全球自動駕駛軟體排名

⑴ 盤點知名自動駕駛模擬平台，Waymo、騰訊榜上有名

無人駕駛離我們還有多遠？

在發出這個問題前，首先要知道，自動駕駛汽車想要真正上路，必須經歷多重安全考驗，而路測則是必不可少的重要環節。

據美國蘭德智庫的估算，一套自動駕駛的系統至少需要經過110英里（約170-180億公里）的驗證才能達到量產條件。這就意味著，即便是一支擁有100輛測試車的自動駕駛車隊，以25英里(40公里)每小時的平均時速全天24小時一刻不停歇地測試，也需要花費大約500年的時間。

當前，國內的自動駕駛模擬系統還處於起步階段。即使是國際上模擬模擬技術比較成熟的公司，在中國道路場景的開發與中國駕駛員行為模擬方面仍不夠成熟。從另一個角度來看，這其實給中國本土研發自動駕駛模擬模擬技術的公司釋放了良好的機會。期待越來越多的像騰訊這樣的本土科技企業加入自動駕駛模擬系統的建設中來，搭建具有中國特色的模擬測試環境，助力成熟的無人駕駛技術早日實現。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑵ 北京發布「硬核」自動駕駛路測報告，標准優於DMV，百度再獲第一

其中，14%的脫離是由於策略缺陷、人工安全防禦、系統故障造成的關鍵脫離，這些脫離數據的價值要遠遠高於人為接管脫離。

從脫離類別和原因上看，除因感測器、車輛或者數據記錄設備、地圖標注、地圖載入等問題外，與社會車輛的博弈、對復雜場景的理解以及一些應急情況的處理能力，仍然是自動駕駛亟需解決的重要課題。

毫無疑問，作為全球最大的自動駕駛平台，網路Apollo在北京開展的路測在測試規模、技術水平、場景覆蓋、產品能力和安全水平上均大幅領先行業水平。

除此之外，相比其他企業，網路還取得ISO26262、ASPICE、IATF16949以及全國最高技術等級的T4級別道路測試牌照等行業認證。

進入2020年，隨著網路發布Q4財報宣布Apollo商業化進一步的提速以及馭勢科技、小馬智行等自動駕駛初創公司宣布融資計劃，自動駕駛技術正迎來新一輪的變革。

當然，中國自動駕駛技術能夠站在世界領先位置，除了自身能力過硬之外，還離不開政策、測試機構的支持。

北京作為全國首個開放自動駕駛測試區域、開放全國首個車聯網與自動駕駛地圖應用試點的區域，截止到2019年12月31日，北京市已開放4個區縣的自動駕駛測試道路，共計151條，503.68公里累計為13家企業，涵蓋6家互聯網、6家主機廠、1家地圖廠商，77輛車，發放了285張道路測試牌照，路測里程為104萬公里，申請企業數量、發放牌照數量、路測里程均位居全國第一。

可以預期的是，隨著北京在開放測試道路、區域、服務規模、測試牌照及測試里程方面不斷的領先，北京測試將成為全球自動駕駛技術向前邁進的推手，以「中國特色」推動自動駕駛技術落地應用。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑶ 在自動駕駛的路上，百度Apollo走了多遠

10月10日，網路旗下自動駕駛計程車服務ApolloGO正式在北京開放，北京的朋友們可以通過網路地圖或ApolloGO的APP下單，在海淀、亦庄的站點免費進行試乘。

沒有人會懷疑自動駕駛的未來，Waymo用千億估值告訴所有玩家，自動駕駛是一塊巨大的蛋糕。但自動駕駛的漫漫征途需要資金、時間與技術，且由於門檻更高，它不像新勢力造車般百花齊放，更是行業中真正高手之間的較量。

盡管在技術上存在長尾效應，相關政策法規仍不明確，大規模商業化年限模糊，但作為L4級自動駕駛最受關注、最得資本青睞的應用場景，RoboTaxi已成為熱門賽道。

網路、Waymo、特斯拉、Cruise，誰將主導這場戰爭呢？

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑷ 2019自動駕駛成績單：百度「超越」Waymo成第一中國公司齊發力

