• 自動駕駛行業報告獵頭(汽車行業獵頭)

    自動駕駛 1127
    今天給各位分享自動駕駛行業報告獵頭的知識,其中也會對汽車行業獵頭進行解釋,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、北京發布“硬核”自動駕駛路測報告,標準優于DMV,百度再獲第一

    今天給各位分享自動駕駛行業報告獵頭的知識,其中也會對汽車行業獵頭進行解釋,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:

    北京發布“硬核”自動駕駛路測報告,標準優于DMV,百度再獲第一

    文丨AutoR智駕?諾一

    百度在自動駕駛領域的綜合實力再次獲得認可。

    今天(3月2日),北京市自動駕駛車輛道路測試第三方服務機構“北京智能車聯產業創新中心”正式對外發布《北京市自動駕駛車輛道路測試報告(2019年)》(以下簡稱“報告”)。

    作為目前中國官方唯一的自動駕駛路測報告,該報告對過去一年13家企業在京開展自動駕駛路測的情況進行了披露,截止2019年年底,各企業進行自動駕駛路測的有效車輛達到73輛,測試總里程超過104萬公里,2019年全年達到88.66萬公里,較上一年度增長577%。

    其中,百度Apollo的路測車輛達到52臺,占北京市總投入自動駕駛測試車輛的71%,2019年測試里程達到75.4萬公里,累積測試里程89.39萬公里,占北京市測試總里程的85%,成為年度所有測試企業中投入測試車數量最多、測試里程最大的企業。

    這是繼百度北美自動駕駛團隊在DMV公布的《2019自動駕駛接管報告》中登頂第一后,再次獲得專業機構的認可。

    不過,DMV公布自動駕駛排名后,引起很多公司質疑,Waymo公開表示,反對這份官方報告的數據要求和能力判別標準。

    其主要原因是DMV的報告只顯示了自動駕駛公司在測試總里程數和MPI方面的能力,并不能綜合自動駕駛能力。

    除此之外,DMV未明確定義是什么構成的脫離,這樣數字意義不大,例如,在沒車、沒人、沒路口的平坦干燥地區行駛1億英里的脫離次數,和在匹茲堡這種路況復雜的城市行駛100英里的脫離接觸次數無法比較。

    可見,DMV公布的數據價值有限,僅僅依靠加州車管局DMV公布的數據來深入了解自動駕駛行業不太現實,當前,伴隨自動駕駛產業進入到發展落地新階段,生態、技術能力、落地進程、安全性等多維度指標,已成為考量自動駕駛企業競爭力的核心因素。

    而北京發布的《北京市自動駕駛車輛道路測試報告(2019年)》在測試方面進行進行大量創新,這是對DMV發布的《2019自動駕駛接管報告》進行了很好的補充。

    北京是國內最早為自動駕駛建立路測標準法規并發放測試牌照的地區之一,構建了從封閉測試場到開放測試區域的嚴謹測試流程,并出臺了最高安全門檻的載人載物測試政策。

    首先,政策創新方面,12月13日,北京市自動駕駛測試管理聯席工作小組發布《北京市自動駕駛車輛道路測試實施細則》第3版。

    新版報告指出,延長自動駕駛車輛路測有效期,續發次數由1次延長到3次、支持自動駕駛車輛規?;瘻y試,減輕企業測試成本、鼓勵企業開展自動駕駛車輛商業化模式的探索。豐富測試內容,增加了載人、載物、編隊行駛測試、允許企業采用實車測試,或實車與仿真結合的測試評價模式,優化市場等。

    其次,測試標準、測試環境方面,認定北京首個最高級別(T5級)封閉試驗場,支持更高級別測試需求、開放更多測試道路,支持更多實際場景測試需求、加大V2X設備部署規模,支持車路協同測試需求、新增并更新自動駕駛公共道路的選取要求,納入了開放測試區域的選取要求、研究了自動駕駛車輛道路測試數據采集技術要求,參與研究車聯網相關的通信協議,推進自動駕駛與車聯網的通信、接口協議等相關標準。

    從北京發布的報告來看,相比DMV報告創新性更強、測試標準更完善,可以說北京路測報告比美國DMV測試標準更加可信、影響力更強。

    而百度作為北京報告和美國DMV報告的雙冠軍,從兩份報告來看百度測試重點在國內,并且百度自動駕駛能力或已遠超越DMV測試標準。

    在自動駕駛車輛量產化方面,報告顯示,在所有參與測試車輛中,由百度和一汽合作生產的紅旗E界在北京開展測試,該車型從傳感器布置、設備選型和整車布置等方面都已經進入小規模量產階段,是目前在封閉試驗場出現的專業性最強、集成度最高的測試車型。

    基于此,報告認為,主激光雷達采用40線(含)以下的比例從去年的50%上升到今年的73%,從目前的趨勢來看,隨著技術的不斷革新發展,測試主體對高線數激光雷達依賴度逐漸降低,逐步開始向低成本、可量產、可落地的方向上發展。

    在基礎性能測試感知方面,報告測試數據顯示,自動駕駛車輛的最大認知距離除受自身傳感器性能和融合算法的影響外,還受目標物大小、高度、顏色、材質、運動狀態等因素的影響。

    數據顯示,理論上中小型車輛在48公里/小時的速度下安全停車時間為3秒左右,距離為40米。

    2019年封閉試驗場內參與感知測試的自動駕駛方案基本采用攝像頭+毫米波雷達+激光雷達方案,前方穩定認知模擬成人距離均大于50m,因此將會多出近1秒的反應和處理時間,有效的避免碰撞,對保護交通弱勢群體安全性更為友好。

    在自動駕駛可靠性測試方面,根據《北京市自動駕駛車輛道路測試管理細則(試行)》規定,自動駕駛車輛需在封閉試驗場內完成累計不少于5000公里的自動駕駛測試。

    截至到2019年,北京市封閉試驗場內累計測試里程超過13.36萬公里,(除碰撞、危險場景等專項測試外)發生碰撞事故16起,事故的發生率約為8350公里每次,其中6起事故為擦碰路邊石,6起為刮蹭交通設施,2起為碰撞行道樹,2起為碰撞假人設備;發生軟硬件故障34次(可快速修復性故障未統計在內),故障的發生率約為3929公里每次。

