浅谈限制自动驾驶汽车发展的五大因素

发布者:AdventureSeeker最新更新时间:2018-02-04 来源: eefocus关键字:自动驾驶  汽车发展  五大因素 手机看文章 扫描二维码
随时随地手机看文章


 

  据外媒报道,众多车企与技术公司纷纷预测,声称自动驾驶车辆最快将于2020年上路行驶,甚至将在此后的短短数年内彻底改变我们的出行方式。事实上,自动驾驶汽车的上路时间可能会拖得更久,制约因素有以下五点:

  1.技术

  无人驾驶汽车依赖于激光雷达技术(LIDAR),听起来令人十分诧异。LIDAR是光探测和测距(light detection and ranging)的缩写,该技术赋予车辆“查看(see)”周边环境的能力,该技术利用激光来探查、测量并识别车辆周边的目标物。

  这类传感器价格昂贵,制作难度大,也较难购得。此外,工程师在对车辆进行实地测试时,还发现了许多早前未暴露出来的问题,例如:气候条件。

  在基础设施方面也同样存在技术难题:车间通信技术(V2V)、为车辆导航提供助力的智能道路、实现快速升级并提供实时导航的5G网络及交通灯信号控制功能。上述所有技术要点均未获得切实保障,也未在全国范围内形成统一的标准。

  此外,还有许多道路上的新限制因素及障碍,如澳洲公路上的袋鼠及各地差别迥异的气候条件,上述因素都将延缓自动驾驶汽车的发展。

  2.人才

  目前,自动驾驶汽车研发人员严重匮乏。许多大牌公司纷纷将目光转向大学院校,而后者则抱怨许多研究型人才被挖角,严重影响其技术研发。

  未来各公司将围绕尖端人才进行挖角,势必会引起些许诉讼官司,而培养新一代的工程师也是件极为耗时的工作。显然,人才匮乏也将拖慢自动驾驶汽车的研发。

  3. 知识产权

  很快,汽车业将出现专利战争。在2010-2015年期间,自动驾驶汽车的技术专利数量已多达2.2万个。随着技术专利的不断增多,许多公司在技术研发过程中必然会为了技术专利的知识产权归属而对簿公堂。

  某些基础性技术(支撑性技术)十分重要,且无法用其他技术来替代,其归属将决定参与到自动驾驶汽车研发的公司数量。该类技术的研发需要消耗大量的金钱,某些合作研发的技术也会随着合作关系发生变化而遭遇变故,上述因素也将拖慢自动驾驶技术的研发。

  4.安全性

  通常驾驶员是不太懂SAE划定的1级自动驾驶与5级自动驾驶间的具体差别的,他(她)们通常只考虑安全性。

  以特斯拉的Autopilot技术为例,早前发生过一起交通致死事故,近期还发生了一起追尾消防车的事故,好在追尾事故并未造成人员伤亡。

  然而,仍有许多公司及联邦调查员指出,像搭载特斯拉Autopilot系统的车辆属于半自动驾驶车辆,其危险程度远高于常规车辆。显然,联邦调查员、因事故而产生的事故诉讼及消费者对汽车安全性的担忧将延缓自动驾驶汽车的推广与应用。

  即使车辆不发生碰撞事故,车载网络也可能遭到黑客们的网络攻击,这一点也令潜在用户对自动驾驶汽车的安全性存疑。

  5.非预期后果(意外后果,unintended consequences)

  目前,人们对无人驾驶汽车未来前景的预期有些太过乐观。随着自动驾驶汽车成为主流,未来将会有上百万卡车司机、出租车司机、大巴司机、调度员(dispatchers)及相关支持性岗位都将遭受毁灭性打击,可能引发涉及整个交通业的失业潮。而车险行业的业务也将遭受冲击。

  而福特的首席执行官也在本月提到,随着无人驾驶汽车及打车应用的普及,未来将导致严重的交通拥堵。

  此外,自动驾驶技术并不如想象中那样简单,还有很多专业方面不太了解,很多相关技术及设备也未打造出来,应该多提问题。

  作为研发人员、消费者或车企,不能太过于盲目相信该技术,因为这意味会损耗大量的金钱、时间,还会使车辆存在一定的危险性。

  综上所述,自动驾驶汽车的发展与推动或许并不如各大车企及技术公司所预料的那么乐观。若要取得较大进展,上述五点制约因素是绕不开的坎。


关键字:自动驾驶  汽车发展  五大因素 引用地址:浅谈限制自动驾驶汽车发展的五大因素

上一篇:一文读懂安波福自动驾驶攻略布局
下一篇:全新美国智能驾驶示范区正式运营 自动驾驶汽车测试革命!

