展开

关键词

底NuTonomy——凭率先发布出租车

NuTonomy,一个让Uber汽车靠边站的公司,仿佛横空出世一般出现在了世眼前。那这家之前毫名气的公司到底有怎样的背后故事?? 这两在自动领域也有超过十年的经验。两创办NuTonomy的目就是开发出租车,为公共交通服务,方便们出行的同时也可以降低碳排放。? 当时默默闻的他们研发出来的这个系统并未受到关注,这也使他们决定转向的研发。直到2014年,他们推出来首款汽车,并且在新加坡进行实地测试,说有超过500名市民体验了这款汽车。 目前运营的所有NuTonomy出租车都配备有一名工程师,以防止意外情况下需要接管车辆。为首个上路的出租车,乘坐来到底感觉如何,就让我们通过下面这段视频来了解一下吧。? 而且此次推出出租车也能让他们获得更多乘客们在实际体验后的反馈,再结合这些反馈可以让他们对现有的系统改进升级,直到未来真正实现商化、市场化。

29430

【智深谈】奔驰和特斯拉自动拆招,谁家技术完胜?

Autopilot 仍是半自动的主流?这取决于你的预期。目前仍然没有切实的行业准在降落伞行业,有一点很好,那就是存在降落伞准,这要得益于降落伞行业协会。 降落伞的准非常清晰:了,还是没有。但是就没有这样的准。 俗话说,要比较苹果,我们首先要知道苹果是,它尝来应该是味道的。 二级:一些时候,汽车自己要随时准备控制。三级:大多时间,汽车来要做好控制汽车的准备,会提前有提醒。四级:全部由汽车完全不插手。 虽然提示器时不时会亮,但是,它太小了,以至于很难从上面看到的信息,并且,Drive Pilot的自动时间非常之短,甚至都没能确保我安全地拍一张照片。 我不理解的是,为奔驰会把它推向公众。基本上,我讨厌它的一切。它跑来就像是一个10岁醉酒少年跟一个14岁的醉酒少年在打斗一样。在大多情况下,它是危险的。辅助?还是司机吧。

48080
  • 广告
    关闭

    云产品限时秒杀

    云服务器1核2G首年38元,还有多款热门云产品满足您的上云需求

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    大事件:美国众议院通过车法案,但还得过参议院这道关

    此外,该部门有1年的时间来弄清楚,针对汽车的哪些特性需要制定性能准。凭可以知道,汽车搭载的传感器组合,包括激光雷达和摄像头,能确保安全?对于信息安全风险的保护措施如何? 隐私保护其次,这项立法要求自动汽车厂商思考如何分享乘客的。可以想一下,汽车公司知道关于你的多少信息:你在哪里工,住在哪里,每天早上将孩子送到哪里,5个月前经常去健身房。 根这项法案,这些公司必须制定“隐私计划”,描述它们如何收集、使和存储。它们还必须明确,户如何知道这些发生了,以及如果他们不希望分享自己的,那可以如何去做。 豁免权最后,这项立法使汽车的上路测试更容易。目前,联邦机动车辆安全准(FMVSS)规定了汽车如何设计。由于目前由的车辆仍然占大多,因此这些准以为本。方向盘和刹车踏板是必须的。 这意味着,更多汽车将上路测试。下一步是?目前已经完成的只是流程的前半部分。参议院还需要通过自己的法案。随后参众两院将共同努力,得出总统可以签署的法案。说来容易,做来可能更难。

    53250

    智能汽车的进化,从辅助

    辅助为智能汽车进化的点,其应已经较为普遍,而为重要发展节点的似乎迟迟不能推广应。这其中的原因是?辅助、自动之间有区别? 比自动泊车这样看来较为“高大上”的汽车辅助系统,初级的辅助系统早就普及,因为它早就成为车辆的配功能,在物理底层默默工,大家很少有留意到。 现在的技术并非不能做到,最近就有消息表明地铁将开始运行。?但汽车厂商对自动更多的是持保守态度,包括行业准。如此严格都是对生命的尊重。 例如经典的哲学问题火车困境如果被写入的代码中,论自动的判断规则怎样规定(撞向哪一方),此时都会受到攻击。主要运在交通运输等商车上,比如城市公交车等。 根预测,汽车约在2021-2022实现商。到2035年,全球汽车的销量将达1200万辆,到2050年,市场规模将超过40万亿元。

