• 自動駕駛的發展歷史進程(自動駕駛汽車的發展歷程)

    自動駕駛 1045
    今天給各位分享自動駕駛的發展歷史進程的知識,其中也會對自動駕駛汽車的發展歷程進行解釋,如果能碰巧解決你現在面臨的問題,別忘了關注本站,現在開始吧!本文目錄一覽: 1、自動駕駛汽車有幾個發展階段?

    今天給各位分享自動駕駛的發展歷史進程的知識,其中也會對自動駕駛汽車的發展歷程進行解釋,如果能碰巧解決你現在面臨的問題,別忘了關注本站,現在開始吧!

    本文目錄一覽:

    自動駕駛汽車有幾個發展階段?

    據報道,當前自動駕駛汽車已進入大規模研發測試階段,給道路交通管理和法律法規、技術標準等頂層設計帶來新要求和新挑戰。

    報道稱,2017年4月6日,工業和信息化部聯合國家發展改革委、科技部發布的《汽車產業中長期發展規劃》明確自動駕駛汽車,也稱無人駕駛汽車、智能網聯汽車、智能駕駛汽車,核心特點是在不完全依靠駕駛人操作甚至無駕駛人操作的情況下,機動車依靠感知、決策、控制和執行系統,能夠使機動車自動安全地在道路上行駛。

    自動駕駛汽車概念非常寬泛,根據車載自動系統能否滿足無駕駛人條件下的所有操作功能為標準,美國國家公路交通安全管理局(NHTSA)將自動駕駛汽車分為從低到高的五個階段:輔助駕駛(L1)、部分自動駕駛(L2)、有條件自動駕駛(L3)、高度自動駕駛(L4)、完全自動駕駛(L5)。

    據悉目前各國重點研發測試的是有條件自動駕駛(L3)和高度自動駕駛(L4),完全自動駕駛(L5)實現時間尚無法預測,一些企業推出了有條件自動駕駛(L3)試驗車型,大部分企業停留在部分自動駕駛(L2)、輔助駕駛(L1)測試階段,尚未投入商用。

    希望自動駕駛技術可以早日成熟!

    一個自動駕駛工程師眼中的自動駕駛

    編者按:本文是百度Apollo一名自動駕駛工程師對自動駕駛的一篇見解文章。文章先講解了自動駕駛的發展意義;然后從我 在那兒 ?周圍有什么?接下來會發生什么?我該怎么做?等方面展開講解自動駕駛技術;最后以極客邦和百度Apollo聯合發布的自動駕駛工程師技能圖為例,說明了如何幫助非專業自動駕駛領域的工程師轉行和進入該領域。

    2018年12月5日,Google旗下的Waymo推出自動駕駛首個用于服務乘客的商業叫車服務——Waymo One,該服務在美國鳳凰城及其錢德勒、坦佩、梅薩和吉爾伯特4個郊區24小時運行。乘客只需通過APP呼叫無人車,選定上下車地點,然后通過自動駕駛系統就可以方便地前往任何地方。車上沒有駕駛員,只有一塊HMI(人機交互界面)來告知乘客目前車輛的狀態、周圍情況以及后續路線。

    從Google的自動駕駛項目開始再到如今的Waymo,其自動駕駛技術在10年間取得了不小進步。Waymo測試車累計公路行駛距離已達1000萬英里,遍及美國25個城市,還有著100億英里的模擬行駛數據。而這些駕駛數據配合人工智能技術將無人駕駛帶到了我們身邊。

    同樣,在北京的海淀公園18年也被改造成了全球首個AI公園,11月1號正式對外開放。在這整個智能化公園中,最引人矚目的就是阿波龍自動駕駛小巴。這款迷你小巴每輛可搭載6-7人,沒有駕駛座也沒有方向盤,等乘客落座系好安全帶,阿波龍就會自動關上車門妥妥地起步。在行駛過程中,拐彎和掉頭之前會主動降速,遇到前方有行人或障礙物,也會主動減速避讓或者停車。

    這些都是人類見證 歷史 的偉大時刻,也是邁向未來生活的開始,標志著一個新的時代正在悄然來臨。

    普通 汽車 終將退出 歷史 舞臺,可能就在不久的將來, 汽車 即將成為我們可以放心托付自己生命的第一代自主式機器人。在歷經了數十年不斷失敗的嘗試后,借助速度更快的電腦、更可靠的傳感器技術以及基于深度學習的新一代人工智能軟件, 汽車 可以獲得與人類相似的能力,在無法預測的環境中自主安全地駕駛。

