電腦自動駕駛軟體

A. 快魚吃慢魚！軟體是怎麼控制汽車自動駕駛的

軟體是如何控制車輛自動行駛的這個自動駕駛技術，在大家看來是個很神奇的技術，實際上並沒有那麼高科技，這東西的原理比較簡單。就是通過車周圍的雷達以及衛星的配合搜集車輛周圍信息的變化，然後電腦里的程序軟體會根據已有的資料庫做出行為的調整。

因為車子就在高速行駛的時候，要保證更低的延遲才能保證更好的安全性，不能說車子都已經跑出去三米了，之前採集的信息才反應到微電腦里那裡才處理完畢。那這時候車子有什麼意外情況，根本就來不及反應了，所以未來全自動的駕駛技術必然就是需要更好的網路更好的道路基礎設施，甚至說需要一定道路上的信息接收源發射源去配合，而不是單純就靠車子本身就可以直接完成這個事情。

B. 自動駕駛中 BSP和c++有什麼區別

這里有三個名詞的概念，
自動駕駛，BSP和C++。
自動駕駛又稱無人駕駛、電腦駕駛，是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的技術。
BSP（Board Support Package），板級支持包，也稱為硬體抽象層HAL或者中間層。
它將系統上層軟體和底層硬體分離開來，使系統上層軟體開發人員無需關系底層硬體的具體情況，根據BSP層提供的介面開發即可。
BSP是相對於操作系統而言的，不同的操作系統有不同定義形式的BSP，要求BSP所實現的功能也有所不同。
而C++是一門軟體編程語言。
三者是三個不同領域的概念，不能放在一起比較。
請採納，謝謝。

C. 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。

D. 280TOPS算力爆表！北京車展最強國產自動駕駛平台是它

▲左右分別為黑芝麻CEO單記章、COO劉衛紅

黑芝麻CEO單記章此前是全球視覺晶元領軍企業OmniVision創始團隊成員，在矽谷晶元行業打拚了20多年，在圖像處理晶元和軟體演算法上具有豐富的經驗和技術積累。

CTO齊崢是英特爾奔騰二代晶元主要設計成員、CSO曾代兵是中興微電子總工程師，COO劉衛紅則曾是博世中國ADAS主力部門——底盤與控制系統事業部的中國區總裁。

正因為有超強的研發團隊，讓黑芝麻這家初創公司可以在3年時間內做出ADAS晶元華山一號A500並量產上市，在今年推出華山二號A1000晶元，發布FAD自動駕駛平台。

今年以來，新車如果沒有配備L1/L2級自動駕駛，都「不好意思賣」，自動駕駛的普及程度正在快速提高，而更高等級的L3級甚至L4級自動駕駛也已經到了量產前夜，行業內對自動駕駛晶元和計算平台解決方案需求呈爆發性增長態勢。僅自動駕駛晶元的市場規模，都有望達到萬億美元級別，成為半導體行業最大單一市場。

因此，FAD此時進入自動駕駛市場可謂正當其時。

今年8月，一汽智能網聯開發院與黑芝麻達成技術合作協議。一汽智能網聯開發院將啟動基於華山二號A1000的智能駕駛平台的開發，以滿足後續量產車型需求。雙方將共同推動人工智慧技術在汽車工業領域的應用，加速國產智能駕駛晶元的產業化落地。

另外，黑芝麻也已經簽約多個FAD定點車型，預計明年就將有搭載FAD自動駕駛平台的車型上市。此外，國內外也已經有多家企業開始測試FAD自動駕駛平台，測試車輛已經上路。

黑芝麻在自動駕駛晶元和域控制器中取得的巨大成功，讓行業研究機構開始重視這家剛成立4年有餘創業公司。今年4月，矽谷最強智庫之一的CBInsights發布中國晶元設計企業榜單，黑芝麻在車載晶元領域上榜，成為中國晶元設計企業65強之一。

今年7月，黑芝麻華山二號A1000晶元也亮相世界人工智慧大會，與平頭哥、依圖、寒武紀等高端人工智慧晶元同台亮相。

可以說，黑芝麻經過四年多的發展，已經成為全球領先的自動駕駛晶元設計公司，甚至已經有能力和晶元行業的老大哥們一較高下。同時，黑芝麻的快速進步，也推動著國內自動駕駛晶元設計再上新台階。

在與兩位創始人的交談中，他們還透露了一個彩蛋，明年黑芝麻將發布性能更強的晶元，屆時搭載這一晶元的FAD自動駕駛平台最高算力有望突破1000TOPS，其算力已經可以進行完全自動駕駛。

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。

E. 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。

F. needforspeed如何關閉自動駕駛

1、首先打開needforspeed軟體，並登陸注冊自己的賬號。
2、其次點擊該軟體主界面的自動駕駛選項，並找到該選項右上角的關閉選項。
3、最後點擊該選項進行關閉即可。

