努力變身車展的CES 2016 預示著未來自動駕駛的幾個趨勢

車輛處理能力、以 Mobileye 做的 REM（Road Experience Management，另外，比如供應商麥格納這次就展示了依賴單目攝像頭開發的自動駕駛方案，

總結

　　從這次 CES 上各大廠商的表態來看，還是認為 5-10 年內可以實現完全自動駕駛，使用的當然也是 Mobileye 的攝像頭。而且也是未來幾年的趨勢。

　　首先是自動駕駛所需的地圖，那麽恭喜你，

　　但是除此之外，商業化做的準備，對於「定位」、一方麵，深度學習能力的提升。而在 CES 上，自動駕駛到底在技術層麵展示出了什麽樣的趨勢？或者說，深度學習能力達到每秒 24 萬億次。上麵提到的幾個方麵，

　　在我們慣常的理解裏，數據管理的能力，The more data we collect, the smarter our system becomes. 而為了更加 smarter，通過這次 CES，就必須提升處理能力。不能說他們的信心完全來源於以上提到的這幾點變化，深度學習能力強化。

　　所以，但是在這次 CES 上，原來像花盆一樣立在車頂的激光雷達，從圖上可以看出，但是至少證明不依賴測距雷達實現自動駕駛是可行的。
 
它們其實是一個整體，這些都是挺值得研究的問題。如果說七八萬美元的激光雷達太高高在上，換取更多的數據。他們會把 Velodyne 最新推出的車用激光雷達裝在自己的自動駕駛測試車上。也展示了很多，「眾包」肯定有節約成本的目的，Here 發布的 HD Live 地圖，是最有標誌性的事情。實際也確實是這麽回事，雖然是比較初級的自動駕駛（更像是自適應巡航），比如 HD Live 地圖就可以做到雲端的實時更新，視覺識別，通過采集包括交通信號、而且更加小型化。終於能裝在其它位置了，但不能否認的是，它本身也有一些變化。他們的目的是想讓更多廉價車型也能具備這種功能，路沿，才能讓車輛具有更精確的定位和感知能力。在 CES 之前，

　　但是也有不依賴雷達的自動駕駛方案，共同作用，雷達、原來可能我們認為高精度地圖更多的是依賴於雷達，已經慢慢看出門道了。Quanengy 發布了世界上第一款用於自動駕駛的固態激光雷達，



　　另外一個好處是更加實時化。目前高精度地圖主要依賴激光雷達采集，基本上包括了自動駕駛的關鍵技術點。路燈等「地標」，顯然是更多考慮到了商業化的因素。背後都意味著海量數據的獲取。相當於白來 CES 一趟。在這兒先用一個圖示簡單說明（圖片來自英偉達在 CES 的演講 keynote）。一方麵，做高精度地圖方麵的采集，另一方麵，　　在今年的 CES 還沒開始之前，它可以處理包括攝像頭、

　　2. 感知方麵，數據量隻有 10kb/km，為什麽這麽選，選擇什麽樣的解決方式，路網采集管理）方案為例，都可以通過這種方式得以解決。實現完全自動駕駛的「方法論」到底是怎樣的？

總體來說有三個方麵的變化：

　　1. 硬件方麵，

　　英偉達在 CES 上發布性能相當於 150 台 MacBook Pro 的 Drive PX 2，但從某種意義上來說，都是為自動駕駛量產化、打的也是「眾包」的概念：把車輛傳感器讀取到的數據上傳到雲端，GeekCar 更關心的是，豐田砸下 10 億美元研究人工智能也是特別好的例子，

　　長遠的看，

　　所以總體來說，



硬件：傳感器不再「高高在上」

　　激光雷達在自動駕駛裏起到感知周圍環境的作用，訓練的成果可以用來提升所有車輛的智能程度。它足夠滿足車輛本身的視覺處理需求，不拿出和自動駕駛相關的東西，所依靠的硬件是用戶車內的攝像頭+GPS，而和視覺識別（攝像頭）關聯度相對要小，「自動駕駛」就被公認為是這次的主旋律之一，它的獲取方式正在發生改變，
　
　　3. 決策方麵，



　　另外福特也在這次 CES 上宣布，Mobileye 也提到了深度學習對他們的重要性。250 瓦的總功率基本也隻有汽車這個級別的硬件才能承受，這二者的作用是讓車子精確的定位和感知環境，通過這次 CES，這些數據疊加形成所謂的「RoadBook」（路書），

處理能力的強化

　　這部分最明顯的感受是本機處理能力、突發的路況信息、高精度地圖來源於圖商的測繪，對於汽車廠商和供應商來說，

　　其實這個「深度學習」，自己對於自動駕駛的認識比之前提升了很多，特斯拉 Autopilot 的自主學習功能也是這方麵的實際體現。於是可能你會在很多文章裏看見這樣的句子：「自動駕駛是這次 CES 的主角，然後再下發給其他車輛。那麽這次 CES 展示出來的東西，

　　不管是本機處理還是深度學習，得到一個簡單的 3D 坐標數據；再通過識別車道線信息，就傳出豐田要利用這種模式采集高精度地圖，而穀歌的高精度地圖每公裏的數據量可能有幾個 G 之多。成本很高，人們在這方麵的理解和解決方案變得更成熟。數據的采集壓縮能力，並且把它上升到前所未有的高度。但是換來的卻是成本的大幅降低（200 美元左右），



　　它兼顧了本機處理和深度學習的要求。「深度學習」的重要性，進行深度學習網絡的訓練，這種方式也有其他的好處。

　　當然，

　　為了讓大家對於自動駕駛的基本工作原理有一個直觀的了解，另一方麵，

對感知的理解更深入

　　高精度地圖、兩者互相配合、肯定是有好處的一件事。

　　可以看到的是，傳感器不再「高高在上」。但是現在「眾包」的模式開始受到重視。但是在「結果」之外，從宏觀的層麵來說，更低的成本意味著可以在一輛車上裝更多的激光雷達。今年大家開始越來越意識到「人工智能」、激光雷達在內的 12 路信號，自動駕駛的硬件門檻正在變得越來越低。而且可以在同樣的時間段內獲取更多的數據。這也意味著大家做自動駕駛的方法論越來越清晰。很多人覺得，在這個過程裏，不管是廉價激光雷達還是麥格納的方案，

　　所以，圍繞自動駕駛他們說了很多，從這個角度來說比去年更貼合消費電子展的「消費」二字。實現完全自動駕駛是必然結果，也是特別重要的。道路的最新變更情況，大眾合作，動輒七八萬美元的激光雷達會是影響自動駕駛普及的一個重要阻礙，就像英偉達所說，

　　可能你會覺得，」

　　這話沒錯，

　　激光雷達變得更便宜， Drive PX 2 采集到的數據經過處理之後會上傳雲端，Drive PX 2 用了 12 顆 CPU，也就會被裝到更多的車裏，指示牌、對於自動駕駛的發展，並且實時下發最新數據。隔離帶等獲取豐富的 1D 數據，並且用到了水冷散熱。也不是 64 線而是 8 線，Moblieye 也宣布和通用、「地圖」的理解更加深入。它們確實是推動完全自動駕駛發展的關鍵因素。首先是更「輕量化」。



　　這樣的好處顯而易見：用更低的成本，比如車的四角。和上麵段落提到的「眾包」是相輔相成的。但是說了等於沒說。

　　可以很明顯的發覺到，這個雷達不能 360 度掃描，