    為什么我們需要關注自動駕駛? 不僅僅是因為這項具有偉大影響力的技術能夠替代司機提升交通出行的效率和安全性;更重要的是自動駕駛會改變人類的生活方式,讓人們重新享受出行的樂趣。

    當前,我們的 汽車 是非智能的,其標準的四個輪子、一個機身和一個發動機的配置近100年來沒有了本質性的改進,而世界上其它產業的根基你都發生著根本性的變化。 而得益于機器人技術和人工智能技術在近期取得的成就,平凡普通的 汽車 也即將進化成自動化移動機器人。 目前, 汽車 的便利在一個世紀中不斷給我們帶來了自由、快捷,同時也帶了新的工作機會和社交機會。商業貿易也因此變得前所未有的方便。

    但是,在獲得移動便捷性的同時人們也付出了極高的代價。每年全球交通事故死傷人數近100萬,中國每年傷亡20萬人左右;人類駕駛的 汽車 也帶了城市的交通擁堵和空氣惡化。粗略估計,全球有十億由人類駕駛的 汽車 在陸地上漫游,對 汽車 的依賴已經不可能減少,只會越來越多, 汽車 是我們現代生活不可缺少的一部分。

    事實上,解決 汽車 引發系列問題最好的方式就是讓它們變得智能。 當AI接管人類駕駛員時,無人 汽車 將給世界數十億人提供一種更安全、更簡潔甚至是更方便的出行模式。在理想的未來,我們的街道和高速路上會充滿成群的、分布緊密的無人駕駛 汽車 ,想魚群一樣,這些無人駕駛 汽車 會展現出驚人的防沖撞能力,在充滿行人的街道上機智而快速地穿行,在漫長而空曠的高速路上以最經濟的消耗方式靈活???。有些車會攜帶一輛名乘客,有些車完全沒有乘客,因為它們可能要去接送外賣或快遞。而坐在車里的人們,也講有完全自由時間和私密的空間進行任何事情,比如購物、看電影和孩子享受親子時光。

    自動駕駛技術從人們開始嘗試到現在其實已經經歷了近50年的 歷史 ,從上世紀70年代就有國外機構和大學開始研究自動駕駛技術。

    美國國防高級研究計劃署(DARPA) 在1984年研制出自主地面陸軍戰車項目,可以說是真正自動駕駛技術的開端。當時的技術還比較落后,只能通過固定規劃路線在動態障礙物的情況下達到目的地。到了2004年,DARPA接連舉辦了3屆無人駕駛挑戰賽,可以說真正拉開了現代自動駕駛的序幕,其中CMU(卡內基梅隆大學)、MIT(麻省理工學院)、Stanford(斯坦福大學)等著名高校接連著力研發自動駕駛技術,將自動駕駛的發展推向高潮。

    而產業界, 最早在2009年Google成立X事業部開始了自動駕駛技術的研發,緊接著 科技 公司、傳統車企都紛紛加入自動駕駛這場技術競賽中,不甘落后。 中國當然也是其中重要的一員 ,無數技術精英、專家回國參與自動駕駛研發,百度、華為、騰訊、阿里等大公司花重金投入其中,每年招攬大批人才,高校的生源供不應求,薪資也水漲船高。

    2013年,美國機動工程師協會(SAE)給出了車輛自動化的標準,分別是L0~L5。不同的Level所實現的自動駕駛能力時逐層增加的。對應的中文翻譯可以參見表格:

    目前,自動駕駛技術發展中, 科技 類公司主要尋求從L4級別自動駕駛入手,一步將智能化完成到一個非常高的程度;而大部分傳統車企目前主要是從L3級別入手,從高級輔助駕駛開始逐漸往全自動方向滲透。這兩種發展思路也是充分提現了目前各自的優勢,但大家的終極目標都是希望實現L5的全自動駕駛狀態。

    下面,我們以Google的無人車為例,簡單介紹L4級別自動駕駛技術是如何構成的。 Google時最早開始研發自動駕駛的公司,擁有最豐富的技術積累和最強的研發人員。但是無人駕駛系統的復雜性是遠超人們想象的,經過近10年的研究,目前也僅僅是試驗性的推出了無人駕駛體驗服務。無人駕駛系統主要由三部分組成:算法端、車端和云端。其中算法端包括傳感器、感知和決策等智能關鍵步驟的算法;車端包括機器人操作系統、各種計算硬件和車輛底盤硬件等;云端包括數據挖掘、仿真模擬、高精地圖以及深度學習訓練等等。

    通過這一套系統我們能夠解決無人車的四個關鍵問題:我在哪?我周圍有什么?接下來會發生什么?我應該怎么做?