    33380

    那个曾经黑掉iPhone和PS3的少年,要把你的车破解成

    为Comma.ai创始,霍兹正在带领这家旧金山湾区的创业公司开发类似于特斯拉和谷歌Waymo的自动汽车。不同的是,Comma.ai向户提供技术,让他们自己动手去实现汽车的。 他说:“汽车只需要工程师,不需要汽车厂商、监管者,或其他这类。他们最好远离工程师的工。”之争已有73名司机正在使Openpilot。此外,有超过1000正在使Chffr。 到目前为止,这两款工具总共收集了超过100万英里的,而这也是Comma.ai计划的核心。该公司的工程师使这些去训练工智能行为模型。 其他开发技术的公司试图教会汽车去识别不同路况,并手动,例如超车道是样,禁行志是样。与此不同,Comma.ai依靠普通司机的模式和行为,训练Openpilot使的模型。 霍兹表示,这是正确定义的唯一方法:观察司机如何,记录,使这些来教会其他汽车。他把卡车比跳舞,但舞伴是重达两吨的汽车。Comma.ai的这种方法令不少感到担忧。

    44450

    【智深谈】李德毅院士:深度学习将成为智能的新维度

    觉得这是毫疑问的,从来没见过表征能力这强还这省心的模型啊。本期智深谈,经李德毅院士许可,将他在会上的研讨报告总结成文,记录院士对深度学习落地智能领域的看法。 轮式机器员开车时应该能“悄悄地”自学习,把转化为价值,把员脑转化为机器脑,并和机器行为融合在一,让员调教机器开车,让大开车,才有可能完美解决认知任务。 学弄清楚了谁教谁,院士接下来介绍了学,他将看做一个预测控制问题,主要使深度模型学习“员在回路中的预测控制”。 ),传感器原始经过识别后,有序填写在以车体为坐原点的方圆200米内的变粒度栅格图中,于认知决策。? 而院士团队另辟蹊径,把工神经网络于形式化之后的、基于可路权的态势图和反映全部内容的认知箭头形成的图对上,于认知阶段的深度学习,大大减少、简化了实时处理的量。

    51070

    【CES专访】英特尔副总裁:我打赌英特尔将成为的王者

    英特尔架构是构建端到端解决方案的理想平台。2. 5G网络——汽车与中心之间的“高速路”未来,汽车必须与十亿台设备一竞争网络带宽。 第一,在视觉处理的方案里,是不是要使Nervana的深度学习芯片?在激光雷达和摄像头的视觉图像处理方面,英特尔的解决方案是? 新智元:我注意到像高通和英伟达都把很大的展位放到了汽车馆,就是北展馆,我们想问的是英特尔到底把技术放在样的位置,因为这会涉及到一个生态系统,包括地图,为英特尔没有在汽车馆里设一个这样的展位呢 ,有性能,是样的东西决定了方案这些厂商能够留下来? 我想知道通的统一的时候能够推出,或者英特尔在今天推出共同的准做了哪些努力?Kathy:5G现在还在试阶段,现在很多产品也是这种“准5G”,我个觉得韩国这方面是走的比较靠前的。

    35750

    【智深谈】不出三年就会上路的 5 大原因

    这也解释了为美联储以及20个主要汽车制造商一致同意,在2022年前将快速自动紧急制动为所有汽车的一项生产准。? 为担心隐私泄露有些认为,自动会泄露我们的隐私。那到底是隐私呢?应该是我们被秘密记录下来的日常隐私。摄像头处不在。 然而,大多却都这做——至少随身带着一台能联网能记录的装置。让我们回顾特斯拉的案例——特斯拉利证明,事故是员造成的而非特斯拉汽车的错。 即使马斯克的是精确的,但问题是:们会原谅一由机器而不是导致的交通事故吗?Dixon认为,谈到的未来,这也许才是最大的问题。 “也许在5年内,你就能上和一样好的车,即使是在城市里,但是,造成的任何一车祸,都可能会成为报纸的头条。”

