时,Uber将完成代码库及基础设施的升级,并配置两辆沃尔沃XC90原型车,每辆测试车辆将在前排座椅处安排两名安全驾驶员。据了解,重启工作开始后,Uber将在白天进行测试,并遵守之前的限速标准,仅在海湾区域提供测试。值得一提的是,测试车辆将不再载客。在自动驾驶技术研发方面,Uber这些年也采取了大量举措,旨在改进项目的安全性。Uber提升了测试操作人员的相关技能要求,操作人员在驾驶座上的工作时间被限制在4小时内,每隔两小时需要休息一次,或与副驾驶员更换位置。

尽管风波过后,Uber的自动驾驶业务已“从头再来”,但是劲头明显没有以前那么底气十足。近期,科斯罗萨西接受采访时公开表示,Uber对使用竞争对手的自动驾驶技术持开放态度。他指出:“如果这些竞争对手想把他们的技术放到我们的平台上,只要他们的技术足够安全,我们就会对其完全开放。”

科斯罗萨西的这一言辞瞬间引爆了整个业界的话题。有相关专家认为,此举意味着Uber已经离走下坡路不远了。也有相关专家认为,通过开放合作,Uber或许可以拉近与竞争对手之间的距离,以待实现弯道超车。

投资者质疑声依旧不断

3月18日,在投资者大会上科斯罗萨西表示:“在最糟糕的情况下,Uber今年的打车业务将萎缩80%,无法恢复。但即使如此,公司仍会有40亿美元现金和20亿美元的循环信贷额度,这让我们获得了渡过难关的有利地位,我们会渡过难关的。”1585301779331039.jpg

科斯罗萨西指出,公司的优势在于成本结构,没有了打车需求,Uber的成本也降低了,而且Uber Eats给了司机工作的机会,也让公司有了另外的收入渠道。事实上,Uber由于体量更大,而且旗下的UberEats本来也提供送餐服务,他们的司机确实也能够选择这个替代工作。而近期Uber也在不断的开拓新的市场,例如,3月23日,伦敦正式开通订餐服务,人们可以通过他们的iOS或安卓设备,或Ubereats.com订餐。据了解,UberEats的送餐业务在过去一段时间内增长了不少。在开完投资者大会的第二天,Uber的股票暴力拉伸了不少,当天上涨了超过30%。不过,其总市值依旧徘徊在390亿美元左右。

为了让投资者安心,Uber还再次宣扬其已开始对原型空中汽车进行飞行测试,并计划在今年开始示范飞行,三年后,在达拉斯、洛杉矶和墨尔本推出正式服务。

虽然科斯罗萨西嘴硬,但这话怎么听都像空头支票,在地面上的自动驾驶竞赛中,Uber已经先输了半场,而在这场已经吹响了号角的空中交通竞争赛中,Uber是否可以凭借“飞的”扳回一城还是一个未知数。

更有一些 Uber的投资者表现得比较激进。不久前,已经有股东向Uber公司施压,要求其变卖自动驾驶业务,认为这个业务每个季度消耗大约2亿美元的资金,加剧了公司的亏损。

而一旦亏损进一步加剧,继续变卖子业务或许也将成为Uber的最终选项。毕竟,早在2019年Uber的第三季度财报会议上,科斯罗萨西本人已经明确表示,Uber将继续做出取舍,一旦无法在所处市场占据优势地位,就会考虑或出售业务,退出市场。(作者:郭王虎)

自动驾驶的自主研发是场持久战

博客自动驾驶小能手 发表了文章 • 0 个评论 • 92 次浏览 • 2020-03-20 16:42 • 来自相关话题

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢? ...查看全部

16年多的时间,马斯克将自己打造成了硅谷的钢铁侠。众所周知,特斯拉自动驾驶技术一直在市场上处于遥遥领先的地位。那么是什么原因成就了今天的特斯拉自动驾驶技术的领先地位呢?

也许“自主研发”这四个字可以为我们解答其中缘由。

特斯拉的自动驾驶系统大部分是自己研发的,包括已经实现的远远领先业界的FSD芯片,集中式电子电气架构,自动驾驶算法等。

在软硬件结合上,特斯拉一直在走自主研发的道路,因此相对于对手在自动驾驶和车辆升级上有多年的领先优势。

这样来看,在财大气粗的传统厂商面前,特斯拉的技术优势有可能会迅速拔高。除此之外,特斯拉是一家高度垂直整合的公司,因此在人工智能方面,它拥有完全的自主控制能力。

某种程度上来说,特斯拉在自动驾驶领域犹如标杆一样存在,无论是豪车三巨头,还是比亚迪、吉利等中国传统车企或蔚来、小鹏等造车新势力,以及本土的自动驾驶创业公司几乎都以特斯拉作为研发对标。

谁能挑战特斯拉?

1车企的自动驾驶演进之路

所有汽车公司都要做两道难解的题目:造什么样的新能源汽车、自动驾驶怎么做。

如何选择新能源产品路线,是决定汽车公司,特别是新造车企业能不能活下来的关键。而自动驾驶战略方向的选择,决定了多年后的生存能力,同时也是能不能成为千亿市值公司的关键。

目前来看,蔚来、小鹏、威马是新造车公司里在自动驾驶领域投入比较大的选手,他们能够一定程度上反映出国内车企的自动驾驶演进之路。

蔚来过去是坚持自研的代表之一:跳过 L3,自研 L2/L4。早期时候,蔚来在国内外都设立了规模庞大的研发团队,并在去年6月向用户推送了NIO Pilot 升级包,提供自主研发的L2 级别辅助驾驶功能。不过,去年11月份,蔚来调整了此前的自动驾驶策略,选择和Mobileye合作。也就是说,蔚来将软硬件研发的重心由自主研发改为与自动驾驶供应商合作。

自打创立时主打自动驾驶的小鹏汽车,在2019年底时自动驾驶的团队已经达到190人的规模,中美两个团队同步研发。核心算法团队在美国,工作覆盖从算法运研到数据训练到模型优化到硬件落地,以及定位、激光雷达的处理、雷达的处理等。按照他们的规划,在下一款E28实现SOP时将实现完全自主研发的L2级自动驾驶推送,将感知技术由供应商方案变更为自主研发;2024年左右,L4级的自动驾驶方案将会搭载小鹏的汽车上。

同样,选择与供应商合作的还有威马汽车,他们的 Living Pilot 是与博世联合进行开发,提供 L2 级别的自动驾驶。威马在上海有软件研发,在德国、美国硅谷也设有研发机构,并在2019年1月与百度成立了“智能汽车全球联合技术研发中心”。据早期公布的信息,威马计划在2021年量产L3级别自动驾驶车型。

由此可见,有的车企坚持供应链模式,有的车企选择自主研发。站的角度不同,想法和路线自然不同。对于主机厂来说,自研自动驾驶可以和其他主机厂拉开差异化竞争,但同样自研也是资本投入巨大的事情。

在2020年这个关口,对于选择自研的车企来说,面临巨大的挑战。因为好不容易熬过了艰难的2019,这一年,行业洗牌已经开始,有的车企已经掉队。在更加严寒的2020年里,并不富裕的大家能做的就是继续奔跑。

在自动驾驶赛道上,其实车企无论是选择自研还是与供应商合作,目的都是在智能化转型的道路上寻求更大的胜算。

值得注意的是,选择「与供应商合作研发」的车企,并非全然没有自主研发,而是认可1+1>2的合作方式而选择强强联手,他们对于供应商也是有严苛的要求的,基于「自主研发」积累的深厚实力是关键之一。

例如蔚来选择与世界顶级 ADAS 霸主 Mobileye 达成战略合作,威马选择与百年ADAS巨头博世合作。在暂不具备独立开发完整自动驾驶系统能力的情况下,与强大的「自主研发」伙伴合作,基于此再做好差异化,这是一条可行、高效的路线。

同时,这也对自动驾驶方案提供商的创业公司折射出一个信号,必须依靠自主研发形成核心的技术能力,才能在行业中赢得青睐。

随着自动驾驶的比重逐步加大,未来汽车市场的竞争将会更加激烈。中国汽车品牌能否占住一席之地,甚至是形成自己的优势,避免被强势车企兼并重组,加大研发已是重中之中。

在未来,合作研发仍可能会是行业主流的选择,一定意义上,汽车的竞争力,归根结底或许会是背后供应商的竞争力。

2与时间赛跑,创业公司的自主研发

特斯拉的 Autopilot 并不是业内最早量产的自动驾驶系统。

但在 2014 年发布以后,Autopilot 凭借完善的功能定义、依靠众包数据不断学习的算法,以及通过 OTA 实现的软件升级,已经成为全球范围内部署规模最大、运行里程最长的(单一)自动驾驶系统。

最终,坚持自主研发的特斯拉,正逐渐成为「汽车界的苹果」。

对于创业公司来说,要想拿出这样出色的自动驾驶产品方案丝毫不容易,关键也是集中精力做好自主研发。

在自动驾驶路线上,从来就不缺乏对标特斯拉的中国力量,除了车厂外同样也有创业公司,其中就包括从特斯拉走出来的关键技术人物。徐雷是原特斯拉计算机视觉高级工程师,曾任TeslaVision深度学习负责人,研究成果直接向马斯克汇报,他从零开始领导搭建了TeslaVision的深度学习网络,成功取代了第一代产品中的Mobileye视觉系统。

2016年底,他与同在特斯拉效力的宋新雨创立了纽劢科技,宋新雨是特斯拉供应链及产品高级经理,期间为Autopilot和娱乐系统项目开发团队骨干成员,参与了Autopilot 1.0和Autopilot 2.0的产品化全过程,拥有十年以上丰富的汽车产品工程化经验。

2019年6月份,纽劢正式发布了面向量产的自动驾驶全栈解决方案,可以实现包括高速代驾、拥堵跟车、自主泊车等在内的多项功能。纽劢特别强调,这套以视觉感知为主的量产方案是完全自主研发,包括感知、规划、控制,以及专门的自动驾驶平台MaxOS——全部代码自主开发,无第三方依赖,标准化接口,因此能够为客户提供自定义的方案。

虽然不像特斯拉一样连计算平台都进行了自主研发,但是纽劢将自己所需的软件算法全部进行了自研,包括产品背后的仿真系统、集成测试系统、版本发布系统。

除了少数这样特斯拉背景的公司,国内不少的创业公司同样重视自主研发。

定位于打造自动驾驶大脑的Momenta的自主研发能力也不容小觑。相继发布了高速自动驾驶(Mpilot Highway)、自主泊车(Mpilot Parking)、L4级无人驾驶技术 MSD 等方案,背后是Momenta利用数千块GPU搭建的计算集群并自主研发了深度学习系统软件ROCS,用于实现多机多卡之间的快速通信,从而加速深度学习的训练和算法迭代。

这只是部分为车厂提供软件技术方案的创业公司,事实上国内还有不少创业公司在Robotaxi、低速物流等等细分领域通过自主研发形成了积累的技术深厚。

瞄准“自动驾驶方案提供商”的企业很多,他们大都也对标特斯拉。对于创业公司而言,他们希望赶上甚至是高于特斯拉,现在他们是否已经形成了一些这样的基础呢?

对比特斯拉的Autopilot来看,答案是有。

完善的功能定义、成规模的部署、可观的运行里程,虽然创业公司无法全部独自完成,但是这在和车企的量产过程中可以得到解决;而依靠众包数据不断学习的算法以及通过 OTA 实现的软件升级,不少的创业公司已经做到了:纽劢发布的量产方案具有影子系统这样的学习能力,Momenta也是在持续研发数据驱动的核心算法,打造闭环自动化工程体系。

在软件算法层面而言,自动驾驶系统研发的关键大体在于感知、规划、控制以及系统平台。如果具备了这一整套的技术能力,从根本上来说也就具备了开发一套好方案的基础。因此,国内一些企业坚持的正是全栈的自主研发。

全栈自研意味着方案可以做到完全自主可控,减少对第三方的依赖,在后期的技术迭代中不会受制于人。作为全栈自研的典型代表,特斯拉的成功已经充分诠释了这一点,特斯拉背景的纽劢科技,也是认准了这一点。国内可以提供全栈解决方案的企业,还包括有小马智行、元戎启行等等创业公司。

值得一提的是,视觉感知或许是不少公司的研发短板,包括部分的车企、传统Tier1以及自动驾驶公司,因此这也是一些创业公司重点攻关的方向。国内以视觉感知见长的自动驾驶公司,将Mobileye、特斯拉作为对标的对象,已经能够提供一些在中国环境下相当甚至是更出色的感知技术。

因地制宜,更懂中国,是国内创业公司的一大优势。自动驾驶具有很强的“本地属性”,它的实际效果与当地的交通系统、生活习惯、商业环境等等各个方面息息相关,需要因地制宜地设计、调整和部署。本地自主研发的创业公司,几乎都在这一点上做出了自己的特色。

如果说中国车企起步晚,终于在经过几十年的发展后追赶上了国外的对手们,那么中国的自动驾驶创业公司相对是幸运的,因为他们几乎是与各地的竞争者在同一起跑线出发。而且凭借中国在政策、市场等方面的优势,中国的自动驾驶公司有可能在未来快速地取得应用层面的突破。

中国作为全球最大汽车市场,从产业基础到政策扶持,从技术积淀到人才储备,各个方面都在共同催生自动驾驶市场爆发的火种。创业公司可以与本土的车企形成合力,在国内甚至是更大应用范围上实现技术的量产。

3自研不是泡沫

自主研发是泡沫吗?

马斯克曾说过,「一套昂贵的设备,其中大部分都使汽车变得昂贵、丑陋和不必要」,特斯拉其实走的是更艰难的道路,他想要一个更好的系统,即使没有庞大和昂贵的硬件,他将用自研的技术掌握真正的自动驾驶。

反观国内,不少的造车新势力,尤其是自动驾驶创业公司,都走自研自动驾驶策略,是为了吸引资本?

针对这个问题,雷锋网同时采访了六位学术界、工业界领头人,得到的答案比较一致:不是吸引资本。是学特斯拉快速迭代,一般供应商不会这么配合,或收取迭代开发费用。

其中一位业内人称,汽车界早已经抛弃了垂直整合模式,通用剥离德尔福,福特剥离伟世通就是经典案例。智能汽车重新冒出这个争论,是因为快速迭代OTA理念出来,不垂直整合就快不了,比如特斯拉,我的问题是,别人学习特斯拉,就一定能成功?毕竟世界上像马斯克这样的具备“asshole”天马独行执行力和想象力的人只有一个。

那么,自己干VS供应链干?