    定位問題是無人車首先要解決的問題,只有明白自身的位置才能最優的開往目的地。 定位需要依靠一種稱為高精地圖的技術,該技術會將無人車要走的所有靜態環境進行描述,包括車道線、行人斑馬線、標志牌等等。這些靜態信息可以提供交通信號的關鍵信息,也會作為定位方案的錨定物對自身的位置進行校準,比如通過攝像頭看到距離左邊標志牌的距離是2.5m,那么在地圖中知道了標志牌的坐標也就知道了自身車輛的坐標。同時,還會依靠GPS/IMU等全局設備來定位自身位置,不過這可比我們目前智能手機里的GPS精度要求高很多,通過差分融合技術可以達到厘米級精度。

    有了定位后,無人車的感知系統將通過傳感器和人工智能算法將周圍的障礙物位置、大小、狀態、類別等標識出來。 目前主流L4級別的傳感器包括GPS/IMU、LIDAR、Camera、Radar等,LIDAR、Camera和Radar都是用于感知周圍障礙物的主要傳感器,分別在不同環境下能夠有不同的優勢。這些信息猶如人類駕駛員的眼睛一樣看到周圍動態環境物體,并將其識別出來,而無人車會利用自己多傳感器和計算效率達到遠超人類的水平,比如精準識別車輛后方任何物體、同時關注左右兩邊的車輛狀態,在黑暗狀態時可以通過激光雷達精準識別。

    無人車知道周圍動態物體后,還需要能夠盡可能的預測這些物體的走向,包括行為預測和速度預測。 例如這個車是要左轉還是直行,這輛車會不會闖紅燈等等,匯入車流時速度是多少。這些問題都將決定我們無人車后續應該怎么走,如何避免碰撞發生危險。當然由于人的主觀意志具有很多不確定性,在人類司機和自動駕駛司機混合的道路上,人工智能程序還需要學習人類的行為習慣和約定俗成的禮讓方式,這些都大大增加了無人車的難度。

    最后一步就是根據上述信息綜合來選擇一條最適合無人車的道路,如同人類的大腦一樣對車輛最終的行為負責,選擇最合適的方式達到目的地。 這需要考慮行車的體感、安全和快捷等因素,通過最優化算法、搜索算法、蒙特卡洛樹采樣等多種算法來得到未來的駕駛行為,也有通過模仿優秀老司機的駕駛行為等方式來提升駕駛性能等等。

    上述四個問題表面上僅僅是車輛端的問題,但是其背后的技術棧是異常龐大復雜的,這些人工智能技術會用到云端的仿真系統、模型訓練系統等等。 要做好其中任何步驟都是學術界長期以來不斷積累而得,也是需要工程能力非常強大的工程師才能實現的高效算法。無人駕駛作為人工智能的一個重大應用方向,不是某一項單一的技術可以實現的,它是一個目前人類技術巔峰的一個整合創新。需要有算法上的創新、系統上的融合以及云平臺的支持。那如此復雜的技術我們應該如何入門,如何進入這個領域?

    自動駕駛技術的發展目前最大的瓶頸不是傳感器的昂貴、不是產業發展不完善更不是公司投入不足,而是研發人才的缺乏。 目前我國 汽車 從業人員達到360萬,但其中技術人才不到50萬,占比不到15%。這其中雖然很難明確界定自動駕駛人才有多少,但是可以想見肯定不多。而且從自動駕駛專業人才年薪動輒幾百萬上千萬,就可以知道人才有多緊缺。

    我們需要更多的工程師和科學家進入這一領域,將現有的技術進行整合落地。但是如何幫助開發者們進入這一新興領域成了業界非常關注的事情,我們就以極客邦和百度Apollo聯合發布的自動駕駛工程師技能圖為例,來說明如何幫助非專業自動駕駛領域的工程轉行和進入該領域。先來看看這一份技能圖譜:

