[自駕車]新的藍海時代自駕車的軟硬體的應用與開發,又有新的廠商開始逐鹿中原引領風騷了~

heliboy wrote:
Google也不是...(恕刪)


這可不是google glass這種小東西可以比的
Google把Chris逼走的原因是Google想提早商品化
但chris在TED上的說法是很多還是不成熟
Google現在是控股公司
自駕車是Waymo主導

自駕車以後是影響人類的一個大事
google投資那麼多要停?
Google累積了那麼多的經驗
其他車廠根本比不上

Volvo與Tesla那種不是L5的等級
Google在玩的就是L5等級
L5要成熟當然要花時間
Google的管理階層以前要逼Chris要及早上市
這真有點強人所難
如果是只求L4就還可以
但google以一統江湖的策略來看
當然是L5練功

Tesla被Musk要求盡快量產自駕車的系統
所以才不會用上LiDar

我不是只會看新聞的角度來看這件事
我從半導體製程的技術來切入研究的
我對於LiDar比較有興趣

自駕車的這些靈魂人物都是來自卡內基美農大學這些研究機械人的團隊
該校可是美國研究機械人與自動控制的重鎮
台灣的大學教授
如果是研究機械人的
看學歷就知其本事...
健人就是腳勤

NQQegg wrote:
我不是只會看新聞的角度來看這件事
我從半導體製程的技術來切入研究的
我對於LiDar比較有興趣



對於任何新科技, 我比較從人性與社會的角度來看它可能的發展!
heliboy wrote:
對於任何新科技, ...(恕刪)


自駕車的科技與社會的討論TED很多
但前題是能成真後再談
沒有domain Knowledge
怎會知那邊是盲點?那邊不可行?那邊改善後可以達成?
不然是空談

舉個例子
兩腳走路的機械人
以前就做不到
花了快20年才能雙腳走路
但還是微彎
從open-loop control 進步到closed-loop control
花了20年

其實自駕車的技術與機械人的應用有些相同
像Boston Dynamics的機械人也裝LiDar
也是動態即時3D建模與機械視覺與判定
後面接大數據判讀數據

車廠在後端處理的能力較弱
擔心被整碗捧去
科技這種事
5年不行就10年
F22花了20年研發
機械人20年才能走

科技影響社會
社會也會因此而改變
這是互相的

我與您不熟
請不要丟訊息給我⋯

健人就是腳勤
NQQegg wrote:
我與您不熟
請不要丟訊息給我⋯

我從來沒丟私訊給你. 是不是01的系統出問題.
數學公式算得出自駕車事故責任歸屬?
•2017年10月19日
•Junko Yoshida, EE Times首席國際特派記者
https://www.eettaiwan.com/news/article/20171019NT01-Mobileye-Safety-Formula-Does-not-Quite-Add-Up?utm_source=EETT%20Article%20Alert&utm_medium=Email&utm_campaign=2017-10-20

Mobileye開發了一個數學模型,認為只要遵循預先明確定義的一套規則,自駕車判定自動駕駛車輛在道路上行駛時的責任歸屬…
英特爾(Intel)在本週發佈了一篇新聞稿,表示Mobileye執行長暨英特爾資深副總裁Amnon Shashua在日前於南韓首爾舉行的世界知識論壇(World Knowledge Forum)上發表演說時,提出了一套為確保自動駕駛車輛安全性而開發的數學公式。
該新聞稿指出,同時擁有教授身份的Shashua與他的同事Shai Shalev-Shwartz (Mobileye技術副總裁),共同發表了一篇學術論文與方便大眾理解的摘要,詳細說明如何以一套正規的數學公式,確保自駕車以審慎負責的態度上路行駛,且不會引起交通事故。
而或許更重要的是,Shashua的演說表達了Intel/Moblieye與產業界共同推動標準的渴望,特別是在人類駕駛與自駕車發生難以避免的碰撞事故時,應如何判定法律責任歸屬。
Intel/Moblieye的目標是用專門的數學模型讓自動駕駛車輛在交通事務中「免責」──Shashua表示,只要遵循一套由產業界與政府主管機關預先明確定義的規則,可確保自駕車只會在「安全」的框架內運行而不會成為肇事主因。
新聞稿中引述Shashua的談話指出:「究責的能力至關重要。自駕車和世上最優秀的人類駕駛一樣,一旦遇到難以掌握的狀況,交通事故也無可避免地會發生。如果能擁有360度視野以及像自駕車一樣迅捷的反應速度,小心謹慎的駕駛人因為疏失而造成事故的可能性則極低。」
乍看這個想法,我覺得是冷酷無情而且自私自利;不過看到Intel在新聞稿描述Mobileye是「為自駕車產業說明如何證明自動駕駛車輛的安全性」,讓我又覺得需要好好思考…而市場研究機構Linley Group的資深分析師Mike Demler提出了一針見血的看法:「在什麼世界會發生“球員兼裁判”對產業界來說是好事的情況?」
的確是如此。不過在我仔細閱讀了Shashua的論文之後,還是得承認在全球自動駕駛車輛技術開發者中,Mobileye確實是領先者;他們在這個領域耕耘已久,也提出了很多想法。
有鑑於此,我發現有趣的地方是Mobileye坦承了幾件事:
1.完全避免交通事故是不可能的;
2.若無「公式化的事故模型」,汽車產業就無法開發駕駛策略軟體以避免自動駕駛車輛成為交通事故中的肇事者;
3.產業界需要一個解決方案,避免「大多數自動駕駛車輛開發者似乎已經在規劃的資料密集驗證程序」;Mobileye認為這是不可行的(無論是在實際道路上或是模擬環境中)。


