自動駕駛軟體合規

『壹』 怎樣實現自動駕駛的技術路線

在自動駕駛技術方面，我們可以依靠環境感知、高精度語義地圖、數據驅動的駕駛決策和產品級軟體實現自動駕駛。

Momenta正是通過這些核心技術，讓無人駕駛成為可能。

一、環境感知

道路識別：在黑暗、逆光、惡劣天氣和缺乏清晰的車道線的情況下，做到高性能地識別多個車道、交通標志和信號、可行駛區域。

『貳』 請問一下，我國有哪些自動駕駛平台

1.谷歌TPU

谷歌的TPU（Tensor Processing Unit，張量處理單元）起初是計算神經網路的專用晶元，目前正在研發第四代，將採用 7納米製程，每秒矩陣乘法相當於2萬多億次浮點運算，相比同期的CPU和GPU，能夠提供更高的性能。Waymo作為谷歌的姊妹公司，使用TPU進行訓練，但是公開信息上顯示，Waymo實車上採用的卻是英特爾的Xeon處理器。

地平線公司2019年發布了國內第一款車規級AI晶元，之後征程2、征程3在長安、理想、長城、上汽等多家自主品牌車企的20+款車型上實現了前裝量產。最新發布的征程5系列單顆晶元AI算力最高可達128Tops，主要面向L4高級別自動駕駛。地平線在2021年4月與造車新勢力理想汽車達成深度合作，將為理想汽車提供高性能的智能計算平台。

除此之外，特斯拉、德州儀器、黑芝麻等一批企業也在從事晶元平台的設計，並有對應的計算平台發布，限於篇幅，不再一一進行介紹。

『叄』 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。

『肆』 關於特斯拉Auto pilot，只是一套軟體，好幾萬。如果車輛報廢了，重新買輛車，是不是還得重買

去年的特斯拉AutonomyDay上，埃隆·馬斯克曾表示特斯拉的Autopilot不會依賴高精地圖，他認為高精地圖是一個「很糟糕的想法"，會導致自動駕駛系統過於依賴已存儲的高精地圖而失去靈活性，從而不能像真正的司機那樣根據路況靈活應變。

可見，高精地圖是目前全球大多數自動駕駛公司的共同研發方向，而坑窪躲避則是其中一個典型應用，這也不難理解特斯拉為何也撿起了高精地圖了。

那麼我們何時才能體驗到自動躲避坑窪的特斯拉呢？目前看來可能還要一段時間，但我們不妨期待一下，畢竟Autopilot的許多意想不到的功能不都是通過OTA突然就i來到了我們身邊么？

『伍』 汽車自動駕駛新規定來了，透露出了哪些信息

工信部出台了《關於加強智能網聯汽車生產企業及產品准入管理的意見》 明確規定各個車輛生產企業在沒有經過審批之前，不得以在線升級的方式來為汽車的各功能進行升級和換代。在升級換代之前要向工信部進行備案。在審批通過以後，才可以對汽車進行升級和更新，以確保汽車的行車安全。

汽車自動駕駛新規透露的新規。首先是車企不得擅自升級汽車的功能。汽車企業通過OTA升級汽車的功能時，必須先向工業和信息部進行備案，在通過申請以後才能進行汽車功能的升級，這也是為了保證汽車的安全；其次，汽車的升級存在著安全隱患。現在的汽車越來越智能化，很多的車企未經審批就擅自對汽車的關鍵功能進行升級和更新，這樣的升級存在著很大的安全隱患，很可能導致車輛在行駛過程中發生事故；最後，汽車的升級會嚴格審核。由於汽車關鍵功能的升級會造成一些隱患，所以說在未來汽車的升級審核會更加的嚴格，在未來這樣的升級必須通過工信部的審核，不能擅自進行升級。

隨著電動汽車和智能汽車的發展，越來越多的汽車將會支持功能在線升級和更新。國家對這些汽車功能的升級和更新的監管也會更加的嚴格，以確保駕車人的安全。

『陸』 華為自動駕駛操作系統內核獲車規功能安全ASIL-D認證

中國網汽車5月18日訊 記者日前從官方獲悉，華為自動駕駛操作系統內核(含虛擬化機制)獲得了Safety領域最高等級功能安全認證(ISO 26262 ASIL D)，成為我國首個獲得ASIL D認證的操作系統內核。
據悉，該內核還曾於2019年9月獲得Security領域最高等級信息安全認證(CC EAL 5+)。至此，華為自動駕駛操作系統內核已成為業界首個擁有Security與Safety雙高認證的商用OS內核。
ISO 26262 功能安全標準是目前歐美和國內高安全行業的強制准入標准，其對產品的開發流程管理、安全架構設計、安全編碼和安全測試等方面有極苛刻的要求。在無先例可借鑒的情況下，華為經過多輪交付件評審、現場審核、專家終審，通過機構的層層審核，獲得T?V萊茵ISO 26262認證證書。華為獲證周期相比行業縮短了1年，得到了認證機構和發證官的高度評價。
據了解，截止目前，華為智能電動(mPower)、華為高階自動駕駛全棧解決方案(ADS)、華為MDC智能駕駛計算平台均已先後獲得ISO 26262功能安全管理體系ASIL-D認證，但不同的是，這三者是研發流程和管理體系認證，但華為自動駕駛操作系統內核是產品本身獲得車規功能安全ASIL-D認證。華為自動駕駛操作系統內核功能安全ASIL-D認證的獲得，是華為在智能汽車解決方案業務領域的重大業務進展，也是在踐行可信軟體工程變革中的又一次重要探索，可為華為在智能網聯汽車等場景提供高Safety競爭力與市場准入能力。
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。