其实,无论打法如何各异,套路逻辑却是一致的。这和创新有关系,创新就会有成功和不成功。

能做到像特斯拉一样的车企是少数,如果无法独立搞定自动驾驶这个庞大复杂的系统,借助供应链上的力量来走得更快更好,不失为一个明智的选择。尤其是自动驾驶创业公司在创新上、在快速迭代上具有先天的优势,融入汽车供应链后与车企、传统供应商形成的新供应链关系,可以迸发出更强的产品活力。

通过观察这些造车新势力,不难发现,经过几年发展,他们正在由PPT造车,进化为将车交付到用户手中,通过一批批海量用户来进行检验。由此积累下的大量数据,成为其改进问题的发展模式。这也是造车新势力,与传统燃油车企对比中最大的硬伤。几十甚至上百年的行业沉淀,除了人才、技术、渠道市场,传统车企还拥有着海量各维度的硬性核心数据和软性经验积累,这是产品质量的重要基石之一。

然而,自动驾驶是一项综合要求相当高的技术,运用到汽车行业,更是一个战线周期长的事情。正如李书福所言,“炒作是炒不出高质量发展的。实业就是实业,实业是挣不来快钱的。”总之,时间是把杀猪刀,这也将考验着“自研话语权”的争夺能否笑到最后。

自主研发的优势未来会进一步促进中国汽车行业的发展,由自主技术构成的供应链也将让中国的自动驾驶产业发展得更加稳固。在经历阵痛或者是震荡时中掌握主动,在长远发展中而不受制于人。(作者:利荣)

无人配送车的时代到了?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 237 次浏览 • 2020-02-14 11:55 • 来自相关话题

抗疫,无人配送车已冲到一线。 ...查看全部
抗疫,无人配送车已冲到一线。

1581652482584971.jpg

近日,美国自动驾驶新创公司 Nuro,获批可以部署没有侧视镜和方向盘等人工控制装置的无人送货车。这是美国首次发出这类监管批准,允许在不满足美国所有现行汽车安全标准(75项)的情况下部署自动驾驶系统,这对无人车行业来说意味着向前冲了一大步。

当无人配送车的光照进现实,又取得阶段性的进步时,人们不禁要问:无人配送车技术发展得怎么样了?我们什么时候可以感受无人配送车上门服务?在物流业爆发式增长的时代,无人配送车会是未来发展方向吗?

无人配送车在限定区域和低速运行条件下基本成熟

“无人配送车目前在限定区域(如园区、学校、厂区等)和低速运行条件下(10-15Km/h)技术基本成熟,能够在路况良好的道路上稳定行驶,在安全性方面有充足保障,可承担快递、外卖、售卖等日常服务。”百度智能驾驶事业群组合作发展部宋德王在接受《智能网联汽车》杂志记者采访时表示。

事实上,在此之前,国内外多家公司进行了无人车应用到物流配送的试验。国外的物流公司如亚马逊、联邦快递意识到无人物流配送可以提高效率、缩减成本,很早就在无人物流配送方面暗自较劲。美国硅谷Nuro公司在2018年1月推出全球首款完全无人驾驶配送车,可以在机动车道路上行驶,但行驶速度缓慢。2018年12月,Nuro率先在亚利桑那州用R1上路送货。几日前,Nuro曝出重大消息:Nuro R2获批可以部署没有侧视镜和方向盘等人工控制装置的无人送货车。

早在2016年10月,由OTTO运输的自动卡车的首单运输货品就已经在美国上路。2018年,沃尔玛开始和Waymo公司合作,凤凰城郊区的消费者只需在网上提交购物清单,便可乘坐 Waymo 的无人车辆前往沃尔玛商店直接取货。2019年12月,图森未来L4级无人驾驶卡车车队也在京礼高速(延崇北京段)顺利完成中国首次高速公路全封闭环境下、基于C-V2X车路协同技术的队列跟驰测试工作。此外,德邦快递于2019年10月被授予了正式运营牌照。不同于以往的测试牌照,此次颁发的牌照允许在德清指定区域内的公开道路上进行L4级运行。这意味着无人驾驶货车快递场景应用正式落地和实现商业化。

国内物流公司加速试验 欲“后发制人”

2017年6月,京东在中国人民大学完成首次无人配送试验,但技术上仍有很大进步空间。2019年的“6.18”,京东正式启动了自主研发的全球全场景常态化配送货物首次的尝试,20台京东配送机器人在北京海淀区上地站发出,这也预示着国内快递无人配送时代的来临。无人员值守、无接触购物,京东物流的智能零售科技正在将疫病传播的概率降至最低,为消费者提供了更为安全的购物方式。

值得一提的是,京东物流在2020年春节期间所作出的贡献。为了降低疫区配送人员在高危环境下配送时被感染的风险,京东物流配送机器人也被派上前线。近日,京东物流在疫情核心区武汉已基本完成机器人配送的地图采集和机器人测试,为了更好地实现机器人配送常态化,京东物流正在从各地抽调配送机器人驰援武汉。除了武汉之外,京东物流在贵阳、呼和浩特等地的智能配送站也在正常运营,配送机器人正在不断将抗击疫情所需的物资与用户订单安全可靠的送达。

1581652502528803.jpg

而对国内最先拿到无人驾驶测试拍照的百度来说,走的是一条开放式的合作道路。百度与智行者合作的无人配送车——蜗必达,就是国内最早实现“解决最后一公里物流”的产品。只需要快递员在小区/医院集散点将快递装入车内,便可以将快递发送至各个小区/医院的单元楼/病房,相关人员只需通过手机扫码的方式进行取货,全部过程0接触,0感染。蜗必达可连续工作6小时,每次可送24件快递,单次承重100kg,每日可派单100+件。日前,百度宣布,将向为疫情服务的企业免费开放低速自主微型汽车套件和自主云服务矩阵。可谓勇担运货责任,摇身一变战“疫”冲锋队员。

阿里菜鸟在积极发展自己的智能物流网络平台,不断推出包括菜鸟无人车、无人机、菜鸟快递塔、菜鸟驿站智能柜、菜鸟小盒等系列智能黑科技,提供从最后1公里的全面解决方案。去年,菜鸟同样也启动了无人车配送。在成都的未来园内,满载包裹的菜鸟无人车在园区内穿行,把消费者购买的天猫商品送达分拨场地,全程由IoT(物联网)系统自动调用红灯,无人车自主规划路线和避障。这是菜鸟无人车首次从末端配送,进入园区调拨运输环节,代表着无人驾驶应用场景的进一步拓展。

“使用传统的调度匹配方法已经远远不能解决现实遇到的问题,必须采用新的技术,尤其是人工智能。”顺丰速运(集团)CTO、顺丰科技 CEO幺宝刚表示。像是分拣、自动导引车(AGV)等的自动化与机器人,研发无人机和无人车的技术孵化部分,物联网(IoT)及可穿戴式设备的智慧物联,以及 AI 智慧决策等成为顺丰科技的技术大脑的重要组成元素。

“这种小型无人配送车技术难度不大,和工厂里用的AVG小车差不多,只是多一些感知、路径内容,速度低,碰到人或其他障碍物会自己停下来。这种车就是用于B2C的,配送半径不大,就是区域仓储直接到终端用户的。”中国汽车工业协会副秘书长许艳华在接受《智能网联汽车》杂志记者采访时表示。

也就是说,目前如果我们只要求一定区域内的低速配送,技术是基本没有问题的,那么在开放的道路上,无人配送车还有哪些需要突破的点呢?宋德王认为:“在开放道路上,目前无专用车道,加上和机动车、非机动车混行,技术研发受限,因此,成熟尚需时间。”

无人配送车商用还需具备三大条件

此次疫情肆虐人心,无人车的曝光也的的确确温暖了国人紧张数日的内心。例如,广东省人民医院引进了两台集成无人驾驶技术的机器人,可实现自主开关门、自主搭乘电梯、自主避开障碍物、自主充电等功能,在医院中承担送药、送餐、回收被服和医疗垃圾等工作,降低了临床工作人员交叉感染的风险;杭州市第一人民医院有着类似的尝试,机器人从病毒洁净区承载餐食或物资出发,自动前往各个隔离区房间进行配送,试图通过机器人自动化免接触配送的方式,阻断“人传人”的新型冠状病毒传染链条,减少隔离区内部病毒传播的可能性;京东物流将无人车、无人机优先调往亟需运力支撑的区域,不断将抗击疫情所需的物资与用户订单安全可靠的送达。如今,平均每30分钟往返一次的无人车已经承担了武汉市第九医院的70%订单。

1581652521545655.jpg

近日,中国电动汽车充电技术与产业联盟常务副秘书长郑甲兔在接受《智能网联汽车》杂志记者关于“智能网联汽车能在哪些方面为社会提供帮助”问题的采访时,说道:“智能网联在应急交通物流方面有很大的帮助。”

 “目前无人配送已经在一些园区、厂区和酒店公寓里面运行,并且取得了良好表现,多个城市市民已经可以提前感受。政策环境一旦允许,无人配送车可以执行更大规模的配送服务。比如,在这次疫情期间,已经有个别无人配送车,执行外卖、快递、防控物资的配送服务。”宋德王说。

病毒的确没有隔离爱,而是让所有有爱的企业联合起来,去发掘最大的力量。有人说,疫情会促进无人配送车的发展,可现在笔者听到比这更有力量的呼唤——疫情不是机会,是自动驾驶企业的责任。

未来是明朗的,随着无人驾驶技术的成熟和物流业对效率提升的需求,无人物流配送成为无人驾驶技术商业化的起点。但对于现阶段来说,我们离真正的商用还有一段距离要走。

许艳华认为,无人配送车实现真正的商用,还需要具备以下条件:1、要有标准和认证规范;2、路权管理;3、能直接送货到用户手上需要物流企业优化信息平台等。

特斯拉首席执行官埃隆·马斯克曾特意说明无人驾驶的真正难题:把机器学习系统做到99%的准确率相对简单,但是在这个基础上再提升0.9999%的准确率却非常难,而这0.9999%才是根本性的需求。

物流业智能化发展是必然方向

据国家邮政局邮政业安全监管信息系统实时监测数据显示,2018年,我国快递件数突破每天3000万件,且每年保持30%-50%的增速;2019年我国快递年业务量突破600亿件。预计到2020年,我国的年均快递总件数将突破700亿件。每天接近2亿件包裹进入千家万户,城市末端配送体系犹如神经末梢一样,渗透进入我国广袤大地上的每个小区和家庭。可以预见,智能化城市末端配送体系将会为我国未来智慧城市与智慧交通建设作出重要的贡献。

宋德王认为:“随着人工成本逐步上升,在物流行业无人配送将成为趋势。未来,自动驾驶、编队行驶技术的成熟,将会逐步替代城市、高速上的货车司机,提供更安全更低成本的物流服务。”

好多人都说,今年会是无人车爆发的一年,是快速发展的绝好时机。

那么,我们是不是很快就能过上打开门,就能看到无人配送车出现在家门口的生活呢?

对此,许艳华表示,无人配送车不会一下爆发,可能会以地方政府为主先搞些示范。中国情况复杂,我认为应该是渐进式发展。比如,它暂且还做不到像快递小哥那样直接入户送件。

记得去年10月12日,《经济学人》刊载的一篇文章提到,“越来越多的人相信,无人驾驶汽车的广泛应用,可能首先出现在中国,而不是西方。”

的确,中国的无人驾驶企业已经在短短三四年的时间里,走过了西方企业十年才走过的里程。而在数据、算法、人才储备等方面我们确实积累的还不够。但中国也有着“中国特色”的优势,人口密度大、交通场景复杂等都有助于积累丰富的道路测试数据,再将国外的先进经验与国内实情相结合,无人驾驶技术水平潜力无穷。

宋德王说:“目前法律还不允许高速测试,企业无法上高速测试,技术成熟就会相对比较慢。而AI技术需要在实际场景下学习的。但是中国有中国的优势,比如,我们交通密度大,场景复杂,的确能够训练出更强的技术。”他表示,百度认为2024年会出现规模化的Robotaxi服务,低速无人配送预计今年或明年会大规模地发展,高速无人配送预期2025年前后会服务社会,目前还没确切时间。

要实现无人物流配送车可以正常上路行驶,自主规划配送时间和路径,仍然需要研究根据复杂的道路状况,识别道路环境、自主规划路径、避障等多种算法,并结合相应的硬件装备,组装成无人物流配送系统。特别是配送车的路径规划算法,作为行驶过程中最核心的程序,要能在复杂的地理环境中找到符合时间约束和用时最省的最短路径,保证城市小区域无人物流配送任务的完成。

前几日,广汽研究院院长肖宁在接受《智能网联汽车》杂志记者的采访中表示,智能网联汽车作用凸显,它将助力新经济、新服务。的确,无人车配送技术也会逐渐发展完善,来推动新时代物流配送的智能化发展。

相信在不久的将来,我们攻破了相关的技术难题,政府制定了完善的无人配送相关法律之后,无人物流配送能够成为城市小区域常见的物流方式,为物流企业节省成本开支,也为人们提供方便舒适的配送服务。

也许,不久以后,我们听到门铃声,打开门说一句:“无人配送车,你好。”(作者:郭文佳)

再添两员大将 赢彻科技明年实现L3级自动驾驶卡车量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 244 次浏览 • 2020-02-12 16:06 • 来自相关话题

嬴彻科技现已形成从前瞻人工智能、软件系统工程再到整车集成的自动驾驶量产全链条人才。


2020年疫情的爆发,让些许沉寂的无人驾驶、自动驾驶技术再次引发新的关注。迫切期盼落地的自动驾驶汽车,其量产之路充满坎坷。对于初创公司来说更是如此,而技术人才的加入或许是促其落地的重要推动力。


近日,赢彻科技宣布新一轮人事任命。前百度机器人和自动驾驶实验室主任及首席3D视觉科学家杨睿刚博士,出任嬴彻科技首席技术官CTO,全面负责中美两地的自动驾驶技术研发。前华为美国技术副总裁及软件架构师田琛博士,出任嬴彻科技副总裁,负责软件系统并主持硅谷研发中心工作。


广纳人才 形成自动驾驶技术研发闭环


此次加盟赢彻的两位技术大咖,都是其各自领域的佼佼者。


杨睿刚博士是全球知名的计算机视觉科学家。在三维重建和3D数据分析领域,取得了多项世界级科研成果。在百度期间,杨睿刚博士主持开发了世界上标注量最大的自动驾驶开源数据集ApolloScape。其研发的基于增强现实的自动驾驶仿真系统(AADS)登上《科学》子刊,入选2019百度AI十大技术创新。


嬴彻科技首席技术官 杨睿刚


不仅如此,他还领导科研小组开发了感知、决策、控制的全栈系统在半封闭场景下的工程机械智能化孵化项目和原型产品。


田琛博士曾是华为美国技术副总裁及软件架构师,是该领域的顶尖专家。他在全栈式软件基础架构方面拥有极为丰富的经验,精通并行和分布式系统、编译器、计算机体系结构、OS、云计算以及AI框架。


嬴彻科技副总裁 田琛


在华为美国任职期间,田琛博士作为架构师与技术副总裁,领导了多项研发项目,具有丰富的大型技术团队管理经验,曾带领数百人的技术团队完成多个嵌入式产品、消费者产品、云服务以及AI软件相关的研发项目。


其实,自成立以来,嬴彻不断吸收人才。


现任嬴彻科技CEO、兼G7总裁的马喆人,曾任腾讯集团副总裁。前东风商用车总经理黄刚,担任嬴彻科技的执行副总裁、整车工程负责人。前圆通运营副总裁阿玉顺,担任嬴彻科技执行副总裁、运力运营负责人。此外,清华“姚班”毕业的漆子超、自动驾驶领域的资深玩家刘煜,也纷纷加入嬴彻,担任其自动驾驶相关技术负责人。


随着杨睿刚、田琛的加入,将会进一步强化嬴彻科技在AI、软件架构上的实力。可以说,目前嬴彻科技已经拥有了从前瞻人工智能、软件系统工程再到整车集成等各个环节的自动驾驶人才。


核心模式初见成效 量产之路稳步推进


不断地吸纳人才,这与赢彻科技最初的发展定位分不开。


嬴彻科技的核心模式定义为“技术+运营”,即一方面研发自动驾驶卡车技术,起步目标是L3级自动驾驶车规级别量产,另一方面进行城际干线公路物流运力网络的建设和运营。这也就决定了嬴彻科技团队核心成员的多样性。


