自动驾驶

转自 | 软件定义世界 受访者表示，人工智能正在迅速普及，但预计不会大规模减少企业用工人数。目前，仅有极少数企业具备让人工智能创造规模化价值的基本要素。 麦肯锡一项以人工智能为主题的最新全球调研【1】 显示，人工智能正在全球商业领域迅速普及。人工智能通常是指机器执行与人类思维相关的认知功能（如感知、推理、学习和解决问题）的能力，包括一系列通过人工智能解决业务问题的能力。 在调研中，我们特别询问了九项相关能力【2】，近一半的受访者表示，企业在标准业务流程中至少嵌入了一项能力，此外有30% 的受访者则表示，所在企业正在试点使用人工智能。 不过总体而言，各行各业只不过刚刚开始采用这些技术并从中获利。在那些已将人工智能部署到特定职能的企业中，大多数受访者表示，新技术的使用已经创造出一定或显著的价值，但仅有21% 的受访者表示，企业已将人工智能部署到多个业务单元或职能中。 事实上，许多企业仍然缺乏通过人工智能的规模化应用创造价值的基本实践——例如，了解哪些领域存在人工智能的机会，以及制定明确的战略以获取人工智能所需的数据。 调研结果表明，通过数字化推动核心业务的转型，是企业有效使用人工智能的一个关键因素。 在数字化程度较高的企业中【3】，受访者表示，与同行相比，他们在更多的业务职能上更充分地使用了人工智能，对人工智能的投资力度更大并从中获得了更大的总体价值。

作者：赵满满 校对：海 策 9月，喧闹多时的ARM收购案终于有了定案。 英伟达有望以400亿美元的价格收购ARM，从而获得世界上使用最广泛的CPU架构和一流的设计团队。 ARM在通用计算领域独领风骚，其CPU芯片被世界各地的公司所应用，苹果的iPhone和iPad，以及未来的iMac，亚马逊Kindle，华为的麒麟系列、巴龙系统基带芯片、服务器芯片鲲鹏系列等，以及众多汽车制造商车辆中所用的芯片等都使用它。 到目前为止，ARM处理器内核和其他组件的出货量已超过1800亿片。 而AI包括机器学习的基础理论都是矩阵计算，一种典型的并行结构，特点是每个节点的计算并不复杂，但是节点多且独立。 GPU(图形处理器)更适合做矩阵运算。英伟达Nvidia在GPU领域具有不可替代的优势地位。 同样ARM还试图在英特尔和AMD占据主导地位的数据中心站稳脚跟。英伟达则在数据中心领域加大对Mellanox和GPU for AI的投入。 中国软件网认为，如果英伟达收购ARM的交易完成，有史以来最大的半导体交易和两者合体所生产的庞然大物，将彻底改变目前AI和企业级计算的市场格局。 01 互补的ARM和英伟达 ARM成立于1990年，总部位于英国剑桥。该公司最初设计了 一款名为Newton的低功耗CPU芯片，供便携式计算终端使用。 因为功耗低

　　车载激光雷达从 2010 年开始走入大众视野，最近五年的投资热度持续走高——融资总额超 16 亿美元，超 70 家公司完成融资。随着自动驾驶技术的进步和整个生态的完善，激光雷达作为上游零部件，被给予更多的话语权和关注度。 　　 　　（来源：CB Insights） 　　走过 10 年，挺过“婴儿期”，激光雷达公司初长成。从下图可以看到，5 年前激光雷达公司融资阶段全部是 A 轮，到今天，走到 C 轮的公司占到 50%。 　　早期占比逐渐下降、中后成长期占比逐年加重，证明这个领域的 第一梯队公司开始崭露头角，再入局者面对的技术竞争壁垒和行业进入壁垒会很高 。 　　 　　近五年，每笔投资的规模越来越大，激光雷达领域的公司“越来越贵了”。同时伴随阶段越来越靠后、公司业务越来越成熟的现状，我们是否可以期待，一个领域 10 年成为国际领先、10 年成就一家上市公司的“法则”达成，这个领域的第一股也要来了？ 　　 　　从地域分布来看， 激光雷达初创公司被“三分天下”，美国、中国和以色列三国的企业占了 80% 。美国硅谷和以色列长期是世界科技创新高地，许多技术从 0 到 1 的创新和突破，则是由两个地方的先进人才和公司完成的。 　　Peter Thiel 提出 Breakthrough Innovation 理论（突破性创新），区分了“水平”创新（或者说是从 1 到 N 的创新），另一种则是