用以計算車輛安全車距的公式
(來源:Mobileye)
換句話說,Mobileye的技術論文揭露了許多觀察者長期以來懷疑的事情──除非汽車產業開發出堅實的安全驗證程序,還有一套能讓廠商開發決策軟體的規則,以及提供大眾「可證明之安全性擔保」,自動駕駛車輛不可能真正上路。
如同Mobileye的論文作者們所指出的,他們有各種理由擔心,缺乏安全保障標準與可擴充性,會讓目前產業界對自動駕駛車輛的濃厚興趣漸漸縮小為特定學術研究,並讓整個自動駕駛車輛領域面臨寒冬;不過那些棘手的問題迄今產業界無人有意願提及、遑論坐下來談。
Intel/Moblieye願意率先為解決這些問題付出努力,值得一些掌聲鼓勵;有產業分析師認為,Mobileye的提案「具備改善自動駕駛技術的潛力」。
根據Mobileye的邏輯,如果你有一個公式化的「事故責任歸屬」模型,工程師們就能輕鬆地開發出駕駛策略演算法,避免自動駕駛車輛造成交通事故;此外這種模型還能讓工程師針對自動駕駛車輛開發「具效益的驗證程序」,不需費力進行詳盡的道路測試與模擬軟體測試。
Mobileye的論文作者指出,自動駕駛車輛具備360度的環景視野與無干擾、非常快速的反應時間,而藉由結合這些優點以及公式化的責任歸屬模型:「自動駕駛車輛開發者能設計出一套系統,具備能根據這種模型評估每一個指令的軟體。」