不同于乘用车领域的价值模糊,自动驾驶技术在长距离运输领域的价值显而易见。高人工成本与高运营成本都是长途干线运输的突出痛点,而自动驾驶技术恰好可以解决这些难题。另外,最后一公里物流配送、港口等封闭场景都是当前商用车领域自动驾驶落地的最佳场景。


现阶段,赢彻科技的目标是在2021年底实现车规级、L3级别自动驾驶卡车在干线高速公路的量产落地。同时,该公司给车队客户提供“按公里付费”的服务模式,计划搭建覆盖全国高速干线的运力网络,卡车数量预计达到5万~10万辆。


与此同时,赢彻科技也在与OEM合作定制L1和L2级的智能卡车,向物流公司提供运力服务,打算通过ACC(自适应巡航系统)、PCC(预测性巡航系统)、AEBS(预先紧急制动系统)、ESP(电子车身稳定系统)等辅助驾驶系统减轻卡车司机负担,提高驾驶安全,降低油耗。


在运营方面,嬴彻同步搭建的智能卡车运营平台业务基本已经覆盖全国,客户已接近百家。(作者:田野)

长安汽车谭本宏:“抗击疫情行动,将促进智能网联汽车发展”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 227 次浏览 • 2020-02-06 18:01 • 来自相关话题

“我认为抗击疫情行动,将促进智能网联汽车发展。人们将更加重视智能网联,智能网联也会更容易获得市场认可。”长安汽车执行副总裁谭本宏说。

1580983195883708.jpg

2020年的开头,实在“太冷了”。但庆幸的是,在灾难中,爱永远闪耀光辉。汽车行业大批企业在黑暗中不忘点亮一盏盏灯,勇担责任,同心战“疫”。而在全民众志成城与病毒抗争的画面中,无人车清扫医疗垃圾、无人快递物流等进入了大众的视野。


“对于疫情而言,智能汽车的介入更是能够降低疾病进一步传播扩散的风险,让无人驾驶汽车成为人与人交流的中介,减少人与人的接触,可以最大程度隔绝疾病进行人人传播的可能性。”谭本宏对《智能网联汽车》杂志记者表示。


无人驾驶汽车

可以最大程度隔绝疾病传播可能性


智能化的技术和产品早已经广泛融入社会生活的方方面面,在这次全国范围内的疫情防控中,更是再一次彰显出其在灾害防治、突发事件应对、高危作业等方面的独到作用。

1580983214835874.jpg

邮政智能无人投递车“汗马”


谭本宏强调,直观感受上,智能汽车最大的意义莫过于避免人工暴露在高危环境之中,降低安全风险,例如提到的无人车清扫医疗垃圾就起到了这样的作用。无人快递物流的介入更是能够降低疾病进一步传播扩散的风险,减少人与人的接触,可以最大程度隔绝疾病进行人人传播的可能性。


除此之外,无人驾驶汽车还能组成安全的运力,统一调度,帮助解决公共事务,为医务人员、病患提供无接触接送。

1580983248431349.jpg

无人驾驶汽车可为医务人员、病患提供无接触接送


谭本宏认为,智能驾驶仅仅是智能化技术中的一小部分,而智能交互以及智能网联技术在汽车上可以发挥的作用同样不容小觑。


智能网联汽车的实时位置和出行为政府提供人员迁徙的情况掌握;智能网联汽车可以通过实时更新的大数据,规避高风险的区域,不让车本身成为疾病传播的媒介;通过可靠的甄别手段,智能网联的公共交通也能成为疾病防控的利器,第一时间发现潜在的乘客患者,乃至路边的潜在传染源;智能网联汽车可以通过自动空气净化系统提供安全的防控空间;用语音、手势等无接触的操作替代需要按键、触摸等方式,对于公共交通的场景而言,也是一个非常有利于疫情防控的升级。


智能汽车承载着人们对美好生活的向往


谭本宏认为,此次战“疫”将会加强社会对智能汽车的重视,也会加速智能化、在线化、远程化、无人化的发展。

汽车一直是为解决用户的出行问题而存在,而智能汽车能够更好地解决用户的出行问题,智能汽车不仅仅代表了更加极致的出行体验,更承载着人们对美好生活的向往,代表了更加智能、便捷、优质、安全的生活品质。


谭本宏表示,在可以预见的未来,智能汽车将会在极大程度上改变出行的面貌。汽车本身将成为一个大型智能移动终端,是人们的“第三空间”,日常生活所需、工作所需以及更多琐碎的事务都可以通过汽车得以实现,如今的智能汽车正在逐步向这样的愿景靠拢。


同时,随着“新型智慧城市”的不断建设,智能汽车作为智能交通、智慧城市的基本载体,将会在人们日常生活中扮演越来越重要的角色。


据悉,为抗击“新冠”疫情,长安汽车集团捐赠1000万元人民币,其中长安汽车捐款500万,全力支持疫情防控工作。本次资金用途包括采购疫情防控所需的医疗、医用、生活等应急物资,帮扶奋斗在抗击一线的医护等群体,将为他们提供有力的后勤保障服务。(作者:郭文佳)

自动驾驶汽车发展四个技术挑战——车辆、行人、道路、天气

博客自动驾驶小能手 发表了文章 • 0 个评论 • 200 次浏览 • 2020-02-05 12:36 • 来自相关话题

自动驾驶的技术发展速度一直很迅速,尤其是在过去的1-2年中,在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统(Lane departure systems)的功能已经从仅发出警告发展到全主动的车道保持。防前撞系统(Forward collisi ...查看全部

自动驾驶的技术发展速度一直很迅速,尤其是在过去的1-2年中,在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统(Lane departure systems)的功能已经从仅发出警告发展到全主动的车道保持。防前撞系统(Forward collision systems)在性能和功能上都取得了进步,不仅提供了主动制动功能,而且还能够检测骑自行车的人、行人以及其他车辆。但是,与机器可以实现的功能相比,在许多方面,人类驾驶员所拥有的感知能力仍然遥遥领先,而且在许多关键领域我们仍然无法提供能够实现SAE 4级自动化所需性能和功能的传感器。在本文,我们涉及了一些特别具有挑战性或目前完全无法解决的情境来加以说明。

技术挑战1:预测车辆在前方道路上的制动性能
前向碰撞警告和自动紧急制动系统(Forward Collision Warning and Autonomous Emergency Braking systems)在制定避免或减轻碰撞事件的决策时,需要了解路面将提供的制动摩擦力。然而,预测道路摩擦力比较困难。
对可能的解决方案的看法
有两种主要方法可以实时估算车辆在前方道路上的制动性能表现。
一:机载方法(On-boardapproach)

二:基于云的计算方法(Cloud-basedmapping approach)

技术挑战2:预测行人轨迹 
在包含行人的环境中行驶的任何自动驾驶汽车都需要预测附近行人路线,并相应地调整其路线以避免碰撞。但是,预测人类目标的运动轨迹是很困难的,因为人类的行动常常具有很强的不可预知性,不会严格遵守既定的规则和社会规范。
对可能解决方案的看法
斯坦福大学和东京大学都使用各种模型研究了行人轨迹预测的各个方面,其中包括可以学习和预测人类运动的长短期记忆(LSTM)模型。东京大学进一步开发了基于LSTM的编解码器模型,该模型旨在对运动轨迹和人类交互进行编码,以预测人类未来较长一段路径的行为表现。这类技术尽管还有很多待开发的地方,但这些预测模型最终可能会提供一个可靠的解决方案。
技术挑战3:道路上有杂物-我可以开过去吗?
在看到前方道路上未知属性的杂物时后,大多数驾驶员能够决定是避开还是开过去。在这段很短时间内,驾驶员在执行各种风险计算,根据感知到的物体大小、重量和密度,将权衡停止、转弯或驶过杂物的相对风险。在遇到杂物时,自动驾驶汽车通常会先经历四个阶段的过程,然后再决定要采取什么措施。涉及的阶段包括:

一:识别

二:分类

三:了解物品

四:开过,避开或停止

对可能解决方案的看法
第一阶段和第二阶段虽然具有挑战性,但可使用在现实世界中经过识别大量物体训练的神经网络来实现。提早识别物体是很重要的,因为这会使系统有更多时间余量进行后续阶段操作。除此之外,还需要一些额外的系统训练来帮助对不常遇到的情景(例如,沙发从卡车上掉下来)进行物体分类,以完善数据库。第三阶段涉及物体的完整图片信息的建立,并将涉及来自多个传感器的信息融合。例如,如果识别出桶型物品,那么它是由什么制成的?是空的还是满的?无论最终的行为是撞击还是避开物体,这一最后阶段的结果都会因一系列的碎片动态行为而变得复杂。它很可能在起始识别到接触这一时间段内移动,并且其运动将取决于一系列因素,包括天气条件以及我们的车辆与物体之间的任何其他车辆的行为。类似于先前关于行人轨迹讨论的建模技术的使用,将来可能会为这一挑战提供解决方案。
技术挑战4:管理不同的天气条件
当前的光学传感系统在大雾,大雪或大雨中不能很好地工作。这些条件减小了它们可以工作的范围,甚至使它们完全无法工作。在大多数情况下,人都可以开车,因为即使是大雾,大雪或雨天,通常也不会阻止他们安全到达目的地,即使迟了一点。
对可能解决方案的看法
在过去一年左右的时间内,潜在的解决方案已经开始试用。由于雷达对极端天气条件的敏感度要低得多,因此它可以为这一难点提供解决方案。用于地面的雷达正在开发,它将被用来进行地面的拓扑分析,并将结果与道路网络数据库进行比较。期望在将来,该信息可能能够在任何天气下帮助车辆在高速公路上行驶并保持在车道内。
挑战“这些挑战是进行SAE 4级车辆安全部署的重大障碍。”SBD Automotive的自动驾驶部门总监Alain Dunoyer博士说,“通常情况下,人们说法律方面的原因限制了自动驾驶的广泛部署,而实际上是因为许多关键技术难点仍未解决。并且法律可以花费时间和精力来修改,但物理定律不能更改,所以可以在路上看到SAE 4级车辆的时间可能远比以前设想的时间长。”(作者:SBD汽车研究)

FLIR与ANSYS联手加速热像仪机器学习,为自动驾驶保驾护航

博客自动驾驶小能手 发表了文章 • 0 个评论 • 378 次浏览 • 2020-01-20 10:47 • 来自相关话题

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。 ...查看全部

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。


据麦姆斯咨询报道,FLIR Systems, Inc.(纳斯达克证交所代码:FLIR,以下简称FLIR)与ANSYS(纳斯达克证交所代码:ANSS)正在合作,共同为辅助驾驶和自动驾驶汽车(AV)提供卓越的危险探测能力,为汽车制造商提供前所未有的汽车安全保障。通过此次合作,FLIR将把完全基于物理的热成像传感器集成到ANSYS的前沿驾驶模拟器中,从而实现在超真实的虚拟世界中对热像仪设计进行建模、测试和验证。全新的解决方案将通过优化热像仪的布局来缩短原始设备制造商(OEM)的开发周期,以便与自动紧急制动(AEB)、行人探测等工具一同使用,并应用于未来的自动驾驶汽车。

对FLIR客户及合作伙伴来说,在虚拟环境中进行测试的能力是对现有系统的有力补充,受益产品主要包括搭载了FLIR Boson®热像仪、FLIR热启动数据集及特定区域/城市热数据集(用于算法训练)的FLIR汽车开发套件(ADK™)。FLIR热数据集是为高级驾驶辅助系统(ADAS)开发、AEB和自动驾驶汽车系统中的机器学习而创建。

目前,自动驾驶汽车和ADAS传感器在黑暗或阴影、强光及恶劣天气(如大雾)等环境中面临着巨大挑战。然而,热像仪可以有效地探测和分类这些环境中的物体。将FLIR的热成像传感器集成到ANSYS® VRXPERIENCE®中,即可在短短几天内模拟完成数百万英里的数千种驾驶场景。此外,工程师还可以模拟热成像能够提供关键数据但难以塑造的场景,包括在拥挤的低对比度环境中探测行人。

“通过将ANSYS行业领先的仿真解决方案加入到我们现有的物理测试工具套件中,工程师、汽车制造商和汽车供应商可显著提升汽车在各类驾驶条件下的安全性。”FLIR工业事业部总裁Frank Pennisi表示,“该方案可以重现驾驶员每天都能看到但在物理环境中难以复制的特殊场景案例,这为改进神经网络和AEB等安全功能开辟了道路。”

“FLIR认识到,仅仅依靠在物理世界中收集的机器学习数据集来使热像仪在汽车应用中达到尽可能安全可靠,是具有很大局限性的。”ANSYS副总裁兼总经理Eric Bantegnie说道,“如今有了ANSYS解决方案的帮助,FLIR可以进一步增强汽车制造商的能力,以加速搭载热像仪的辅助驾驶系统的开发和认证。”

除特定城市的数据集外,FLIR在汽车行业已拥有十多年的丰富经验。FLIR已为包括通用、奥迪和奔驰等在内的汽车制造商提供了超过70万个热成像传感器,作为其夜视预警系统的一部分。此外,FLIR近日还宣布,其热成像传感器已被一级汽车供应商Veoneer选中,用于与全球顶级汽车制造商合作计划于2021年量产的L4自动驾驶汽车中。

于1月6日至10日在美国内华达州拉斯维加斯举办的“2020年国际消费电子展(CES)”期间,FLIR展示了其热成像加持的演示汽车和其它创新型产品,FLIR的展位号为#8528。

马斯克说“傻子才用”的激光雷达,如今要在自动驾驶识别中唱主角了

博客自动驾驶小能手 发表了文章 • 0 个评论 • 233 次浏览 • 2020-01-20 10:43 • 来自相关话题

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展, ...查看全部

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展,智能传感器展现出了蓬勃的发展生机。《中国电子报》将选取自动驾驶、智慧养老、工业互联网、智慧医疗等几个热点领域中传感产品的应用情况进行报道,展示传感器技术发展趋势,产业发展前景。

激光雷达(LiDAR)一向是汽车自动驾驶技术实现的主要部件之一,然而动辄数十万元的造价限制了它的普及应用。近年来随着博世、安森美、英飞凌等半导体大厂的大举投入,以MEMS、光学相控阵列(OPA)技术为基础的固态激光雷达正在走向成熟,逐渐有能力取代传统机械式激光雷达。未来,固态激光雷达有望在自动驾驶识别中扮演主要角色。

固态激光雷达闪亮CES2020

在近日举办的CES2020大展上,激光雷达成为亮点之一。开展前夕,德国汽车零部件供应商博世宣布,其首款车规级激光雷达芯片已经进入量产开发阶段。该系列产品可覆盖长距离和短距离探测,适用于高速公路和城市道路的自动驾驶场景。更为关键的是,博世希望通过规模化量产,降低激光雷达成本,从而促进市场推广。

安森美是图像传感器领域的主要厂商之一,近年来在激光雷达、毫米波雷达和图形传感器芯片等领域均有投入。本届CES上,安森美以激光雷达芯片为重点,展示了业内首款高分辨率、宽视野单光子雪崩二极管(SPAD)阵列探测器。SPAD阵列是微光光子探测器芯片,可用于不同类型(包括短距、中距和长距)激光雷达当中。