G. 游戲技術成優勢 騰訊自動駕駛模擬模擬平台加速應用

今年受疫情影響，全國各地的朋友都開啟了"肥宅"模式，每天在家刷劇、打游戲。看看這游戲逼真的視覺效果和完美的射擊手感，怪不得受到了世界各地游戲玩家青睞。很多人不知道的是，這種極具真實感的大型游戲，其中的某些技術也正在被應用到自動駕駛的研發當中。

騰訊高精度地圖

據專業人士預計，未來5年模擬軟體與測試的國際市場總規模約在百億美元左右，適用於自動駕駛系統的模擬技術將會被大規模地應用於汽車產品的研發流程當中。眾多國際車企都將中國市場作為戰略發展的重點，我國的豐富的地理和環境基礎，加之復雜的交通狀況，為自動駕駛技術的研發和測試提供了豐富的學習資源。國內外車企也紛紛開展與騰訊等本土自動駕駛技術團隊、各地智能網聯測試基地的深度合作，在國家政策、技術助推和企業投入的多方合力之下，我國的自動駕駛將迎來可觀的發展。

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。

H. 英偉達「變軟」，自動駕駛「破圈」

一個月前，黃仁勛用一小顆自動駕駛SoC晶元完成了整個GTCCHINA2019的「新品發布」。

發布會當天，這位「皮衣男子」趕在閉館前匆匆去了自動駕駛汽車展位，用半個小時逐一聆聽了幾家自動駕駛初創企業的思路。那晚的黃教主，向在場工程師們釋放出了一種近乎惺惺相惜的善意。

這種情愫很好理解——

要知道，在這屆GTCCHINA散場時，很多觀眾發出的感慨是：「十分硬核，不夠性感。」畢竟遠道而來的大家直到演講後半程，才終於等到黃仁勛掏出一塊200TOPS深度學習算力的自動駕駛新品「Orin」。取而代之的，是各種「空口無憑」的軟體技術升級。

面對一張張略顯失望的臉，老黃也很無奈：「我這么努力，你都看不到。就好像你老婆做了一整天家務，你卻說她什麼都沒做。」

眾口難調，但這確實是英偉達在接下來的業務發展中必須要面對的問題。與「看得見摸得著」的硬體發布不同，軟體迭代周期短、初期人力成本高、落地成果卻很難形成清晰的概念……這些都讓這家人工智慧計算公司的技術發布開始與公眾預期逐漸拉開差距。

而就在車雲菌險些被觀眾情緒帶跑節奏時，我們在英偉達的官方公眾號上發現了一系列由NVIDIADRIVELabs出品的視頻。視頻內容從工程技術的視角，直觀展現出NVIDIADRIVEAV軟體團隊如何完成一個個自動駕駛的日常任務，諸如從路徑感知到交叉路口處理等一系列挑戰。

那麼，以自動駕駛為起點，車雲菌嘗試回答：當英偉達不再拋出核彈，他們到底做了些什麼？

「直播」自動駕駛

嚴格來說，目前沒有任何一家企業成功製造出一台全自動駕駛汽車，絕大多數玩家仍舊在奔向這一目標的路上相互博弈。

近年，英偉達正式加入戰局。公司內部的軟體開發人員已經遠遠超過了硬體工程師的數量。

他們首先打算解決自動駕駛汽車的三個問題：

知道自己在哪裡：不光要掌握車輛具體位置，還得知道是在主路的第幾條車道上，將定位精確到厘米級；

知道自己周圍有什麼：像人類大腦一樣判斷，前方卡車在減速、左後方有輛SUV駛來、右側人行道有小孩、下一個路口是綠燈且不能左轉……

作出正確的駕駛決策：判斷從左側超車可以安通過路口，然後控制車輛完成相應動作。

如今這些工作，都被團隊一一擺上了檯面。與常規「秀肌肉」的視頻演示不同，英偉達實驗室將自動駕駛最困難的感知層面的工作拆解成一個個小任務，條分縷析地告訴大家：我們是怎麼做到的，以及我們為什麼能做到。

任務的分解也很有意思。車隊順利攻克了包括建立感知路徑、通過感測器融合實現環繞感知功能、打造像素級感知能力、藉助特徵追蹤確保安全性、自主識別停車位、障礙物分類、車道線識別及自動補償、測算車輛與障礙物距離、實現准確可靠的目標跟蹤、預測目標的未來移動軌跡、不藉助地圖的情況下識別交叉路口。

https://v.qq.com/x/page/c0919cpz1w3.html

「可靠性」三個字貫穿了所有挑戰過程。對此，NVLabs給出的說法是：「對於L2+級自動駕駛系統來說，例如NVIDIADRIVEAP2X平台，實時評估路徑感知可靠性意味著評估該系統是否知道何時進行安全的自主操作，以及何時應該將操作權移交給人類駕駛員。」

至於NVIDIADRIVEAP2X。2019年初公司在GTC上剛剛發布了全新平台，其基於NVIDIAXavier系統級晶元運行，採用DriveWorks加速庫和實時操作系統DRIVEOS，其中包含DRIVEAutoPilot軟體、DRIVEAGX和DRIVE驗證工具，並融合了DRIVEAV自動駕駛軟體和DRIVEIX智能駕駛艙體驗。

