970
機器人
你應該知道的無人車知識點——人工智能爆發點
自從16年烏鎮百度無人車，再到17年無人車北京五環之行，我國無人車發展應用已然走在世界前列，雖穀歌最早研究，而且技術綜合實力最強，但商用路途依然落後些。
首先，簡單科普無人車基礎知識點，敲黑板，知識點。自動化駕駛汽車分為 4 個級別，分別是 L1 輔助駕駛階段、L2 半無人駕駛階段、L3 高度無人駕駛階段和 L4 完全無人駕駛階段，目前百度已經實現區域L4完全無人駕駛。無人駕駛汽車主要依靠車內的傳感器和以計算機係統為主的智能駕駛儀來實現無人駕駛，涉及計算機視覺、環境感知、決策規劃、智能控製、傳感融合、語音對話、高精定位、高精地圖等前沿技術。
無人車外觀
講了有些專業，最終實體參照上圖，其中上麵怪怪的凸起，就是終端環境感知設備——雷達，其汽車大腦分為高精地圖、感知係統、車載計算中心三大部分。
其中，感知係統由用於自身定位和采集周圍環境信息的64線激光雷達、檢測前方障礙物的毫米波雷達以及識別紅綠燈及交通標識的2個高動態範圍相機模組等傳感裝置共同構成。
現在車載大腦計算能力都是架在汽車裏，想想如果未來也可以放在雲端（歡迎大佬打臉），量化難度應該更低；當然汽車大腦硬件也很昂貴，64位激光固態雷達太貴（位數越多，掃描間隔越短，識別延遲更低），8萬美元一個（經驗說法：一位接近1萬人民幣），比車貴太多了，後續量化都可以減少成本。
扯了很多無人車目前應用，以及無人車主要構成，我想大家可以了解，百度穀歌技術公司負責智能大腦軟件係統，主機廠還是繼續做了不起的製造商（幾十年造車積澱不是吹吹就可以），最初穀歌連主機廠都要顛覆，穀歌也要造汽車（特斯拉可以，我為啥不行？），百度把無人車搞個專利找主機廠去賣，但是主機廠更沒閑著，花重金去自己埋頭搞無人車。
主機廠的無奈
但是突然出來攪局者，這回竟然就是百度，發布阿波羅計劃，我免費給大家用，大家別自己搞，我們一起弄多好呀（我隻搭台子），類似穀歌安卓生態，竟然從個名不經傳的小子，成為穀歌一個臂膀了；故百度阿波羅平台計劃，實在是給很多中小主機廠實現彎道超車機會，當然迅速提升門檻，蹭人工智能熱點搞無人車創業公司迅速擠掉泡沫。
好了扯了一些無人車江湖，這邊繼續講講知識點，首先，前麵無人車大腦三大部分：感知係統、高精地圖、車載計算中心
穀歌無人車原理圖，車載計算中心未顯示
感知係統（眼睛）：
什麼原理呢？其實很簡單，當人來駕駛的時候，駕駛員能通過自己的眼睛來判斷前方的路況，比如周圍是否有車，前方是否順暢等，代替司機眼睛（司機有較大範圍盲區，無人車就盲區極小），無人車的上就是激光雷達。
激光雷達做啥呢？先要識別出汽車周圍的環境，然後將檢測到的數據傳給高精密的處理器，識別道路、標示和行人，然後處理器再根據反饋的數據，做出加速、轉向、製動等決策。為了減少掃描延遲，百度應用無人車隻能選擇64位昂貴的激光雷達，這樣緊急情況處置比老司機還靠譜。
激光雷達多重要？好比司機閉眼開車，純靠感覺不出事才怪。
感知係統目前是由激光雷達(LiDAR)+ 毫米波雷達（millimeterwave）+視覺傳感器組成；其中毫米波雷達便宜多了，已經應用於很多車型，L3特斯拉就是應用該設備，比如邁騰自動倒車雷達就是該類型。視覺傳感器很好理解，就是用攝像頭作為主要傳感器。主要是因為攝像頭分辨率進高於其他傳感器，可以獲取足夠多的環境細節，當然缺點也很明顯，比如識別錯了……幾個月前特斯拉車禍事件，就是因為特斯拉的攝像頭傳感器並沒有識別出掩映在藍天白雲下的白色的大卡車，從而釀成悲劇。
