全球自动驾驶软件排名

⑴ 盘点知名自动驾驶仿真平台，Waymo、腾讯榜上有名

无人驾驶离我们还有多远？

在发出这个问题前，首先要知道，自动驾驶汽车想要真正上路，必须经历多重安全考验，而路测则是必不可少的重要环节。

据美国兰德智库的估算，一套自动驾驶的系统至少需要经过110英里（约170-180亿公里）的验证才能达到量产条件。这就意味着，即便是一支拥有100辆测试车的自动驾驶车队，以25英里(40公里)每小时的平均时速全天24小时一刻不停歇地测试，也需要花费大约500年的时间。

当前，国内的自动驾驶仿真系统还处于起步阶段。即使是国际上仿真模拟技术比较成熟的公司，在中国道路场景的开发与中国驾驶员行为模拟方面仍不够成熟。从另一个角度来看，这其实给中国本土研发自动驾驶仿真模拟技术的公司释放了良好的机会。期待越来越多的像腾讯这样的本土科技企业加入自动驾驶仿真系统的建设中来，搭建具有中国特色的仿真测试环境，助力成熟的无人驾驶技术早日实现。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑵ 北京发布“硬核”自动驾驶路测报告，标准优于DMV，百度再获第一

其中，14%的脱离是由于策略缺陷、人工安全防御、系统故障造成的关键脱离，这些脱离数据的价值要远远高于人为接管脱离。

从脱离类别和原因上看，除因传感器、车辆或者数据记录设备、地图标注、地图加载等问题外，与社会车辆的博弈、对复杂场景的理解以及一些应急情况的处理能力，仍然是自动驾驶亟需解决的重要课题。

毫无疑问，作为全球最大的自动驾驶平台，网络Apollo在北京开展的路测在测试规模、技术水平、场景覆盖、产品能力和安全水平上均大幅领先行业水平。

除此之外，相比其他企业，网络还取得ISO26262、ASPICE、IATF16949以及全国最高技术等级的T4级别道路测试牌照等行业认证。

进入2020年，随着网络发布Q4财报宣布Apollo商业化进一步的提速以及驭势科技、小马智行等自动驾驶初创公司宣布融资计划，自动驾驶技术正迎来新一轮的变革。

当然，中国自动驾驶技术能够站在世界领先位置，除了自身能力过硬之外，还离不开政策、测试机构的支持。

北京作为全国首个开放自动驾驶测试区域、开放全国首个车联网与自动驾驶地图应用试点的区域，截止到2019年12月31日，北京市已开放4个区县的自动驾驶测试道路，共计151条，503.68公里累计为13家企业，涵盖6家互联网、6家主机厂、1家地图厂商，77辆车，发放了285张道路测试牌照，路测里程为104万公里，申请企业数量、发放牌照数量、路测里程均位居全国第一。

可以预期的是，随着北京在开放测试道路、区域、服务规模、测试牌照及测试里程方面不断的领先，北京测试将成为全球自动驾驶技术向前迈进的推手，以“中国特色”推动自动驾驶技术落地应用。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑶ 在自动驾驶的路上，百度Apollo走了多远

10月10日，网络旗下自动驾驶出租车服务ApolloGO正式在北京开放，北京的朋友们可以通过网络地图或ApolloGO的APP下单，在海淀、亦庄的站点免费进行试乘。

没有人会怀疑自动驾驶的未来，Waymo用千亿估值告诉所有玩家，自动驾驶是一块巨大的蛋糕。但自动驾驶的漫漫征途需要资金、时间与技术，且由于门槛更高，它不像新势力造车般百花齐放，更是行业中真正高手之间的较量。

尽管在技术上存在长尾效应，相关政策法规仍不明确，大规模商业化年限模糊，但作为L4级自动驾驶最受关注、最得资本青睐的应用场景，RoboTaxi已成为热门赛道。

网络、Waymo、特斯拉、Cruise，谁将主导这场战争呢？

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑷ 2019自动驾驶成绩单：百度“超越”Waymo成第一中国公司齐发力

▲日产的自动驾驶汽车

除此之外，Tier1们也显得十分冷淡，只有法雷奥北美一家提交了数据，不过MPD却在整体排名中位列倒数第三，其他包括安波福、博世、大陆在内的供应商巨头则没有提交数据。

但是因为加州DMV只要求提交在加州境内的路测数据，所以实际情况是Lyft在拉斯维加斯的数据，并没有统计在其中。

车东西此前曾从安波福亚太区总裁杨晓明处获悉，自2018年安波福和Lyft合作在美国拉斯维加斯投放无人出租车开始至2019年年底，他们的无人出租车的服务次数已经达到了7万次。