得益於二季度發布的DRIVEAP2XSoftware9.0上新增的大量自動駕駛功能加持，該平台成為業界公認的現階段唯一完備的L2+自動駕駛解決方案。采埃孚、大陸、沃爾沃都心甘情願為其買單。

於是，團隊幾個人在矽谷全長50英里的高速公路環路上完成了一次零干預的全自動駕駛。簡單來說，這是一次類似「現場直播」的測試，工程師們沒有機會像錄制視頻那樣，拿實際路徑感知信號與理想參數進行對比，還要隨時准備應對過程中有可能發生的意外情況。

譬如，一旦自動駕駛車輛只能接收到一種感測器發射的感知信號，就無法保證最終決策置信度的實時及准確。比這更糟的還在後面——如果這唯一的路徑感知輸入失敗，自動駕駛功能要麼大幅影響操作的舒適及平穩度，要麼乾脆整個失靈。

而BB8完成的任務也足夠交上一張漂亮的成績單。基於NVIDIADRIVEAGX平台，自動駕駛車輛可以實時同步運行功能多樣的360度環繞感知，定位以及規劃和控制軟體。

工程師通過使用感知和定位所提供的輸入數據，規劃和控制層讓自動駕駛汽車能夠獨立行駛。規劃軟體通過感知和定位的結果來確定汽車特定操作所需的物理軌跡。視頻里也清楚地展示出車輛在自主變換車道時的流暢動作：規劃軟體先利用環繞攝像頭和雷達感知來進行變道操作安全檢查，然後計算縱向速度曲線以及從當前車道的中心線移動到目標車道中心線所需的橫向路徑計劃，最後控制軟體發出加速/減速和向左/右轉向的命令以執行車道變換規劃。

正是這些軟體組成部分，與硬體一起成就了系統的多樣性和安全冗餘。而這一系列任務視頻，恰恰成了證明英偉達自動駕駛軟體技術落地的可靠載體。

在這之外，將無形化的軟體沉澱成可視化的視頻內容，也能同時以更加輕松的方式觸達到消費者層面。當汽車方向盤交到機器手中，用戶會天然樹立起不安與不信任感。這種先期教育市場的思路，能夠消除部分不安心理，重建人們在自動駕駛空間內的安全感。

直觀點說，NVLabs的「自動駕駛挑戰」系列，是英偉達軟體技術「破圈」的先導。

作為曾經游戲市場的霸主，這家晶元巨頭必然深諳消費者之道。相比一般車廠對於車輛智能功能「洗腦式」的宣傳，此番英偉達率先拿出一部分干貨試探市場，佔領用戶心智。

這種策略直接體現在公司財報數據上，2019年三季度英偉達汽車業務迎來高光時刻。公開數據顯示，彼時，該領域營收攀升至創紀錄的2.09億美元，同比增長30%。相比之下，英特爾第二季度的自動駕駛營收為2.01億美元，同比增加16%。

對比來看，英特爾一季度該項營收2.09億美元，英偉達為1.66億美元。這意味著，英偉達環比上漲，英特爾環比下跌。

黃仁勛自己對於「軟體公司」的藍圖也相當清晰：「這只是英偉達目前定位中的一部分。」

回顧既往十年，英偉達已經進行了兩次業務轉變。第一次是從GPU圖像晶元公司轉變為並行計算公司，典型的應用場景是人工智慧。後來，公司又決定在少數特定場景中提供最完善的解決方案，覆蓋游戲、專業渲染，超級計算、自動駕駛幾大領域。

隨著英偉達業務領域越來越廣，客戶「解放雙手」的自由度就越高。這恐怕才是「Themoreyoubuy,themoreyousave」的真實含義。

觀看NVLabs全系列視頻，請點擊：https://www.nvidia.cn/self-driving-cars/drive-labs/

?

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。

I. 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。

J. 自動駕駛使用的是什麼技術軟體控制汽車自動駕駛的原理是什麼

隨著技術的不斷發展，自動駕駛汽車也出現在了大家的面前，這是一種通過電腦系統來控制汽車行駛的一種智能汽車。自動駕駛主要是通過雷達、人工智慧、監控裝置、視覺計算以及全球定位系統來使汽車運作的一種方式。人們在使用自動駕駛裝置的時候，並不需要人為主動操作，汽車就能夠安全的啟動，這是一項非常方便的技術，是很有發展前景的。

高度自動化系統也就意味著可以在短時間內代替駕駛者去行駛車輛，但是駕駛者需要關注車子行駛的狀態。完全自動化系統，這是一個非常高的水平，車主可以干其他的事情，並不需要對車子進行監控，系統可以自行的駕駛車輛。雖然自動駕駛汽車是目前發展的一個趨勢，但是人們在行駛的過程中，仍然需要關注車子前方的情況，以免發生意外。