▲日產的自動駕駛汽車

除此之外，Tier1們也顯得十分冷淡，只有法雷奧北美一家提交了數據，不過MPD卻在整體排名中位列倒數第三，其他包括安波福、博世、大陸在內的供應商巨頭則沒有提交數據。

但是因為加州DMV只要求提交在加州境內的路測數據，所以實際情況是Lyft在拉斯維加斯的數據，並沒有統計在其中。

車東西此前曾從安波福亞太區總裁楊曉明處獲悉，自2018年安波福和Lyft合作在美國拉斯維加斯投放無人計程車開始至2019年年底，他們的無人計程車的服務次數已經達到了7萬次。

結語：自動駕駛再進一步中國軍團開始嶄露頭角

這里需要再次提醒一下，DMV的報告是由各家公司自行提供的，而每家公司在路測場景和對脫離的認知並不完全相同。換言之，我們可用DMV報告中數據和據此形成的榜單作為了解自動駕駛發展的參考，而不能用來作為判定單個公司水平高低的唯一根據。

比如，DMV這份成績單就很明顯無法描述各家公司在加州以外地方的表現情況。

不過，粗略地看，不論是路測里程還是車隊規模，2019年的自動駕駛汽車都和前一年相比又邁進了一步。同時，中國公司也開始在自動駕駛領域嶄露頭角，2018年MPD排名前十的玩家中有5家來自中國，2019年則有6家屬於中國公司。

未來隨著更多無人計程車開始上路測試，低速無人車在物流、清潔等領域發揮更重要的作用，自動駕駛行業也將逐漸走向落地和成熟。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑸ 最靠譜的駕駛輔助系統排名出爐，為何特斯拉屈居「老二」

要說汽車行業的發展在近期的變化，除了舒適性和娛樂性越來越高以外，就是自動駕駛、駕駛輔助類配置等科技型技術的普及以及其高速發展了。在早些時候，如果提及自動駕駛等高新科技，大家普遍對它的了解度不高，甚至認為這是天方夜譚，這也導致群眾對其接受度較低。這些年，駕駛輔助系統可以說迎來了自己的“元氣年”。由於科技的發展和社會的進步，駕駛輔助系統可以說是非常的火爆了。各大汽車廠商都在紛紛研製屬於自己的駕駛輔助系統。前不久，美國《消費者報告》一篇關於2020年主動輔助駕駛系統排名出爐。本次測評包括凱迪拉克、特斯拉、豐田、沃爾沃等共17個品牌。其中，以自動駕駛引以為傲的特斯拉排名第二。那這又是因為什麼原因呢？

以上就是關於特斯拉在駕駛輔助系統排名第二的解釋，歡迎各位補充。

⑹ 除了谷歌們，國外還有哪些頂尖無人駕駛汽車團隊

已經被谷歌，Uber和蘋果的無人駕駛車新聞刷屏了？其實除了這些互聯網大佬之外，國外還有很多團隊在研究無人駕駛技術。下面，我們來看看國外幾個比較牛逼的造車團隊。
卡耐基梅隆大學(CMU),通用汽車合作研究實驗室，美國
其實卡耐基梅隆與通用公司早在2003年就開始了無人駕駛技術方面的合作。2007年的時候，雙方合作的第一輛無人駕駛車「Boss」獲得了DARPA城市挑戰賽的第一名。在第二年（2008年），通用公司與CMU的合作研究實驗室正式成立。