结语：自动驾驶再进一步中国军团开始崭露头角

这里需要再次提醒一下，DMV的报告是由各家公司自行提供的，而每家公司在路测场景和对脱离的认知并不完全相同。换言之，我们可用DMV报告中数据和据此形成的榜单作为了解自动驾驶发展的参考，而不能用来作为判定单个公司水平高低的唯一根据。

比如，DMV这份成绩单就很明显无法描述各家公司在加州以外地方的表现情况。

不过，粗略地看，不论是路测里程还是车队规模，2019年的自动驾驶汽车都和前一年相比又迈进了一步。同时，中国公司也开始在自动驾驶领域崭露头角，2018年MPD排名前十的玩家中有5家来自中国，2019年则有6家属于中国公司。

未来随着更多无人出租车开始上路测试，低速无人车在物流、清洁等领域发挥更重要的作用，自动驾驶行业也将逐渐走向落地和成熟。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑸ 最靠谱的驾驶辅助系统排名出炉，为何特斯拉屈居“老二”

要说汽车行业的发展在近期的变化，除了舒适性和娱乐性越来越高以外，就是自动驾驶、驾驶辅助类配置等科技型技术的普及以及其高速发展了。在早些时候，如果提及自动驾驶等高新科技，大家普遍对它的了解度不高，甚至认为这是天方夜谭，这也导致群众对其接受度较低。这些年，驾驶辅助系统可以说迎来了自己的“元气年”。由于科技的发展和社会的进步，驾驶辅助系统可以说是非常的火爆了。各大汽车厂商都在纷纷研制属于自己的驾驶辅助系统。前不久，美国《消费者报告》一篇关于2020年主动辅助驾驶系统排名出炉。本次测评包括凯迪拉克、特斯拉、丰田、沃尔沃等共17个品牌。其中，以自动驾驶引以为傲的特斯拉排名第二。那这又是因为什么原因呢？

以上就是关于特斯拉在驾驶辅助系统排名第二的解释，欢迎各位补充。

⑹ 除了谷歌们，国外还有哪些顶尖无人驾驶汽车团队

已经被谷歌，Uber和苹果的无人驾驶车新闻刷屏了？其实除了这些互联网大佬之外，国外还有很多团队在研究无人驾驶技术。下面，我们来看看国外几个比较牛逼的造车团队。
卡耐基梅隆大学(CMU),通用汽车合作研究实验室，美国
其实卡耐基梅隆与通用公司早在2003年就开始了无人驾驶技术方面的合作。2007年的时候，双方合作的第一辆无人驾驶车“Boss”获得了DARPA城市挑战赛的第一名。在第二年（2008年），通用公司与CMU的合作研究实验室正式成立。

实验室最新的一项成果为一辆自动驾驶版凯迪拉克(CadillacSRX)。它与谷歌的自动驾驶汽车有一个很大的不同之处，谷歌的车顶有一个非常醒目的激光雷达，而它没有（见上图），外形上比较好看。这样也节省了成本，因为这个激光雷达的价格很高，大约要6万美元。
没有采用360度激光雷达，CMU的做法是在车体内部和外侧采用一组多个较小的激光雷达，把不同部分的激光雷达的反馈数据整合在一起。这样既增加了美观性，同时也降低了成本。
AutoNOMOSgroup，柏林自由大学，德国
他们团队的第一款自动驾驶汽车名叫“柏林精神”（SpiritofBerlin），是他们仅用了9个月的时间和非常有限的资金研发出来的。“柏林精神”参加了2007年的DARPA城市挑战赛，并最终进入了半决赛，算是非常厉害的。

AutoNOMOS拥有两辆自动驾驶原型车。第一辆名叫“MadeInGermany”，第二辆名字有点山寨，叫爱因斯坦（e-Instein）。在2011年的时候，MadeInGermany在柏林成功进行了道路测试。
他们目前致力于开发一整套无人驾驶系统，以减少安全事故的发生。该软件一旦研发成熟，首先会应用在私人汽车领域，之后慢慢拓展到公共交通工具上。
布伦瑞克技术大学（TUBraunschweig），德国
该学校有一个名叫“Stadtpilot”的项目，专门研发无人驾驶技术。2007年的时候，这个团队带着一辆由大众帕萨特改造的无人驾驶汽车“Caroline”参加了DARPA城市挑战赛，并且挤进了前11名。

随后，他们推出了第二辆无人驾驶车——Leonie。Leonie早在2010年就以最高60km/h的速度，成功完成了城市路测。他们称，Leonie是世界上第一个在真实场景中成功测试的无人自动驾驶车。
卡尔斯鲁厄理工学院（KIT），德国
作为德国首批三所精英大学之一，KIT当然也有自己的无人驾驶技术团队。他们参加了2005年和2007年两届DARPA城市挑战赛。
KIT的无人驾驶车是与奔驰合作研发的，在2013年已经在德国南部自动驾驶超过100km。跟其他的无人车辆相比，该车的特点是没有使用激光雷达，而使用了贴近市场的传感器和立体相机。