    值得一提的是,百度Apollo作為測試里程最多的企業,目前為止為0安全事故。

    在開放道路測試方面,截止到2019年年底,北京市道路測試里程突破1,040,221公里,增長577%。

    其中,排名第一的百度Apollo?2019年測試里程達到75.4萬公里,結合2018年的19.33萬公里,累積測試里程達到89.39萬公里,占北京市測試總里程的85%。

    這一數據遠超排名第二的小馬智行(累積測試里程為12.13萬公里),累積測試里程是小馬智行的7倍。

    從測試主體測試地域覆蓋來看,規?;瘻y試企業的覆蓋范圍更為廣泛,從技術路線上來看,目前只有少數測試主體開展了網聯功能測試。

    從測試意向上來看,測試主體更傾向于在R3的道路上開展測試,部分測試主體在拿到T4牌照以后,開始進入更為復雜的R4道路進行測試。

    2019年,R1、R2、R3、R4級開放道路里程分別占14%、18%、63%、5%,道路測試里程分別占8%、5%、86%、1%,從道路里程與測試里程占比來看,各等級開放道路里程與測試主體測試需求基本匹配。

    報告顯示,百度是所有在京開展測試企業中唯一實現北京經開區、海淀區、順義區等多個區域,且實現R1-R4以及RX(設有V2X設備部署,支持車路協同測試)全區域全路段覆蓋的測試企業。

    這次報告還還對自動駕駛汽車的脫離類別及脫離進行了原因分析,測試數據表明,86%的脫離由人為接管造成,這些脫離是由于測試人員更換數據記錄設備、需重新規劃路徑或個人原因導致。

    其中,14%的脫離是由于策略缺陷、人工安全防御、系統故障造成的關鍵脫離,這些脫離數據的價值要遠遠高于人為接管脫離。

    從脫離類別和原因上看,除因傳感器、車輛或者數據記錄設備、地圖標注、地圖加載等問題外,與社會車輛的博弈、對復雜場景的理解以及一些應急情況的處理能力,仍然是自動駕駛亟需解決的重要課題。

    毫無疑問,作為全球最大的自動駕駛平臺,百度Apollo在北京開展的路測在測試規模、技術水平、場景覆蓋、產品能力和安全水平上均大幅領先行業水平。

    除此之外,相比其他企業,百度還取得ISO?26262、ASPICE?、IATF?16949?以及全國最高技術等級的T4級別道路測試牌照等行業認證。

    進入2020年,隨著百度發布Q4財報宣布Apollo商業化進一步的提速以及馭勢科技、小馬智行等自動駕駛初創公司宣布融資計劃,自動駕駛技術正迎來新一輪的變革。

    當然,中國自動駕駛技術能夠站在世界領先位置,除了自身能力過硬之外,還離不開政策、測試機構的支持。

    北京作為全國首個開放自動駕駛測試區域、開放全國首個車聯網與自動駕駛地圖應用試點的區域,截止到2019年12月31日,北京市已開放4個區縣的自動駕駛測試道路,共計151條,503.68公里累計為13家企業,涵蓋6家互聯網、6家主機廠、1家地圖廠商,77輛車,發放了285張道路測試牌照,路測里程為104萬公里,申請企業數量、發放牌照數量、路測里程均位居全國第一。

    可以預期的是,隨著北京在開放測試道路、區域、服務規模、測試牌照及測試里程方面不斷的領先,北京測試將成為全球自動駕駛技術向前邁進的推手,以“中國特色”推動自動駕駛技術落地應用。

    本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

    多維度構建體系 日產/中汽中心發布智能網聯汽車自動駕駛報告

    易車訊? 3月9日,日產汽車公司、日產(中國)投資有限公司與中國汽車技術研究中心有限公司(以下簡稱:CATARC)聯合發布了《智能網聯汽車自動駕駛系統測評及管理方法研究報告》。

    自2018年起,中汽中心標準化研究所與日產汽車公司、日產汽車(中國)投資有限公司通過分析各國政策推進方案、標準法規適用性、測試評價方法等內容,完成“智能網聯汽車自動駕駛系統測評及管理方法”的研究工作并形成《智能網聯汽車自動駕駛系統測評及管理方法研究報告》。

    本次發布的《研究報告》匯總了自2018年共同研究開始以來各國自動駕駛發展的現狀,并對產業發展趨勢及中國現行標準及法律適用性進行了分析。此外,報告還通過問卷方式,對50余家企業的自動駕駛技術現狀及測試評價相關需求進行調研,確定核心功能和關鍵性能,形成適用于自動駕駛功能現狀及未來技術發展趨勢的測試評價方法,研究成果也將作為后續自動駕駛功能相關試驗方法和功能要求標準的重要參考,并提交至相關政策制定部門,為標準制定、行業組織和機構科學研究、產業界研發與規劃提供支撐。

    該報告由中汽中心標準所組織撰寫,得到了日產汽車公司與日產(中國)投資有限公司的技術支持,雷諾-日產-三菱聯盟全球副總裁吉澤隆分享了日產汽車在智能網聯汽車自動駕駛領域的最新成果,并展望了智能網聯汽車的廣闊發展前景。

    吉澤表示,自動駕駛體系的評價包括安全、及時、準確、順暢等幾大原則,而日產在當中承擔了重要的角色,日產針對中國路況、駕駛員能力等研究方面提供了幫助,2016年開始日產即與中汽中心在先進駕駛輔助功能方面展開共同研究,而基于上次的經驗和良好合作關系,日產愿用自己的經驗幫助在中國盡快就相關自動駕駛體系完成構建,未來日產汽車將繼續與中汽中心標準所合作,通過對自動駕駛安全評測方法的探索研究,支撐中國自動駕駛標準體系建設,為加速這一技術的市場導入和商業化推廣做出貢獻?!?/p>