在超車策略的案例中,計算車輛周遭的安全通道(corridors)可判斷責任歸屬
(來源:Mobileye)
從工程觀點來看,Mobileye的提案似乎有可能成為克服開發無事故自動駕駛車輛之挑戰的解決方案;不過真正的問題在於,Mobileye的邏輯令人遺憾地抽離了現實世界由人類維繫的特定社會規範、習俗以及行為。
需要預先定義的規則
在論文中,Mobileye作者其實擔心自動駕駛車輛中就會與人類駕駛的車輛發生碰撞,他們表示:「如果這種情況發生,相關單位將會進行調查,這可能耗費數個月的時間;甚至如果責任在於人類駕駛的車輛,其歸屬也可能無法立即證明。在事故涉及自動駕駛車輛時,會獲得社會大眾高度關注。」
Mobileye因為相信其方法能將事故過失責任的「常識」(common sense)公式化而帶來舒適與自信,論文作者表示它們能「公式化駕駛情境,以及優先權與讓路(give way)、變換車道(take way)等概念,還能加入速度、距離等等參數,結合到用以判定責任的數學公式中;但不太清楚作者所說的「常識」代表什麼,對誰來說算是「常識」?
最後Mobileye信心十足地表示:「我們的解決方案能根據數學模型,預先為過失責任建立明確的規則;如果這些規則預先確立,事故調查時間就能非常短而且是根據事實,並確定責任歸屬。他們認為,當這類事故不可避免地發生時,能釐清消費者、車廠與保險業者之間的責任風險,將會強化大眾對自動駕駛車輛的信心。」
但…這是要如何運作?
我看到了一個問題…Linley Group的Demler也是;針對Mobileye提出的「事故調查時間能非常短而且是根據事實,並確定責任歸屬」,他的看法是:「這真是讓我不敢相信的天真。」
Demler被逗樂了:「這是以為整個世界照著工程師的想法運轉嗎?顯然Mobileye的人從來沒上過法庭。法庭上你會帶著你的事證,我也會帶著我的;你會請律師,我也會聘一個。然後我們會辯論、交叉訊問,接著是法官或陪審團判決。法庭就是這樣運作的,沒有引理(Lemma)會出現改變這樣的過程,律師與金錢介入之後也不會。」
當然Mobileye的人也沒有說只靠他們就可以解決問題,他們說:「與全球性標準團體與政府主管機關共同合作,為安全性驗證建立一個方法與標準,對汽車產業來說非常重要。」而最大的問題是這種進一步的「合作」、討論何時將會發生?
Mobileye認為自己已經盡了力;上述論文作者寫道:「與Mobileye的合作理念一致,我們在最近發佈的一篇學術論文中公開闡述了這種數學模型的技術細節。」
不過Demler建議:「如果Mobileye想要在安全性方面合作,他們應該要公開的是他們的自動駕駛演算法,或是至少為EyeQ處理器提供軟體開發套件(SDK),如此軟體開發者與汽車工程師們就能將其車輛安全性與那些更開放的平台比較。而且是用一套獨立的測試。」
做為總結,Demler同意一套通用的自動駕駛車輛測試絕對有需要:「但那些測試不會出自於處理器供應商撰寫的演算法;該種演算法無法發揮作用,因為這並非社會運作的模式。」
編譯:Judith Cheng
(參考原文:Mobileye's Safety Formula Doesn't Quite Add Up,by Junko Yoshida)



健人就是腳勤
淺談車用雷達之量測
https://www.eettaiwan.com/news/article/20171026TA31-testing-automotive-radar-devices?utm_source=EETT%20Article%20Alert&utm_medium=Email&utm_campaign=2017-10-27

•2017年10月26日
•陳飛宇,台灣羅德史瓦茲應用工程部經理
車用雷達是駕駛輔助系統的重要組成部份。其不僅提供駕駛人員舒適從而減少緊張感的駕駛環境,更為全面提高道路交通安全奠定必要的基礎。從設計車用雷達及其最佳化到大量生產,以及安裝除錯,都會使用到多種檢驗與量測方法。
車用雷達技術方興未艾。無論是於現階段之盲點偵測,抑或是發展中的自動駕駛控制,高性能、高可靠性、小巧兼低價,都是相輔相成的關鍵要素,更是促進其核心技術不斷發展與完善不可或缺的誘因與動機。
車用雷達是駕駛輔助系統的重要組成部份。其不僅提供駕駛人員舒適從而減少緊張感的駕駛環境,更為全面提高道路交通安全奠定必要的基礎。從設計車用雷達及其最佳化到大量生產,以及安裝除錯,都會使用到多種檢驗與量測方法。本文僅從射頻(RF)量測技術角度探討車用雷達的若干設計要點。
雷達波形的線性度
與其他的雷達技術相類似,車用雷達同樣藉由接收目標物體的反射訊號,並進一步分析接收訊號與原始發射訊號之間在時間、頻率以及相位上的多重相關性,從而判斷目標物體與雷達之間的相對速度與空間位置。
車用雷達的核心技術之一是雷達波形設計。線性頻率調變連續波(LFMCW,常簡稱為FMCW)是一種常用的雷達波形。發射訊號(亦即波形)的穩定度與線性度直接影響雷達對目標物體的辨識能力。由於車用雷達大多工作在毫米波頻段,所選用的各種材料及元件固有的非線性特性都會納入最終的發射訊號與接收訊號中,從而干擾訊號分析演算法。
車用雷達利用發射訊號與接收訊號之間相互關聯的頻率差與相位差,針對多個目標物體的速度與位置進行判斷。當整個雷達系統,特別是發射機部份的線性度出現非理想特性時,頻率差與相位差的計算結果將會產生模糊性,造成雷達系統無法正確判斷目標物體,以致於發生重大差錯。對於未來的自動駕駛控制技術來說,這是絕對要避免的。
為了最大程度地減少錯誤率,必須盡可能地提高發射訊號的線性度,並藉由量測確保產品之線性度的穩定性。基於訊號品質的嚴苛要求,線性度的量測大多採用高階的儀器設備,以降低量測誤差。目前的高階儀器都可以分析頻寬超過1-GHz的訊號,以確保完整量測雷達訊號。