我们可以用上面的图浅显的理解KIT是怎样利用立体相机构建模型的。
原图（黑白）是左边一辆车面向试验车行驶，右边一辆车停在路旁。下图是利用传感器和摄像机构建的模型。其中，颜色代表距离（比如红色代表20米），路上白色的箭头代表运动物体的速度，箭头方向即为运动方向。我们可以看到模拟的数学模型与真实场景是完全符合的。
UniversittderBundeswehr,慕尼黑，德国

UniversittderBundeswehr团队致力于研究于预期为基础的感知（4D扫视视觉），越野导航及自主驾驶。该团队研发的MuCAR-3如上图。
MuCAR-3车顶也有一个360度激光扫描仪，由大众Tourag改造而成，拥有和人类相似的电子眼，64束10Hz的激光，监测范围最高可达100米。目前被应用于军事侦察领域。
VisLab，帕尔马大学，意大利

Vislab最开始是隶属于帕尔马大学的子公司，目前已与安霸（美国高清视频解决方案提供商）合并。
Vislab主要做的是开发机器的视觉算法和智能系统在汽车领域的应用。这个团队研究关于自动驾驶技术已经超过20年，他们算是全球最早的几个将计算机视觉系统技术应用到车辆中的团队。相比其他的团队，他们的特点不使用激光雷达而使用计算机视觉技术。
2010年，Vislab用两辆自动驾驶汽车，完成了从意大利到中国13000公里的无人驾驶测试。2013年7月，Vislab的BRAiVE汽车，也成功完成了在意大利的乡间，城市和高速公路测试。

他们目前最新的一款无人驾驶车是在14年3月底推出了Deeva(上图)。这款车身上装配有超过20个摄像头和4个雷达扫描仪，但是看起来与寻常车没啥差别。
MobileRoboticsGroup(MRG)，牛津大学，英国
相比于其他的技术团队，MRG官方网站对用户非常友好，上面有详细的技术介绍。
2011年，MRG首次向公众展示他们的第一辆无人驾驶汽车野猫（Wildcat），这是一辆由BowlerWildcat4X4改装而成的车。汽车头顶的相机和激光能够搜集信息然后即时分析导航，已经成功通过了测试。
2014年，他们改装的一辆Nissan的Leaf也成功路测。

MRG的主要研究领域是大规模的导航和对自然场景理解。据称，团队所拥有的技术非常牛逼，其复杂和先进性远远超过一般的“同步定位与地图构建（SLAM）”算法。
对于无人驾驶技术，他们并没有使用GPS或者是嵌入式的基础设施（信标之类的），而是使用算法来导航，包括机器学习和概率推理来建立周围的地图等等。
INRIA，RITS(previouslyIMARA),巴黎,法国

RITS隶属于法国国家资讯与自动化研究所。主要研究的无人驾驶项目是Cybercar和Cybercars2。这个团队目前正在参与希腊智能交通系统项目，他们与同济大学也有合作。
2002年12月，RITS与澳大利亚的Griffith大学合作研发的无人驾驶汽车成功路测。据他们所说，这是世界上首次成功在无信号灯的交叉路口的测试。
AutonomousSystemsLab(ASL)苏黎世联邦理工学院,瑞士
大名鼎鼎的ETHZürich当然榜上有名。他们成立了专门研究自治系统的实验室ASL，而无人驾驶汽车仅仅是ASL的一个小项目分支。
该团队已经完成的一个无人驾驶项目叫“Smatter无人驾驶汽车”，测试目标就是能够成功导航和对外部环境进行3D绘图。具体的绘图过程如下图，先通过激光和传感器收集数据，再绘制地图，然后再地图匹配，做场景分析，最后就能够将3D地图展示出来。

高校真是藏龙卧虎的地方，牛逼的技术团队一抓一大把。但是这些顶尖的团队网站真是让我非常抓狂。有的团队信息非常公开全面（比如牛津），有的网站信息少得可怜，根本找不到。还是希望各个造车团队能多公开信息和大众分享自己的成果，这样也更有利于推动技术的发展，更好的宣传无人驾驶技术，对吧。
汽车电子网为您提供最新汽车电子产品信息,及最具权威行业资讯和最新的行业动态，汽车电子行业最前沿的技术资讯，为全球汽车电子行业人士搭建交流平台。

