一周要闻北京市发布新型基础设施建设行动方案计划到2022年建设支持L4级别以上自

一周要闻北京市发布新型基础设施建设行动方案计划到2022年建设支持L4级别以上自本站　　据外媒报道，综合了各种驾驶辅助功能的套件——福特Co-Pilot360技术将增加主动驾驶辅助（Active Drive Assist）功能，从而允许车主在50个州以及加拿大10万多英里的分车道高速公路上实现脱手驾驶

　　据外媒报道，综合了各种驾驶辅助功能的套件——福特Co-Pilot360技术将增加主动驾驶辅助（Active Drive Assist）功能，从而允许车主在50个州以及加拿大10万多英里的分车道高速公路上实现脱手驾驶。

　　脱手驾驶模式允许驾驶员在某些预先绘制好地图的分车道高速公路路段驾驶时，如果能够继续关注前方道路状况，就可以将手放开方向盘，从而能够提升长时间驾驶的舒适性。

　　当脱手驾驶和手动驾驶保持在车道中心（适用于任何有车道线的道路）模式处于激活状态时，车内面向驾驶员安装的先进红外摄像头会跟踪驾驶员眼睛的注视方向和头部位置，确保驾驶员仍在关注道路情况。当驾驶员需要将注意力转移到道路上或者恢复对车辆的控制时，车内仪表盘上的视觉提醒会发送通知。

　　主动驾驶辅助功能将在特定的2021款福特车型上推出，而福特Mustang Mach-E全系列都会提供该功能。

　　据外媒报道，奥迪宣布在美国圣何塞成立自动驾驶（A2D2）新研发办公室，专门针对北美市场打造高级驾驶辅助系统（ADAS）。该办公室位于硅谷核心区域，A2D2具有快速开发新软件的灵活性，并可与附近的初创企业合作，开发可用于量产车的程序。

　　奥迪表示，A2D2已经给多辆Q7工程车安装了车顶传感器套装，用于收集数据，并且帮助软件工程师开发工具，让未来的奥迪车辆拥有更多功能，提升车主的驾驶体验。A2D2的工程车外部还覆盖了二维码，扫描之后既可以打开一个网站，人们可以在上面看到奥迪最新的开发成果。测试车队所收集的数据将被用来开发多个基于云端的自动化驾驶辅助功能，这些功能预计将在2023年推出。

　　奥迪还将与Car.Software进一步合作开发自动化驾驶，后者是大众集团新成立的部门，大众集团所有品牌的自动驾驶开发活动都将集中在这个部门中。将所有品牌的开发聚合在一起，能够确保发挥协同增效作用，让所有品牌都能从中获益。

　　近日，东风汽车发布消息称由东风公司技术中心自主开发的东风Sharing-VAN 1.0 Plus已于日前在东风公司技术中心量产下线。据悉，该车为国内首款L4级5G自动驾驶汽车，目前已经收到来自北京、浙江、广东和湖南等地的70多辆订单，涉及无人微公交、无人物流车、清扫消杀车等多个车型。

　　此次量产下线的东风Sharing-VAN 1.0 Plus具备一键招车、动态限速、环岛通行、动态避障、多车编队、自动泊车及后台招车、远程控制、调度监控等13项功能，可应用于交通不便的科技园区或大型景区。同时，东风Sharing-VAN 1.0 Plus还搭载了5G通信技术，在车联网和北斗系统的加持下，能够实现远程遥控驾驶，遇到紧急状况时，后台可以通过远程遥控接管车辆，时延仅为5-6毫秒。

　　近日，广汽新能源与千寻位置联合宣布，全球首款北斗高精度定位5G V2X智能车发布并正式上市。依托千寻位置提供的北斗高精度时空智能服务，“下一代智能SUV”——广汽新能源埃安V的定位精度达到厘米级，可以实时知道自己开在哪一个车道，行驶更加安全、可靠。

　　据广汽新能源方面介绍，车道级定位能力可以帮助ADiGO 3.0自动驾驶系统准确判断设计运行区域（ODD），决定自动驾驶功能在合适的时候进行交接。在相对定位方案失效的情况下，比如车道线不规则、车道线短暂覆盖、道路无明显标志物、弯道曲率过大，埃安V依然能够根据准确的卫星定位和高精度地图数据，进行自动驾驶功能决策。

　　此外，基于千寻位置提供的高精度定位和授时服务，埃安V拥有的V2X技术可以获得车与车、车与人、车与路侧单元等各类信息交互的统一时空体系。这意味着，埃安V的ADiGO 3.0自动驾驶系统，将不受视线遮挡、恶劣气候等因素干扰，在紧急制动预警、前向碰撞预警等安全功能中减少误报漏报，保障车主、行人等交通参与方的安全。