    《智能網聯汽車自動駕駛系統測評及管理方法研究報告》的關鍵點聚焦于具備自動駕駛功能的車輛準入和管理需求的測試評價方法,其中包括僅需提交報告而無需進行測試項目驗證的非實車測試,需要向第三方測試機構提供測試車輛并完成制定測試項目的實車測試,此外在車輛進入市場后,還應對于車輛軟件升級進行監管。

    具體來看,非實車測試包括安全性評估和體系審核,其中安全性評估包括實車測試和仿真測試,其目的是為了確認企業對于自動駕駛系統進行充分的安全性評估,將通過企業和第三方機構共同完成,其中企業選擇合適測試方法并提交說明材料,由標準化機構制定與安全性評估相關標準,再由第三方機構審核材料并出具審核結果報告,最后管理部門來進行報告的審核;

    體系審核包括信息安全、功能安全和網絡升級,其中信息和功能安全是為了確認企業具備信息安全/功能安全的開發流程的需要,由企業確保流程的應用及說明材料的真實性,標準化機構制定信息安全/功能安全流程類標準,第三方機構審核材料并出具審核結果報告,最后管理部門審核結果。

    而軟件升級流程管理審核則為了確保企業具備可以保證車輛運行安全的軟件升級流程,由企業確定完善的軟件升級流程并正確運用,標準化機構制定流程類和技術要求類標準,最后由管理部門受理、審核、備案企業軟件升級事件。

    而實車測試包括封閉場地測試、道路測試以及其他測試方法,其中性能測試要確定自動駕車輛處理復合隨機場景的能力判定,安全性測試選取具有一定危險性的場景,驗證車輛安全性;實際道路測試則為了處理公共交通的綜合能力驗證,由第三方機構選定車型使用自動駕駛功能在規定時間內行駛于選定典型路段,測試內容在行駛中隨機出現,測試車輛的反應能力,記錄車輛行駛情況及反饋結果。

    DSSAD功能確認通過場地及實驗室試驗的方案確認自動駕駛系統數據記錄系統(DSSAD)的功能,由第三方機構測試車載數據記錄系統記錄內容、記錄時間等功能要求并記錄結果。

    此外,在使用過程中要確保對用使用車輛的監督,確認企業所實施的與車輛認證相關的軟件升級的內容,評估升級對于車輛影響的性質和程度,確認未對車輛的標準符合性帶來影響。

    本次發布的《研究報告》匯總了自2018年共同研究開始以來各國自動駕駛發展的現狀,并對產業發展趨勢及中國現行標準及法律適用性進行了分析。此外,報告還通過問卷方式,對50余家企業的自動駕駛技術現狀及測試評價相關需求進行調研,確定核心功能和關鍵性能,形成適用于自動駕駛功能現狀及未來技術發展趨勢的測試評價方法,并基于研究成果提出了相關管理建議。

    在“日產智行(Nissan Intelligent Mobility)”技術愿景下,日產汽車多年來致力于智能網聯和自動駕駛技術的研發,通過日產ProPILOT超智駕等技術,推動社會向“零事故”“零傷亡”的目標邁進。目前,日產第七代天籟Altima、奇駿與逍客均已搭載了屢獲殊榮的日產ProPILOT超智駕功能。到2022年,日產汽車計劃在70%的車型上搭載該功能。

    未來,日產汽車將進一步加速“日產智行(Nissan Intelligent Mobility)”在中國的全面落地,同時,日產汽車還將繼續攜手產業相關方,加強面向中國市場的智能網聯研發和應用,推動相關技術的發展和相關法律法規的制定,共同引領未來交通出行的變革。

    據易車了解,今后后續測試評價框架將作為后續標準制定的支撐,伴隨技術研究持續完善和更新,要適應自動駕駛技術方向的多樣性特點,測試評價方法尋求更多細化的內容,并將管理建議提交至主管部門參考,為產品準入認證和標準提供思路,在未來檢驗和驗證結果成熟后推動國家標準法規協調,未來日產汽車將與中汽中心在這方面更加緊密的合作,更多消息我們也將持續關注。

    智能駕駛「人才荒」,困在了高校的學科博弈中

    75歲的曹德旺這幾年在計劃一件事——出資100億元,設立一所新大學。

    他主動向福建省委省政府提出辦學這事,領導們都很支持,也召開了好幾次會議,就專門討論怎么辦學的事情。

    曹德旺是福耀玻璃的董事長,他深刻感受著目前中國制造業人才困境的切膚之痛。

    制造業企業高級管理人才斷檔、培養制造業人才的學科與產業需求脫節、德國教育模式的啟發......都是促使曹德旺下決心一定要辦好這所大學的原因。

    在他看來,當下國內大學培養人才的模式偏標準化,且存在重虛擬經濟、輕實體經濟的傾向,同時一些培養制造業人才的學科跟不上市場需求和產業發展要求,制造業真正需要的高端人才沒有地方培養。

    就像一個縮影,自動駕駛賽道也處于類似境地。

    作為 汽車 產業轉型的核心要素之一,自動駕駛創業熱潮起起伏伏已持續多年,全球眾多車企、 科技 公司和初創公司都在下場追捧,饑渴的投資者們就像嗅到血腥味的鯊魚,攘往熙來。

    然而,這個行業一直以來都面臨著如何招到合適人才的老大難問題。

    一個典型的場景是,當企業終于找到合適的算法工程師時,卻發現這位候選人手里拿著七八張offer,一家比一家工資高。

    缺口最大的算法類崗位,更是浮躁到了令人害怕的程度,“你出錢高,我就會比你出得更高。候選人也是,今年要30萬,明年要60萬,后年就會要90萬、120萬”。為了留住合適的候選人,獵頭們想盡了招數,甚至接起了“代管寵物”的業務。

    現狀也令不少企業感到頭疼,美團就是其中之一。據一位接近美團高層的人士表示, 因國內自動駕駛人才性價比堪憂,美團或將在硅谷設立自動駕駛研究中心,以相對更低的成本在美國招攬自動駕駛研發人才 。