⑺ 全球自动驾驶汽车硬件和软件最新技术总结（2020）

进入到2020年，自动驾驶技术走到了需要规模商业化证明技术价值的时候。

不管是封闭或半封闭场景的矿区、港口和园区，还是公开道路的RoboTaxi、RoboTruck等，技术都是自动驾驶在不同场景商业化的基础。

本报告覆盖了自动驾驶汽车所需要的感知、定图与定位、传感器融合、机器学习方法、数据收集与处理、路径规划、自动驾驶架构、乘客体验、自动驾驶车辆与外界交互、自动驾驶对汽车部件的挑战（如功耗、尺寸、重量等）、通讯与连接（车路协同、云端管理平台）等技术领域的讨论，并且提供相应的各自动驾驶公司的实施案例。

本报告是由美国、中国、以色列、加拿大、英国等全球不同国家和地区的自动驾驶专家，针对自动驾驶技术的硬件和软件技术，进行的全面阐述，方便各位读者能够从技术角度，了解最新的技术动态，从而全面了解自动驾驶汽车。

本报告的案例大多数来自汽车领域，这也是目前自动驾驶行业最火热的应用场景，但是，服务个人出行的汽车并不是自动驾驶技术影响深远的行业，其他的行业，如公共交通、货运、农业、矿业等领域，也同样是自动驾驶技术应用的广泛天地。

RNN——当处理诸如视频之类的时间信息时，RNN是强大的工具。在这些网络中，先前步骤的输出作为输入被馈送到网络中，从而使信息和知识能够持久存在于网络中并被上下文化。

DRL——将深度学习（DL）和强化学习相结合。DRL方法使软件定义的“代理”可以使用奖励功能，在虚拟环境中学习最佳行动，以实现其目标。这些面向目标的算法学习如何实现目标，或如何在多个步骤中沿特定维度最大化。尽管前景广阔，但DRL面临的挑战是设计用于驾驶车辆的正确奖励功能。在自动驾驶汽车中，深度强化学习被认为仍处于早期阶段。

这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，它们试图一起使用多种方法来提高准确性并减少计算需求。

一次在多个任务上训练网络是深度学习中的常见做法，通常称为多任务训练或辅助任务训练。这是为了避免过度拟合，这是神经网络的常见问题。当机器学习算法针对特定任务进行训练时，它会变得非常专注于模仿它所训练的数据，从而在尝试进行内插或外推时其输出变得不切实际。

通过在多个任务上训练机器学习算法，网络的核心将专注于发现对所有目的都有用的常规功能，而不是仅仅专注于一项任务。这可以使输出对应用程序更加现实和有用。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

⑻ 自动驾驶公司最新排名：特斯拉为何垫底

19家企业被分为四类：领导者、竞争者、挑战者和追随者，下面列出这四类企业具体包括哪些（排名分先后）。

领导者：通用、福特、Waymo、大众、戴姆勒-博世、雷诺日产联盟、安波福、宝马-英特尔-FCA

竞争者：沃尔沃-Autoliv-爱立信-Zenuity、PSA、Navya、网络-北汽、積架路虎、丰田、现代

挑战者：Uber、特斯拉、本田和苹果

追随者：无

综合排名中的前十名：通用、Waymo、戴姆勒-博世、福特、大众、宝马-英特尔-FCA、安波福、雷诺-日产联盟、沃尔沃-Autoliv-爱立信-Zenuity、PSA。

⑼ 自动驾驶排名远远领先，通用为何这么低调

因此近年来，媒体和科学文献围绕自动驾驶系统的伦理决策展开广泛讨论。而这些讨论大多是基于一个着名的哲学思想实验——电车难题。电车难题通过描述一个场景来展现道德困境，即一辆移动的电车冲向5个被绑在轨道上的人。一个手握操纵杆的人可以选择将电车转向一条侧轨，使其撞死一个被绑者；或者不进行任何操作，让电车撞死5个人。这种经典的两难境地现在已经逐渐扩展到了自动驾驶的软件决策逻辑上。

对于自动驾驶这个概念，很多朋友呢，都觉得非常遥远。但是在我们的日常生活中呢，自动驾驶已经开始介入我们的驾驶过程了。我们所熟知的定速巡航，其实就是最简单的自动驾驶技术。在一定的条件下呢，对车辆进行一个环境的设定，从而使车辆进入到一个自动行驶的过程。其实这个技术啊，在我们看来与自动驾驶并没有太大的关联，但是呢，在实际的自动驾驶分级当中呢，他属于比较低端的自动驾驶。特斯拉自动驾驶已经出过好几次的事故了，每次的事故最终的结局都非常惨烈。其他科技公司的自动驾驶基本上进程最快的也只是在路试阶段，真正里商用还有很长一段距离。

⑽ 百度无人驾驶技术在全球排名如何

谷歌旗下的自动驾驶公司Waymo的综合评分位列第一。中国的网络排名第七。仅供参考