特斯拉輔助L3駕駛艙
高精地圖（千裏眼）：
高精地圖在自動駕駛過程中有三大功能：第一，自動駕駛的“千裏眼”，提前知曉位置信息，精確規劃行駛路線；第二，自動駕駛的“透視鏡”，在攝像頭看不清或雷達檢測不到的地方，及時反饋數據；第三，充當自動駕駛過程中的“安全員”，能精確識別交通標誌、標線等上百種目標，提前做出準確判斷和決策。
比如路線規劃、是否可以並線等等，相當於告訴大腦哪裏可以走，哪裏需要怎麼走，是無人車重要基石。所以說，如果高精地圖沒有測繪到地方，無人車隻能靠肉眼即時判斷，難免會出錯，而且違反交通法規可能性更高。
高精地圖采集車三維數據采集精度厘米級
車載計算中心（大腦）：
主要提供計算力，將實時圖形與傳感信息進行深度學習處理，過去吳恩達教授（前百度數據科學家）發現GPU集群在深度學習上運算力陡然提升（對的，GPU就是那個做顯卡NVIDIA生產的），這才將深度學習暢銷起來，使得我們人工智能在計算力上工業化具備可能。扯遠了，車載計算中心，就好比我們大腦，依據眼睛看到周邊反映，控製油門、刹車與方向盤，實現決策。
講真，作為無人車體驗者（我當然不會告訴你們，我是乘坐是百度L4級無人車），講講車載計算中心確實占些空間，後加會占據普通駕車後備箱，GPU集群占得麵積就不小，但是若是主機廠設計就考慮內置模塊化，這個不算什麼問題；再說，深度學習仿真模擬確實需要是數據與時間積累，比如我體驗那段，雖然老司機已經教了很多遍（就是記錄老司機駕駛軌跡與駕駛動作），但是舒適度理解還是弱，刹車與轉彎偏生硬，還需要優化的。以上是缺點，但優點是太酷炫，自動規劃路線，周圍仿真識別很棒，感覺人工智能越來越近。
我坐的就是這個，林肯，不是奇瑞
GPU集群
最後歸納下與補充知識點：
1、 無人車已經脫離實驗室，可以小規模區域應用，人工智能在無人車將快速爆發；
2、 無人車是軟件智能係統，尤其GPU計算需要是電，而非汽油，故電動車或油電混合更適合無人車，想想我國大力推廣電動汽車，一方麵我們擺脫汽油主機廠巨頭絞殺（扯遠點，發動機、變速箱我們真的差的有點遠，想想有點心塞了），同時也促進無人車應用，無人車造車門檻適合中小主機廠，所以是中小廠商彎道超車機會。
3、 無人車走向我們生活，更多需要是立法與監管完善，人工智能新興事物，我們還是討論是否必要發展呢，更有科學家直言人工智能是災難；故沒有政策支持，一切都算在實驗室倒騰，無法商用變現，企業可耗不起。
4、 目前存在成本居高，未來交給實體製造業就行，工業革命帶來量化低成本是我們今天幸福生活的基石。
最後的最後，發表個人對於無人車市場應用預判。雖說大家注意力在乘用車無人車上，但是個人反而認為卡車等商用車應用反而是優先應用的，針對商用車消費者來說，主要用於物流企業，隨著人口紅利消失，城際物流成本中關於人力成本上升明顯，如果商業車實現智能無人化，物流企業樂意見之，這也就是主機廠在無人車首先突破的點，比如解放無人車，不僅僅城際成本需要無人，而且城際道路是高速路況好的路線，更適合無人車。同樣，許多依附汽車行業的細分領域，比如融資租賃、共享出行、汽車保險，均會存在顛覆變革。
一個聰明的眼神就夠了
舉個栗子，車險行業是基於行為人與汽車類型進行定價，汽車類型影響配件價格屬於客觀因素，但主觀行為人是定價核心，如果駕駛者變成計算機大腦，傳統車險計算體係重置了；另外租賃業務比如出租車，出租車司機職業麵臨升級。
當然，我是人工智能樂觀派，希望無人車能夠在我國優先落地生根，從而引領影響全球。
最後更新：2017-10-07 22:50:54