【智驾周刊】Uber无人车加州无证上路且闯红灯| Blackmore研发又一种激光雷达

　　

　　 2016.12.17 | Vol .29

　　 AutoDriving Weekly

　　

　　 智能驾驶周刊，旨在汇聚智能驾驶领域一周要闻以及点评，供读者参考。内容包括新闻、大小企业动向、关键技术的进展以及重要人物的消息等。

　　 【企业动向】Uber无人车加州无证上路且闯红灯

　　

　　 【一句话点评】公开道路自动驾驶测试，还用临时工当司机……Uber作大死啊

近日，在旧金山刚刚推出的Uber无人车就在一个车流涌动的交通路口直接闯红灯通过。这台闯红灯的Uber无人车型号为沃尔沃XC90，其闯红灯的录像被一台出租车的行车记录仪全程拍下。这辆无人车在路口面对变黄的信号灯时，该无人车并没有选择减速而是一脚油门冲了上去。可即便如此，依然未能在黄灯结束前到达路口，然后该无人车光明正大的对着红灯闯了过去。Uber方面称是人为错误导致闯红灯，而加州DMV则进一步就Uber无证上路问题提出强烈抗议。

来源：网易数码

　　 【关键技术】Blackmore因研发激光雷达获350万美元投资

　　

　　 【一句话点评】又一个……

Blackmore 公司于昨天宣布获得 350 万美元投资，以进一步开发用于自动驾驶汽车的调频连续波（FMCW）激光雷达。本轮融资由 Next Frontier Capital 领投，Millennium Technology Value Partners 参资。公司希望用汽车的前保险杠的单个半导体替代安装在自动驾驶汽车顶部的原始雷达和相机系统。

Blackmore 针对 Lidar 的差异化方法依赖于频率调制，与 FM 收音机和 AM 收音机的差别相似。该技术可以帮助自动驾驶车辆检测距离（另一辆车有多远）和空间细节（该车的形状和特征）以及车速度（该车运动的方向和速度）。

Next Frontier Capital 的管理合伙人 Richard Harjes 在一份声明中表示：Blackmore 的激光雷达发动机提供了竞争对手不具备的先进功能，例如单光子灵敏度和同时监测物体的距离和速度的能力。这些先进的功能将开辟一个高计算效率的激光雷达分析时代，同时降低自动驾驶系统的总成本。

来源：36Kr

　　 【企业动向】腾讯与上海汽车城战略合作

　　

　　 【一句话点评】龙头老大都面临生存危机，现在进场是否感觉一丝凉意？

今年下半年，腾讯成立自动驾驶实验室，由国内外技术专家组成，聚焦于自主驾驶车辆和地面自主机器人的技术研发。12月15日，腾讯公司宣布与上海国际汽车城签署战略合作框架协议，双方将在自动驾驶、高清地图和汽车智能网联标准等领域进行深层次合作。

来源： ZOL新闻中心

　　 【核心技术】福特测试无人车与无人机配合

　　

　　 【一句话点评】无人车产品越来越像星际了……不过听起来无人机的消费品天花板貌似可以顶开了，毕竟是个传感器

近日，福特公司高管透露该公司正在研发一套用于无人车与无人机协同完成行驶任务的系统，无人机的主要作用是扩展无人车的现有传感器，使其能够更早更远地观察到周围的环境，从而更好地规划任务，尤其是在非结构化及丛林行驶过程中。

　　 【Arxiv论文】End-to-end Learning of Driving Models from Large-scale Video Datasets

　　 【一句话点评】这周没啥新闻，试着推一篇师弟写的paper，车辆行为预测

Robust perception-action models should be learned from training data with diverse visual appearances and realistic behaviors, yet current approaches to deep visuomotor policy learning have been generally limited to in-situ models learned from a single vehicle or a simulation environment. We advocate learning a generic vehicle motion model from large scale crowd-sourced video data, and develop an end-to-end trainable architecture for learning to predict a distribution over future vehicle egomotion from instantaneous monocular camera observations and previous vehicle state. Our model incorporates a novel FCN-LSTM architecture, which can be learned from large-scale crowd-sourced vehicle action data, and leverages available scene segmentation side tasks to improve performance under a privileged learning paradigm.

【作者简介】小猴机器人，人工智能博士，自动驾驶技术爱好者，参与多个自动驾驶项目研发，有丰富的行业经验，尤其决策规划控制方面了解深入。