    425110

    ROS2机器笔记21-03-14

    像这样的的方法没有问题,除了它提出了一个问题:如果有时会发现自己可以决定的情况,那第4级自动系统是否应该真正被称为完全自动并且完全独立于员?向远方的寻求指导。 看来似乎很花哨,但是清楚地了解自治系统可以做和不可以做非常重要,尤其是当此类主题与可能没有太多机器或自治背景的们越来越相关时。 两者之间的差异是我们在负责执行整个动态任务的Waymo(Waymo Driver)开发的L4系统与L2或L3系统之间的差异。Waymo的车辆法自动操的特定操条件是? Waymo的车辆与乘客一时的脱离率是多少?脱离的最常见原因是?“脱离”通常是指汽车中的车辆操员何时将模式从自动模式切换到手动模式。 它涉及不确定性的推理(以及我们自身在感知和解释方面的局限性),其他代理的意图以及其他代理的行为将根我们的行为而变化的推理,并利百万英里的真实世界的经验和切入点先进的机器学习可加快行为的进展

    7030

    把命交给自动,你放心吗?

    如果开展一项调查,问:样的自动功能你才会去使?我相信99%的会说,肯定是安全。还有那1%的会拒绝回答——这难道不是废话?那,如何证明自动是安全的? 这些足以证明类的水平安全系还是很高的。 2016年9月23日,谷歌测试车在美国山景城遭受了一辆道奇商货车的严重撞击,致使测试车受到了严重的损坏,并未造成员伤亡。? 自动安全:不同国家不同定义类需要严格的交通证考试进行考核合格后才能上路,相比类,自动的安全考核准更加庞大和繁杂,需要整个生态和交通系统进行合共同命题。 具体到生态系统方面,一要等待物联网、车联网的建立,智能汽车系统和车载智能操系统的完善,以及工智能算法、5G、云计算、大等核心技术领域取得新的突破;二是建立健全的适应自动发展需求和应的法律法规

    16450

    李开复:类是智慧交通的最大阻碍,必须一步到位

    谷歌、百度等互联网公司有很多,银行、保险等也可以把已存的拿出来,但交通领域很多场景没有,比如“每辆车开在地方”。提取这些新的关键是布置更多的传感器。 怎存储比今天再大一百万倍的量?今天在淘宝做一次点击只产生非常少的量,但要知道一辆车每两秒钟走到地方,需要的量非常大。 摩拜+滴滴,基于大做交通精准预测下面我几个公司为案例,讲一下大对智慧交通的不可被信任,自动必须一步到位到底时候来?创新工场的看法是,必须一次到位,没有所谓的机协同。这句话怎理解?谷歌公司做过一个有趣的实验。 货车其实是非常好的,因为里面没有乘客,大部分在高速公路上飞奔,可以收集,没有危险。还可以跟随的方法,第一辆卡车有监督,后面的车是全,只要跟着前面的车就行。?

    472110

    首个中国货运商业化运营落地!飞步技术加持,中邮政德邦上路

    现在,国内新纪录同样来自飞步车,而且开风气之先,引领中国货运商浪潮。?从2018年双11开始,飞步就与中国邮政、德邦物流达成合,开启全场景、中短途的L4级货运商。 3600公里,概念? 可以完成一次中国从北到南的自。但实际意义可能远非字能概括。何晓飞教授解释,因为目前商运营的路线,偏中短途,与直接高速公路里程、封闭区间低速运营有很大不同,难度还要更高。 不过论如何,这已是中国第一份明文字的自动货运纪录了。而且目前还谨慎试水阶段,尚未大规模铺开。按照飞步科技规划,如果下一阶段顺利实现100条商线路,里程和各方面成绩,都将进一步得到刷新。 总之,中国货运,在2018年已经步,而2019年只会迎来更大发展。?飞步凭?但问题也来了:凭是飞步? 而飞步的目是,增开100条新商线路。当然,货运商,不仅是商价值的证明,还有潜在的社会意义。

    24820

    Mobileye CTO CVPR演讲:机器学习和将带来哪些冲击?

