嬴彻大课堂 | 第一期：自动驾驶的「4位1体」

自动驾驶，被认为是人工智能领域中最难以落地的技术之一，自诞生以来就对人类充满着吸引力，发展自动驾驶也成为全球共识。如果问自动驾驶最大的挑战是什么？可能会有人说是“量产”或“法律法规”等等。这些都没有错，但或许一个更接近本质的答案是“安全性”。

而不断改进自动驾驶算法是工程师们保证安全性最重要和最有效的方式之一。今天的工程师，已经无法仅通过掌握一些经典的编程方法，来写出优秀的代码；也难以通过理解几条不变的规律，工作一辈子。一个通用规律就能解决一切问题的时代，一去不复返了。可以说，不断地学习和改进自动驾驶技术，是每个自动驾驶工程师的必修课。

作为自动驾驶领域的深度参与者，我们希望尽一份力，和你分享自动驾驶的知识和实战经验，欢迎各位来到嬴彻大课堂！

视频时长约为17分钟，请注意流量

敲黑板划重点

自动驾驶不仅仅只是人工智能、神经网络、计算机视觉相关的软件平台，它还包含软件运行的硬件平台、承载软件和硬件的整车平台，以及对于自动驾驶的研发和运行都至关重要的云端平台。

软：自动驾驶软件平台包含算法软件、系统软件和仿真软件。其中算法软件又有感知算法、定位与地图算法、规划算法、控制算法四个部分。

硬：自动驾驶硬件不是一般的电脑就可以胜任的，它需要具有强大的算力、较低的功耗、可控的成本、可靠的质量，还要有足够的产能。要求严苛，缺一不可。

车：自动驾驶车辆毕竟还是一台车，所以车规级量产的自动驾驶平台的开发必须结合汽车行业过百年的生产经验。整车的研发需要遵循严格的流程和规章制度，使得最终产品可以满足人们对安全性、可靠性、燃油经济性和舒适性等性能的要求。

云：自动驾驶云端的重要性体现在车队级的自动驾驶平台上。因为当车队形成规模后，数据量庞大，必须要有一个强大的云平台来完成所有计算和操作的自动运行。

嬴彻科技

专注于自动驾驶卡车网络运营，聚焦于干线物流运营场景，自主研发L3和L4级自动驾驶技术，和汽车产业紧密合作，为物流客户提供更安全、更高效、更优成本的资产服务，成为最值得信赖的自动驾驶卡车网络。

https://www.inceptio.ai

产业嬴彻科技自动驾驶

相关数据

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

计算机视觉技术

计算机视觉（CV）是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

来源：机器之心

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心