Uber VS 滴滴,网约车自动驾驶业务竞争谁能拔得头筹?

2020-08-06 16:44:11
[摘要] 在自动驾驶领域,Uber和滴滴打车开始崭露头角。不久前,Uber刚通过了多项网络系统的实地测试,这项能够比较准确地预测障碍物动向的技术将很快应用于Uber自动驾驶车辆,进一步确保自动驾驶的安全性。相较之下,滴滴打车也“不甘示弱”,最近刚收获五亿融资的自动驾驶独立公司有望加大马力研发自动驾驶系统,量产出更多的滴滴牌自动驾驶汽车。

在自动驾驶领域,Uber和滴滴打车开始崭露头角。不久前,Uber刚通过了多项网络系统的实地测试,这项能够比较准确地预测障碍物动向的技术将很快应用于Uber自动驾驶车辆,进一步确保自动驾驶的安全性。相较之下,滴滴打车也“不甘示弱”,最近刚收获五亿融资的自动驾驶独立公司有望加大马力研发自动驾驶系统,量产出更多的滴滴牌自动驾驶汽车。

在这两家网约车霸主打响第一炮后,如果自动驾驶技术的安全性得到比较切实的保障,后续或可目睹各大网约车平台的自动驾驶业务蓬勃发展,这对于人力而言是一种解放,在技术方面也颇被看好。你是否已准备好坐上一辆自动驾驶网约车

Uber:争做商业性自动驾驶业务领头羊

Uber的研究团队创建了多项网络系统,可以通过检测自动驾驶车辆的激光雷达数据来预测前方障碍物(如其他汽车、行人和自行车等)的运动轨迹。它是防止突发道路事故的关键,在无人驾驶汽车的情境中,感知系统必须捕捉其他障碍物的一系列运动轨迹,而不能只集中预测出一条可能的轨迹。这也是出于道路安全的考虑。

举个例子:迎面驶近十字路口的车辆可能会继续直行,或在自动驾驶车辆前面转弯。为了确保安全,自动驾驶汽车需要对这些所有可能性进行推理,并相应地调整自动驾驶航线。

上面一行是IntentNet基线系统的示意图,下面一行是多项网络系统的运作示意图。地面实况以红色显示,预测的路线以蓝色显示,而彩色椭圆表示未来预测推断不确定性标准差值。

多项网络系统以激光雷达传感器数据和街道高清地图作为输入源,依赖于这两种数据源来预测障碍物轨迹并指出所预测轨迹的运动不确定性。它还会自行改进数据结果,剔除第一阶段的无效轨迹预测,模拟障碍物的运动重心和朝向的方向,对其进行归一化,并通过算法预测出最终的运动轨迹。

为了测试多项网络系统的性能,研究人员在ATG4D上对系统进行了为期一天的训练。ATG4D是一组数据集,包含Uber在北美多个城市收集的5500个场景的传感器读数。在这些场景中,系统都借助安装在车顶的激光雷达传感器来预测障碍物运动。他们报告说,在所有三种障碍类型(车辆、行人和自行车)的预测准确率方面,多项网络系统都明显超过了平均值基线,预测成果颇为乐观。

滴滴打车的自动驾驶野心

早在2016年,滴滴就已经投入自动驾驶研发测试,直到2019年8月,滴滴自动驾驶独立公司成立,专注自动驾驶研发等业务。近日,滴滴的自动驾驶业务获得了五亿融资,势必帮助其加大自动驾驶及相关AI技术投入。滴滴方面还表示,他们将加深与汽车上下游产业合作,以加快自动驾驶的量产进程。

载有检测雷达设备的滴滴自动驾驶汽车

在测试数据集方面,为突破实地测试数据量不足的限制,滴滴海量真实出行数据都作为输入数据源,被用于仿真自动驾驶测试,以切实地加快算法迭代。滴滴也在尝试将网约车的实地安全运营经验结合应用于自动驾驶的测试运营,以充分保障自动驾驶的安全性。

如今,滴滴已在北京、上海、苏州和美国加州获得路测资格,并被允许在上海开展首次载人测试。也许在不久后,我们就能够看到滴滴的自动驾驶汽车上路,甚至可能目睹Uber和滴滴在商业性自动驾驶市场的竞争,一切都还未可知。

将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构,旗下涵盖将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底,创始团队由微软创投在中国的创始团队原班人马构建而成,曾为微软优选和深度孵化了126家创新的技术型创业公司。

将门创新服务专注于使创新的技术落地于真正的应用场景,激活和实现全新的商业价值,服务于行业领先企业和技术创新型创业公司。

将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容,使创新成为持续的核心竞争力。

将门创投基金专注于投资通过技术创新激活商业场景,实现商业价值的初创企业,关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在近四年的时间里,将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、宽拓科技、杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。


相关推荐:
网约车  网约车考试报名  网约车司机招聘  网约车新政要求
网约车租赁  滴滴网约车租赁公司 网约车考试试题 网约车注册