欧司朗从去年开始就有消息传出将进入激光雷达市场。本届CES上,欧司朗展示了应用于自动驾驶概念车MetroSnap的激光雷达技术。MetroSnap是一款L5级别的自动驾驶汽车,欧司朗称其所提供的激光雷达技术能够通过红外线脉冲激光绘制车辆周围环境的3D地图,使MetroSnap概念车实现更安全的自动驾驶。

另外,近日图像传感器大厂索尼也传出将进军固态激光雷达的消息。

中国公司也在激光雷达领域崭露头角。在CES2020上,由DJI大疆内部孵化的览沃科技(Livox)发布了两款激光雷达传感器:Horizon和Tele-15。览沃科技表示,这两款激光雷达为L3/L4级自动驾驶而设计,是高性能、低成本、可量产的传感器解决方案。览沃科技以此为契机还与自动驾驶初创公司Refraction
AI和AutoX建立了合作关系。

迅速发展媲美机械式产品

激光雷达一向是汽车自动驾驶技术得以实现的主要部件之一,具有高分辨率、抗干扰能力强、获取的信息量大等优点,然而,高昂的造价也限制了它的普及应用。特斯拉CEO马斯克就曾公开表示:“傻子才用激光雷达,现在谁要还是靠激光雷达,那就注定完蛋!”不过近年来,随着博世、安森美、索尼、英飞凌等半导体厂商的大举投入,固态激光雷达正在慢慢走向成熟。

专家指出,固态激光雷达与传统的机械旋转式激光雷达不同,它采取MEMS、光学相控阵列(OPA)等扫描方式,对物体信息进行识别,以实现收集路况信息,为自动驾驶提供数据基础的作用。而且相比机械式激光雷达,固态激光雷达在成本、体积、可靠性和使用寿命上都有优势。

那么,目前的固态激光雷达可以和机械式激光雷达相媲美吗?从览沃科技发布的产品参数来看,Horizon检测范围达260米,水平视场角81.7°,可覆盖10米距离内的4条车道,等效于传统64线激光雷达,采用5个Horizon即可实现360°场景覆盖。同时,Horizon具有高密度点云、体积小的特点,可以轻松地嵌入到车辆中。Tele-15探测距离达到500米,为远距离检测而设计,兼具紧凑尺寸、高精度和耐用性的优势,0.1秒即可扫描15°圆形视场内99.8%的区域,这一点要优于传统128线激光雷达。

激光雷达解决方案提供商速腾聚创(RoboSense)合伙人兼副总裁Leilei
Shinohara也表示:“我们与安森美半导体合作并利用RD系列SiPM系列,已迅速超越了传统激光雷达制造商使用较老旧的APD技术和机械扫描架构所提供的性能。

有望加快商用进程

激光雷达一直是自动驾驶汽车中价格最为昂贵的传感器,各个零部件供应商和激光雷达初创公司都想降低激光雷达的生产成本,以获得规模效益。随着固态激光雷达技术的逐渐成熟,固态激光雷达由于改变了数据读写模式并省去了旋转部件,成本可以大幅下降,有望推动市场应用的快速扩大。

在宣布推出激光雷达芯片时,博世发言人即表示,博世的激光雷达已经开发完成,并且售价将会低于市面上其他的激光雷达,使其成为一款大众可负担得起的产品。览沃科技更是直接将激光雷达的价格拉到了万元以下,Horizon的报价为6499元,Tele-15为9000元。览沃科技全球市场总监邓睿豪表示,大疆一直在推动的事情是希望将前沿技术平民化,这种思路也同样适用于Livox。

随着博世、安森美等半导体大厂进入激光雷达领域,特别是中国芯片厂的进入,激光雷达技术应该会取得突破,其价格有望进一步下探。而核心芯片价格的下降,直接影响激光雷达的价格,有望从万元时代来到千元时代。

从应用角度来看,激光雷达的应用依然需要与毫米波雷达、摄像头等设备结合使用。恩智浦资深副总裁兼首席技术官Lars
Reger表示:“激光雷达、雷达、摄像头,就像人的眼睛能看到的视线一样,应当相互补充,结合使用。”

毫米波雷达优点主要是探测距离比较远,精度非常高,而且不受天气和光线的影响。毫米波雷达对运动的金属物体比较敏感,但对于静止的金属或非金属物体,运动的非金属物体不太敏感,分辨率也比较低。激光雷达的测距精度非常高,基本上可以达到正负一两厘米,分辨率也非常高。但激光雷达容易受到阳光雨雾和互干扰的影响。摄像头可以通过丰富的成像信息进行各类识别运算,比如行人、形变的物体,还有停车场的横杆以及交通标识等。不同方案结合使用可以起到相互补充的效果。事实上,目前博世、安森美、恩智浦等主流半导体厂商都掌握着三种技术相对完整的产品线,同时致力于打造整体解决方案。(作者:中国电子报)

专注FMCW激光雷达的光勺科技亮相CES 2020

博客自动驾驶小能手 发表了文章 • 0 个评论 • 760 次浏览 • 2020-01-16 18:37 • 来自相关话题

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。市场 ...查看全部

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。

市场上最常见的两种激光光波调制技术有调幅(AM)和调频(FM)。传统的调幅(AM)激光雷达易受其它传感器光源干扰,容易出错;而FMCW技术能够提高对外界干扰的容忍度。FMCW技术的基本原理是用高频连续波作为发射波,利用接收的回波频率与发射的频率之间的微小时间差计算出某物体与目标之间的实际距离,两者的变化规律都是三角波规律。将调频(FM)激光雷达运用于自动驾驶领域,有助于提升无人驾驶汽车的安全性、帮助其根据周围环境做决策。相比AM技术,新制式FMCW激光雷达有三个显著优点:(1)探测距离长度达250米,是AM技术的2倍;(2)能提取动态多普勒信息;(3)使用单机激光特定频率,避免互相干扰。

目前,激光雷达赛道比较拥挤,全球大约有一百多家供应商,但是都是AM老技术制式,只有十余家公司使用FMCW技术。国内的光勺科技就是其中一家,而发布路测视频的目前只有三家。

目前,FMCW雷达方面最为知名的公司是被Aurora收购的Blackmore。与Blackmore采用调频FMCW技术不同,光勺科技的新制式FMCW激光雷达(Self-Homodyne Laser Radar)调制的不仅是激光光波的频率,还包括相位,也就是使用了调相技术。该公司拥有相干检测技术的核心专利,能够实现4D激光点云输出。每一个输出点云中不仅包含距离信息,同时能够提取动态目标的多普勒彩色图形信息,这将有助于在自动驾驶中探测移动的目标,高效、自动输出安全驾驶距离;同时能够排除外界噪声的干扰,提高对外界温度、环境恶劣程度的容忍度。

光勺科技表示,相比于传统FMCW调频技术,公司产品具有核心优势。从符合车规级的角度看,使用调频方案时,需要激光信号具有极高的调制线性度,而调相方案中只需要控制相对长度,对产品长度的误差度和环境的容忍度也有很大的提升,因此更容易符合车规级。


光勺科技的4D多普勒成像信息

光勺科技此次展示了实际路况测试视频。视频中,如团队提供的4D多普勒成像信息图所示,自动驾驶汽车行驶过程中,前方150米出现两个骑自行车的人在车前进方向逆向行驶,即最左图中的圈出的绿点,FMCW激光雷达能够清晰辨认出150米外正在移动的目标。图三中,两个骑行的人中有一人朝着横向方向驶开,离开车载雷达的视线范围;但另一个人仍逆行前进。此时,自动驾驶车前出现一辆出租车将骑行者挡住,人的位置位于最右图中的红圈内,该路况下,传统雷达视线会被出租车阻挡,无法辨认出骑行者所在位置,这对于自动驾驶汽车来说无疑是危险的情况。光勺科技表示,公司的FMCW激光雷达能够在此种情况下透过遮挡物,清晰地提取出室外移动目标的多普勒信息彩图,这将大大有助于提升自动驾驶汽车的安全性。

在CES 2020展会之后,目前已知对其FMCW激光雷达样机感兴趣的企业有专注于公共交通新型自动驾驶的初创公司Bluespace.ai、印度塔塔集团旗下的Elxsi。同时,光勺科技团队还在积极对接谷歌Alphabet旗下的美国第一无人驾驶公司Waymo和通用旗下的Cruise。谈及激光雷达产品正式上市的时间,“预计在2020年的Q3或者Q4发售”,光勺科技团队回复。因为“硬件加工上难度并不大,核心还是模型和算法”,厂商确认订货和下单之后,光勺科技能够在一个月内发货。

谈及竞争优势,光勺科技表示,他们申请了的一套针对激光调相的调制方面的核心专利,这是对手没有掌握的。光勺科技是国内第一家实现真实条件路测的FMCW激光雷达公司。

这个赛道上,除了技术发展路线与光勺科技最相似的Blackmore,还有Strobe、Aeva和Bridger Photonics等专注于FMCW激光雷达的厂商。其中,Blackmore获得了宝马的风险投资,Strobe被通用汽车旗下的无人驾驶公司Cruise收购;而Aeva和Bridger Photonics分别获得了丰田风险投资和德国蔡司的投资。不过,这些激光雷达厂商的产品都或多或少被市场上的头部企业绑定了。比如,Blackmore的产品仅对Aurora发售,Aeva的样机仅用于奥迪和保时捷。

杨晓明:以智能架构推动自动驾驶汽车实现量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 248 次浏览 • 2020-01-14 17:29 • 来自相关话题

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型&nb ...查看全部

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。

1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型 引领创新”主题,围绕行业、企业、政策的转型与创新展开广泛研讨。

杨晓明介绍,目前,整个行业正在面临着向移动平台未来出行方式变革的挑战,在这个挑战过程中,安波福一直坚持三点:第一、安全,就是解决汽车零事故的问题。第二、环境,就是绿色,如何达到严格的排放要求。第三、互联优势。如何把安全、绿色、互联三方面结合到未来出行自动驾驶的平台上,对整个汽车行业来说,是挑战也是机遇。

杨晓明说,即使在2019年中国汽车市场面临下滑的情况下,主动安全系统仍然处于非常高速的发展阶段。“目前,汽车行业存在的一个大问题,就是传统汽车的架构接近饱和,已经不太可能承受安全、绿色和互联的发展趋势对汽车平台的要求。”

如何解决?杨晓明认为可以从今年的CES展得到启示。杨晓明认为今年的CES表现出三个特点。首先是激光雷达公司强调的重心已经从功能转向成本,在成本价格得到解决的情况下,激光雷达就可以达到适用的量产阶段;其次是AI正在成为主题,算法及计算能力得到发展;第三是感知系统被重视,如面部识别,对汽车内部的传感系统等。

杨晓明透露,安波福正在做下一代汽车架构的团队,注册商标SVA,就是智能汽车架构。这个智能汽车架构有三大特点:一、强调把软件和硬件分离开;第二、把输入端和输出端与中央计算分离;第三、中央计算中心担当服务器角色。

杨晓明认为,智能汽车架构是目前的一个发展趋势。软件和硬件分离会带来更多好处,在升级扩充功能的时候不需要重新对每个模块进行长时间的车级论证,软、硬件开发时间会大大缩短。最重要的是可以扩充功能,就是说可以不停地开发客户需要的功能,通过云端直接升级到车上,而不牵扯大规模硬件方面的论证。同时,可以实现电子电气架构的自动化装配,大大降低汽车组装的成本。“汽车智能架构会带来非常大的业务模式的变化,这个业务模式的变化不仅是消费者端,而是在整个汽车产业链里,谁来完成哪一块的功能,这是一个全新的开放的生态方式。”

安全、绿色、互联的发展趋势需要新的系统的解决方案,新一代汽车智能架构是高度自动驾驶汽车量产的基础保障。“到底市场如何去变?我认为下一个革新最可能成功的地方就在中国,因为我们有各方面的社会优势以及大量的创新企业正在向这些方向发展。”杨晓明说。(作者:交通安全智库)

2020年,5G和边缘计算将如何发展?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2020-01-13 09:51 • 来自相关话题

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。 ...查看全部

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。

2020年新年伊始,围绕着边缘计算和5G肯定会有一波新的炒作。现在是巩固和更新我们对这两个概念的理解以及探索这两种技术如何相互补充和相互增强的理想时机。特别是在金融支付、在线订单、欺诈监测、机器学习等领域,这两项技术将助力你在未来保持持续地竞争力。

边缘计算主要是处理来自更接近其创建位置的设备信息,而不是在云平台中来回调取信息。5G的到来,为边缘计算之前不可能实现的应用铺平了道路。比如增强现实和虚拟现实,5G的超低延迟特性使你看到的东西与你正在做的事情保持同步;还有自动驾驶汽车,需要在瞬间对大量数据进行处理并做出决策。

IDC预测,到2025年,全球将有1500亿台联网设备(包括RFID),其中大部分都会实时输出数据。2017年,实时数据仅占所有创建、捕获或复制信息的15%;到2025年,这一比例有望达到30%。从百分比上看,边缘计算似乎不会带来翻天覆地的变化,但是从数据的原始容量来看,这是一个数量级的增长(从~5 zb到~ 50zb)。边缘计算基于海量实时数据,具有同步智能分析的能力,同时最小化带宽开销。

新的定义

即使已经到了2020年,关于“边缘”的定义仍会仁者见仁智者见智。从NIST(美国国家标准技术研究所)到IEEE,模型仍在不断发展。它可以是树莓派选择性地将传感器信息发送到云上,也可以是谷歌在线流媒体平台上处理数据的节点。虽然这两种模型之间有很大的差距,但它们都使计算资源更接近用户终端。

一份相对中立的边缘计算报告中给出了一个更明确的定义,得到了一些行业的共识:

  • 边缘是一个位置,而不是一个新事物。

  • 边缘计算有很多,但我们关心的是网络“最后一公里”的边缘计算。

  • 边缘计算有两种形式:基础设施边缘和设备边缘。

  • 计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分

通俗地来讲,设备边缘包含终端,如电话、无人机、AR耳机、物联网传感器和联网汽车;还包含网关设备,如交换机和路由器;以及本地服务器。它们都在网络最后一公里的下游。基础设施边缘存在于上游,是通过网络接入设备和数据中心获取计算资源。

例如在大钻机案例中,树莓派是在设备边缘,它不需要实时传输环境数据来占用带宽,而是在本地进行处理,除非紧急任务下才向后台上报。相反,当本地数据中心需要提供每秒60帧的流媒体速度来播放4K高清视频时,虽然设备边缘能提供了一个明显的低延迟优势,但是用户更希望向上游获得一个具有更强大的处理能力的硬件。

除了分布式基础设施靠近核心网络之外,对云的要求也变得更集中化和可扩展性。但是,当您使用云计算时,延迟要高得多(而且一致性也差得多)。

低时延边缘计算的优势

人们很容易将低延迟视为边缘计算的杀手锏,尤其是在云计算受到物理限制的情况下。

数据的传输速度不可能超过光速,因此向数百或数千英里外的服务器发出请求必然要花费数十或数百毫秒才能完成。当你滚动网页时,这种区别是看不出来的。但对于远程操作的外科医生或虚拟现实中的游戏玩家来说,这些延迟是无法接受的。

边缘计算则消除了延迟以保持数据的一致性。

边缘计算还避免了在连接的设备和云之间来回传输数据。如果您可以确定数据的价值更接近它被创建的地方,那么就可以优化数据流动的方式。将流量只用于云上的数据,可以减少带宽和存储成本,对延时性不敏感的应用也是如此。