    如果仔細觀察供需情況會發現, 自動駕駛“人才荒”是結構性的,是“質”與“量”的雙重缺位 。

    一方面,當下自動駕駛行業熱鬧依舊,不斷有圈內高管離職創業、大廠跨界押寶、車企重金轉型,研發崗位缺口隨之擴大。

    據預測,到2025年, 汽車 行業對智能網聯 汽車 人才的需求量將達到10.3萬人,其中又以智能駕駛領域的人才缺口最大,預計將達到5萬人。

    另一方面,目前業界所需的很多新增崗位此前鮮少有傳統車企涉獵,而各大高校對自動駕駛人才的培養又有些滯后。

    以一般的自動駕駛感知算法架構師為例,該崗位除了要求候選人熟悉自動駕駛常見系統架構,還要求熟悉深度學習等主流感知技術,同時有參與過車規功能上車量產工作的優先。

    自動駕駛行業獵頭熊穎儀告訴新智駕,通常的一個自動駕駛L4級的創業公司,團隊規模在300-500人,其中研發占70-80%。

    “就算法崗而言,大多數公司缺的都是‘具有全棧能力的算法工程師’。會訓模型的算法工程師很多,會軟件開發的也很多,但是熟練使用C++編程的算法工程師并不多?!?/p>

    也就是說,從事這類工作的人才,既要有軟件開發技能、掌握多種程序設計語言,也要有對 汽車 新舊硬件的充分理解, 其勝任難度和要求均遠超從前 。

    在智能駕駛行業發展初期,這類人才多只能從公司內部轉崗或者跨行業 社會 招聘而來。

    但隨著行業發展越來越成熟,社招將多集中在行業內的成熟人才,這類成熟人才換工作不影響智能網聯 汽車 既有的人才存量,因此未來的智能網聯 汽車 的新增人才可能將主要來自于校招。

    而這又涉及到另一個問題——校招人才從何而來。

    據了解, 高校為自動駕駛行業培養人才方面,助力不多 。

    清華大學計算機系教授、人工智能專家鄧志東告訴新智駕,目前國內高校主要是通過參加自動駕駛相關科研項目來培養自動駕駛人才,以碩、博研究生為主,本科生、博士后相對較少。

    他認為,當下的自動駕駛人才大多來自于計算機系、自動化系、電子系、車輛工程等學科專業,這種人才培養模式無法滿足 社會 上普遍存在的自動駕駛用人荒,也不能取得最佳的人才培養效果。

    “有必要設立獨立的自動駕駛專業,因為培養自動駕駛人才所需的教學大綱、課程體系、師資、教學實習實驗設備、產業環境等都與現有專業不同,需要重新組織才能滿足專業建設的要求?!?/p>

    自動駕駛專家、武漢理工大學副教授楊勝兵對新智駕直言, 那種舊瓶裝新酒、只是改變了專業名稱的換門頭做法,三、五年后就被市場判斷出來了,到時候就是害人害己害 社會 。

    這不是楊勝兵的一家之言。

    鄧志東也同樣希望自動駕駛能成為高校中的一門新學科,特別是創設為一門本科專業或成為一級學科。 如果可以,最好就隸屬于自動駕駛學院,“因為將其歸屬于人工智能學院、計算機學院或車輛工程學院,都不完整” 。

    事實上,究竟是設立自動駕駛研究中心、實驗室,還是單獨設立“自動駕駛學院”,這會給高校在重視與投入程度、學科課程體系的構建、師資配備、教材建設和生源等方面,帶來很大的不同。

    自動駕駛技術的研發主要起源于移動機器人技術的研究與拓展,因此國內外移動機器人的研發強校,同時也是自動駕駛研發與人才培養的策源地。

    除了計算機、自動化,自動駕駛技術也與車輛工程等學科專業高度相關。

    而作為前沿新興技術,自動駕駛迄今未有本科專業與一級學科,所以近期高校設立的自動駕駛班或無人駕駛研究中心,大多掛在不同的學院下,研究的方向和重點也有所不同。

    同時目前機械類、電子信息類、自動化類等各專業都有面向智能駕駛領域開設相關課程, 類別繁蕪,又容易造成資源重復和浪費,一個高校內重復設立兩門相似的專業或課程的情況并不少見 。

    比如姚丹亞是清華大學自動化系的教授,他在做課程設計時,曾面向全校研究生開過一門課叫《智能交通概論》,巧合的是,同時期清華大學交通工程專業也開設了這一課程。

    最開始也有不少土木、計算機等專業的學生選修姚丹亞的這門課。

    但姚丹亞發現,諸如交通工程專業的學生選修他的《智能交通概論》,是希望補足控制、編程方面的知識,但這類知識自動化系的學生其實早有學習,因此他這門課的教學重點是在交通、 汽車 領域,而這方面,交通工程專業的學生又已掌握了不少。

    “很難滿足不同學生的需求,”姚丹亞指出。

    “任何一個學院和學科,都不能滿足無人車這種跨學科領域研究項目的人才需求,” 北京聯合大學副校長、智能車國家重大計劃項目負責人鮑泓也曾在接受媒體采訪時表示,光由自動化學院研究機器人只能側重自動控制,機電學院只會研究機器人關節和機械裝置,而這些都只是智能車研究中很小的一部分。

    因此, 在智能駕駛人才培養方面,將各相關專業融合教學成了趨勢之一 。

    在這方面,國內早有高校嘗試,只是并不以“自動駕駛學院”的名目單獨創立。

    比如在2016年,北京聯合大學就在全國成立了首個機器人學院,由院士李德毅擔任院長,而無人車屬于輪式機器人,成為專業的重點研究方向。

    但如果現在要想將自動駕駛設立為一門獨立的本科專業,抑或設為一級學科,其實都面臨著師資、課程培訓體系搭建、產業環境需求等一系列問題。

    深藍學院的教研負責人趙松就對新智駕表示,自動駕駛作為一個綜合性的學科, 高校目前并沒有足夠的師資來支撐自動駕駛成為一門獨立的專業 。

    “比如現在有不少學校都設立了AI專業,但結果還是因為缺乏師資,形成不了系統化的培養體系?!?/p>

    趙松認為,自動駕駛更偏工程化,高校師資如果沒有在這個行業的工作精力,培養出來的學生依然滿足不了企業需求。

    除此之外,開設一門新獨立學科或一級學科,通常需要國家層面的教育主管部門進行頂層設計,其前提是必須從“四個面向”的高度說明,中國大規模自動駕駛人才的培養不僅意義重大深遠,而且行業對人才有著持續性的市場需求,這使得實際操作起來環節很多,過程十分復雜。