　　 　　9 月 17 日， 阿里巴巴达摩院（下称 “达摩院”）发布首款物流机器人小蛮驴， 和它一起发布的还有阿里机器人平台，这标志着阿里正式进军机器人赛道。 　　 　　图 | 小蛮驴（来源：达摩院） 　　一直以来，机器人被称为 “制造业皇冠上的明珠”。据国际机器人联合会（IFR）预测，机器人革命将创造数万亿美元的市场。在国务院《关于组织做好 2020 年度国家重点研发计划相关重点专项项目申报工作的通知》中，也把“智能机器人” 作为重点专项。 　　2017 年，中国信息通信研究院联合 IDC 发布白皮书《人工智能时代的机器人 3.0 新生态》，按照该白皮书的划分，机器人 3.0 时代始于 2015 年，此阶段的机器人可实现从感知到认知、推理、决策的智能化进阶。 　　而大数据、云计算、5G 和物联网等技术的发展，也在推进机器人的快速演进。中国作为全球最大的机器人市场之一，有着广泛且巨大的应用需求。 　　 攻克“ 末端三公里 ”物流顽疾 　　近年来，电商和物流的发展，极大方便了人类生活。但“末端三公里”的难题，一直未能攻克。尽管快递业已探索出快递柜和物流驿站等方法，但由于用户习惯和布局不便等原因，“末端三公里”仍是困扰多方的痛点。 　　一贯追求用技术解决社会问题的达摩院，交出了小蛮驴这一解决方案。 达摩院自动驾驶实验室，一直专注于环境感知、高精定位、决策规划等六个领域

文章目录 一，前言 二，你不能在自己的舒适区内折腾 三，产品和用户 四，如何与研究人员合作 4.1价值观引导 4.2工作目标 五，技术创业的壁垒构建 六，总结 一，前言 这是一个全民创业的年代，这是一个最好的时代，这也是最坏的时代，这同时也是一个有史以来创业门槛最低的年代(或许是之一)，2020年初以来新冠疫情持续，各行各业战战兢兢，奋力自救。目前疫情已经基本得到遏制，经济正在全力复苏中，各种各样的机会都在身边发生和出现。人工智能，VR,AR, 自动驾驶，区块链等等，如火如荼，身为技术人的你做好创业的准备了吗？ 二，你不能在自己的舒适区内折腾 每个人都有自己的舒适圈，而且这个圈子往往比较小，如果只在自己的舒适圈里折腾，注定难成气候。就像木桶理论，一个木桶能装多少水取决于这个木桶最短的一块木板。所以一定要补齐自己的短板，所以作为技术人一定要持续不断的虚心学习，特别是你舒适区之外的知识和内容，虚心请教和多认识大佬。 三，产品和用户 产品的形态要保持最小可用，产品上线后一定要积极跟你的用户进行互动，尽早发现问题，获取用户的反馈，不要等专业的营销团队齐备才动手。 四，如何与研究人员合作 4.1价值观引导 作为技术人的你一直以来崇尚并且习惯的是高效的工作和生活(请允许我直男癌发作)，但现实往往会教会我们很多，你会发现这个世界往往是复杂的，并且是以很低的效率在运行

在自动驾驶领域有这样一个说法：关注自动驾驶的进展，就看高精地图的动态，因为他们才是加速自动驾驶汽车落地的幕后推手。本文介绍了QingStor®️对象存储的种种优势以及许多针对该场景的特性，分享了对象存储在高精度地图场景中的最佳实践。 大家都对无人驾驶和地图比较熟悉，但是大家相对较少听到高精地图这个名词，简单地说，高精地图是给自动驾驶的汽车使用的，与日常使用的二维平面地图有比较大的差异，包含的信息也会更加复杂。 无人驾驶与高精地图关系概述 对于无人驾驶而言，主要分为四个阶段。在感知阶段中，车辆核心依靠车载传感器获取具体的道路与环境信息，然而在实际情况中，由于天气、环境等不确定性，仅仅依赖传感器是无法实现自动驾驶的，每一种传感器都有各自的感知缺陷和限制： 如激光传感器检测效果稳定，但在面对大范围的尘土时，其检测效果大幅降低； 高分辨率摄像机能检测图像中的物体，窄视场的摄像机可以检测很远的距离，但是面对暴雨、大雪等恶劣天气，其很难检测到正确的车道线和障碍物等信息； 传感器是很难判断车辆所处位置是高速公路上还是处在普通城市道路上的，车速最高可以开多快，前方道路的曲率，所处路段的 GPS 信号强弱都会影响检测结果； 额外传感器遇到检测盲区，更加无法实时捕获的道路与环境信息。 这些问题，在有了高精度地图后都迎刃而解。 在无人驾驶的第二阶段定位和第三阶段车辆行驶决策阶段

现代机器人技术公司与现代工程建设公司合作开发建筑机器人，更多信息尽在振工链。 韩国现代公司是全球工业格局中的巨头，其每个业务部门都比世界上大多数公司都大。 新成立的现代机器人业务部门被称为韩国领先的工业机器人生产商，而现代E＆C是成立于73年前的大型建筑公司。 现代重工集团的子公司现代机器人技术公司于7月16日在钟路区桂洞的现代大厦与现代E＆C签署了“建筑机器人技术联合研发”备忘录，更多信息尽在振工链。 通过此备忘录，两家公司将共同开展以下活动： 开发在建筑工地工作的机器人； 移动服务机器人业务； 开发用于建筑工地和建筑物中自动驾驶的核心技术；和 促进中长期业务。 此外，两家公司还将建立一个研发合作体系，该体系随时可用，以不断地展示和商业化已开发的技术。 施工机器人将用于在施工现场进行锚固（钻孔），油漆，焊接和砌砖。 现代机器人技术公司负责机器人和视觉技术的协作（摄像机图像分析），现代工程技术公司负责建筑的运动控制（操纵）以及自动驾驶技术在建筑工地的应用。 此外，现代机器人技术公司和现代E＆C将结合室内和室外自动驾驶技术以及各自的优势，共同构建“自动驾驶集成软件”。 此外，两家公司都计划审查可为完成的公寓和办公室的租户提供诸如快递服务之类服务的移动服务机器人业务，更多信息尽在振工链。 根据现成的市场研究公司的领先出版商Global Industry Analysts的预测