    一個新的技術領域往往建立在當前成熟技術的基礎之上,而自動駕駛需要的技能種類繁多,我們需要首先全面了解整體技術,再選擇感興趣的方向進行深入挖掘。 從這份技能圖譜可以看到包括兩大主要模塊,首先是基礎層, 就是Apollo開發會用到的共性的語言和編程方式; 其次是自動駕駛技術層 ,既包括感知、決策規劃、智能控制、End-to-End等自動駕駛核心能力,也包括硬件,比如GPS、雷達、傳感器、車輛相關的知識和技能。

    三分鐘深入了解自動駕駛

    自動駕駛大家或多或少都有所了解,這里就不對概念做做過多解釋,就自動駕駛的發展史、分級、組成和幾家有意思的公司做個介紹(特斯拉這種耳熟能詳的就不介紹了)以及展望一下未來,帶大家進一步了解自動駕駛。

    其實早在1925年美國陸軍的電子工程師Francis P. Houdina,就通過無線電波來控制前方車輛的方向盤,離合器,制動器等部件來完成的,雖然很不完美,但被視作為人類無人駕駛汽車的雛形,來開了自動駕駛的帷幕,這2年隨著人工智能的火爆, 自動駕駛作為人工智能重要的應用場景 ,發展速度也快了起來。

    接下來帶大家了解一下自動駕駛的等級劃分,有助于更好的理解自動駕駛。

    NHTSA,是美國交通部下轄的美國國家公路交通安全管理局在2013年發布的分級標準。

    SAE,是國際自動機工程師學會(原譯:美國汽車工程師學會)在2014年發布的分級標準。

    美國交通部最終選擇了SAE作為自動駕駛的分級標準 ,主要是考慮到SAE對分級的說明更加詳細、描述更為嚴謹,且更好地預見到了自動駕駛汽車的發展趨勢。

    像大家熟悉的特斯拉,它的自動駕駛級別是SAE的2級,所以大家也可以理解為什么感覺市場上的自動駕駛離我們想象中的自動駕駛有差距,因為并沒有達到高度自動化。

    自動駕駛的主要由感知單元、決策單元和控制單元組成。

    感知單位主要由各種傳感器和相關的智能感知算法組成,用于感知行駛路線上的實時環境情況。

    決策單元主要控制機械、電路或軟硬件,用于根據環境信息決定汽車進行何種操作。

    控制單元主要通過汽車的控制接口,之間或者間接的操控汽車,完成實際的駕駛工作。

    谷歌的自動駕駛很早就聽過了,他們的經濟和技術實力也是全球頂尖的,那么為什么遲遲沒有商用?我們先看下谷歌自動駕駛的發展歷程:

    2009年谷歌就是開始了自動駕駛汽車的項目,同年在內部舉辦的活動中,谷歌第一代自動駕駛汽車就可以圍繞谷歌總部順利的轉圈。

    2012年,谷歌自動駕駛汽車正式獲得了美國歷史上為自動駕駛汽車頒發的第一張執照。

    2014年谷歌研制出了完全不需要人工干預的自動駕駛汽車,沒有方向盤,沒有油門,沒有剎車踏板??梢哉f是世界上第一輛完全意義上的無人駕駛汽車。

    2016年12月13日,谷歌將自動駕駛項目分拆為單獨的公司Waymo。

    2017年10月13日,Waymo首次發布無人駕駛技術的詳見安全報告,研發的車輛已經演進了四代車型,現實路測總行駛里程累計達350萬英里。

    可以看到谷歌在自動駕駛上面是起了大早趕了晚集,最關鍵的原因就是他們的理念與特斯拉以及傳統汽車廠商不同,谷歌一開始認為,先天基因很重要,起點要高,像特斯拉或者傳統汽車廠商這種從2級做起的是達不到5級標準的(業內也普遍存在這個疑問), 所以他們是直接開發第5級的產品,并且解決所有的技術問題。

    依托谷歌強大的實力,技術上的問題基本解決了, 但是成本(單臺超過20萬美元)和法規問題造成了他們正式商用一再被延遲,也造成了人才的流失,做為超級公司他們可以等得起,但是其他公司顯然不可能走這條路子。