边缘计算还会带来可靠性。在恶劣的环境中,设备边缘和集中式云之间数据传输可能会出现很多问题。如海上平台、炼油厂或太阳能农场,设备边缘和基础设施边缘可以在连接不到云的情况下半自主地运行。

分布式体系结构甚至是安全的福音。将更少的信息转移到云中意味着拦截的信息更少。边缘的数据分析在地理上分散了风险,端点信息本身并不容易保护,因此,边缘处的防火墙有助于限制攻击的范围。而且,出于遵从性原因,将数据保存在本地可能很有用。边缘基础设施提供了基于地理位置或版本权限访问的灵活性。

5G和边缘计算相互促进

边缘计算并不新鲜。早在2000年,内容传播网络就被称为边缘网络。但人们普遍认为,随着5G覆盖范围的扩大,边缘计算将有助于利用本地(而非区域)计算资源解决现代应用程序的高带宽、低延迟需求。

5G技术将使计算资源更接近数据生成的地方,从而提高企业应用程序的速度、可靠性和灵活性。更多的信息将在5G网络之间高效传输,而不需要往返于中央云上。因此,我们将会看到以前不存在的应用案例。

根据《边缘计算状态报告2020》,对边缘计算的最大需求来自于通信网络运营商,他们要不断的更新基础设施和升级5G网络。在这些网络上运行的移动消费者服务将依赖于边缘计算,来支持在线游戏平台、增强/虚拟现实和人工智能等应用。

智能家庭、智能电网和智能城市都倾向于使用设备边缘平台。但是,随着这些用例的发展和变得更加复杂,也会出现对基础设施边缘功能的需求。5G对超可靠低延迟通信(URLLC)和大规模物联网通信(mMTC)的规定意味着设备和边缘计算可以更紧密地连接在一起,使它们的短连接更高效。


如图所示:交通信号灯联网并连接到边缘网关,数据可以在那里被收集和分析。作为边缘网络的一部分,它们可以向地图工具提供数据,并围绕拥塞问题重新设置路线。

值得一提的还有自动驾驶汽车。它是5G增强的边缘计算的典范。现在最新的汽车已经利用设备边缘上的计算资源进行避碰、车道保持和自适应巡航控制。但随着辅助驾驶和自动驾驶功能变得越来越复杂,将需要添加来自周围环境的基础设施的边缘资源。例如:根据前方的交通状况来调整行程,与其他自动驾驶车辆相互协调在红灯前通过,或者在瞬间做出决定以避免不安全情况。

边缘计算还需成长

边缘计算被列为Gartner 2020年十大战略技术趋势之一。同时列表中的其他几个概念也植根于边缘计算。超自动化致力于应用人工智能和机器学习等技术,它将依赖于低延迟和持续可靠的通信基础。多维体验也是一大趋势,它依赖于高带宽和实时处理的多维传感器和多功能界面。当然,智能的事物都与AI、5G和边缘计算有关。

启用这些新的应用将需要大量的投资。据Tolaga Research预测,从现在到2028年,IT和数据中心基础设施的累计资本支出将达到7000亿美元。

随着计算资源从集中式云向分布式边缘的扩散,新的应用、新的机会比比皆是,特别是成熟的基础设施边缘。理解边缘计算和5G的影响将帮你给客户带来更加无缝的体验,洞察新市场,并迅速做出反应决策。(作者:Chris Angelini)

邬贺铨:5G发展尚未能满足车联网需求

博客自动驾驶小能手 发表了文章 • 0 个评论 • 243 次浏览 • 2020-01-13 09:31 • 来自相关话题

5G的车联网创新还需要验证  ...查看全部

5G的车联网创新还需要验证 

1月10日-12日,以“把握形势、聚焦转型、引领创新”为主题的2020中国电动汽车百人论坛在北京钓鱼台国宾馆举行。

在10日上午的自动驾驶论坛上,中国工程院院士邬贺铨发表了主题为5G车联网的挑战的演讲。他认为,5G要满足车联网的需求还有很大的挑战。目前的5G技术是为公众通信而设计的,面向的客户群体广大,地域宽广。但对于车联网而言,所需要的应用距离则较短,尤其是车辆与车辆之间。而车联网在80%的状态下都是为行驶准备的,因此对于通信的移动管理要求很高,车联网需要每时每刻都在线。

除此之外,传统的通信主要是满足“点到点”的传输需求,但是城市车联网在V2V环境下是“点到多点”和“多点到点”的传输,需求更加多样。

因此,在邬贺铨看来,5G要满足车联网的需求还有很大挑战。除了技术层面之外,由于车联网拥有众多标识方案,因此未来不用的运营商之间还会存在互通的瓶颈,无法实现有效的直连。

以下是邬贺铨的演讲全文,雷锋网做了不改变愿意的编辑。

车联网的发展需要5G

车联网的通信模式可以分成四类:1.V2V(怎么解决汽车与汽车之间的通信);2.V2P(汽车跟行人之间怎么通信);3.V2I(汽车跟路边、云、红绿灯、停车场的通信),怎么控制信号灯的转换;4.V2N(汽车到网络的通信),解决优化交通流量的问题,做好交通的规划。

我们可以看到为什么会车联网需要有通信呢?我们的汽车车速和刹车的距离,它们是有关系的,假如每小时开到112公里的话,到刹车的时候,差不多要真正刹住需要5秒钟,我们说100米以内可能是驾驶员的感知,200米是车辆的感知,V2V可以有300米的感知,可以提前一些,上到云可以有更远距离的感知(2公里)。

现在汽车作为自动驾驶,是L5级别,不同级别对传统时延有不同的要求的,这需要有不同的技术来支撑。就通信技术而言,在4G时代,L1、L2级别的支撑应该是没问题的,但是如果说真的要到L5级别,就需要5G,最底下一行eMBB是增强的移动宽带,eV2X是增强的v2x通信,包括车到车、车到路、车到基础设施等等。实际上为什么会时延有要求?我们可以停车为例,应该说对时延要求不是最严格的,但是我们可以算出来,如果停车精度要1米的话,扣除处理的时延10毫秒,制动感应30毫秒,这个时候可以看到V2X的时延只允许5毫秒。

远程驾驶、自动驾驶要求端到端的时延不超过5毫秒,可靠性要求99.999%,需要联网,每辆车每秒的数据会到一个GB,按照移动通信标准化组织3GPP对eV2X的要求,在自动驾驶和传感器共享的要求,时延不能高于3毫秒,传感器共享要求带宽1GB,我们可以看到在4G的时代,LTE的时延可能要到100毫秒,如果我们加上边缘计算,可以减到10毫秒,但是仍然超出了目前自动驾驶的要求,所以我们需要有5G+边缘计算,可以说车联网需要5G,只有5G才能支持这个要求。

车联网的通信可以分成好几类,总的叫V2X,一类是短距离的通信,最大传输距离800米这么长,而最高车速是60公里,最大数据率大概是27MB。另外容量不够,如果交通拥堵的时候,车很多的时候就不能胜任了,在抗干扰方面以及覆盖方面是它的不足,现在较多用C-V2X,C是蜂窝的意思,基于蜂窝的V2X可以分为在4G场景下的LTE的V2X,还有增强的LTE环境下的V2X,以及NR的V2X,就是5G,我们可以看到,在4G时代,带宽可以扩展到上百兆,带宽可以到上行500兆,下行1G,但是用户面的时延10毫秒,控制面的时延50毫秒。

增强的4G的V2X增加了一些功能,像车联网编队、高级驾驶、扩展远程驾驶。我们注意到最右边5G的时候,它的通信距离延伸到1公里,最高相对车速可以支持500公里,最大带宽到1G,最重要的是时延降到3毫秒,通信可靠性能做到99.99%。相对于其他的模式,5G是比较接近车联网需要的。

5G本身,我们走过了第一代移动通信,一个蜂窝小区,是以频率的不同区分用户,我们叫频分多址,它是模拟的,以GSN为代表的2G是数字的,以时隙的不同区分用户,TDMA,3G都是CDMA,是以码道的不同区分用户,码分多址。4G把频分、时分、码分都用上了,它的峰值速率可以上到100兆。现在5G来了,在多址方式上,5G和4G有所改进,但是并没有完全变化。

应该说整个移动通信都是十年一代,每一代移动通信的峰值速率是前一代的100倍,所以5G峰值速率可以上到20G,但是这是极端的情况,是工作在毫米波频段800兆的窄频,而且一个蜂窝全部给一个用户用,服务器就在边上,这种情况基本上是实验室做一个测试可以,对一般的应用是不可能的。

即便做不到20G,做到1G是没有问题的。最重要的区别不在于带宽,而在于它扩展的应用模式叫产业互联网和智慧城市,三代应用场景增强移动宽带、超可靠、低延时、广覆盖、大连接,它基本上还依靠通信的基本原理,蜂窝做得更密,这样容量更大,尽管频率高了,传输距离短了,但是蜂窝密了,能够适应。其实是大规模的天线,也就是说把空分的能力也加上去了,还有窄宽频率以及物理层的改进。

所以5G跟4G比,在多项性能上都有1-2个数量级的提升,比如说移动性现在能支持500公里时速的高铁,无线接口延时减少到1毫秒,连接密度提升10倍,一平方公里有100万个连接,能效和密度密度各提高100倍。

5G面临的诸多挑战

我今天主要想说即便5G要满足车联网的要求也还是有很大的挑战,比如说传统的互联网是叫无连接的,所谓无连接在右图可以看到,一个信件可以拆成很多个IP包,过去是无连接,我们的路由器既有节点控制功能,也有传送转发功能,过去收的一个IP包打开看一下地址,找到最近的路由器做转发,这实际上是不考虑全网优化的,现在我们希望把节点控制功能抽出来,进行网络操作,把应用功能抽出来,然后全网收集全网的大数据,包括业务流量的数据以及车流的数据,还有网络资源的数据。在源端就定义了端到端的这条路由,这就是叫面向连接。

如右图:原来的无连接,一个邮件可以变成很多个信件,本来都是同一个源到同一个目的地的,但是实际上在互联网上,我们是逐包转发的,每一个包各自选路,这叫无连接,相当于走不通的路。在当初互联网开始的时候认为不稳定,所以我们用这种方式能够保证它通信的可靠性,即便一个包传不了,可以重传这个包,而不是一个信道都丢掉。

如果用原来互联网无连接的方式就显得效率太低了,在车联网上尤其如此,所以我们改用软件定义网,也就是说通过网络的集中管理,从头到尾给它指定一个路由,这种情况在现实交通中,比如说我们在北京早高峰、晚高峰给公交车指定一个路由,但是平时不能对任何车定路由。而5G希望对所有的业务流能够在源端把每一个路有指定好,优化方式。实际上在现实情况下,可能只有级别很高的高级车辆才能有这种待遇。

如果把它用在车联网上用,这实际上所有的车都要有单独给它计算一个路由,这个计算量还是很大的,另外怎么能够实时?怎么能够满足低延时的要求?而且传统的通信网在做这个计算,是在网络运营商的中心来做的,而车联网不能够把它放到整个网络运营商的运营中心,因为一个城市是一个城市,所以可能这种管理集中处理功能,只有放到城市里头,而按城市来分级可能就会多了,另外,所有的车都要端到端的指定路由,这实际上是要求比较高的,所以是不是说未来一部分车指定,一部分车不指定,所以这也是一个挑战。

其次,5G上面要适应高铁的通信,很多时候坐在家里用的时候根本没有运动速度的要求,5G要支持高带宽,当然很多时候传感器数据是低带宽,所以要求是各种各样的,我们不能把网络做成不一样,我们是通过逻辑上的切片,你要高带宽的,我把网络资源组成高带宽,你要低延时就给你低延时,要高可靠就给你高可靠,就像马路上一样,大客车给它指定通道,小车给它指定通道,甚至摩托车给它指定通道,5G的时候希望这样,但是实际上能做到这么精准、这么细致也是有难题的。

这个我们在通信上叫网络切片,网络切片就是给它组成了专用通道(VPN),我们知道VPN是大客户,是少量的,而5G现在希望对所有的都做VPN,这显然是一个难题。另外,车联网如果在公共公用网上只有一种业务类型,是不是所有车联网的车都成为一个大切片呢?这种想法跟原来切片提出的“小”思想是不完全一致的。虽然都是车,但是每一辆车对通信的要求是不一样的,里面有特种车辆、一般车辆,需要区别对待。

还有一些问题,马路上有一些车具有支持网络切片的能力,原来的车并不具有支持这个能力。所有车混在一起,你有切片的能力好办一点,没有切片能力怎么办?就像自动驾驶的车上路了,你可以做到不撞别人,但是不等于别人的车不撞你,所以有一个管理上的挑战。

另外,车联网面对行驶中的车辆,要用无线联网,不可能用光纤,刚才说过了,5G和其他的车联网技术比是更有优点的。当然了,我们最方便的办法是用运营商的网络,车联网上到运营商的网络,这样不需要重新投资基础设施,可以节省成本。

但是有一个问题,传统的运营商的基础网络在5G的时候主要使用TDD的模式,TDD是什么意思?就是在一个频段上既有上行也有下行,上下行不见得是对称的,因为在消费侧的应用,大部分消费侧希望从网上下载视频的多,自己往上传视频的少,所以在同一个频段安排上下行的时候一般是三七开,30%的时隙用于往上传,70%的时隙用于接收网络的数据,可是在物联网,我们更多的是传感器的数据往上报,而真正网络指令的数据还是少的,所以应该是倒的三七开。

这两者不同的上下行时隙的配比如果安在同一个运营商的网上,这两者是有互相干扰的,所以要不就设计在不同的窄频,否则就很难配置,所以现在就提出一个问题,车联网能完全上到运营商的5G网络吗?所以我们有可能说我们城市里头可能要建设一个支持车联网的5G的专网,它可以有单独的时隙配置,而不跟公众网上的时隙配置冲突,这就需要专用频率,欧洲对工业互联网已经测算了,预留了76兆,德国分配100兆。

目前分给车联网的频率是5.8G,带宽不高于75兆,真正给V2V用的只有25兆,所以如果每一辆车都要有专用的广播频率的话,频率就不够了,所以频率问题对车联网来讲也是一个挑战。建设一个专用的城市车联网的5G专网也有成本的挑战。

另外,尽管5G的空口时延很短,但是如果存在地面,再经过一些处理,那时延还是比较大的,所以我们需要把云的能力,部分计算能力下沉,成为边缘云,边缘云负责处理一些时延敏感的数据,过滤掉一些数据送到中心云,中心云搜集多个边缘云的数据优化模型再下发,所以我们说为了适应车联网的需要,需要大量使用边缘计算,将存储内容分发下沉到边缘云来处理。

 IDC预测将来50%的数据都要在边缘处理,当然了,两机云会比单机云的成本节省一些,但是在车联网场景下,如果边缘计算下沉到路边单元,颗粒度很小,时延很低,但是太多了就碎片化,如果放到移动通信的RSU,路边的RSU效果是好的,但是边缘计算就要管理很多个路边RSU。

所以这里面也有一个成本问题,而且有一个车联网的问题,不是固定接入到一个边缘计算,边缘计算如果在基站,这个车一会儿开到另一个基站,也就意味着这种计算存储要转换到另一个基站上,这种基站到底是边缘计算与边缘计算之间沟通,还是上到中心云再来沟通,这里面各有优缺点,边缘计算和边缘计算之间直接沟通时延很短,能适应车联网的要求,但是带来了很大的开销。