實驗室最新的一項成果為一輛自動駕駛版凱迪拉克(CadillacSRX)。它與谷歌的自動駕駛汽車有一個很大的不同之處，谷歌的車頂有一個非常醒目的激光雷達，而它沒有（見上圖），外形上比較好看。這樣也節省了成本，因為這個激光雷達的價格很高，大約要6萬美元。
沒有採用360度激光雷達，CMU的做法是在車體內部和外側採用一組多個較小的激光雷達，把不同部分的激光雷達的反饋數據整合在一起。這樣既增加了美觀性，同時也降低了成本。
AutoNOMOSgroup，柏林自由大學，德國
他們團隊的第一款自動駕駛汽車名叫「柏林精神」（SpiritofBerlin），是他們僅用了9個月的時間和非常有限的資金研發出來的。「柏林精神」參加了2007年的DARPA城市挑戰賽，並最終進入了半決賽，算是非常厲害的。

AutoNOMOS擁有兩輛自動駕駛原型車。第一輛名叫「MadeInGermany」，第二輛名字有點山寨，叫愛因斯坦（e-Instein）。在2011年的時候，MadeInGermany在柏林成功進行了道路測試。
他們目前致力於開發一整套無人駕駛系統，以減少安全事故的發生。該軟體一旦研發成熟，首先會應用在私人汽車領域，之後慢慢拓展到公共交通工具上。
布倫瑞克技術大學（TUBraunschweig），德國
該學校有一個名叫「Stadtpilot」的項目，專門研發無人駕駛技術。2007年的時候，這個團隊帶著一輛由大眾帕薩特改造的無人駕駛汽車「Caroline」參加了DARPA城市挑戰賽，並且擠進了前11名。

隨後，他們推出了第二輛無人駕駛車——Leonie。Leonie早在2010年就以最高60km/h的速度，成功完成了城市路測。他們稱，Leonie是世界上第一個在真實場景中成功測試的無人自動駕駛車。
卡爾斯魯厄理工學院（KIT），德國
作為德國首批三所精英大學之一，KIT當然也有自己的無人駕駛技術團隊。他們參加了2005年和2007年兩屆DARPA城市挑戰賽。
KIT的無人駕駛車是與賓士合作研發的，在2013年已經在德國南部自動駕駛超過100km。跟其他的無人車輛相比，該車的特點是沒有使用激光雷達，而使用了貼近市場的感測器和立體相機。

我們可以用上面的圖淺顯的理解KIT是怎樣利用立體相機構建模型的。
原圖（黑白）是左邊一輛車面向試驗車行駛，右邊一輛車停在路旁。下圖是利用感測器和攝像機構建的模型。其中，顏色代表距離（比如紅色代表20米），路上白色的箭頭代表運動物體的速度，箭頭方向即為運動方向。我們可以看到模擬的數學模型與真實場景是完全符合的。
UniversittderBundeswehr,慕尼黑，德國

UniversittderBundeswehr團隊致力於研究於預期為基礎的感知（4D掃視視覺），越野導航及自主駕駛。該團隊研發的MuCAR-3如上圖。
MuCAR-3車頂也有一個360度激光掃描儀，由大眾Tourag改造而成，擁有和人類相似的電子眼，64束10Hz的激光，監測范圍最高可達100米。目前被應用於軍事偵察領域。
VisLab，帕爾馬大學，義大利

Vislab最開始是隸屬於帕爾馬大學的子公司，目前已與安霸（美國高清視頻解決方案提供商）合並。
Vislab主要做的是開發機器的視覺演算法和智能系統在汽車領域的應用。這個團隊研究關於自動駕駛技術已經超過20年，他們算是全球最早的幾個將計算機視覺系統技術應用到車輛中的團隊。相比其他的團隊，他們的特點不使用激光雷達而使用計算機視覺技術。
2010年，Vislab用兩輛自動駕駛汽車，完成了從義大利到中國13000公里的無人駕駛測試。2013年7月，Vislab的BRAiVE汽車，也成功完成了在義大利的鄉間，城市和高速公路測試。