    值得一提的是盡管Waymo沒有正式商用, 但是他們依然被美國媒體認為是世界排名第一的自動駕駛公司。 正式推出還需等待,依然是目前最值得期待的自動駕駛汽車。

    今年馭勢科技成功展示了原型車,獨特的設計和思路引發了業內的廣泛關注。 馭勢科技是認同谷歌的理念起點要高,同時也考慮到了成本問題,將自動駕駛的級別定位在SAE的四級,即在特定環境和道路上實現自動駕駛。

    他們的亮點在于對無人駕駛做出了新的嘗試,既然是自動駕駛,那么駕駛的位置就可以不要,讓乘客的座位更加舒適,馭勢第一款原型車就是將車廂建成了一個客廳。同時充分考慮到了是在特定環境和道路,對于汽車很多用不上的功能就不需要了,一定程度上來說是重新定義了自動駕駛汽車。

    有興趣的朋友可以去他們的官網看一下他們的宣傳視頻,是一個很好的創新,思路很值得學習。不過個人覺得在特定環境和道路這個前提下,起碼在短期內在國內的應用的并不會太廣泛,難以達到他們想的實現最后三公里交通,畢竟像公交專用道很多城市都沒搞起來,何況是自動駕駛的專用道。

    Waymo是世界第一的自動駕駛公司,那么第二是誰?特斯拉?特斯拉是第五,第二竟然是大家認為的打車應用Uber。

    實際上Uber在自動駕駛領域還是處于靠前位置,2016年5月,其研發的無人駕駛汽車在美國賓夕法尼亞州匹茲堡市的Uber先進技術中心正式上路測試。而2016年8月,Uber以6.8億美元的價格收購Otto,并讓Otto的創始人Levandowski負責Uber自動駕駛汽車業務。并于2016年10月完成了全球首次無人駕駛卡車送貨,卡車行駛120英里(約合193公里),運送了5萬罐啤酒。同時也獲得了沃爾沃和通用汽車聯手。

    實際上Levandowski之前就是谷歌自動駕駛的核心人員,薪酬高達1.2億美元,但是由于谷歌自動駕駛遲遲沒有商用,所以自己出來創業成立了Otto,對此谷歌還是允許的,但是當被Uber收購后,谷歌就不能容忍了,2017年2月,Waymo起訴Uber,稱谷歌前員工Levandowski非法竊取了超過1.4萬份機密技術文檔幫助Uber完成快速追趕,判決結果來看,Waymo獲得了小勝,Levandowski面臨職業生涯幾乎徹底斷送的局面。2017年10月Waymo繼續以商業機密泄露向Uber提出10億美元(約合人民幣65.8億元)的天價賠償,并要求公開道歉。Waymo還要求成立獨立的監管部門,以確保Uber未來不會使用這些技術。通過這個可以看出Waymo是將Uber做為了主要競爭對手來看待的,客觀的說明Uber在自動駕駛的地位。

    盡管紛爭不斷,Uber依然建立了一個叫ALMONO的虛擬城市來進行自動駕駛汽車的測試,有望在明年在舊金山面向Uber用戶推出全自動駕駛汽車。

    在戰略上看,自動駕駛技術的出現會讓司機越來越少,會讓打車應用行業被看衰,所以雖然目前公布的數據報告來看,Uber的自動駕駛技術離Waymo的還有一定差距,但無論是戰略還是市場需要,他們都會在自動駕駛上大力投入,甚至商用的比Waymo還快。

    Mobileye是以色列一家自動駕駛技術的公司,早在十年前就是寶馬的供應商了。正和通用、大眾、特斯拉等全球多家汽車制造商進行半自動駕駛的合作研發。2016年,Mobileye技術已經能夠實現在高速公路上半自動駕駛

    2017年3月13日,英特爾宣布將以153億美元收購全球領先的ADAS廠商Mobileye,這一收購案宣布就是立即成為了今年自動駕駛領域的焦點。眾所周知,英特爾雖貴為PC時代的霸主,但是錯過了移動互聯網的浪潮,而 收購Mobileye被看成是英特爾進軍人工智能和大數據時代的重大舉措,也意味著巨頭開始逐步進入自動駕駛市場。

    個人認為基于SAE2-5級的自動駕駛汽車會不斷涌現出來,系統承擔的事情會越來越多,特別是隨著硬件的發展,以及行駛數據越來越豐富會讓自動駕駛技術很成熟,更接近生活。