　　近日，蔚来正式向车主推送了版本代号为NIO OS 2.6.5车机系统。本次更新主要涉及数字座舱、全自动泊车系统等相关功能的优化和修复，官方将通过FOTA分批逐步对当前版本为2.5.0及以上的ES6和ES8车辆进行推送。

　　本次系统更新针对蔚来全自动泊车的几个痛点问题进行了优化，具体内容包括：结合环视摄像头，提升光线条件良好场景下的垂直车位检测能力及泊车成功率，支持根据地面车位划线识别车位；搜索车位的方式由自动改为手动开启，避免在正常低速行车时提示找到车位的问题；在泊车界面可以显示并选择识别到的车位；此外，想要激活自动泊车，用户只需选中车位、挂入R挡并点击中控的“开始泊车”按钮，车辆便会自动泊入车位。

　　近日，中国信科集团旗下大唐高鸿与阿尔卑斯阿尔派联合宣布,双方合作打造的新一代C-V2X车规级模组DMD3A生产线顺利落成并投入量产使用。这意味着大唐高鸿车规级模组DMD3A在产线全面开动的前提下,产能将大大提升,并可基本满足智能网联产业链的应用需求。

　　近日，以色列GPS安全初创公司infiniDome宣布在种子轮融资中筹集到了160万美元（约合1129.34万元人民币），并将启动预首轮融资（Pre-series A）。

　　infiniDome公司推出了全球首个GPS网络攻击探测和保护解决方案——OtoSphere，专为商用车和消费型车辆设计。OtoSphere非常适用于运钞车、高端货运和自动驾驶车辆等依赖于GPS进行定位、定时和监控的应用。该解决方案可以保护此类交通应用免受网上就可以购买到的廉价GPS的禁用伤害。此外，infiniDome的专利相控阵抗干扰技术不仅可轻松解决该问题，还非常具有成本效益。

　　据外媒报道，韩国移动运营商LGU+宣布与韩国自动驾驶技术解决方案开发商Autonomous a2z合作，以研发升级版自动驾驶技术，并在真实的城市道路上测试最新研发的无人驾驶解决方案。

　　LGU+将测试各种技术，如用于自动驾驶汽车的专用5G网络、高精动态地图和车到一切（V2X）技术，而Autonomous a2z负责提供微型电动汽车和15座微型巴士等自动驾驶汽车。Autonomous a2z总部位于首尔东南约250公里（155英里）的庆山市，专注于研发用于各种条件下的自动驾驶解决方案。

　　据外媒报道，法国初创公司Monk表示，其在种子轮融资中成功筹集了210万欧元（约合1683.89万元人民币）。Monk主要研发基于人工智能（AI）技术的检查和检测系统，用于识别汽车损坏情况。

　　Monk公司首席执行官兼联合创始人Aboubakr Laraki表示：“Monk的使命是通过在汽车转手时提升信任和效率，以变革移动出行/保险市场。我们打造了一个基于AI、无需硬件的检测系统，可以通过照片或视频即时评估任何车辆的状况。”

　　其解决方案基于一种突破性AI技术，能够依赖用户、租赁人和/或驾驶员拍摄的照片检测车辆的损坏情况，而且该解决方案的价格只是传统方案价格的一小部分。预计该公司的解决方案能够让保险行业更高效、更快优化承保和索赔流程，从而为保险公司节省大量资金，提升客户满意度。

　　近日，北京发布《北京市加快新型基础设施建设行动方案（2020-2022年）》（以下简称《方案》）指出，到2022年，北京市在交通领域，将加快建设可以支持高级别自动驾驶（L4级别以上）运行的高可靠、低时延专用网络；新建不少于5万个电动汽车充电桩，建设100个左右换电站等。

　　其中，在车联网方面，《方案》指出要加快建设可以支持高级别自动驾驶(L4级别以上)运行的高可靠、低时延专用网络，加快实施自动驾驶示范区车路协同信息化设施建设改造。搭建边缘云、区域云与中心云架构的云控平台，支持高级别自动驾驶实时协同感知与控制，服务区级交通管理调度，支持智能交通管控、路政、消防等区域级公共服务。三年内铺设网联道路300公里，建设超过300平方公里示范区。以高级别自动驾驶环境建设为先导，打造国内领先的智能网联汽车创新链和产业链，逐步形成以智慧物流和智慧出行为主要应用场景的产业集群。

　　据悉，中国科学院深圳先进技术研究所（SIAT）的Zhang Qieshi博士领导了一个研究小组，提出一种新型技术解决方案，以解决目前自动驾驶中存在的深度估计问题。