他們目前最新的一款無人駕駛車是在14年3月底推出了Deeva(上圖)。這款車身上裝配有超過20個攝像頭和4個雷達掃描儀，但是看起來與尋常車沒啥差別。
MobileRoboticsGroup(MRG)，牛津大學，英國
相比於其他的技術團隊，MRG官方網站對用戶非常友好，上面有詳細的技術介紹。
2011年，MRG首次向公眾展示他們的第一輛無人駕駛汽車野貓（Wildcat），這是一輛由BowlerWildcat4X4改裝而成的車。汽車頭頂的相機和激光能夠搜集信息然後即時分析導航，已經成功通過了測試。
2014年，他們改裝的一輛Nissan的Leaf也成功路測。

MRG的主要研究領域是大規模的導航和對自然場景理解。據稱，團隊所擁有的技術非常牛逼，其復雜和先進性遠遠超過一般的「同步定位與地圖構建（SLAM）」演算法。
對於無人駕駛技術，他們並沒有使用GPS或者是嵌入式的基礎設施（信標之類的），而是使用演算法來導航，包括機器學習和概率推理來建立周圍的地圖等等。
INRIA，RITS(previouslyIMARA),巴黎,法國

RITS隸屬於法國國家資訊與自動化研究所。主要研究的無人駕駛項目是Cybercar和Cybercars2。這個團隊目前正在參與希臘智能交通系統項目，他們與同濟大學也有合作。
2002年12月，RITS與澳大利亞的Griffith大學合作研發的無人駕駛汽車成功路測。據他們所說，這是世界上首次成功在無信號燈的交叉路口的測試。
AutonomousSystemsLab(ASL)蘇黎世聯邦理工學院,瑞士
大名鼎鼎的ETHZürich當然榜上有名。他們成立了專門研究自治系統的實驗室ASL，而無人駕駛汽車僅僅是ASL的一個小項目分支。
該團隊已經完成的一個無人駕駛項目叫「Smatter無人駕駛汽車」，測試目標就是能夠成功導航和對外部環境進行3D繪圖。具體的繪圖過程如下圖，先通過激光和感測器收集數據，再繪制地圖，然後再地圖匹配，做場景分析，最後就能夠將3D地圖展示出來。

高校真是藏龍卧虎的地方，牛逼的技術團隊一抓一大把。但是這些頂尖的團隊網站真是讓我非常抓狂。有的團隊信息非常公開全面（比如牛津），有的網站信息少得可憐，根本找不到。還是希望各個造車團隊能多公開信息和大眾分享自己的成果，這樣也更有利於推動技術的發展，更好的宣傳無人駕駛技術，對吧。
汽車電子網為您提供最新汽車電子產品信息,及最具權威行業資訊和最新的行業動態，汽車電子行業最前沿的技術資訊，為全球汽車電子行業人士搭建交流平台。

⑺ 全球自動駕駛汽車硬體和軟體最新技術總結（2020）

進入到2020年，自動駕駛技術走到了需要規模商業化證明技術價值的時候。

不管是封閉或半封閉場景的礦區、港口和園區，還是公開道路的RoboTaxi、RoboTruck等，技術都是自動駕駛在不同場景商業化的基礎。

本報告覆蓋了自動駕駛汽車所需要的感知、定圖與定位、感測器融合、機器學習方法、數據收集與處理、路徑規劃、自動駕駛架構、乘客體驗、自動駕駛車輛與外界交互、自動駕駛對汽車部件的挑戰（如功耗、尺寸、重量等）、通訊與連接（車路協同、雲端管理平台）等技術領域的討論，並且提供相應的各自動駕駛公司的實施案例。

本報告是由美國、中國、以色列、加拿大、英國等全球不同國家和地區的自動駕駛專家，針對自動駕駛技術的硬體和軟體技術，進行的全面闡述，方便各位讀者能夠從技術角度，了解最新的技術動態，從而全面了解自動駕駛汽車。

本報告的案例大多數來自汽車領域，這也是目前自動駕駛行業最火熱的應用場景，但是，服務個人出行的汽車並不是自動駕駛技術影響深遠的行業，其他的行業，如公共交通、貨運、農業、礦業等領域，也同樣是自動駕駛技術應用的廣泛天地。