    需要注意的是只看單個的自動駕駛汽車還是不夠的,需充分整個環境,就拿目前人工駕駛而言,你守法駕駛了,但是別人不守法駕駛,一樣會出交通事故,何況是部分人工和部分自動,再加上復雜的環境。 如果全是自動駕駛,所有的汽車全部聯網,整個交通會更加順暢(因為機器是按指令去工作的),大家甚至能夠準確的預測出行的時間,這也是目前設想的人工智能發展到一個很高的高度后的生活。 當然,這都是比較理想的想法,實際來實現還是需要很長一段時間的。

    同時自動駕駛我們也不要把眼光就局限在單純的汽車上面,實際上,美國已經有多家“飛行汽車”這種在科幻片才能看到的交通工具初創公司了,其中谷歌創始人拉里佩奇秘密地以個人名義投了兩家,分別是:Zee.Aero和Kitty Hawk,其中向Zee.Aero的投資超過了一億美元。

    Zee.Aero現在共有員工近150人,目前已經開始測試“飛行汽車”的原型,而Kitty Hawk雖然據傳只有十幾人,但是他們的現任總裁正是被譽為谷歌無人駕駛汽車項目之父的Sebastian Thrun。

    飛行汽車這種會更加需要自動駕駛技術 ,我相信自動駕駛僅僅只是開始,后續還有很大的發展和進步空間,讓我們拭目以待。

    自動駕駛是如何分級的?目前國內的自動駕駛發展到什么階段了?

    目前把自動駕駛分為6級。從L0到L6。目前國內處在L4。

    一、自動駕駛分級:是根據sae的標準。分為0級:應急輔助,就是全部身體參與操作駕駛。一級又稱為部分組合駕駛,是指可以偶爾解放腳踝。二級又成為組合駕駛輔助,是指有條件的情況下可以解放腳和手。三級又稱有條件自動駕駛。是指有條件的情況下解放腳,手和眼睛。4級又稱高度自動駕駛。是指可同時解放手,腳,眼睛和大腦,駕駛人員特殊情況下給予汽車特殊指令。5級又稱完全自動駕駛,是指完全解放駕駛人員,車輛自動行駛,自動找車位,充電,加油,按時接送駕駛員以及其他的人員。以上就是自動駕駛的分級的大概理解。

    二:目前我國自動駕駛的發展階段。目前我國的自動駕駛已處于第L4級。無人駕駛的出租車你敢坐嗎?如今中國已經存在了無人駕駛的出租車行業。出租車依靠車上的傳感器,攝像頭以及雷達實現無人駕駛。如今中國的無人駕駛技術已經能夠讓車輛在街道上非常流暢的行駛。隨著科技的飛速發展,我相信我國的自動駕駛技術也會睡之突飛猛進。放在十年前,你敢想象汽車還能自動駕駛,解放雙手?如今自動駕駛出租車行業已經上線。

    三、自動駕駛雖然好,但是我國的自動駕駛仍然存在瑕疵。在自動駕駛推出的這段時間,很多因為自動駕駛而出現的事故也時有發生。作為市民的我們,應該嚴格按照交通安全法駕駛,不要盲目相信自動駕駛,畢竟他是機器,總會有出錯的時候。我相信,要不了多久,我們就能放心大膽的使用全自動的汽車,解放我們的雙手了。

    千方科技在自動駕駛領域的發展歷程是什么樣的?

    2016年,千方科技牽頭成立了北京智能車聯產業創新中心。過去6年間,千方科技依托創新中心在北京打造了國家級智能網聯測試場,支撐北京亦莊自動駕駛測試示范工作一直領跑全國。截至2022年3月,該示范區的自動駕駛道路安全測試里程達513余萬公里;北京市自動駕駛測試車輛牌照數、測試類型、開放測試道路里程數均居全國前列;全國首個自動駕駛出行服務商業化試點也于去年11月在這里落地。近期千方科技還參與了寧波住建部雙智試點車路協同建設,助力推動自動駕駛、智慧物流、智慧出行和城市管理穩步發展,有不明白的可以繼續追問或者百度搜索。

    關于自動駕駛的發展歷史進程和自動駕駛汽車的發展歷程的介紹到此就結束了,不知道你從中找到你需要的信息了嗎 ?如果你還想了解更多這方面的信息,記得收藏關注本站。

    掃碼二維碼