    不過為了培養復合型人才,在2021年初,教育部新增了國內的第14個學科門類——交叉學科,下設“集成電路科學與工程”、“國家安全學”一級學科,經過申請備案,也有不少高校被允許自設二級學科和交叉學科。

    隨之而來的問題則是,“ 自動駕駛”學科究竟該隸屬什么學院,由誰來主導成立 。

    在《無人駕駛 汽車 概論》一書中,北京理工大學的陳慧巖等教授提出了一個重要概念,即智能 汽車 的一體化設計。

    陳慧巖等人認為,作為先進 科技 集成,智能 汽車 同樣要面對傳統 汽車 的美學造型設計、整車結構設計問題,產品既要美觀、實用,還要能滿足商業化成本控制需求。因此,從內部軟硬件控制系統到外部車身設計,都需要進行一體化考慮。

    在鄧志東看來,未來的自動駕駛車輛正向設計,雖然仍離不了信息化 汽車 平臺的支撐,但由計算機專業的思維來主導,或更有利于自動駕駛技術與產業的發展。

    目前對自動輔助駕駛和自動駕駛的研發,大多是利用新能源 汽車 或電動 汽車 全線控平臺進行構建,同時傳統燃油車與電動 汽車 均有高度市場化的產業支撐。

    因此相對來說,環境感知、自主定位定姿、行為預測、決策、規劃與控制,則是自動駕駛落地應用與大規模商業化進程中必須著力突破的焦點和難點。

    鄧志東從這個角度來分析, 認為人工智能與計算機視覺才是自動駕駛人才培養體系的核心和重點,應該也必須主要由它們來主導自動駕駛的教學體系設計與人才培養。

    元戎啟行副總裁劉軒則認為,和自動駕駛最接近的專業,應該是機器人專業,所以應該以設計機器人的思路去主導設計無人車,“目前國際上做得比較好的公司里的CTO或創始人們,基本都是機器人相關背景出身的”。

    而考慮到由此產生的各個學院的話語權爭奪問題,姚丹亞則直接否定,稱 “(設立獨立的自動駕駛學科)這事搞不成” 。

    除此之外,劉軒還表示,除非高校的課程能與業界保持與時俱進,否則專門開設一門自動駕駛學科的課程設置難度會非常大。

    一方面,自動駕駛技術的迭代需要海量數據,而高校只能用有限的開源數據,因此相比于業界,高校在理解自動駕駛技術方面就困難得多。

    另一方面,業內也有很多前沿的技術并未公開披露或者發表為論文,知識產權掌握在私企中,企業愿不愿意拿出來分享、誰來教課,也是一個很大的問題。

    事實上,從專業教學大綱、課程體系、師資、設備等方面搭建一門完整的獨立學科,往往需要至少5-10年的周期。

    遠水難解近渴。

    因此在目前企業內部的人才培養模式上,其實不少企業已經“被逼著”先形成了 “專項培訓”、“老帶新”,以及“在崗學習”三位一體的組合,效果初現。

    劉軒告訴新智駕,對于計算機專業以及對自動駕駛涉獵不深的應屆生,通過“老帶新”和“以戰代練”的方式,基本上入職半年就可以做出不錯的項目成果。

    因此在他看來,在校期間,這些學生專門去學自動駕駛課程的必要性不大,因為業內自動駕駛技術迭代非???,“在學校學的,畢業后可能就用不上了,校內學生最好還是培養基礎能力,比如機器學習算法、寫代碼能力、軟件工程能力”。

    L4級自動駕駛公司酷哇的HDR張樹麗則表示,與其設立單獨的自動駕駛學科,高校更應該多增加和企業的合作,培養學生的實踐落地能力,“以戰代練,是培養人的很好方式,酷哇比較崇尚”。

    國內高校對無人車的研究其實很早。

    和很多前沿技術一樣,國內開始對無人駕駛車輛的研究也是起于軍事需求。

    “八五”期間,南京理工大學、清華大學等高校承擔了一項名為“地面軍用機器人“的項目,聯合研制出了國內第一輛具有自主識別功能的ATB一1無人駕駛車輛。

    隨后,國內高校開始零星以課題組的形式對無人駕駛技術進行研究, 目前國內“科班”出身的自動駕駛人才,也大多由這些研究型大學產出 。

    比如中國工程院院士鄭南寧在2001年末,就在西安交大組建了無人駕駛智能 汽車 課題組。

    2002年,課題組的無人駕駛車“思源1號”正式誕生,2005年,課題組則開始試圖讓“思源1號”進行一次從西安到敦煌的長途無人駕駛之旅。

    當時“思源1號”的長途之旅走得磕磕絆絆,大多數時候仍依賴人工駕駛,而彼時國內研究無人車領域的人確實是少之又少,只能說是初步在土壤中埋下了種子,遠遠談不上自動駕駛人才培養體系。

    真正讓各高校刮起自動駕駛人才培養旋風的,是國內從2009年開始創辦的中國智能車未來挑戰賽。(雷峰網已策劃了中國智能車未來挑戰賽人物報道,點擊鏈接閱讀第一篇:《崔迪瀟:無人駕駛、搖滾和半個西安人》)

    2009年,第一屆中國智能車未來挑戰賽在西安舉行,當時的測試場景相對比較簡單,比如要求對交通信號、標志和標線進行識別等。

    隨著時間的推移,中國智能車未來挑戰賽開始引入更真實更復雜的場景,逐漸讓車輛在真實的鄉村和城區道路上行駛,并且陸續增加霧天、信號屏蔽區等測試環境,從感知到規劃決策再到控制,對參賽無人駕駛車輛的自主行駛能力要求不斷提高。