5G的车联网创新还需要验证

5G很重要的应用是把物联网的终端直接连到人工智能、大数据的分析,过去我们没有5G的时候,除了光纤以外,其他手段不能解决传感器跟后台的大数据、人工智能之间的这种传输的时延问题,因此往往大数据、人工智能的决策分析都是滞后的,也就是说它会带来很大的时延,没法实时化,现在5G的介入使它们两者无缝融合,AI+IoT我们叫AIoT智联网,5G对物联网的要求是一平方公里100万个传感器能联网,传输时延不高于10秒,丢包率不高于1%,按照这个数字,应该是基本能够满足车联网要求,尽管这里写时延10秒,这是讲端到端很长距离的,城市车联网短距离不会有这么高。5G的AIoT需要一些技术来支撑,但是难题是什么?现在车里面几百个传感器都是用选来方式管理吗?这是一个挑战。

另外,虽然5G一平方公里能接入100万个传感器,每个传感器接进来又印证,一个一个印证到什么时间?所以要群组印证,群组印证怎么保证群组跟个性的区别?另外车联网V2V印证还要快,还要车联网要有大量的终端,本身也有安全问题,所以需要有安全的协议,但是安全的协议不能太复杂,否则不但增加能耗,还加大时延。这么多车联网会产生DDOS攻击,都被木马攻陷了,100万个传感器共同访问路边的车联网设施,也会把路边的车联网设施搞瘫痪了。

所以总的来说虽然5G能支持车联网大量的传感器联网,但是也面临很大的挑战,车联网用什么标识,车联网的物联网里面有很多种标识方案,在5G上当然希望用IPV6,但是实际上前面4G的车联网以及DSRC的车联网可能会用其他的标识,怎么实现标识之间的互通就是一个问题,而且车联网的标识一般是在一个运营商范围里头的,而城市里的车,可能某些车接入到移动,某些接入电信,某些接入联通,是不同的运营商,不同的运营商之间要互通,这就带来难题,一个是标识能不能一致,另外,过去我们三个运营商不是在任何城市都是直联的,在中国三个运营商直联的点只有13个,有些省,比如云南、西藏这些是没有的,云南电信跟云南联通要连通就要到成都的直联点才能实现。车联网上如果是这样的话,时延就没法保证,所以车联网就要求运营商的网间直联点要下沉到每一个城市,这也是现有运营商的网络做不到的。

车联网是5G的一种业务,5G的业务采用一种开放的方式,可以说接入到你需要什么能力我可以附加什么能力,就像App一样,这也方便我们的业务灵活性,5G本身又改变了协议的标准,传统的移动通信是专用的协议,所以5G是互联网的协议。

之所以开放和采用互联网的协议是为了让现有的业务更灵活,当然也带来挑战,原来网络是封闭的,协议是专用的,很少听说有网络安全事件发生在运营商的网络,把运营商搞瘫了,现在网络是开放的,协议是通用的,一定意义上5G会增加更多的安全风险。车联网对安全的要求又比一般的通信高,所以在这个情况下,我们需要付出更多的安全代价,而且车联网一般是短包,而互联网的TCP/IP对短包是没有什么效率的,所以是不是考虑新的协议应对物联网。

运营支撑也很复杂,5G有虚拟NFV,就是网络单元虚拟化,还有网络切片,这些都是动态的,要进行动态的管理,很复杂的管理系统,车联网一个问题要快速计算和处理,运营支撑系统不能只是运营商一个,可能到每一个城市也有一个,否则就不能实时性了,所以应该说实时性对5G也好,对车联网也好,都是很大的挑战。

所以我说整个5G来讲,虽然说它相对于其他移动通信系统更靠拢车联网的需要,但是实际上车联网的一些特点,不是5G所面对公众通信的特点,它是不一样的,而且有很多新的需求,现有的5G技术未必能适应。我的看法是:5G的车联网想说爱你也不容易,汽车永远在路上,5G的车联网创新也永远在路上!(作者: 王浠源)

晶方科技拟募资14亿元,用于开发智能传感器模块

博客自动驾驶小能手 发表了文章 • 0 个评论 • 263 次浏览 • 2020-01-06 10:45 • 来自相关话题

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。据公告显示,本 ...查看全部

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。

据公告显示,本次募投项目产品主要应用于手机摄像、汽车电子、生物身份识别、安防监控等领域,通过扩大产能顺应手机摄像、汽车电子、生物身份识别、安防监控等领域的新产品趋势,满足客户的新产品需求。

晶方科技认为,随着物联网和人工智能趋势的不断推进,这些领域正呈现出强劲的增长趋势。手机是影像传感器的最大终端用户市场,未来手机摄像头的需求依然强劲,其成长动力主要来自三摄、四摄对CMOS图像传感器数量的提升,每部手机摄像头数目将大幅度增加;汽车电子中自动驾驶需要多个摄像头传感器,未来增长爆发力足;全面屏+OLED逐渐成为未来手机的主流解决方案,以及手机多摄像头和更大的电池占用手机背部空间,屏下指纹将成为手机指纹识别主流的市场趋势,指纹传感器需求扩容确定性大;安防监控的普及度增加,安防监控市场传感器将会迎来稳定增长。

近几年,公司已对市场需求的新趋势进行了前瞻性的技术储备和布局。针对汽车电子等领域高可靠性的要求,公司在12寸消费类传感器用TSV晶圆级封装工艺的基础上,开发出了高可靠性TSV晶圆级封装工艺;针对市场高可靠性、高集成度、多芯片的市场需求趋势,公司2014年收购DRAM专业封测厂智瑞达电子(原德资奇梦达苏州封测厂),全面导入传统封装量产能力,将其与公司原有的先进封装技术互补,融合并再创新,率先推出了具有国际领先水平和具备完整 IP 的高端智能传感器用扇出型系统级封装平台。

本次投资项目将推动高可靠性 TSV 晶圆级封装工艺、扇出型系统级封装工艺平台等技术的发展,进一步巩固公司已有的技术领先优势和地位。

据悉,该项目建成后,将形成年产18万片的生产能力。该项目实施达标达产后,预计新增年均利润总额1.6亿元,预计投资回收期约6.19年,内部收益率为13.83%。该项目实施单位为苏州晶方半导体科技股份有限公司,项目建设期1年。

据公告介绍,晶方科技主要专注于传感器领域的封装测试业务,主要为影像传感芯片、环境光感应芯片、微机电系统(MEMS)、发光电子器件(LED)等提供晶圆级芯片尺寸封装(WLCSP)及测试服务,是中国大陆首家、全球第二大能为影像传感芯片提供WLCSP量产服务的专业封测服务商,该产品广泛应用在手机、安防监控、身份识别、汽车电子、3D传感等电子领域。

​博世高调杀入激光雷达市场

博客自动驾驶小能手 发表了文章 • 0 个评论 • 265 次浏览 • 2020-01-06 10:42 • 来自相关话题

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。 ...查看全部

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。

1578278976717130.jpg

私人控股的博世公司表示,内部开发的激光雷达传感器将在下周的拉斯维加斯消费电子展上展出,它将覆盖高速公路和城市的长距离和近距离范围,并将与该公司的摄像机和雷达技术配合。

激光雷达技术使用基于光的传感器生成道路的三维视图,但它仍然是一个相对较年轻的技术,仍在不断发展。从目前来看,它对于大众市场的使用来说太昂贵了,但是如果便宜的激光雷达传感器被广泛采用,它可以提供更多的深度数据,从而使自动驾驶汽车能够更好地检测到与行人等其他道路使用者的距离。

尽管众多初创公司正在研究激光雷达,但像博世这样的大型值得信赖的供应商的参与可以帮助加快该技术的采用。

博世管理董事会成员哈拉尔德·克罗格(Harald Kroeger)在一份声明中说:“博世将首先把自动驾驶变为现实。”

最初,激光雷达开发人员使用的是放置在汽车顶棚上的笨重的旋转设备,现在已经过渡到了更紧凑的固态设备,可以将其安装在汽车的其他部件上,例如前大灯附近。现在,这些产品的限量销售价格不到10,000美元,但分析师表示,批量生产的价格必须低至200美元才能实现商业可行性。

博世并未提供其激光雷达的时间表,价格或技术细节,但一位发言人表示,该公司正在努力使传感器“准备就绪”,并将重点放在“负担得起的大众市场”技术上。

发言人拒绝透露博世是否已经有传感器的汽车客户。

由于成本和监管问题导致汽车制造商和科技公司重新考虑其计划,因此无人驾驶汽车的发展已达到了一个减速的步伐。

目前,包括通用汽车公司,福特汽车公司和谷歌Waymo 在内的公司都使用激光雷达。苹果公司也正在评估这项技术。

其他公司则不愿采用激光雷达,原因是成本高昂且功能有限,其中包括埃隆·马斯克的Tesla公司和日产汽车有限公司。

去年4月,马斯克称激光雷达成本太高,并称依赖该技术的任何人都“过时了”。特斯拉汽车依靠摄像头和雷达作为自动驾驶的视觉系统。

在过去几年中,已经向激光雷达初创企业投资了数亿美元。

开发该技术的其他主要供应商包括法雷奥,Aptiv和美国大陆。去年7月,法雷奥表示已赢得价值5亿欧元(5.6亿美元)的激光雷达传感器产品订单。(作者:半导体行业观察编译自路透社)


“合肥造”77GHz毫米波汽车雷达芯片在京亮相引关注

博客自动驾驶小能手 发表了文章 • 0 个评论 • 258 次浏览 • 2020-01-03 14:13 • 来自相关话题

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。 ...查看全部

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。

论坛上,来自国家国防科技工业局、北京市科委、北京市新能源汽车促进中心等众多知名高校、企业的专家与学者齐聚一堂,共同研讨先进智能传感器领域、智能无人平台系统的研究发展状况。

38所科研人员作《毫米波传感器收发机芯片研究进展》主题报告。报告综述了毫米波传感器芯片最新研究进展及技术发展趋势,介绍了基于CMOS技术实现毫米波收发机芯片面临的挑战,以及毫米波天线与封装一体化设计最新解决方案。报告还介绍了38所研发的76~81GHz 3T4R毫米波雷达收发机芯片及最新研制成功的3T4R毫米波封装天线(AiP)模组。

77GHz毫米波芯片是汽车雷达传感器的核心芯片,目前一直被国外公司垄断。经过三年不懈努力,2019年,38所项目组攻克毫米波电路设计、晶圆级封装和封装天线设计等多项关键技术,芯片主要性能指标达到国际同类产品水平,在国际上首次实现77GHz多通道毫米波芯片与7路天线单封装集成。同年发表国际论文12篇,在国际集成电路领域一流会议RFIC、ISCAS、ESSCIRC完成会议报告3次。该项目先后获得安徽省科技重大专项、安徽省战略新兴基地等项目支持。(作者:新安晚报

5G SA应用落地!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 250 次浏览 • 2019-12-31 16:49 • 来自相关话题

5G应用,即将爆发无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多 ...查看全部

5G应用,即将爆发

无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多个城市开启5G商用;12月23日召开的全国工业和信息化工作会议对2020年重点工作进行了部署,要求抓好7个方面重点任务,在其中的“促进信息通信业高质量发展”重点任务方面,明确要在2020年“稳步推进5G网络建设,深化共建共享,力争2020年底实现全国所有地级市覆盖5G网络”。

5G商用,重点在“用”,通过“用”来实现5G投资回报从而促进进一步的5G网络投资、拉动信息消费升级、增加就业岗位等。国务院在12月24日发布的《国务院关于进一步做好稳就业工作的意见》要求开发更多就业岗位,为培育壮大新动能拓展就业空间,加快5G商用发展步伐。据5G微信公众平台的观察,国内各地出台的5G政策文件中,2018年的侧重于5G产业发展以及5G网络建设,而2019年的则侧重于5G应用发展——截至目前,各地已发布的约50个5G政策文件均要求积极推进5G应用示范;已成立省市级5G联盟与研究机构50多个,为5G应用发展搭建合作与创新平台。

着眼于最大限度释放5G系统在大带宽、高容量、低时延的能力,2019年,三大运营商积极探索5G创新型应用。中国电信在媒体直播、智慧警务、智慧交通、智慧生态、智慧党建、智慧医疗等共10大垂直领域探索5G融合应用,积极开展5G+云创新业务、5G+行业应用和5G+工业互联网等三方面5G示范应用。中国移动的5G联合创新中心,汇聚了400余家成员单位,在“5G+”计划框架下面向工业、农业等14个重点垂直行业开发5G融合应用。中国联通网络研究院的5G创新中心主要在新媒体、智能制造、智能网联、智慧医疗、智慧教育、智慧城市等10个行业方向的5G应用方面发力,并编制6 大行业5G工作指引。

5G使能的首个行业,数千亿美元的市场机遇

从大的趋势方向看,各类创新型5G融合应用的商用有着一定的节奏,预计绝大多数类型的5G融合应用的落地商用将会发生在5G SA规模商用后的2021年及未来(5G商用中后期),而2019-2020年间的5G商用初期将以eMBB类型业务为主。那么,哪个行业将成为5G使能的首个行业?从全球及国内的现状看来,答案是媒体行业/传媒行业。目前,该行业正在向超高清、多视角、强互动等全新体验演进,从而对于大带宽传输、云/边缘计算、大数据分析、人工智能等有着极强的需求,5G使能空间大,比如著名咨询公司Ovum在2018年10月发布的《5G娱乐经济报告》预测,在未来10年(2019-2028年),5G网络为传媒产业带来的营收机会将达到近1.3万亿美元,且在预测期内增长迅速:2019年,5G传媒应用营收4.09亿美元,占传媒产业总营收的0.2%;2022年,5G传媒应用营收将达470亿美元,占传媒产业总营收的18.5%;2025年,5G传媒应用营收将达1830亿美元,占传媒产业总营收的57%;2028年,5G传媒应用营收将达3350亿美元,占传媒产业总营收的79.9%。

如此巨大潜力的5G+媒体行业市场,早期的切入突破点何在?当下,人们对于大型公共活动、体育赛事等的直播内容质量要求越来越高,这使得专业制作的视频内容(如PGC)将继续有着很大的发展空间,此类内容在5G+媒体行业市场中将占据很大份额,主流权威媒体正在联合相关各方积极布局,最近的典型实践是新华社在12月22日通过中兴通讯联合中国电信分别在澳门、珠海搭建同厂家/跨厂家5G精品SA网络对“庆祝澳门回归祖国20周年澳珠烟花汇演”进行高清直播,实现澳珠两地跨境烟花汇演的现场实景。

电视直播最重要的环节之一在于“源头”——把活动现场的多路视频素材实时回传至制播系统(一般位于远端),且要求以广播级的质量(带宽、时延等)实现回传(毫秒级的端到端时延和100%的业务可靠性保证)。此次澳珠烟花汇演属于“庆祝澳门回归祖国20周年”的盛事之一,我们可以想见其对于现场视频素材实时回传的质量要求比一般直播活动的要求更高,根据新华社的报道,此次基于5G SA的直播中,应用上行优化专项保障技术建成全国领先的SA覆盖精品网,现场高清摄像机通过5G终端连接5G基站,利用5G高带宽、低时延的特性上传高清视频信号,经过现场实时编辑制作后,转换成视频直播信号,通过5G网络,实时传送到直播中心,最终分发到用户的手机和电视上。