車用雷達正迅速擴展,為輛提供更多駕駛輔助與更高安全性
天線
在車用雷達應用中,無論是發射天線還是接收天線,通常都使用相控陣列。按照整體設計需要,可以採用線性陣列或是平面陣列。
眾所周知,陣列天線的主要參數(例如,主瓣方向及寬度、旁瓣抑制、零點位置等等)均可藉由簡單的數學公式進行計算。然而,這種計算結果的適用性是有條件的,亦即當陣列中任兩單元之間的相互耦合作用與影響極其微小至可以忽略不計的時候。有一種方法可使得上述的條件得以滿足,就是增加陣列單元之間的相對距離。不過,這種方法所帶來的影響是終端產品的尺寸也會隨加大。
如果無法藉由計算達到有效並準確地設計陣列單元的目的,量測就成為最佳化過程中的重要手段,再以相應的電腦軟體作為輔佐,以利於大數據(big data)運算。陣列天線的最佳化通常分為下面幾個步驟:
•陣列基本單元的輻射場型設計
•陣列單元之間相互耦合的評估
•天線陣列的輻射場型設計
•陣列饋電系統設計
•雷達收發系統整合設計
•車輛保險桿影響之考量
除此之外,雷達系統的整體設計方案也必須包含安全便利性的要求。而安全便利性又會直接或間接地影響到天線的設計,可謂「牽一髮而動全身」。
在設計陣列基本單元時,尤其是在評估陣列單元之間的相互耦合過程中,因為相控天線通常都具有較大的陣列單元數量,使得完整、準確且快捷的量測成為最關鍵的因素。而要實現完整又準確的要求,多埠向量網路分析儀是必不可少的。
更進一步地考慮安全便利性的要求,車用雷達同一批產品的輻射場型穩定性至關重要。而要達到這一目標,輻射場型量測設備首先必須具備良好的量測結果之可重複性。這也是車用雷達量測技術的難點之一。
在一般情況下,天線輻射場型的量測必須在遠場(far field)進行。這裡的遠場是一個相對的概念,按照目前業界常用的天線量測理論之定義,遠場與被量測之天線的尺寸以及該天線的工作頻率範圍相關。具體來說,某一天線之遠場與該天線的最大尺寸的平方成正比,而與該天線的工作波長成反比。
例如,某個車用雷達產品的最大尺寸是7.5cm,如果它的工作頻率處在24GHz,這時的遠場大約在0.9m以外。但是如果它工作在77GHz,其遠場將擴大到3m左右。在一般的量產條件下,這樣大的距離範圍幾乎無法實現。