    舉辦十多年來,各大高校持續參賽,讓一批參賽學生對自動駕駛萌生興趣并走向業界成為中堅力量。

    鄧志東曾在2016年作為領隊,帶領清華大學的無人車“睿龍號”參加當時的智能車挑戰賽。

    他告訴新智駕,參加了智能車挑戰賽的學生們,一般是去往百度、阿里、騰訊等巨頭公司的比較多,主要從事自動駕駛高級技術崗,薪資水平相當可觀,也有少數學生創業,部分初創企業已成長為中國自動駕駛細分賽道的頭部企業。

    鄧志東認為, 與僅是以論文發表或是以PPT成果匯報為目的的科研不同,“以賽促研”的模式不僅能真刀真槍地解決問題,而且相應的技術研發也更加落地,因此培養的人才也更能滿足企業的實際需要 。

    元戎啟行副總裁劉軒也表示,參加類似的智能車挑戰賽能夠讓學生對行業有個基本的概念、產生興趣,吸引人才進入這個行業。

    也正是在2009年前后,國內高校對培養智能駕駛人才的動作頻繁起來。

    像2009年第一屆中國智能車未來挑戰賽的冠軍湖南大學,就在參賽前夕的2008年7月,由來自計算機通信學院、機械工程與運載學院等學院的50多人,組成了無人駕駛車輛預研項目組。

    清華大學的 汽車 安全與節能國家重點實驗室,則是在2011年,開始將研究方向轉向智能網聯 汽車 與自動駕駛。

    除此之外,還有各類名目不一的機器人實驗中心、國內外高校、企業聯合成立的無人駕駛研究中心、創新中心,都在這期間如雨后春筍般出現。

    同時,近幾年,隨著發展智能網聯產業上升到國家戰略高度,高校、職業院校們也開始增設相關專業或者學院,比如清華大學的車輛與運載學院、北航交通學院的自動駕駛班、合肥工業大學的智能車輛工程專業等等。

    不過,目前高校對智能駕駛人才的培養, 卻是起個大早卻趕了晚集,時至今日不管是“質”還是“量”都仍不能滿足業界當下的需求 。

    以中國智能車未來挑戰賽為例,盡管它確實為方興未艾的智能駕駛行業積累了技術和培養了人才,但隨著越來越多的公司進行自動駕駛技術的商業化落地,對他們而言,候選人的參賽經驗,在面試時,這時只能算是錦上添花的加分項。

    企業也開始更謹慎地通過類似的賽事去考察對方的能力。

    同時,自動駕駛技術步入落地階段,曾經眾多參賽選手自立門戶一舉創業的景象也已漸漸遠去。

    清華大學自動化系統工程研究所教授姚丹亞就認為,各種 汽車 挑戰賽,多是起到激發學生興趣的作用,“但對學生從事這個職業有多大作用,不太確定”。

    再看當下各類的高校無人駕駛實驗室或者研究中心,除了規模小無法滿足行業需求外,也另有局限。

    姚丹亞表示,高校實驗室或者和企業合作的實驗室目的各不同:

    趙爽今年剛碩士畢業,進入了一家新能源 汽車 公司任ADAS算法工程師。

    在他看來,由于論文導向,高校里的同學大多是在做推公式、調參的活兒,和企業做真實項目的需求脫節。

    “企業做項目需要把所有的缺點都克服,不一定要用最好的設備,關鍵是要可靠和效率高,但發論文只需要抓住N次實驗中的最好數據,為了論文的創新點,也會使用一些高端昂貴的設備?!?/p>

    確實,在自動駕駛的研發過程中,企業更加注重于短期的落地實踐與商業化應用,而高校則擅長較長遠的前沿與關鍵核心技術的攻克。

    鄧志東認為,培養與產出高級自動駕駛人才是高校的主要使命之一,這可為合作企業所用。

    因此,企業和高校之間,非常有必要合作成立自動駕駛實驗室或者研究中心。

    然而目前真正成功的合作案例不多。

    究其原因,一方面是兩者的評價體系與機制迥異,二是雙方的特長不同,合作中需要揚長避短。

    例如,由于高校研發團隊通常很小,學生管理較自由,執行力與效率不如企業,因此企業并不適合以時間硬節點的形式要求高校完成一些工程性很強的開發任務。

    另外考慮到核心技術的突破具有一定的失敗風險,因此校企合作中也要有一定的寬容度。

    而當下新增的專業比如智能車輛工程等,其實也存在著供需錯配的問題。

    像近年專面向智能網聯 汽車 技術而全新開設的智能車輛工程專業,其課程體系仍然以機械類課程為主,對智能網聯 汽車 技術的總體匹配程度相對不高。

    此類專業對學生的培養方向,與其說是智能化,不如說更多是電動化,學生也多在 汽車 及零配件、機械/設備/重工、交通/運輸/物流等領域就業。

    而除了設立獨立的自動駕駛學科這一選項,在培養產業應用型人才方面,研究型大學、應用型大學和技能型大學等不同種類院校能做的事其實并不少,比如參考德國的二元制教育、借鑒硅谷的“創業孵化器”“產學研培養”等模式, 探索 空間極大。

    當然,現階段為行業培養人才的事,應該仍靠校外做主力。

    但在參加一些校外培訓機構的課程時,L4級自動駕駛公司AutoX發言人提醒新智駕,如果候選人參與過一些比較復雜的項目,那么類似的校外培訓經驗有用。

    不過如果只是參與了簡單的落地項目,這種項目經驗反而會導致候選人的技術積累比同齡人更慢更淺,求職過程中會比較困難。

    “人才荒”——這不僅僅是自動駕駛一個領域的困境,而是已經成為整個制造業轉型的桎梏。

    如今,供給側改革大潮滾滾而下,我們又再一次站在了 歷史 的十字路口,除了資本、資源,人力資本也必須開始向新供給集中,新需求才可能被創造,從而擠壓老產業的生存空間,從根本上消除產能過剩。

    教育政策,也必須回到 社會 需求與 社會 現實中,才會有不斷煥新的生命力。

    參考資料:

