自動駕駛軟體

1. 華為申請「AUTOWARE」商標 或為未來自動駕駛軟體新名稱

根據此前的消息，華為的移動數據中心，包含標准化的系列硬體產品、智能駕駛操作系統AOS、VOS及MDC Core、配套工具鏈及車路雲協同服務，支持組件服務化、介面標准化、開發工具化，滿足車規級安全要求。

未來，華為的移動數據中心平台將支持軟硬體解耦，前向兼容，支持L2+到L5級別自動駕駛技術的平滑演進。

2. 自動駕駛輔助系統（ADAS）

以車輛環境感測系統為依託，輔助駕駛操作系統有兩種類型：預警系統和控制系統。
預警系統
包括正面碰撞預警系統（FCWS）、車道偏離預警系統（LDWS）、盲區預警系統（BSW）、駕駛員疲勞預警系統（DFM）、全景觀測系統（MVCS）、胎壓監測系統（TPMS）等；
控制系統
包括車道保持系統（LKAS）、自動停車輔助系統（PLA）、自動緊急制動系統（AEB）、自適應巡航系統（ACC）等。

3. 自動駕駛系統有哪些

如果你問的是一輛車的自動駕駛系統，那麼可以大致分成車載和雲端兩大部分。
1.車載部分
感測系統：遍布車身的感測設備採集、接收數據，通過匯流排進行集成，再通過數據融合和智能分析處理，輸出自動駕駛汽車所需的環境感知信息。
主控系統：由硬體部分的高性能車載集成計算平台和軟體部分的智能車載操作系統組成。計算平台融合了感測器、高精度地圖、V2X的感知信息進行認知和決策計算。智能車載操作系統融合了車內人機交互、運營服務商、內容服務商的數據，為乘客提供個性化服務，真正把智能車變成下一代移動智能入口終端。最後決策信息進入車輛匯流排控制系統，完成執行動作。
2.雲端部分
自動駕駛車輛是一個具有高速移動屬性的終端系統，需要雲端大腦提供「智力」支持，完成數據存儲、高精度地圖數據採集、深度學習模型訓練三大功能。

4. 聊一聊，輔助駕駛功能與自動駕駛有什麼區別

駕駛輔助包括不少功能，其中比較有代表性的比如自適應定速巡航（也就是ACC），是用於定速跟車前進；又比如車道保持，能夠將車輛保持在車道內行駛。這兩者相結合就是最新的堵車駕駛輔助系統，在堵車環境中能夠控制車輛的方向和走停。

而自動駕駛除了實現駕駛輔助的基本所有功能外，還可以允許駕駛員將注意力從交通情況和控制車輛中解放出來做其它事情。但是，駕駛員仍需要坐在車里，在自動駕駛系統尚未啟動或者退出時控制車輛。而無人駕駛則可以沒有駕駛員，完全的車輛自主駕駛。

「自動車道保持是一個駕駛輔助功能，會幫助車輛保持在行駛車道內，結合『自適應巡航』的智能安全跟車，這會使長途駕駛更加輕松。當然，駕駛員仍需要觀察周圍情況，並且隨時准備接管車輛。」

自動變更車道

「升級7.0版本後，Model S會使用各種措施，包括轉向角度、轉向率和速度來確定自動轉向系統協助駕駛者在路上進行合適的操作，使駕駛變得更容易。在自動轉向系統和交通感知巡航控制系統的控制下，車輛可以在原有車道保持速度。必須強調的是，駕駛者在啟用自動轉向系統時，手不能離開方向盤。」

「

5. 自動駕駛 硬體+軟體最低多少錢

自動駕駛目前還很不成熟，成本很高，目前價格在 1000萬人民幣以上，都是實驗級別的。
自動駕駛汽車依靠人工智慧、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。
2014年12月中下旬，谷歌首次展示自動駕駛原型車成品，該車可全功能運行。
2015年5月，谷歌宣布在加利福尼亞州山景城的公路上測試其自動駕駛汽車.

6. 汽車無人駕駛，自動駕駛怎麼實現用什麼設計工具或者軟硬體

無人駕駛汽車是通過車載感測系統感知道路環境，自動規劃行車路線並控制車輛到達預定目標的智能汽車。具體包括 中遠距離雷達，攝像頭，GPS 等。
技術實現其實和高級輔助駕駛ADAS接近
目前特斯拉，寶馬等廠商的無人駕駛採用的是 英偉達 Nvidia DrivePX2硬體平台

7. 特斯拉重新開發自動駕駛系統 嫌棄老軟體性能不足

近日，特斯拉的狂人CEO馬斯克又在推特發出狂言表示，目前特斯拉正在對Autopilot自動駕駛進行重新開發，同時新的軟體對3D地圖進行支持，使得整個自動駕駛系統可以獲得更大的提升。另外，新系統還會提供一些意想不到的新功能。馬斯克還說，新的軟體將會在2-4個月內發布，不過按照汽車產業的邏輯，新功能需要經過一段長時間安全認證才能裝車使用。

其實現在Autopilot軟體的演算法主要針對自動駕駛2.0或2.5硬體進行開發，基本上把硬體的性能壓榨至極致，隨著自動駕駛的要求提高和大范圍普及後，老版本的軟體跟不上時代的部分，同時也無法發揮3.0硬體的實力，所以特斯拉迫不及待去開發新一代軟體，而強化自動駕駛領先的地位。預計新Autopilot軟體支持停車場繪圖，使得車輛可以實現全自動代客泊車，同時還能對道路坑洞進行識別，並合理規避。

對於特斯拉要研發新的Autopilot，我真的是又驚又喜，一方面歡喜是自動駕駛系統又會邁進另外一個更高的層次，另一方面擔心新系統研發出來之後，會發生更多因為自動駕駛的交通事故。人類對於自動駕駛需要循序漸進認識，特別是在中國。

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。

8. 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。

9. 新一代小鵬汽車自動駕駛輔助系統有什麼黑科技

小鵬汽車XPILOT自動駕駛系統通過自研的AI視覺解決方案，進行車內智能座艙和車外環境感知的功能落地，擁有業內首個支持多張人臉登陸及啟動的face ID系統、業內首批基於視覺方案的疲勞/分神預警系統、業內首批關注駕駛員健康的智能座艙、業內領先的基於視覺方案的車外環境感知等差異化優勢。

10. 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。