    Mobileye占了ADAS市场90%的市场份额,连Tesla也搭载了其开发的系统。Amnon Shashua为著名的希伯来大学的计算机科学教授,在工智能领域也是积累了丰富的经验。 只有将这三项放在一综合考虑,才能避免它的发生。传感器:传感器是关于自动定义最精确的技术关于传感器的选择和使有两点比较常见的疑问。第一点是,为一定要相机? 看来这其中的联系有点隐晦,但是当我跟你解释清楚之后你就会发现其实很简单。?地图是自动中一个非常必要的组成部分,对安全非常重要。如果没有这份地图,算法可能根本法实现。 因为车的量将会变得非常多,所以每辆车产生的地图必须非常非常小——预计每千米10kb的量,这样论采方式传输,一天下来大概只会花掉1MB左右的流量在上传和下载上,这样的量是可以接受的 ,不然不仅法承受,服务器也法负担如此庞大的量。

    63890

    【The Information】车最新排名:谷歌第一,百度居中滴滴垫底

    另一个重要的考虑是,这些公司追求的目并非一致。一些汽车制造商没有定义自己的系统在使时有局限。即使在短期内也有不同的目。 Uber 测试的泄漏凸显了Uber 技术的稚嫩。 德尔福比大多玩家更快地在公众面前进行了汽车合格测试。为通汽车公司的前汽车零部件部门,德尔福上周宣布,将在法国诺曼底运营两辆车辆,为新加坡和某未知美国城市的计划的补充。 但是,如果开发汽车是一场竞赛,竞赛的内容是看看谁能够尽可能多地收集,以便训练算法来了解员可能遇到的各种场景,并出正确的决定,则特斯拉是一个沉睡的巨。 这表明沃尔沃自己在这个领域没有多少技术,或许这也是为沃尔沃卖给Uber以千计的汽车,目是与Uber联合研发自动汽车技术。

    484100

    【独家】Google测试中心幕后揭秘(附最新测试报告)

    谷歌分析称如果员没有接手,那很 可能会发生 13 汽车与其他车辆或物体相“接触”的事故。 Levy 给我们带来了第一手的测试体验,在那些字之外,也让你对乘坐汽车究竟是体验有更为直观的感受。 在模拟了车在自动时可能会发生之后,谷歌称,仅仅有13件事故能够导致Google SDC碰触其它对象,2项是交通锥引的,10项是由于其它交通工具引的,还有一项是们在一个十字路口穿越街道引的 对于自动车来说,绘制出来的街道路线相比收集到的街道视图来更加复杂。在道路上来回行次,这样车中的激光和雷达才能收集齐路边的特征和奇特点。 我开始把车“开”出停车位,相比来我亲自开的时候紧张多了。毕竟哪怕出来问题,谁又能责怪我呢?我是完全没有过错的。

    53530

    究竟还要等多久才能坐上真正的汽车?

    技术距离我们还有多远?消费者和投资时候才能看到汽车面市?这个难以回答的问题的答案取决于你所谓的“”、“消费者”和“面市”究竟是意思。 “”是意思——要看级别。在跟有关的文章里,经常可以看到“L4”或“L5”这样的说法。这些级别由国际自动机工程师学会(SAE International)制定,已经获得全球广泛接受。 在谷歌10月13日发布的《通往完全自动之路》的报告中,Waymo表示目前在解决我在哪,周围有,接下来要发生,该怎办这四个问题,也就是在做L4自动相关研究。 但论我们何时与专家沟通,他们的答案都与Salesky相同:L4汽车可以在天气良好的时候,在拥有完善地图的地方自动,这可以在短期内实现。 2021年:L4的通、福特、沃尔沃开始投放量产车,初可能是仅限于豪华车的昂贵选装件。2024年左右:L4汽车可能广泛普及,至少可以为很多主流汽车的选装件。