笔者认为,此次盛事直播的成果,再次凸显了5G具备给传媒行业带来变革转型的能力。2019年,很多重大活动的现场直播都有5G的鼎力相助,比如在3月份的“两会”期间,中央广播电视总台联合中兴通讯首次使用5G+4K设备进行网络直播,新华社联合中兴通讯对全国政协记者会进行5G直播;8月份,中国移动山西分公司、山西广播电视台、中兴通讯联合通过一体化5G直播电视解决方案对第二届全国青年运动会进行了直播;10月份的武术运动世界顶级赛事——第十五届世界武术锦标赛期间,中国电信天翼视讯携手中兴通讯首次应用5G智慧场馆赛事直播解决方案为现场观赛用户带来了“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”三大标志性创新直播体验,并首次把“360度视角任意看”应用于大屏电视端为电视用户提供了多样的个性化观赛体验。

由此,可以说,在5G商用元年,5G+传媒行业的探索实践已经在火热地进行,解决了很多实际的细节问题。5G微信公众平台通过对上述各个活动的深度观察,总结出了5G直播的几大特点

一是5G的大带宽、低时延、高可靠等特性可解决重大活动现场直播的痛点问题。此前,由于网络时延比较大、网络质量不太稳定,4G在多数情况下只被作为直播的备路信号或短时间的小型现场新闻连线信号来使用,大型的直播活动和重要节目都还是采用卫星、光缆专线等传统技术手段。卫星传输需要动用大量设备(比如卫星转播车或者便携上行站等),而5G传输设备轻量化,便于工作人员携带,很多技术工作可以远程完成,减少人员和设备的出行成本。总之,把5G应用于直播节目的制作,能够解决诸多痛点——成本高(转播车出车贵)、效率低(制作回传不满足时效性)、环节多(专业技术资源调试时间长)、灵活性差(难以随时随地常态化报道)、抗干扰弱(极端天气/高人口密度/高速移动)、兼容性差(融合发布难)等。

二是5G非常有助于直播业务的创新。几十年以来,直播的模式一直都是“你播我看”。而现在,人们的眼界和欣赏水平已经得到迅速提高,对于“个性化”直播的要求越来越高,希望得到现场感、参与感等直播体验,比如通过现场“黄金”位置去看直播、实时无缝切换到自己喜欢的一些运动员的视角去看直播、自主切换空间看自己认为精彩的部分、边看比赛直播边在线上虚拟社区上参与讨论等。上述2019年的重大活动5G直播表明,5G结合一些新技术能够给用户带来个性化的直播观看体验,比如“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”。这使得我们看到了这样的潜力——通过5G与边缘计算等新技术的融合,能够实现大型活动现场多角度、多机位的拍摄与传输,以及依靠5G 网络结构整合内外场(内场比如电视台内制播系统,外场即转播现场)协同能力、重构内外场协同制作业务架构。

展望未来,各方共赢

对于重大赛事、大型活动、突发新闻等,用户普遍有着直播观看体验革新的需求,5G微信公众平台认为,将来都在5G SA商用后,结合端到端网络切片、MEC、云-边协同、大数据分析、人工智能等新技术的应用,高清/超高清视频直播过程中传输成本高、传输稳定性低、部署周期长、业务创新慢等媒体行业共性痛点问题可以得到很好地解决,使能运营商为媒体行业提供连接能力,通过5G网络实现随时随地直播,并实现视频流快速回传;使用5G网络切片功能,确保视频传输质量,以“动态切片”实现直播应用不再受限于传统光缆或/及卫星通信专线开通的周期,且可在直播活动结束后即可下线网络切片并释放相关网络资源,生命周期短,订购灵活;通过运营商边缘计算能力,实现视频流在本地的快速渲染、处理、个性化虚拟导播等。(作者:5G微信公众平台)


激光雷达中国市场“生变”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 274 次浏览 • 2019-12-27 18:51 • 来自相关话题

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。激光雷达技术的门槛虽然很高,但是 ...查看全部

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。

激光雷达技术的门槛虽然很高,但是随着国内科技创业浪潮的兴起以及资本的加持,一批国产激光雷达初创公司纷纷入局,并迅速以自身的技术和本地化优势占领了市场的一方天地。

对于老牌激光雷达公司Velodyne来说是尴尬的,因为他们可以生产出质量最好、性能最好的机械旋转激光雷达,却忽视了中国本土企业的“产品创新”能力。

例如,镭神智能自主研发的全球首款激光雷达专用16通道TIA芯片,让单颗芯片就可以实现多线束激光雷达模拟接收处理,可使激光雷达结构更紧凑,性能表现更为突出和稳定,同时也更易实现大规模量产。

尽管,国产激光雷达错失先发优势,但其差异化的市场策略有效规避了同质化的市场竞争。在高线数激光雷达市场上,Velodyne的128线激光雷达姗姗来迟,而64线激光雷达多年来没有再进一步优化升级,不仅价格惊人,硕大的体积也难以适应车身集成对感知设备的要求。
而作为Velodyne的投资方之一,百度Apollo自动驾驶车队从今年开始也把自己车上的64线激光雷达都替换成了禾赛的40线激光雷达。
此外,传统机械式激光雷达难以满足汽车主机厂对车规和量产需求。目前,全球唯一获得车规认证的,仅有法雷奥的4线混合固态激光雷达。
而在今年4月份,一直深耕自动驾驶市场的镭神智能也按车规标准推出了混合固态激光雷达,甚至一举做到了市场最高线束128线,相继还推出了车规级的32线和16线混合固态激光雷达。
在性能方面,镭神此系列激光雷达在探测距离、精度和分辨率等多个方面,都比机械式激光雷达有着更为卓越的表现。更重要的是,目前其样机已快速实现了小批量转产,并已陆续出货给国内外主机厂和自动驾驶公司进行测试。
按照该公司的预计,该系列激光雷达很大可能将成为全球第二款获得车规认证的量产激光雷达。
超高性价比顺应商业落地需求
技术和成本是初创公司之间激烈竞争的两个重要维度。随着技术的快速迭代,国产激光雷达的性能与国外相比已无太大差异,在某些性能方面甚至还做得更好。
而在成本控制方面,虽然Velodyne继圣何塞设厂批量生产后,今年还联合尼康在日本建起了一条激光雷达组装线,但其价格依然远高于国产激光雷达。
在生产成本把控方面,有别于其他友商,在成立之初,镭神智能就直接创建了自动化生产产线,以保障出品质量和组装效率。
目前,镭神智能的每个系列产品从立项开始,在关注技术的领先性的同时,也对成本作综合平衡, 通过项目的科学规划与管理,从源头到出品全线进行了严格的成本把控。
今年初,镭神智能宣布大幅降低机械式多线激光雷达之时,其所代表的正是国产激光雷达吹响强势逆袭的号角。
而目前Velodyne主要在售产品64线、32线、16线在2017年底官方定价分别为8万美金(约合52.3万人民币)、4万美金(约合26万人民币)和8千美金(约合5.23万人民币),还未包括运费、税费和代理商的利润等费用。
彼时,2017年9月,镭神智能的16线价格已经降到2.8万元,Velodyne的16线2018年1月份才降到4000美元。2019年2月份,镭神16线的价格降至1.2万元,Velodyne等其他家价格才降到2万多元。
而镭神智能的车规级128线混合固态激光雷达售价才6.8万元,价格是美国公司的1/15,车规16线混合固态激光雷达万台价格也才3999元。

镭神车规级CH系列混合固态激光雷达点云效果

合理的生产成本是目前激光雷达应用市场商业落地的一大瓶颈,显然,在同样的性能表现之下,国产激光雷达的价格优势更符合市场发展所需。
本地售后支持响应迅速
从此次裁撤中国区直销队伍来看,市场需求预期的不匹配是主要原因。
“如果是一次性购买超过100万美元雷达的主机厂,Velodyne中国就会直接为其提供售前与售后服务。” 这是彼时Velodyne在中国市场同时设置直销和代理两种销售模式的初衷。
然而,对于大部分激光雷达用户来说,其一次性需求量目前并没有那么大。因此,繁琐、响应慢的售后也始终是Velodyne产品存在的“硬伤”。
激光雷达作为一种前沿技术产品,目前大部分客户也都还不太清楚该如何使用和集成到整机,因此均存在着大量的售后技术支持需求。
而国产激光雷达则占据着地缘优势,如镭神智能除了深圳总部,在天津、杭州、成都等城市分别成立了办事处,以迅速响应全国各大省市的服务需求。
随着越来越多的激光雷达公司涌入市场,以镭神智能为代表的国产激光雷达从产品系统设计、核心技术、自动化产线、生产效率等方面均已比肩国际一流水平。
虽然未有数据显示Velodyne在中国的销量下滑,但在国产激光雷达公司的强势攻城略地之下,显然整个市场格局已有重大调整。
根据镭神智能官方宣布的数据,其2019年度中高端激光雷达销售出货量超万台,可见激光雷达的国产替代时代已经到来。

Aurora 要为自动驾驶汽车准备一套“空中交通管制系统”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 261 次浏览 • 2019-12-25 14:54 • 来自相关话题

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心 ...查看全部

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心接受自动驾驶的重要砝码。

这家创建于帕罗奥托,集合了 Waymo、特斯拉和 Uber 三家公司技术大牛的公司正在投资一套名为“远程协助”(teleassist)的系统。当然,眼下 Aurora 最重要的任务依然是不断提升软件、传立、传感器和视觉系统,方便自家车队在湾区和匹兹堡适应各种路况。

在 Aurora 看来,如果有需要,公司的远程控制中心应该能介入车辆传感器并在必要时刻提供一些建议和指导。在这种情况下,Aurora 的车辆会安全靠边停车。

远程控制系统并非 Aurora 首创,类似 Phantom Auto 和自动驾驶卡车新创公司 Starsky Robotics 都在测试类似系统。不过,该公司联合创始人兼首席产品官 Sterling Anderson 表示,“teleassist”系统可跟它们不一样。

“当需求冒出来时,我们的系统会提醒远程协助人员。当然,协助请求可能来自乘客,也可能来自车辆。”Anderson 说道。不过他也承认,远程协助人员提供的建议不能被当作车辆功能安全的一部分。

对于 Aurora 在这套监督系统上的投入,Anderson 选择闭口不谈。这项技术何时开放或投入使用也没有时间线。

Aurora 有专用的 teleassist API

2018 年 1 月正式亮相后,在 CEO Chris Urmson 的领导下 Aurora 已经融资超 7 亿美元。今年 2 月份亚马逊向其伸出橄榄枝,B 轮融资 Aurora 也成功拿到 5.3 亿美元。除了乘用车,Aurora 还在测试无人递送小货车和卡车。不过,Anderson 不愿透露亚马逊是否已经参与其中。

Aurora 三巨头

在操纵无人机和太空探测器时,远程控制技术已经发光发热几十年了,但在自动驾驶汽车上却始终未能广泛铺开。举例来说,Waymo 控制中心里也有专人负责盯着路上的测试车,并在必要时提供协助。不过,它们不会直接对车辆进行远程操控。至于“离全自动驾驶最近”的特斯拉,则压根没提供过远程指导服务(曾在特斯拉主导 Autopilot 设计开发的 Anderson 不愿谈论老东家的方案)。

Anderson 认为,影响远程控制技术蓬勃发展的原因很多,比如无线网络的延迟、远程操作员的态势感知能力以及对车辆所面临情况的掌握。不过,Aurora 的 teleassist 系统可推动自动驾驶车队尽早投入运营。

“我们的方案安全、快速且广泛。如果我们想尽快杀入市场并搞点不一样的,类似这样的系统是重要的安全保障。”Anderson 解释道。“有可能我们的系统在某些情况下会表现良好,但除非我们能用丰富的数据证明这一点,否则 Aurora 将采取保守的态度。”(作者 |:大壮旅) 

智能计算平台:车载“大脑”重构产业链

博客自动驾驶小能手 发表了文章 • 0 个评论 • 267 次浏览 • 2019-12-25 14:37 • 来自相关话题

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈 ...查看全部

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈渌萍,赛迪传媒董事长于萱,中国软件评测中心主任助理周亮、安琳等出席发布会。

发布会上,中国软件评测中心总工程师陈渌萍表示:“本白皮书能够为业界厂商、政府机构、研究机构和投资者等利益相关方提供有益参考,并对未来发展方向有所预见。为把我国经济社会发展推向‘质量时代’做出贡献。”

北京赛迪出版传媒有限公司董事长于萱表示,期待“见证质量”与传媒报道有机结合,从而更有力地推动产业发展、服务企业提升质量,为产业主管部门、企业管理人士、高校与研究机构学者等提供更有内容、更有质量的资讯服务。

本白皮书系列分别选取智能制造、机器人、网络安全、智能网联汽车等领域,阐述了行业背景、发展趋势、现存问题以及检测认证内容等,提炼了质量保障的核心指标。

本白皮书系列分为七大部分,其中,《车载智能计算基础平台参考架构1.0(2019)》白皮书,面向汽车的智能化、网联化发展需求,在总结国内外发展实践的基础上梳理车载智能计算基础平台参考架构。这是国内首份关注车载“大脑”的技术白皮书,填补了行业空白。

车载智能计算基础平台 整合跨界资源

近年来,在“新四化”背景下,自动驾驶成为产业竞争焦点,汽车电子的产业链和技术链面临重构。尤其是在当前复杂的国际产业竞争形势下,加强车载智能计算基础平台研究,具有重要的战略意义和现实意义。


车载智能计算基础平台是基于异构分布的硬件平台,集成自动驾驶操作系统的复杂系统,定位下一代汽车电子产业链条Tier1.5,是Tier1(一级供应商)和Tier2(二级供应商)之间的纽带和桥梁。车载智能计算基础平台将打破原有垂直化封闭产业链条,横向打通融合交叉领域,整合跨界资源,协同Tier1、Tier2、ICT企业、电信运营商、地图运营商等企业,重点突破共性技术和基础模块,搭建集成化的基础平台,支撑定制化和市场化的服务需求。当前基础平台存在顶层设计及关键技术标准缺失、滞后等问题,梳理参考架构有利于形成行业共识。

为此,在工业和信息化部电子信息司的指导下,由中国软件评测中心、工信部装备工业发展中心牵头,依托智能网联驾驶测试与评价工业和信息化部重点实验室,联合清华大学、国汽智联、华为、上汽、一汽等多家单位共同编制《车载智能计算基础平台参考架构1.0》白皮书。该白皮书作为前瞻性、战略性、系统性的顶层设计,推进参考架构的研究梳理,可为我国车载智能计算基础平台的技术创新、标准研制、试验验证、应用实践、产业生态构建等提供参考和引导,加快推动车载智能计算基础平台的持续健康发展。

软硬件协同“护航”自动驾驶

《车载智能计算基础平台参考架构1.0》白皮书为《车载智能计算平台白皮书(2018年)》的深化研究,在其基础之上,该白皮书聚焦车载智能计算基础平台的参考架构研究。

车载智能计算基础平台需要软硬件协同发展促进落地应用。车载智能计算基础平台结合车辆平台和传感器等外围硬件,同时采用车内传统网络和新型高速网络(如以太网、高速CAN总线等),根据异构分布硬件架构指导硬件平台设计,装载运行自动驾驶操作系统的系统软件和功能软件,向上支撑应用软件开发,最终实现整体产品化交付。

车载智能计算基础平台参考架构主要包含自动驾驶操作系统和异构分布硬件架构两部分。其中,自动驾驶操作系统是基于异构分布硬件架构,包含系统软件和功能软件的整体基础框架软件。车载智能计算基础平台侧重于系统可靠、运行实时、分布弹性、高算力等特点,实现感知、规划、控制、网联、云控等功能,最终完成安全、实时、可扩展的多等级自动驾驶核心功能。