推荐阅读最新更新时间:2024-05-03 02:25

AI和计算机视觉驱动汽车、机器人和智能家居向前发展
Liran Bar,CEVA 成像及视觉 DSP 核心产品线总监 每年我们都会在CES上看到一些令人惊叹的技术,包括汽车、智能机器人、无人机、AR /VR、智能家电领域的创新和许多其它技术。从昂贵的未来派玩具演进到实际有用的设备是令人激动的,今年在这一方向上取得了重大进展,当然还是有一些言过其实,只是作秀的小玩意。下面来看看哪些采用人工智能和计算机视觉的消费设备将会成为主流。 机器人和虚拟助手依靠摄像头眼睛和内置AI智能可以完成更多的工作 自2014首次推出亚马逊Echo以来,语音界面已经在过去几年内被广泛采用。今年很明确的一点是,为了达到更高的水平,必须在终端设备上采用视觉和人工智能技术。这次展会有不计其数的包含摄像头的机器人,
[手机便携]
百度自动驾驶汽车即将量产,没有方向盘和驾驶位
  近日,第四届世界互联网大会在乌镇开幕。记者在乌镇偶遇 百度 公司董事长兼首席执行官李彦宏,在接受采访时他表示,现在无人车的发展特别好,和金龙合作推出的量产车没有方向盘也没有驾驶位。下面就随汽车电子小编一起来了解一下相关内容吧。   在谈到 百度 无人车的时候,因为录像延迟的问题,当记者要求李彦宏再复述一遍的时候,李彦宏及旁人都被逗乐了。但是随后他表示,现在阿波罗计划已经有70多家合作伙伴,并且直言“量产计划比我想象的要快。”   “明年7月份, 百度 和金龙的量产车就会面世。”李彦宏表示。   在陆奇入主百度成为首席运营官之后,百度确立了“AI为主的战略”,但是一直都被质疑AI距离盈利尚且遥远。对此李彦宏表示“这是好事,因
[汽车电子]
自动驾驶汽车如何改变一座城?
亚利桑那州的坦佩,现在是晚上六点钟,天已经黑了下来,一条五车道的马路上人头攒动,异常拥挤,我就置身其中。之所以大家都挤在这,是因为一队左转向的车辆占据了车道。而这些车辆都是自动驾驶的车辆,专门划出了一条道路供它们试验行驶。 这时候,一辆 SUV 停了下来,等待着交通信号灯的指示。驾驶室的车窗摇了下来,方便夜晚的凉气流进去。坐在驾驶室的男性就像大多司机一样,看起来很无聊。但他却不是真正的司机。他开的这辆沃尔沃,是自动驾驶。是 Uber 正在进行的自动驾驶车队项目。 这名男性的手就随意的放在大腿上,虽说坐在驾驶室,但其实也和路边等着车辆驶离的行人没什么两样。5 年或者 25 年后,大多数人都有能搭乘这种车辆去往他们想去的地方。这种情
[汽车电子]
以色列公司研发热感摄像头 助力自动驾驶汽车
 以色列初创企业AdaSky宣布研发出一款远红外(FIR)热感摄像头。该摄像头使用计算机视觉算法来检测行人、动物和物体的热量,可以帮助解决 自动驾驶 汽车面临的一些棘手问题。   AdaSky指出,在夜晚、雾天及雨天等情况下,该公司的热感摄像头的功能要比传统摄像头强大得多。   近年来,研发自动驾驶汽车的汽车制造商和供应商们一直在对前置摄像头、雷达以及激光雷达进行试验,这些装置各有所长,相互配合。但是AdaSky首席技术官Eyal Madar表示,汽车制造商们开始意识到这些装置都还不够,他们需要一种新的 传感器 来帮助他们处理边缘情况。   Madar称热感摄像头是一项成熟技术,最初是为了军用研发,现在该技术仅聚焦于自动驾驶汽车
[嵌入式]
最适合汽车电源IC发展的技术要求