    《無人駕駛 汽車 概論》,作者:陳慧巖、熊光明、龔建偉,出版社:北京理工大學

    雷峰網#雷峰網#雷峰網

    加州DMV最新自動駕駛報告出爐 中國玩家名列前茅

    易車訊??2022年2月10日,加州交通管理局DMV發布全新2021年全年自動駕駛數據,中國與美國頭部自動駕駛公司繼續占據排行榜前列。

    加州DMV年度平均接管里程(MPI,接管里程數)為自動駕駛核心衡量指標之一,反應出綜合平均了全年里程和接管數,被行業廣泛認為是比試駕體驗更客觀、量化和準確的衡量辦法。

    在加州車隊規模排名前十的公司為:

    在硬件上,可以看到全部玩家均配帶了多顆激光雷達。除了小馬智行Pony與元戎啟行DeepRoute宣布將放棄旋轉式激光雷達,改用嵌入車身的單向雷達,其他頭部玩家均選擇旋轉式激光雷達。旋轉式激光雷達仍然是絕大多數頭部RoboTaxi公司的第一選擇。

    毫無疑問,無人駕駛行業,處于汽車行業、交通行業、科技行業的交叉口,代表這當代科技發展的巨大變革,孕育著巨大的商業和社會價值。本次全球排名中,中國的代表玩家獲得了令人驕傲的成績,也體現了未來RoboTaxi乃至自動駕駛行業,中國企業的技術儲備、商業化能力將讓他們成為不可忽視的全球頭部參與者。

    全球自動駕駛汽車硬件和軟件最新技術總結(2020)

    進入到2020年,自動駕駛技術走到了需要規模商業化證明技術價值的時候。

    不管是封閉或半封閉場景的礦區、港口和園區,還是公開道路的RoboTaxi、RoboTruck等,技術都是自動駕駛在不同場景商業化的基礎。

    本報告覆蓋了自動駕駛汽車所需要的感知、定圖與定位、傳感器融合、機器學習方法、數據收集與處理、路徑規劃、自動駕駛架構、乘客體驗、自動駕駛車輛與外界交互、自動駕駛對汽車部件的挑戰(如功耗、尺寸、重量等)、通訊與連接(車路協同、云端管理平臺)等技術領域的討論,并且提供相應的各自動駕駛公司的實施案例。

    本報告是由美國、中國、以色列、加拿大、英國等全球不同國家和地區的自動駕駛專家,針對自動駕駛技術的硬件和軟件技術,進行的全面闡述,方便各位讀者能夠從技術角度,了解最新的技術動態,從而全面了解自動駕駛汽車。

    本報告的案例大多數來自汽車領域,這也是目前自動駕駛行業最火熱的應用場景,但是,服務個人出行的汽車并不是自動駕駛技術影響深遠的行業,其他的行業,如公共交通、貨運、農業、礦業等領域,也同樣是自動駕駛技術應用的廣泛天地。

    各類傳感器,用于自動駕駛汽車感知環境,如同人類的眼睛,自動駕駛汽車的基礎部件;自動駕駛汽車的傳感器主要有五種,包括了:1、Long?range?RADAR;2、Camera;3、LIDAR;4、Short/Medium?range?RADAR;5、Ultrasound;

    這些不同的傳感器,主要用于不同距離、不同類型的物體感知,為自動駕駛汽車判斷周邊環境,提供最重要的信息來源,另外,還有一個環境感知的信息來源是車路協同的來源,這點報告中也有闡述。

    1、掃描范圍,確定必須對被感測的對象做出反應的時間;

    2、分辨率,確定傳感器可以為自動駕駛車輛提供的環境細節;

    3、視場或角度分辨率,確定要覆蓋、要感知的區域需要傳感器的數量;

    4、刷新率,確定來自傳感器的信息更新的頻率;

    5、感知對象數量,能夠區分3D中的靜態對象數量和動態對象數量,并且確定需要跟蹤的對象數量;

    6、可靠性和準確性,傳感器在不同環境下的總體可靠性和準確性;

    7、成本、大小和軟件兼容性,這是量產的技術條件之一;

    8、生成的數據量,這決定了車載計算單元的計算量,現在傳感器偏向智能傳感器,也就是,不僅僅是感知,還會分辨信息,把對車輛行駛影響最重要的數據傳輸給車載計算單元,從而減少其計算負荷;

    下面是Waymo、Volvo-Uber、Tesla的傳感器方案示意圖:

    1、Tesla的傳感器,具有加熱功能,可抵御霜凍和霧氣;

    2、Volvo的傳感器配備有噴水清潔系統,用于清潔粉塵;

    3、Waymo使用的Chrysler?Pacifica的傳感器有噴水系統和刮水器。

    02?SLAM和傳感器融合

    SLAM是一個復雜的過程,因為本地化需要地圖,并且映射需要良好的位置估計。盡管長期以來人們一直認為機器人要成為自主的基本“雞或蛋”問題,但在1980年代和90年代中期的突破性研究從概念和理論上解決了SLAM。從那時起,已經開發了多種SLAM方法,其中大多數使用概率概念。

    為了更準確地執行SLAM,傳感器融合開始發揮作用。傳感器融合是組合來自多個傳感器和數據庫的數據以獲得改進信息的過程。它是一個多級過程,處理數據的關聯,相關性和組合,與僅使用單個數據源相比,可以實現更便宜,更高質量或更多相關信息。

    1、順序地,將驅動過程分解為分層管道的組件,每個步驟(傳感,定位,路徑規劃,運動控制)都由特定的軟件元素處理,管道的每個組件都將數據饋送到下一個;

    2、基于深度學習的端到端解決方案,負責所有這些功能。

    端到端(e2e)學習作為一種解決方案,可以解決自動駕駛汽車復雜AI系統所面臨的挑戰,因此越來越受到人們的關注。端到端(e2e)學習將迭代學習應用于整個復雜系統,并已在深度學習的背景下得到普及。

    03?三種機器深度學習方法

    當前,不同類型的機器學習算法被用于自動駕駛汽車中的不同應用。本質上,機器學習根據提供的一組訓練數據將一組輸入映射到一組輸出。1、卷積神經網絡(CNN);2、遞歸神經網絡(RNN);3、深度強化學習(DRL);是應用于自動駕駛的最常見的深度學習方法。

    RNN——當處理諸如視頻之類的時間信息時,RNN是強大的工具。在這些網絡中,先前步驟的輸出作為輸入被饋送到網絡中,從而使信息和知識能夠持久存在于網絡中并被上下文化。