77GHz車用雷達頻譜的雜訊級
為了克服上述遠場定義的侷限性,可以選擇在近場(near field)進行數據採集,然後藉由近場與遠場的對應關係,將採集到的數據轉換成遠場的結果。雖然這種近場量測方法不再有距離範圍的限制,但是,為了確保量測結果的精準度,不僅量測設備會變得相當複雜,數據採集所需的時間也會成倍增加。此外,因為數據轉換需要額外的時間,使得整個量測過程變得十分冗長,以致於很難滿足量產效能的要求。
目前業界正在研究全新的方法,以最大程度地降低上述空間與時間的限制,從而在適當的距離範圍內,提高量產能力。
干擾
如同其他射頻產品,對於車用雷達也同樣存在干擾與抗干擾的問題。從目前的技術來看,單一輛車上的雷達數量有超過十顆的趨勢。所幸藉由天線的設計以及在安裝時的適當調整,可以減少單一輛車上各個雷達之間的相互干擾。然而,目前還沒有與車用雷達相關的設計技術標準,車用雷達所運作的頻率範圍更是無須申請許可證,因而對於不同車輛,特別是不同製造商的車輛,各車輛上雷達之間的相互干擾會是非常棘手的問題。
鑒於存在過多與干擾源相關的未知因素,在抗干擾能力的設計階段,從最壞處著眼,兼顧那些最初看起來發生機率不高的場景,以便正確評估雷達系統被干擾後做出難以預期的反應。
如前所述,車用雷達主要用來準確並快速地判斷目標物體與雷達之間的相對速度與空間位置。錯誤的判斷可分為兩大類:一類是「幻視」,即「無中生有」;另一類是「盲視」,即「視而不見」。無論誤判屬於哪一類,都與交通安全息息相關,對於未來的自動駕駛控制技術來說,這些都是絕對要避免的。如果相對距離足夠遠,就會有充份的時間對誤判進行修正。
因此,處於相對近距離時的誤判將是十分危險的。應該如何評估「相對近距離」?舉例來說,在城區內的道路上,通常的時速限制是60km/hr。以這樣的速度換算一下,15m至20m就會是「相對近距離」。因為一旦在這個距離內出現交通異常,雷達系統必須迅速並有效地啟動煞車系統,以便讓行進中的車輛在一秒甚至更短的時間內停下來。但問題是,在這個距離內雷達系統可能發生上述的「幻視」抑或「盲視」嗎?
答案是肯定的。也就是說,由於接收系統受到干擾,在特定的條件下(甚至包括天氣的影響),車用雷達系統對於目標物體反射回來的訊號之敏感度會急遽下降,原本百米以外的目標物體都可以分辨,而此時就連十米左右的目標物體都難以辨識。
為了確保車用雷達的抗干擾能力,標準化的量測方法是必要的。雖然目前尚無量測法規,業界還是可以參考其他類似的標準,先進行前期的可靠性量測,從而贏得時間提前量測,以便在正式的量測方法標準化之後,基於已有的數據,按照法規適當修正抗干擾餘量,抑或提升抗干擾能力。
目前的抗干擾能力檢測方法主要藉由軟體設定場景,在電波暗室裡,由訊號源產生特定的雷達波形作為干擾源,再由雷達目標模擬器模擬特定的目標物體,以此評估被測雷達在該特定場景中對於目標物體反射訊號之敏感度的下降程度,由此推算被測雷達在這一特定場景中對於特定干擾源的抗干擾能力。


不同類型的車用雷達感測器共享有限的免授權頻譜,因而可能相互干擾
結語
綜上所述,由於涉及極其重要的交通安全因素,在自動駕駛控制技術真正成為人們日常生活的一部份之前,其中關鍵技術之一的雷達技術還有待進一步的發展與完善,例如,雷達波形線性度的穩定性、量產的技術瓶頸、多種場景中的抗干擾能力等等。而與此密切相關的車用雷達之射頻量測技術,已經為精準的測試以及未來更進階的量測需求奠定了必要的基礎。


完整的車用雷達&射頻量測解決方案為精準測試需求奠定基礎

健人就是腳勤
標註一下, 內容很棒, 慢慢吸收中
整篇跟回應都是深度好文,先標註,再慢慢吸收。
謝謝各位願意分享的先進。

NQQegg wrote:
其實Chris這些人都是來自卡內基美隆大學, Chris可是擔任過該校的教授
卡內基美隆大學可是美國研究機械人的重鎮~

Boston Dynamics因為短期無法為Google帶來收益
被賣給Toyota
Toyota除了擁有機械人的技術外
那些動態的自動控制與光達的軟硬體的技術也可以用於自駕車上~

Toyota不是隨便亂買的...
...(恕刪)


Update一下消息
Boston Dynamics以前網傳是賣給Toyota
後來確定是賣給了softbank...
健人就是腳勤
自動駕駛「小黃」大戰即將開打?
https://www.eettaiwan.com/news/article/20171117NT01-Waymo-Navya-Vie-In-Robo-Taxi?utm_source=EETT%20Article%20Alert&utm_medium=Email&utm_campaign=2017-11-20


• 2017年11月17日
• Junko Yoshida, EE Times首席國際特派記者
Navya和Waymo兩家公司分宣佈推出以高度自動化駕駛車輛提供的計程車「叫車」服務,兩家公司策略不同,但同樣雄心勃勃...
「自動駕駛計程車」(Robo-Taxi)原本只是汽車業界那些遠見家的一種夢想,自從Waymo和Navyay在11月初宣布計劃在主要城市推出自動駕駛計程車服務(automated cab services)後,這個夢想就此實現。
Waymo和Navya都希望提供高度自動化的「叫車」(ride hailing)服務。Navya和Waymo承諾推出的自動駕駛車為至少可乘載六名乘客的休旅車款。當談到商業模式與技術時,兩家公司的差異頗大。Waymo得到了Alphabet的大力支持,而法國新創公司Navya的運作則仰賴3,000萬歐元的創投基金。Waymo是全球公認的高度自動化駕駛車輛軟硬體技術佼佼者,Navya在全世界包含巴黎有160名員工,為世界上重要的自動接駁巴士開發商和製造商。