『柒』 自動駕駛道阻且長：韓國率先發布自動駕駛規范！一起了解一下

對於自動駕駛很多企業和公司先後都有涉足，不過有來得有走的，戴森花了不少錢最後得出了結論，不適合盈利。隨後它迅速放棄了這塊市場。但是對於自動駕駛來說未來雖然有諸多的阻礙，但是同時它的吸引力也是十分巨大的。別的不說，但就一個解放司機雙手帶來的巨大變革就能讓整個社會的結構發生巨大的變化。未來實現自動駕駛的交通工具將不再需要司機，這樣一來生產能力會進一步提高。

各種車展和展覽會都少不了對自動駕駛的探索和研究，有不少的研討會也在研究自動調試。不過真正有國家政府對自動駕駛進行法律方面的規范和研究還不多，韓國交通部在2020年1月5日發布了《自動駕駛汽車安全標准》，針對自動駕駛汽車的部分功能提出了有條件的L3級別自動駕駛安全標准。這意味著韓國成了全球第一個為L3級別自動駕駛制定安全標准和商用化標準的國家。政府的鼓勵是背景，韓國企業對自動駕駛的熱情也更加高漲。

如果韓國能夠先發制人繼續在自動駕駛領域掌握更多的技術實力，相信未來全球的汽車市場會被現代等韓國車企搶佔先機。畢竟從軟體的設計到應用再到模型投入應用需要一個復雜過程而且少不了大量資金的投入。韓國還允許自動駕駛汽車在公共道路上行駛。雖然自動駕駛未來面臨問題還很多，但韓國的態度十分積極主動，企業和政府一心，相信可以為自動駕駛的未來添磚加瓦。從某些方面也證明了一個論調：未來誰掌握了自動駕駛誰就掌握了打開未來時代大門的鑰匙。

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。

『捌』 自動駕駛第一案宣判！前谷歌技術專家盜取機密被判18個月

在Uber供職時的Levandowski

Levandowski聲稱，Uber與Waymo達成的和解協議中（這是一份從未公開過的協議）中包括一項內容，即Uber將不再聘用他或者與他展開合作。但是，該協議導致Uber違背了自己要支持Levandowski開展貨運業務的承諾。

這項指控表示，在Otto收購結束後，一項計劃要求給予Otto所有者Uber新的貨運業務帶來的部分利潤。同時Levandowski將被任命為非執行主席並且控制新的貨運業務。作為替代方案，Uber可以拒絕完成交易但是授予LevandowskiOtto和Uber的自動駕駛技術的獨家許可。

Levandowski的訴訟中聲稱這兩件事情都沒有發生。

同時，Levandowski相信並表示，他應該獲得與UberFreight（OttoTrucking的新名字）利潤相關的收益，而這一金額「至少應該有41.28億美元（約合人民幣286億元）」。2018年8月。Uber將UberFreight變成為一個獨立的業務部門。

此外，Levandowski還希望要求Uber替他支付給谷歌1.79億美元（約合人民幣12億元）。（有趣的是，就谷歌本身而言，它非常希望萊萬多夫斯基能夠獲勝。谷歌在提交的一份文件指出：「（Levandowski）如果收不回對Uber的賠償要求，就不可能完全完成對谷歌（或者他的其他債權人）的賠償。」

最後，這起訴訟還包括一個引人注目的指控內容——Levandowski可能不是唯一一個離開谷歌時候，帶走了公司的自動駕駛汽車機密的員工。

該訴訟聲稱，一位獨立專家發現了Uber的自動駕駛軟體包含有問題的功能，這些功能可能需要簽訂Waymo的知識產權使用許可協議。

但是Levandowski沒有在谷歌或Uber從事過軟體工作，因此「那些商業機密並非來自Levandowski先生，而是一個不同的前谷歌員工。「Waymo和Uber」解決了與Levandowski以外的個人竊取商業機密有關的問題」，不過該訴訟似乎沒有確認任何此類員工的具體身份。

結語：自動駕駛技術糾紛何時休？

知識產權和專利設立的初衷是為了促進知識交流與進步。一旦產生了糾紛，結局卻往往是兩敗俱傷。

事實上，谷歌、Uber和Levandowski之間的技術糾紛並非孤例。2017年，網路曾以「侵犯商業秘密為由」，將前員工王勁和景馳科技（文遠知行的前身）告上法庭，索賠5000萬元。最後，這個被稱為「中國自動駕駛第一案」的糾紛直到今年2月，才以網路撤訴為結局宣告結束。

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。

『玖』 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。