　　在自动驾驶中，基于立体视觉的深度估计技术可以准确地估计出障碍物与车辆的距离，该技术对于车辆正确规划路径也至关重要。

　　研究人员提出了一种自我改进金字塔立体网络，后续无需复杂处理就可直接复原差距，而且在不适定的区域，该网络也展现了较强的鲁棒性。此外，通过在线学习，该模型不仅解决了数据局限性问题，还在实际应用中节省了培训时间和硬件资源。同时，面对新场景，具备自我改进的能力，能够根据测试数据及时快速调整，以提高预测的准确性。

　　研究人员进行了实验以及基准测试，结果表明，新提出的网络能够实现深度估计功能，而且错误率仅为8.3%。

　　如何训练自动驾驶汽车，让其对周围的世界有更深的认识？计算机能够从过去的经验中学习，从而认识到未来的模式，以帮助自动驾驶汽车安全地在不可预测的新情况下行驶吗？这些就是麻省理工学院（MIT）运输&物流中心的AgeLab与丰田安全技术协作研究中心（CSRC）试图解答的问题。据外媒报道，MIT与CSRC的答案就是共享了一个名为DriveSeg的创新开放数据集。

　　通过DriveSeg数据集的发布，可以知道MIT和丰田正致力于推进自动驾驶系统的研究，让该系统能够拥有像人类一样的感知能力，将驾驶环境视为连续的视觉信息流。首席研究员Bryan Reimer表示：“通过共享该数据集，我们希望鼓励研究人员、业内人士和其他创新者为临时AI建模研发新见解和新方向，以实现下一代辅助驾驶和汽车安全技术。”

　　截至目前，已经向研究社区公布的数据集主要是由静态、单一的图像组成，可通过使用“边界框”识别和追踪道路内和道路周围的常见物体，如自行车、行人或交通信号灯等。相比之下，DriveSeg通过连续驾驶场景的视频镜头，对此类相同的常见道路物体进行了更精确的像素级表征。此种全场景分割对于识别没有特定、统一形状的不定形物体特别有用，如道路建筑和植被。

　　据外媒报道，美国莱斯大学（Rice University）研发了一种高效节能的深度神经网络（DNN）训练方法——称为“Early Bird”（早鸟法），而深度神经网络是自动驾驶汽车、智能助理、面部识别和各种高科技应用背后的一种AI（人工智能）技术形式。莱斯大学和德克萨斯农工大学的研究人员表示，用Early Bird训练DNN时所消耗的能量可减少10.7倍，而且精度水平与普通的训练方法相同，甚至更好。

　　研究人员表示：“目前，最先进的 DNN训练方法称为渐进式修剪与训练。首先，需要训练一个密集、巨大的神经网络，然后移除看起来不重要的部分，就像给一棵树修剪一样。然后，重新训练经过修剪的网络，以恢复其性能，因为修剪之后的性能会下降。在实践中，则需要多次进行修剪，并重新训练，才能获得良好的表现。第一步，即训练密集、庞大的网络，是最昂贵的，因此需要在第一步就确定好最终、功能齐全、经过修剪的网络，即“early-bird ticket”（早鸟票）。”在各种有关基准数据集合DNN模型的实验中，研究人员们发现，“Early Bird”在最初训练阶段出现的几率只有十分之一，甚至更少。

　　研究人员表示：“我们的方法能够在训练密集、庞大的网络前，早10%或更早地自动识别出早鸟票。意味着，与训练DNN的传统方法相比，可减少约10%或利用更少的时间来训练DNN，而且可以达到相同甚至更高的精确度，从而既可节省计算、又可节省能耗。”

　　据外媒报道，对于自动驾驶汽车而言，能够快速检测到道路上的其他车辆或行人至关重要。梅隆大学（Carnegie Mellon University）研究人员发现，帮助车辆识别其看不到的物体，可以显著提高检测精度。

　　自动驾驶汽车使用激光雷达3D数据将物体表示为点云，然后将这些点云与物体3D表示库匹配。Hu表示，问题在于，车辆激光雷达3D数据并不非线D，传感器无法看到物体被遮挡的部分，而目前的算法也无法推断出被遮挡的部分。Hu表示，“感知系统必须知道被遮挡的物体。”

　　在计算机视觉和模式识别（CVPR）大会上，Hu及其同事们借鉴地图制作技术，帮助系统在识别物体时推断物体的可见性。在标准基准测试中，他们的方法表现优于之前的技术，对小汽车的检测提高了10.7%，对行人的检测提高了5.3%，对卡车的检测提高了7.4%，对公共汽车的检测提高了18.4%，对拖车的检测提高了16.7%。

　　以往的系统没有考虑到可见性，原因之一可能是考虑到计算时间。但Hu表示，其团队的方法只需要24毫秒，而激光雷达每次扫描时间位100毫秒。