Navya執行長Christophe Sapet親自主持Autonom Cab發表會
(來源:EE Times)
Navya執行長Christophe Sapet強調,Autonom Cab (Navya的自動駕駛計程車)將成為世界上第一輛自動駕駛的計程車,而且其製造商是目前唯一能實際製造和銷售自動駕駛車的公司。自動接駁巴士(automated shuttle)為Navya的主要產品,Sapet說:「目前有超過50個Autonom Shuttle自動接駁巴士在全世界提供服務。」
在11月7日於巴黎舉行發表會之前,Navya未透露即將推出Autonom Cab;該公司指出將在2018年4月開始提供叫車服務,屆時一般乘客可以在法國的城市中坐上這輛六人座的自動駕駛計程車(沒有方向盤和踏板)。Sapet說:「這項服務可能先從巴黎或其他城市開始;」2018年7月之前,Navya的合作夥伴將會推出自己的商用自動駕駛計程車服務,合作夥伴的名稱將在明年1月的國際消費性電子展(CES)上公佈。




Autonom Cab自動駕駛計程車亮相
(來源:EE Times)
在此同時,Waymo在另一個地方──葡萄牙里斯本(Lisbon)舉行的一場會議上──仿照了Navya的策略,宣布未來幾個月內將在美國鳳凰城(Phoenix)都會區首次推出「Waymo無人駕駛車服務」的商業計畫。
Waymo自去年4月份開始在美國亞利桑那州錢德勒(Chandler, Ariz.)進行「早期乘客計畫」(Early Rider Program),未來將透過此計畫率先讓乘客體驗這項新科技;一開始車內將會配置一名安全駕駛(safety driver),但根據Waymo的說法,只要此計畫執行順利,以後將不會配置司機。顧問機構Vision Systems Intelligence (VSI Labs)創辦人暨首席顧問 Phil Magney表示:「由最近Waymo一系列的新聞看來,推出此項服務並不令人感到意外。」
Magney指出:「大約在六個月前,Waymo訂購了500輛具自動駕駛功能的Chrysler Pacifica車款,加上目前已經上路營運的100輛車子,看起來短期內其車隊將會達到數百輛的規模。至於在鳳凰城之外還有那些地方會提供試乘,Waymo並沒有提供任何細節(或時間表),但我們推測這些地點將包括Waymo已經測試過的地區,如矽谷Mountain View、Austin、Kirkland、Washington,,最快還將包含密西根州的Novi。
「此外,Waymo最近與Avis和AutoNation達成的協議,可以在這些車隊擴建和維修時發揮作用;」Magney解釋:「Waymo的執行長John Krafcik表示,該服務最初將以Waymo品牌進行營運,但之後會擴展到其他車隊營運商;Krafcik注意到車隊營運商的重要性,車隊針對不同消費者和物流應用進行客製化。」他認為,Navya與Waymo的重大宣佈可以說明,現今自動駕駛車輛領域正在迅速變化。
Navya Autonom Cab揭密
EE Times詢問Navya負責生產的工業總監Liyes Haddad有關Autonom Cab的基本組成元件,得知該車輛包含6支攝影機、10個光達(Lidar)、4個雷達、兩套GNSS天線、支援短距無線通訊(DSRC-based)的V2X技術與4G蜂巢式數據機。Valeo提供了145度視角的光達,最遠能看到超過200公尺的距離(每輛車搭載7個)以及雷達感測器技術;而Velodyne則提供360° 視角的LiDAR感測器(每輛車搭載3個)。


Autonom Cab配備的Valeo光達(來源:EE Times)
Autonom Cab的運算平台採用Nvidia的方案;Haddad表示,原本的供應商是Valeo,今年在CES與Nvidia面談後,改與Nvidia合作。在無人駕駛小巴Autonom Shuttle中,Navya沒有使用雷達感測器,但現在Autonom Cab搭載4顆雷達;Autonom Shuttle只採用了8個LiDAR感測器,而Autonom Cab則使用了10個。