该白皮书详细解析了异构分布硬件架构中的三个单元。该架构具有芯片选型灵活、可配置拓展、算力可堆砌等优点;在自动驾驶操作系统部分,白皮书对系统所需的不同功能软件进行了阐述,对其发展现状进行了梳理;在工具链部分,白皮书明确了车载智能计算基础平台开发的软硬件环境以及全栈工具链是提升开发效率的重要途径之一,并对五类工具进行了说明。

围绕产业应用 落实四大举措

最后,白皮书对车载智能计算基础平台提出了四条发展建议。第一,明确发展思路,保持发展定力。发展车载智能计算基础平台,必须要紧密围绕产业实际应用需求,以完善产业链和应用生态建设为中心,采用系统工程方法,总体布局,分步推进,保持发展定力。

第二,加快产品研发,引导生态建设。基于现有产业基础,可考虑采用“两步走”的技术实现路径。现阶段,重点基于参考架构和通用产品,尽快完成平台研发和应用示范;同时,鼓励有条件的企业强化创新力度,加快操作系统内核、自动驾驶专用芯片等产品研发。

第三,深化架构研究,加快标准研制。继续发挥好政府引导作用,聚合优势资源,依托创新中心、重点实验室等资源,建立和强化跨领域的专家工作组,进一步深化车载智能计算基础平台参考架构研究,加快开展车载智能计算基础平台标准化工作。

第四,加强能力建设,强化安全保障。高度关注产品质量和信息安全保障工作,在车载智能计算基础平台关键核心技术的研发和应用过程中,同步关注信息安全技术研究和标准规范研制,重点突破操作系统安全机制研究与设计、国产密码算法示范应用与推广,探索推动基于区块链的信息安全应用与服务。(作者:新能源汽车报)

2019智能网联关键动态,这4家公司和1个园区如何引领颠覆风潮 | 2019AI掘金榜

博客自动驾驶小能手 发表了文章 • 0 个评论 • 243 次浏览 • 2019-12-24 11:18 • 来自相关话题

毋庸置疑,智能为汽车打开了一扇全新的大门。 ...查看全部

毋庸置疑,智能为汽车打开了一扇全新的大门。


过去一年,智能驾驶市场热闹非凡,融资、并购、政策、立法、技术突破、成本迭代、野蛮人入侵、传统厂商转型……

所以我们看到,无论是汽车公司、零部件供应商、科技巨头甚至是初创公司,在对智能驾驶的基础研究、应用以及人才储备上,从不吝惜投入。

大背景下,赛道玩家们必须走一步看百步,了然新技术下产业的未来走势,而这都将决定着企业产品的周期、产业竞争的最后胜败。

每一个人都在见证和参与这场重塑未来的变革。

从实验室到商业落地,雷锋网追踪和记录了一系列致力于让智能网联技术从科学项目变成大规模生产力的公司。

从上游芯片企业,到传感器公司、软件和方案公司、一/二级零部件供应商,到车企、出行服务运营商,自动驾驶和未来出行产业链正在激荡的自我“打碎”和“重造”中,找到一种新的平衡,这种趋势推动着每一家产业链企业接纳改变,并拥抱改变。

最终,这些改变也将体现在诸如你我的每一个交通或是出行领域一员的切实生活中。日前,第三届“AI最佳掘金案例年度评选”结果正式出炉,其中,在近来备受关注的AI+智能网联领域,深兰科技、腾讯车联、星云互联、蘑菇车联、苏州高铁新城揽获奖项。

最佳智能网联汽车奖 深兰科技
看得懂的中国人工智能独角兽——深兰科技自诞生就自带AI基因,这让其入局智能驾驶领域游刃有余。借助AI相关技术积累,可以更好地自动化地解决车与车之间的数据沟通问题。 
与传统科技和互联网不同的是,智能驾驶更注重商业化落地和应用场景的打造,一旦无法创造价值,带来全新的体验,智能驾驶也就毫无意义。
从自动驾驶来看,深兰科技从全球城市交通的实际需求出发,自主研发了熊猫智能公交车,并赋予大量AI黑科技,以增强体验,满足用户的出行需求。同时,熊猫智能公交车具有出色的适应性,能够满足不同国家、不同城市的交通需求,实现快速融入“一带一路”沿线国家城市的智慧化建设中。
熊猫智能公交车由深兰科技主导研发,全长12米,实现了纯电新能源、自动驾驶、增值服务三方面的升级,能够实现车辆、道路弱势群体、红绿灯等环境信息感知识别,并控制车辆实现自动加减速和转向、自动紧急制动、自主变道、出入站台等功能。
熊猫智能公交是目前世界范围最先进的公共交通车辆之一,搭载自主知识产权的自动驾驶、人车对话、视觉防盗、手脉技术、无人零售、人车语音交互、语音导路王、精准广告推送等十多项顶级的技术,而且熊猫公交车车体还将使用液态金属涂层,增加自动驾驶安全性,给乘客舒适感、科技感、服务感更强的体验。
此外,熊猫智能公交车可以全方位识别分析乘客异常行为,包括偷窃、打架、吸烟等。一旦识别监测到类似行为,系统将记录行为实施者体貌特征,即时播报预警,为公众出行安全提供更全面保障。
据了解,该款公交车也是全球范围内首个全尺寸车型自动驾驶公交车,目前已在武汉、上海、广州、江苏常州、浙江衢州、山东济南等地上线试运行,并于今年五月在天津上牌正式运营,受到了当地民众的广泛好评。
不仅如此,深兰科技还在展开多种不同场景下的复杂道路测试,正在进行国内多个城市的智能网联汽车道路测试并按计划申领测试牌照,参与多种智能交通和自动驾驶交通系统的建设,赋能城市智慧交通。
最佳车联网解决方案奖 腾讯车联
如今传统车联网仅仅是将手机上的程序移植到汽车上,车联网服务只是将互联网的服务与产品移植到汽车平台上,各大车企纷纷将其当成一个营销手段那样。未来我们所需要的车联网系统,显然是要针对汽车场景以及人车路交互,并以“用户”为中心的互联网服务进行进一步优化。
针对智能网联领域存在的车内应用服务匮乏、应用场景碎片化和非车载场景原生等核心问题,腾讯智慧出行在2019年5月发布的“生态车联网”解决方案,旨在推动车联网向“以人为中心”的服务化方向升级。
借助腾讯车联TAI智能系统,可以将腾讯系及第三方内容和服务生态有机接入车中,与车企伙伴、开发者共同丰富车上应用生态。通过超级ID+在线支付,打通车前、车中、车后的无缝化体验,实现服务的“全时在线”,给用户真正适配汽车场景的车载应用,实现“千人千面”、“服务找人”的智慧用车场景,用户的驾乘体验将会大大提升。
除此之外,腾讯还整合了自身的位置服务、AI技术、内容和服务生态等优势,打造了车上一站式集成内容服务“爱趣听”、跨OS、轻量化的应用开发框架“小场景”,已经可以免唤醒智能交互的腾讯云小微“全双工语音交互”功能,不断为生态车联网注入新的价值,为用户带来更加智能、便捷的车上服务体验。
自腾讯宣布拥抱产业互联网以来,在智慧出行领域发展迅速,最早提出了生态车联网的进化思路,已经与宝马、FCA、广汽、长安、东风、一汽、吉利、长城、等22家车企达成战略合作,超过45款合作车型落地,连接了300多家生态服务合作伙伴为用户提供服务。
从AI in Car到TAI 智能车联系统再到如今的车联网生态,吸引多家车企纷纷加入朋友圈的原因,整个背后的逻辑是将腾讯数年累积的足够技术经验和资源在出行上进行平行移植到汽车场景中,以与汽车厂商合作的模式,推动生态车联网的不断进化。
最佳智能网联实践奖  星云互联
智能网联是一个漫长的过程,业界将其划分为三大境界:基础设施智能网联、自动泊车、无人驾驶时代。
自2015年成立以来,星云互联秉持的是,智能网联之下,人、车、路、云,不再是孤岛的存在。
星云互联是一家集研发、制造、销售V2X产品、新一代智能交通系统、智能网联汽车技术和服务于一体的创新型中国高科技企业,在北京、上海和长沙设有研发中心及分支机构。
依托推出的智能车载终端V-Box、增强型车路协同路侧系统T-Station、标准V2X协议栈软件以及网联云平台X-Cloud等系列产品形成了车辆协同安全辅助驾驶(C-DAS)和车路协同交通主动控制整体解决方案,可有效支撑协作式辅助驾驶和自动驾驶,同时也是智慧城市的重要组件。
基于移动通信技术和汽车通信技术的联合创新, V2X方案对辅助驾驶和自动驾驶都有很大价值。智能网联车路协同,可以有效提升辅助、自动驾驶的交通安全、效率、降低排放,车路协同还可以降低自动驾驶汽车的成本,让自动驾驶更早一点实现规模商用。
目前星云互联已为国内多家智能网联测试示范区、整车厂、自动驾驶企业及公共道路智慧交通升级建设提供方案支撑和产品落地应用。下一步路的连接、车载模块的安装,智能网联与自动驾驶的结合将成为重中之重,智能网联的车与路需要协同发展,共同构筑下一代安全、高效的出行生活,加速实现未来智慧出行。
星云互联的愿景是为自动驾驶、智慧交通和智慧城市提供泛在连接技术与端到端应用服务。近年来在全国范围内广泛联合合作伙伴,积极推动车路协同产业、技术发展。
具体的落地情况,已经实现国内V2X设备部署最多、数据量最大的企业,在北京、上海、广州、宁波、长沙、郑州、天津、南京、盐城、重庆等20多个城市进行了V2X部署落地。
“车路协同”的饕餮盛宴,谁将拔得头筹?没有人知道。 
行业共识,车路协同是智能网联汽车的重要技术路径,车路协同将对智能交通企业产生革命性的影响,最显著的表现是车路协同将推动智能交通系统转型换代,从单车智能走向群智协同。不同于在智能网联车市场的其他公司的的“长驱直入”和“踌躇不前”,星云互联在汽车领域的布局有着典型的“实践特色”,V2X已实现800+路口接入,同时与多家车企达成合作。 确切来说,在智能网联车的布局上,星云互联选择了在探索中不断实践和落地。
最佳车载操作系统奖 蘑菇车联
随着智能网联技术的发展,如何赋予汽车更加强大的智能处理能力,成为汽车行业迈向未来的关键。也正因如此,车载屏幕也被视作继电视、电脑、手机之后,科技界全力聚焦的“第四块屏幕”。如果说这“第四块屏幕”是智能网联汽车显露的“冰山一角”,那么支撑于其下、推动汽车向“智能移动终端”进化的核心,便是技术融合密集、准入门槛极高的车载OS。
在整个车联网行业,无论是要构建单车智能,还是最终达到车路协同,车载OS都是实现的必要基础和关键前提。
在提高出行效率、保障行驶安全以及打造舒适座舱环境与丰富车内娱乐功能等多重目标的驱动下,车载OS必须要具备极高的稳定性、兼容性、安全性。
在多任务并行处理过程中,蘑菇OS利用多核心、高主频的异构计算处理器配合多线程并发,辅以异构异调进程调度策略,有效分配体系硬件资源,实现多任务协同管理,并控制各项任务优先级别,极大提高了系统稳定性,满足了车载多传感器融合计算的需求,解决了智能汽车时代数据高并发、多融合、实时处理的诸多难题。
面对庞大的消费市场车型数量及各主机厂基于不同品牌、不同场景下的个性化定制化需求,车载OS的全面兼容和适配能力已成为了车企评估车载OS的重要参考标准。蘑菇OS现已全面适配市场所有主流芯片组、驱动600多款智能传感器、兼容每款车上的数十至上百个ECU,已覆盖市面上95%以上主流车型,在行业中遥遥领先。
蘑菇OS支持全场景语音交互。搭载自研智能语音引擎,支持车辆控制、内容服务、安全预警等10大类100+场景化语音交互,识别准确率达到97%以上,能够在驾驶中实现全场景语音交互,极大的降低事故发生概率,时刻保障行驶安全。
目前,基于蘑菇OS的蘑菇车联软硬件一体化解决方案已实现了广泛应用并获得来自各方的广泛好评。2019年8月,蘑菇OS用户月语音交互次数突破3亿次;2019年10月, 作为国内第一个开放式5G商用智慧交通车路协同项目,基于蘑菇OS和AI云的蘑菇车路协同项目在顺义全面落地并稳定运行,并正在全国更多区域迅速复制与落地;2019年11月,搭载蘑菇车联自主研发的蘑菇OS和一体化解决方案产品已遍布全国20多个省份。
最佳智能网联生态区奖 苏州高铁新城
据不完全统计,截至目前,我国已拥有至少20个智能网联汽车测试示范区。
总体来看,智能网联汽车测试示范区的地点并不局限于拥有颁发自动驾驶路测牌照资格的城市。还有一些省市是通过与相关企业、机构合作,以资本合作的方式建立示范区的。其原因不仅是为了抢占智能网联的城市先机,更重要的是希望通过创建示范区的方式吸引更多企业入驻。
自设立之初,苏州高铁新城就释放出一个信号出-“全球智能驾驶领域高手,正向苏州高铁新城集结”。
如今,在高铁新城首期8.4公里长的5G智能网联测试道路上,常常可以看到炫酷的智能驾驶车队开展测试。围绕该测试道路苏州高铁新城构建了“三张基础网、一个区域边缘中心、N项智慧应用”全面满足车路协同及自动驾驶开发者的各类应用需求。
项目建设了全国领先的5G网络,通过“宏微协同、异构组网、特殊场景、重点保障”的方式,全线部署5G站点16个,部署设备20余套,采用新一代C-RAN架构进行组网,发挥多站协同、多频互助的网络能力,实现区域边缘上行带宽150Mbps以上的应用效果;该项目被IMT2020组织认定为江苏省唯一5G-MEC融合测试床;项目搭建技术先进、性能优越的车路协同感知交互网,面向全场景智能网联应用开发环境需求,部署路侧感知设备共计超过150个(密度达到36米/个),实现车路全息感知、信息高效交互。
项目还配套建设智能驾驶产业公共服务平台,平台以高性能计算为底层基础平台、配以智能云控平台、数据标注训练平台、仿真模拟测试平台等应用平台,实现路测数据从测试采集,到标注处理,到算法训练,到软件在环仿真的全业务闭环逻辑,助力智能驾驶企业缩短业务开发上线时间、减少开发成本。
此外,包括Robo-taxi,智慧短驳、无人物流、无人环卫、智慧停车等场景也在区域中开放,未来一年将达到100辆左右的车队规模。到苏州2022年世界智能交通大会开幕,还将有一系列的示范应用在此开花结果。
区域内智能驾驶相关联企业在高铁新城已集聚有48家,并涌现出MOMENTA、智加科技等一批明星企业。今年4月,长三角G60科创走廊智能驾驶产业联盟的落户,更是将苏州高铁新城的智能驾驶产业“朋友圈”扩大至长三角。今年9月,智能网联汽车公共测试一期道路还顺利通过智能网联汽车公共测试道路专家评审。
这些企业的最终目标都是实现自动驾驶,但想要获得自动驾驶路测牌照,企业必须满足这样一个前提:拥有在封闭测试场的测试经历。秉持“近水楼台先得月”的原则,企业更倾向于入驻像高铁新城这样拥有智能网联汽车测试示范区的城市。(作者 | 新智驾)


自动驾驶汽车(Autonomous vehicles;Self-piloting automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。