福特揭秘第二代無人駕駛Fusion

智能駕駛周刊，旨在匯聚智能駕駛領域一周要聞以及點評，供讀者參考。內容包括新聞、大小企業動向、關鍵技術的進展以及重要人物的消息等。

【企業動向】福特揭秘第二代無人駕駛Fusion

【一句話點評】非常值得參考的方案

原本計劃在CES上亮相的福特第二代無人駕駛技術Fusion，在近日已經提前對外公布技術細節。相比於第一代技術最大的變化，是將原先的車頂行李架式的感測器套件改用了更具流線型的風格。

除了發布新技術之外，福特還表示，在接下來的一年時間內他們將把無人駕駛汽車車隊的數量增加到90輛左右。福特已經在美國的加州、亞利桑那州、密歇根州對一代自動駕駛汽車展開過測試，明年，他們將把測試擴展到歐洲，首先從英國和德國開始。

來源：搜狐汽車

【企業動向】Tesla主動安全避免追尾

【一句話點評】前車速度銳減所以剎車了？是不是一般ACC也能做到？

近日荷蘭一位特斯拉Model X車主，就在自動駕駛途中利用此功能探測到道路前方突然發生的撞車事故，探測到事故後自動系統主動介入制動及時避免了一場可能的追尾事故。

這位車主在高速路上，以正確的方法開啟自動駕駛功能，並時時刻保持路面注意。前方突然發生了一起轎車因超車撞上一輛SUV的事故，特斯拉車主已經有所反應，不過他發現，系統已經探測到事故發生並主動介入了制動。車主Hans Noordsij稱，幸運的是在這起事故中無人傷亡，特斯拉在自動駕駛模式時主動探測非常有效，並提前介入了制動讓車子停下來。

來源：新浪汽車

【關鍵技術】大眾將發布純電動自動駕駛概念車

【一句話點評】minivan和小巴會不會是最先落地的？

據報道，大眾集團近日宣布將在下月的底特律車展上展出純電動自動駕駛概念車。大眾表示全新ID系列車型是基於模塊化的電力驅動平台(Modular Electric Drive Kit)打造的，也被譽為是新時代的多功能車。

該款概念車將搭載兩個電機及全輪驅動。駕駛員可以只要輕觸汽車的Logo，電動控制方向盤就會收回到儀錶盤內，從而進入自動駕駛模式。而後，激光掃描器，感應器，攝像機將會發揮檢測路況的功能。

大眾官方表示：「這款車的空間更加寬敞，續航里程更長，非常適合居家旅行。我們也希望傳達出自由，清潔的概念。」

此外，大眾集團九月份曾在巴黎車展上首次宣布將要推出新款ID系列純電動車。首款ID車將在2020年正式面世，搭載無人駕駛功能的車型將在2025年面世。

來源：車訊網

【企業動向】現代加入全球自動駕駛企業聯盟

【一句話點評】這種各懷心思的聯盟有啥意思？

據報道，現代加入全球自動駕駛企業聯盟。該聯盟目前已有27家公司加入，汽車製造生產方面有寶馬、通用、現代汽車、日產、豐田、大眾、沃爾沃。其他公司有UPS、優步、美國利寶互助保險集團和日本的損保公司、愛立信、高通。自動駕駛全球企業聯盟的首要任務是路測、數據收集、安全和交通等議題。外媒推測，可能還會涉及鐵路和交通系統。該聯盟所有數據，都會在其瑞典達沃斯年會上公布。

雖然全球自動駕駛企業聯盟致力於研發並強化自動駕駛技術並在日後向大眾推廣新技術，但目前擁有行業領先無人駕駛技術的谷歌、福特、特斯拉並沒有加入該組織。我們可以認為，組成聯盟的企業，正是為了追趕這些擁有先進技術的企業而抱團。

來源：新浪汽車

【核心技術】LeddarTech固態激光雷達將現身CES

【一句話點評】感覺這個很快能量產啊

據美媒12月28日消息，從美國桑迪亞國家實驗室(Sandia National Laboratories)獨立出來的TriLumina公司將與LeddarTech公司共同合作，展示一款用於自動駕駛車輛的256像素的3D雷達應用，該設備由TriLumina突破性技術——激光照明模塊和LeddarTech旗下的LeddarCore集成電路共同驅動。

TriLumina研製出對人眼安全的垂直腔面發射激光器(VCSELs)。TriLumina照明模塊取代了費用高昂、笨重的掃描雷達，後者目前被應用於自動駕駛車輛演示程序中。新款照明模塊具有解析度高、感應距離遠、體積小、結實耐用和封裝符合成本效益等優點。

VCSEL屬於半導體激光二極體(semiconductor laser-diodes)，發出的光與表面垂直。VCSEL垂直面允許相鄰的激光組成激光陣列。

TriLumina為VCSEL的二維激光陣列研發出一種獨立結構，能同時實現大功率同時輸出和高頻寬調製。該激光陣列採用一體化微透鏡，可實現光束成型和光束控制功能，並啟用非相關光束(incoherent beam)，兼顧緊湊、高亮的光源和低雜訊相關兩大特性。

來源：搜狐汽車

【論文】MultiNet: Real-time Joint Semantic Reasoning for Autonomous Driving

【一句話點評】實時語義分割很重要，不用再強調

While most approaches to semantic reasoning have focused on improving performance, in this paper we argue that computational times are very important in order to enablereal time applications such as autonomous driving. Towards this goal, we present an approach to joint classification, detection and semantic segmentation via a unified architecture where the encoder is shared amongst the three tasks. Our approach is very simple, can be trained end-toend and performs extremely well in the challenging KITTI dataset, outperforming the state-of-the-art in the road segmentation task. Our approach is also very efficient, taking less than 100 ms to perform all tasks.

【作者簡介】小猴機器人，人工智慧博士，自動駕駛技術愛好者，參與多個自動駕駛項目研發，有豐富的行業經驗，尤其決策規劃控制方面了解深入。