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 基于应用、数据处理和存储需求，云计算和边缘计算因其在物联网中的独特优势而闻名。但是，两种计算基础架构的结合为开发人员提供了更大的灵活性，为消费者带来了更低的延迟，同时还保持了数据隐私标准。 在边缘引入云的概念，这个术语在庞然大物的云服务提供商、网络运营商和物联网开发人员中越来越受欢迎。 边缘云是什么意思? 要了解边缘云，技术专家还必须定义它组合的两个术语以及它们之间的区别。 云计算是指在集中位置的社区、私有、公共或混合云数据中心中存储和处理数据。对于物联网应用，处理云中的所有数据会带来更大的延迟以完成操作。 边缘计算是指在设备或数据源上进行实时数据存储和计算的过程，而不是将其发送到遥远的数据中心。对于物联网设备，这大大减少了滞后并节省了带宽。集中式云仍然充当大量数据和其他处理的主要存储设施。发生边缘处理的IoT设备充当节点。 边缘云是指传统的大规模云数据中心的去中心化。物联网边缘云将云存储和计算移至离边缘源更近的位置，同时还缩小了其规模。边缘站点可以相互连接，也可以连接到核心云以获取其他数据输入和处理或存储功能，或者在发生数据泄露或服务受损的情况下相互隔离。 边缘云需要靠近最终用户的其他远程管理数据中心，也称为边缘站点。它还要求在特定位置提供大量边缘站点，这些位置需要与低延迟

阿里自动驾驶又有新突破。记者今天获悉，达摩院自研高精定位系统完成最新一次迭代，基于多传感器融合的紧耦合算法，实现了不依赖GPS信号的厘米级定位。该系统已部署于达摩院无人物流车队，通过软硬件一体化设计，以10%的成本达到业界领先定位水准。 定位是自动驾驶系统的核心功能之一，自动驾驶车辆通常借助GPS和车辆传感器等信号获取自身位置和姿态信息。 GPS仅能提供米级精度的绝对定位，如果要将精度提升到厘米级，业界通用的解决方案是借助RTK。RTK通过地基增强信号提升GPS精度，通常需要搭配高精惯导使用。成本高昂，而且无法克服卫星信号不稳或丢失的难题。 但在复杂的城市环境中，卫星信号经常因建筑物的遮挡、反射而变弱或丢失，造成定位误差。为了追求稳定连续的高精定位，将GPS和车辆传感器进行“多源融合”成为业界研究热点。 主流的多源融合定位技术分为松耦合和紧耦合两类，前者对传感器数据的处理结果进行融合；后者先对传感器原始数据作融合，再进行集中式计算，效果更好，难度也更高。达摩院正是采用紧耦合算法，实现GPS、惯导、轮速、相机、激光雷达等多模态传感器的融合，用低精度的传感器实现了厘米级定位，且在没有GPS信号的隧道、地库等场所，定位系统也能正常运行，摆脱了对RTK的依赖。 达摩院将这套算法作了软硬一体化实现，研发出适配该算法的高精定位硬件。整套定位系统以10%的成本，实现了业界领先的高精定位。 来源：

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 这篇文章是激光雷达点云数据分割算法的嵌入式平台上的部署实现。主要的创新点有两点：一是利用多路分支采用不同分辨率输入后再用不同的卷积块进行处理，达到性能和计算量之间的平衡；二是对基于投影的点云分割方法进行了改进。在嵌入式平台上性能不错，代码将在文章被收录后开源，值得关注。 论文地址 ：http://xxx.itp.ac.cn/pdf/2008.09162v1 LiDAR数据的实时语义分割对于自动驾驶车辆至关重要，然而自动驾驶车辆通常配备嵌入式平台并且计算资源有限，这使得点云分割算法的部署具有挑战性。通常的点云分割算法直接在点云上使用复杂的空间聚合操作，这些操作非常昂贵且难以针对嵌入式平台进行优化。因此，它们不适用于带有嵌入式系统的实时场景下应用。作为替代， 基于投影的方法更有效并且可以在嵌入式平台上运行。但是，当前基于投影的最新方法无法实现与基于点的方法相同的精度，并且需要使用数百万个参数。 因此，在本文中， 提出了一种基于投影的方法，称为Multi-scale Interaction Network（MINet） ，该方法有效且准确，具体而言网络使用具有不同尺度的多个通路，并且在不同尺度之间对计算资源进行平衡，同时不同尺度之间的额外密集交互可避免冗余计算，并使网络高效。所提出的网络在准确性