    31940

    【姜岩】对于普及,我们有了这四点认识

    1、靠实现产业化雷锋网:驭势具体在做?进度如何? 我们公认的是一旦推广,共享经济就会来,汽车的保有率会降低,那这肯定不是汽车厂商希望看到的,车厂希望看到的不是「消灭」员,而是强化汽车的某些特点,让员更安全的体验更好,这对车厂才有意义 的目是提高交通系统的效率,完全把类从过程中解放出来,因此他承担了更多地社会责任。雷锋网: 既然是提高交通系统的效率,怎实现的交通系统? 我认为消灭员的需求只对成本很敏感的应存在,对于消灭家员持怀疑态度。3、关于的商业化 雷锋网:为现阶段大部分都在院校的研究阶段? 姜岩:自动的车辆一定要有一个完整的记录的功能,发生事故以后,能将周围所有复杂的观测情况、处理结果和原始记录下来,能够完整呈现当时发生了,把计算出来,对比不同的计算结果:是计算能力达不到

    54780

    曹旭东7000字剖析:端到端的学习(end-to-end learning)靠谱吗?

    文章发布后,很多读者对于这个携带深度学习再一次袭来的自动公司涌现了很多疑问,曹旭东特此从技术角度详细回答了关于Momenta的8个质疑,全文如下。?1 问:为选择创业? 3 问:你觉得最大难点是,最重要的是安全。高安全性意味着低事故率。一个系统做到很低的事故率,通常要 做两件事情,一个是发现问题,一个是解决问题。 6 问:是高精地图(HD Map)?有价值?高精地图是一个宽泛的概念,需要达到两方面的高精度。高精度一方面体现在地位置的高精度。 本质上,决策学习的是道路环境到行为的映射, 也就是这种情况应该怎开,那种情况应该怎开。如果获得环境和行为的海量,就可以通过 驱动的方式学习决策。 端到端学习指的是输入视频序列、输出刹车油 门方向盘的操序列。英伟达和comma.ai都使端到端深度学习,开发出了的demo系统。

    81351

    自动汽车硬件与软件技术介绍

    来源:知乎概要:本文详细介绍了自动汽车的硬件和软件,以及所需要做的准备工,每个研发者或者准备投身于领域的都应该好好看一下。 全球有不清的公司在忙着研发自动汽车,他们的产品也千奇百怪,不过基本思路和核心技术是类似的,本文详细介绍了自动汽车的硬件和软件,以及所需要做的准备工,每个研发者或者准备投身于领域的都应该好好看一下 预处理传感器的信息拿到后会发现不是所有信息都是有的。传感器层将以一帧一帧、固定频率发送给下游,但下游是法拿每一帧的去进行决策或者融合的。为? 个对这一块不是很了解,不敢妄评论。软件长样子?自动系统中的部分软件看来和下面类似。 OpenCVOpenCV 是一个非常强大的库,其中封装了大量的可应研究的函,包括各种滤波器算法、特征点提取、矩阵运算、投影坐转换、机器学习算法等。

    1.1K90

    解密Drive.ai:一个完全深度学习搞的异类

    模式并非只能在图像识别中,决策、动规划同样有模式,同样能利深度学习技术,在某些场景下,深度学习来做决策甚至比基于规则的传统方法更好。但是,大多自动团队都只把深度学习在识别中,为呢? 注是一项简单而枯燥的工:一个类,面对着一段短视频,甚至可能是几帧图像或者激光雷达,在图像中的每一辆车、每一个行、路、交通灯等等可能与自动算法相关的物体周围画上方框。 Tandon说:“在很多场景中,我们的深度学习系统已经比注得更好。”Drive.ai并不清楚为其他自动团队不深度学习来进行自动注。 总体而言,这辆车行的非常平顺,但不如员那自信。这是有意为之,Smith说:“我们一直以谨慎的态度运,宁愿聊,也不愿因激进而让不舒服”。 对于这家公司来说,一旦某条路线上自动系统没有发生脱离,他们就会重新选择一条路线进行挑战。这样就能更加有效的注和训练新。Drive.ai还在推动让车可以像类一样意思?

    50290

    扫码关注云+社区

    领取腾讯云代金券