    DRL——將深度學習(DL)和強化學習相結合。DRL方法使軟件定義的“代理”可以使用獎勵功能,在虛擬環境中學習最佳行動,以實現其目標。這些面向目標的算法學習如何實現目標,或如何在多個步驟中沿特定維度最大化。盡管前景廣闊,但DRL面臨的挑戰是設計用于駕駛車輛的正確獎勵功能。在自動駕駛汽車中,深度強化學習被認為仍處于早期階段。

    這些方法不一定孤立地存在。例如,特斯拉(Tesla)等公司依靠混合形式,它們試圖一起使用多種方法來提高準確性并減少計算需求。

    一次在多個任務上訓練網絡是深度學習中的常見做法,通常稱為多任務訓練?或輔助任務訓練。這是為了避免過度擬合,這是神經網絡的常見問題。當機器學習算法針對特定任務進行訓練時,它會變得非常專注于模仿它所訓練的數據,從而在嘗試進行內插或外推時其輸出變得不切實際。

    通過在多個任務上訓練機器學習算法,網絡的核心將專注于發現對所有目的都有用的常規功能,而不是僅僅專注于一項任務。這可以使輸出對應用程序更加現實和有用。

    本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

    自動駕駛成熟度報告出爐,中國排名第20,榜首國家令人意外

    文/張一

    不到一周前,上海推出了首個中心城區自動駕駛開放測試道路,位于金橋。這也是國內超大型城市率先開放的中心城區智能網聯汽車開放道路測試場景,上海的自動駕駛測試車輛再也不用只能在臨港、奉賢以及嘉定這些偏遠的“無人區”打轉轉了。

    上海不是國內自動駕駛車輛測試最火熱的城市,以測試企業和自動駕駛測試車牌及路測里程計,上海只能排第三位,排在前兩名的應該是北京和長沙。

    根據《北京市自動駕駛車輛道路測試2019》報告中的內容,截止2019年底北京已累計開放151?條、總長?503.68?公里的自動駕駛測試道路,有?13?家企業的?77?輛車參與了道路測試,路測總里程達?104?萬公里。

    而據畢馬威會計事務所(KPMG)最近發布的?2020?版《自動駕駛汽車成熟度指數》,這份報告一共提及了五個自動駕駛發展比較不錯的城市,這其中就包括北京。

    當然這份《自動駕駛汽車成熟度指數》報告最有看點的地方,是它評估了全球總計30個國家和地區的自動駕駛部署與準備情況,評級排名細分為四個維度:政策和立法、技術和創新、基礎設施、消費者接受程度。

    而中國在這其中的排名并不顯著,我們可以一起看看國際上不同地區對于自動駕駛汽車的參與情況。

    ▲數據來源畢馬威

    而在總計30個國家和地區中,關于自動駕駛汽車發展的四個維度綜合評分最高的地區你絕對想不到,它是新加坡。

    新加坡在消費者接受度和政策立法兩個維度均排名第一位,而在新加坡國內有十分之一的公共道路被開放用于自動駕駛車輛測試。且不說這個政策支持力度,新加坡獨特的國家環境恐怕也是其他國家無法比擬的,身為發達國家且國土面積不大,道路建設自然擁有很多優勢,且又因為是小國在一些政策法規上反而也會擁有更高的靈活度。

    ▲自動駕駛初創公司?nuTonomy在新加坡測試無人駕駛出租車

    排名第二的則是荷蘭,其自動駕駛基礎建設維度排名第一位,在政策立法方面排名第三位。

    據報告內容,在荷蘭,有80%左右的自動駕駛道路測試點位于居住區附近,這意味對于自動駕駛測試車輛來說,因為道路環境更接近真實交通情況,路測數據的含金量會更高。另外,在荷蘭人均電動車充電樁數量是全世界最高的,從長遠看這同樣有利于自動駕駛汽車發展。

    排名第三位是挪威,同樣是國土面積不大的發達國家,挪威的突出點在于消費者接受度和技術創新方面。而細數這份排名,很容發現,除美國外在排名靠前的國家中大多數均為國土面積不大的發達型國家,比如排在后面的芬蘭、瑞典、韓國等等。

    排名前十的國家和地區中,有且只有美國一個大國還是挺有意思的現象。這其實無可非議,這份報告中畢馬威調查的關于自動駕駛汽車的公司,有44%總計420家公司總部位于都美國,基本上常為大家熟知比如特斯拉、谷歌、Uber、Waymo等等都是美國公司。

    而在美國加州,每年自動駕駛頭部企業的路測試里程更是一騎絕塵,導致美國總排名排在第四位的主要還是在基礎設施方面和政策立法上。

    也可以看出,這個排名就是偏向于不同地區的自動駕駛落地前景的。畢竟未來很有可能的是一項新的技術在美國誕生,但最終成功率先實現應用的卻是在一個政策法規都更靈活,在基礎設施建設上更易實現配套的發達型小國家。

    最后對比一下中國的排名,中國排名第20位和去年的排名相同,四個評價維度中排名靠后的和美國一樣都是政策立法和基礎設施方面,這兩個單項排名第21和22位。

    基礎設施方面其實更偏向理解是道路環境的復雜程度,畢竟在國內有開放自動駕駛道路測試的基本都是大城市,相比起道路建設,國內道路上行人、各種非機動車才是自動駕駛車輛發展的難點。

    此外,這份報告還指出中國在數據共享做的不夠,對高精地圖的發展會有影響,但在行業伙伴關系上卻排在了30個國家中的第一位。

    另外,而5G基礎建設的加入也會加快自動駕駛發展的步伐,中國的年輕人對于自動駕駛的接受度很高??偠灾?,雖然這份排名中中國的排名目前并不靠前,但發展潛力很大,有短板但也有遙遙領先的優勢。

    本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

    自動駕駛行業報告獵頭的介紹就聊到這里吧,感謝你花時間閱讀本站內容,更多關于汽車行業獵頭、自動駕駛行業報告獵頭的信息別忘了在本站進行查找喔。

    掃碼二維碼