RNN——當處理諸如視頻之類的時間信息時，RNN是強大的工具。在這些網路中，先前步驟的輸出作為輸入被饋送到網路中，從而使信息和知識能夠持久存在於網路中並被上下文化。

DRL——將深度學習（DL）和強化學習相結合。DRL方法使軟體定義的「代理」可以使用獎勵功能，在虛擬環境中學習最佳行動，以實現其目標。這些面向目標的演算法學習如何實現目標，或如何在多個步驟中沿特定維度最大化。盡管前景廣闊，但DRL面臨的挑戰是設計用於駕駛車輛的正確獎勵功能。在自動駕駛汽車中，深度強化學習被認為仍處於早期階段。

這些方法不一定孤立地存在。例如，特斯拉（Tesla）等公司依靠混合形式，它們試圖一起使用多種方法來提高准確性並減少計算需求。

一次在多個任務上訓練網路是深度學習中的常見做法，通常稱為多任務訓練或輔助任務訓練。這是為了避免過度擬合，這是神經網路的常見問題。當機器學習演算法針對特定任務進行訓練時，它會變得非常專注於模仿它所訓練的數據，從而在嘗試進行內插或外推時其輸出變得不切實際。

通過在多個任務上訓練機器學習演算法，網路的核心將專注於發現對所有目的都有用的常規功能，而不是僅僅專注於一項任務。這可以使輸出對應用程序更加現實和有用。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑻ 自動駕駛公司最新排名：特斯拉為何墊底

19家企業被分為四類：領導者、競爭者、挑戰者和追隨者，下面列出這四類企業具體包括哪些（排名分先後）。

領導者：通用、福特、Waymo、大眾、戴姆勒-博世、雷諾日產聯盟、安波福、寶馬-英特爾-FCA

競爭者：沃爾沃-Autoliv-愛立信-Zenuity、PSA、Navya、網路-北汽、捷豹路虎、豐田、現代

挑戰者：Uber、特斯拉、本田和蘋果

追隨者：無

綜合排名中的前十名：通用、Waymo、戴姆勒-博世、福特、大眾、寶馬-英特爾-FCA、安波福、雷諾-日產聯盟、沃爾沃-Autoliv-愛立信-Zenuity、PSA。

⑼ 自動駕駛排名遠遠領先，通用為何這么低調

因此近年來，媒體和科學文獻圍繞自動駕駛系統的倫理決策展開廣泛討論。而這些討論大多是基於一個著名的哲學思想實驗——電車難題。電車難題通過描述一個場景來展現道德困境，即一輛移動的電車沖向5個被綁在軌道上的人。一個手握操縱桿的人可以選擇將電車轉向一條側軌，使其撞死一個被綁者；或者不進行任何操作，讓電車撞死5個人。這種經典的兩難境地現在已經逐漸擴展到了自動駕駛的軟體決策邏輯上。

對於自動駕駛這個概念，很多朋友呢，都覺得非常遙遠。但是在我們的日常生活中呢，自動駕駛已經開始介入我們的駕駛過程了。我們所熟知的定速巡航，其實就是最簡單的自動駕駛技術。在一定的條件下呢，對車輛進行一個環境的設定，從而使車輛進入到一個自動行駛的過程。其實這個技術啊，在我們看來與自動駕駛並沒有太大的關聯，但是呢，在實際的自動駕駛分級當中呢，他屬於比較低端的自動駕駛。特斯拉自動駕駛已經出過好幾次的事故了，每次的事故最終的結局都非常慘烈。其他科技公司的自動駕駛基本上進程最快的也只是在路試階段，真正里商用還有很長一段距離。

⑽ 百度無人駕駛技術在全球排名如何

谷歌旗下的自動駕駛公司Waymo的綜合評分位列第一。中國的網路排名第七。僅供參考