Autonom Cab配備的光達與雷達(來源:EE Times)
有鑑於Navya是因為研發無人駕駛接駁小巴而聲名大噪,該公司從中獲得了那些經驗?Haddad指出:「安全為優先考量,而嵌入式連網系統可以提供更多的安全性功能;」關於嵌入式連網系統,他提到Navya透過4G數據機,不僅能記錄和報告行駛過程中的任何故障情況,還能進行車輛診斷:「我們需要確保所有感測器能正常運作,以及車內空調設置正確。」





Autonom Cab內部(來源:EE Times)
Haddad補充:「我們發現車門有關的問題;」根據觀察,乘客從自動駕駛車輛上下車時可能會出現狀況:「我們必須非常小心地計算上下車的人數。」
主管機關是否有意見?
針對主管機關的問題,Navya執行長有些不耐煩地表示,監管機構和市政當局需要趕上技術的進步;如果沒有市政當局的協助,Navya甚至無法為其自動駕駛計程車找到第一個服務據點。Navya的記者會和實驗計劃已經準備好吸引媒體關注並改變有關當局的想法,讓他們接受高度自動化車輛能行駛在一般街道上。
美國的情況則有些不同;Magney表示:「鳳凰城的行政命令允許開發和運用自動駕駛技術,行政命令為此前導計畫鋪路,使企業能夠實際測試自動駕駛車的技術。」他補充:「根據行政命令,車輛必須由持有駕照的駕駛員進行監控,並允許遠端監控。」
Navya的Sapet還提到,Autonom Cab一開始會有一個「司機」(沒有方向盤,但配備了一個開關)。他說,並非因為Autonom Cab不能自動駕駛,而是依從法律的規定。


Navya執行長Christophe Sapet與Autonom Cab(來源:EE Times)

營運成本
根據Sapet的說法,Autonom Shuttle和Autonom Cab的價格差不多 - 每輛車介於25萬到26萬歐元,這並不便宜。Navya的說法是,一輛不會吸毒、不會生病的自動駕駛計程車可連續運作七年。Sapet說,由於不需要駕駛員,營運商可以降低行駛成本或選擇賺取差價。
當然,這個說法不用考慮營運商必須支付哪些費用來經營遠端控制中心。不同於Waymo專注於開發自有的高度自動化駕駛車輛軟硬體,Navya將自己定位為智慧自動駕駛車輛的開發者、製造商與服務供應商,提供包含監督、維修以及乘客專屬應用程式,打造可全方面最佳化的移動解決方案。
Navya有兩個自動駕駛車量生產據點,一個位於法國里昂(Lyon),一個位於美國密西根州Saline;為了因應Autonom Cab增加的銷售量,該公司在里昂擴充產能。執行長提到,薩林的工廠也可能為美國市場生產Autonom Cab。他補充提到:「我們計劃在未來兩年內製造1000輛自動駕駛車。」
Navya有兩個自動駕駛車的生產據點,一個位於里昂,一個位於密西根州的Saline。為了因應Autonom Cab增加的銷售量,該公司在里昂擴充產能。Sapet表示,Saline工廠也可能為美國市場生產Autonom Cab:「我們計劃在未來兩年內製造1,000輛自動駕駛汽車。」
對此VSI的Magney表示:「在我看來,Waymo和Navya實際上並非競爭對手。我認為Navya希望成為一間提供公共運輸方案的專業自動駕駛車廠商;」然而:「Navya可以從一個原本專注於研發緩慢移動的接駁車、鎖定特定利基市場的廠商,搖身一變成為無人駕駛車輛服務的主要業者。」
從本月開始,將有三輛Autonom Cabs在巴黎進行試駕;當被問到Autonom Cab能否順利地行駛在世界上最複雜的星形廣場(Place de L'Etoile)叉路圓環,Navya的Sapet表示:「我們當然可以。」但當EE Times編輯再次詢問:「你確定嗎?」Sapet的回答是:「這就是為什麼我們需要做大量的試駕測試。」


Autonom Cab真能順利地在巴黎星形廣場上行駛?(來源:EE Times)
編譯:Weili Lin;Judith Cheng
(參考原文: Judge awards Broadcom double damages in Qualcomm patent case,by)
健人就是腳勤
文章分享
評分
評分
複製連結
請輸入您要前往的頁數(1 ~ 9)

今日熱門文章 網友點擊推薦!