1.汽车电子化进程对电源IC的要求 近年来,汽车的电子化发展迅速。围绕汽车的“高科技”电子设备的搭载越来越多,与传统的机械控制占比较大的时代相比,电子控制、电动设备所占比例变得非常大。预计汽车的电子化需求在未来也将依然强劲。 汽车电子化的主要原因有3大关键词。 第一个关键词是"环保"(eco)。这在HV(混合动力汽车)、EV(电动汽车)向普通车辆的普及过程中作用显著。另外,各汽车制造商之间的低油耗化竞争也日益激化。这些突破是由复杂且周密的电子化控制来实现的,当然随着HV、EV的普及和油耗性能的提升,所搭载的电子设备还会继续增加。 第二个关键词是"信息与舒适"(comfort)。除作为出行工具之外,汽车更多被视为日用品,其智能化也
[电源管理]
最适合<font color='red'>汽车</font>电源IC<font color='red'>发展</font>的技术要求
谁来为汽车自动驾驶的安全事故负责?
还记得 2 年多前 Uber 的那起自动驾驶汽车导致行人死亡的车祸吗?最新消息是,今年的 9 月 15 日,亚利桑那州的大陪审团决定以过失杀人罪起诉当时 Uber 自动驾驶汽车前安全驾驶员拉斐尔·瓦斯奎兹,并建议判处其 2.5 年有期徒刑,而这位安全员当庭表示拒绝认罪,这场官司可能还要继续打下去。 这场事故背后的责任方 Uber 呢?其实早在去年 3 月份,作为肇事方的 Uber 已经被美国法院判定无罪。 被称为“自动驾驶致行人死亡第一案”的当事方就这样轻而易举地逃脱担责,让这个确实存在一定过错的安全员来承担全部罪责。这结果确实令人唏嘘,难道这是一起“大公司作恶,小职员背锅”的司法腐败?抑或是,这场判决是美国
[嵌入式]
谁来为<font color='red'>汽车</font><font color='red'>自动驾驶</font>的安全事故负责?
应用于自动驾驶系统的双目视觉解决方案
单目视觉是Mobileye(ME)的看家法宝,其实当年它也考虑过双目,最终选择放弃。 单目的测距和3-D估计靠什么?是检测目标的Bounding Box(BB),如果无法检测的障碍物,该系统就无法估计其距离和3-D姿态/朝向。没有深度学习的时候,ME主要是基于BB,摄像头标定得到的姿态和高度以及路面平直的假设估算距离。 有了深度学习,可以根据3-D的ground truth来训练NN模型,得到3D大小和姿态估计,距离是基于平行线原理(single view metrology)得到的。不久前百度Apollo公布的单目L3解决方案讲的比较清楚了,参考论文是“3D Bounding Box EsTImaTIon by Deep L
[嵌入式]
应用于<font color='red'>自动驾驶</font>系统的双目视觉解决方案
马斯克:一年实现自动驾驶,特斯拉FSD公布进展
自动驾驶、智能驾驶,自2012年特斯拉推出autopilot,国内车企关于这方面的研发和话题就没停止过,目前笔者体验过最“权威”的自动驾驶,就是百度Apollo在固定园区以运营形式的自动驾驶出租车辆,从此前根据Apollo运营的可视化概念图和点到点的自动驾驶体验中,确实是当之无愧的自动驾驶。 但前文也说了,只是在固定范围之内的区域,还无法真正实现大面积的自动驾驶,大概就是给行业内秀肌肉的感觉存在,而智能驾驶究竟还有多远的路呢? 近日,特斯拉首席执行官马斯克在社交媒体平台表示,特斯拉汽车的FSD(官方定义全自动驾驶)系统,三项重大改进将于每两周公布一次,根据目前的时间进度,将在4月底或者5月初,特斯拉FSD将
[汽车电子]
马斯克:一年实现<font color='red'>自动驾驶</font>,特斯拉FSD公布进展
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件
电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved