自动驾驶全球产业链全景图丨厚势汽车

来源: 搜狐汽车

发表于: 2018.05.10
   

 

原标题:自动驾驶全球产业链全景图丨厚势汽车

4 月 27 日,2018 年北京国际车展正式开幕。本届车展以「定义汽车新生活」为主题,基于智能网联技术勾勒出了汽车生活未来场景。从辅助驾驶,到自动驾驶,汽车正变得越来越有「自主意识」。

智能化正在成为汽车行业的最大风口。

如今,汽车无人驾驶行业蓝图已现,其产业链上下游已经出现支撑公司,并在逐渐走向成熟。

自动驾驶全球产业链全景图丨厚势汽车

1. 英特尔:Mobileye + Altera + Movidius

英特尔在自动驾驶领域主要是通过并购来完成布局:

  • 2015 年 6 月 167.5 亿美元收购 FPGA 巨头 Altera;
  • 2016 年 9 月收购计算机视觉处理芯片公司 Movidius;
  • 2017 年 3 月 153 亿美元收购以色列自动驾驶汽车技术公司 Mobileye。

通过上述收购,英特尔在自动驾驶处理器上的布局已较完善,包括 Mobileye 的 EyeQ 系列芯片(ASIC、Altera 的 FPGA 芯片、Movidius 的视觉处理单元 VPU,以及英特尔的 CPU 处理器,可以形成自动驾驶的整体硬件解决方案

自动驾驶全球产业链全景图丨厚势汽车

  • EyeQ1:Mobileye 的 EyeQ 系列芯片最初是和意法半导体公司共同开发,第一代芯片 EyeQ1 从 2004 年开始研发,2008 年上市;
  • EyeQ2:EyeQ2 则于 2010 年上市。最初的两代产品仅提供 L1 辅助驾驶功能,EyeQ1 的算力约 0.0044 Tops,EyeQ2 则约 0.026 Tops,功耗均为 2.5 W。
  • EyeQ3:2014 年量产的 EyeQ3 基于其自主 ASIC 架构自行开发,使用了 4 颗 MIPS核心处理器、4 颗 VMP 芯片,每秒浮点运算为 0.256 万亿次,功耗为 2.5 W,可以支持 L2 高级辅助驾驶计算需求。
  • EyeQ4:第四代 EyeQ4 芯片在 2015 年发布,2018 年量产上市,采用 28 nm 工艺。EyeQ4 使用了 5 颗核心处理器(4 颗 MIPSi-class 核心和 1 颗 MIPSm-class 核心)、6 颗 VMP 芯片、2 颗 MPC 核心和 2 颗 PMA 核心,可以同时处理 8 部摄像头产生的图像数据,每秒浮点运算可达 2.5 万亿次,功耗为 3 W,最高可实现 L3 级半自动驾驶功能。
  • EyeQ5:Mobileye 的下一代 EyeQ5 计划于 2018 年出工程样品,2020 年实现量产,将采用 7 nm FinFET 工艺。该产品对标 Nvidia 的 Drive Xavier 芯片,定位于 L4/L5 全面自动驾驶计算需求。单颗芯片的浮点运算能力为 12 Tops,TDP 是 5 W。EyeQ5 系统采用了双路 CPU,使用了 8 颗核心处理器、18 核视觉处理器,浮点运算能力为 24Tops,TDP 是 10W。

据说,Mobileye 的芯片价格也超过 1000 美金。

2. 英伟达:Drive PX 系列芯片

自动驾驶全球产业链全景图丨厚势汽车

Drive PX:Nvidia 自动驾驶芯片始于 2015 年初推出的 Drive PX 系列。在 2015 年 1 月 CES 上英伟达发布了第一代 Drive PX。Drive PX 搭载 Tegra X1 处理器和 10 GB 内存,能够同时处理 12 个 200 万像素摄像头每秒 60 帧的拍摄图像,单浮点计算能力为 2 Tops,深度学习计算能力为 2.3 Tops,可支持 L2 高级辅助驾驶计算需求

Drive PX2:2016 年 1 月的 CES 上英伟达又发布了新一代产品 Drive PX2。Drive PX2 基于 16 nm FinFET 工艺制造,TDP 达 250 W,采用水冷散热设计,支持 12 路摄像头输入、激光定位、雷达和超声波传感器。其中,CPU 部分由两颗 NVIDIA Tegra 2 处理器构成,每颗 CPU 包含 8 个 A57 核心和 4 个 Denver 核心;GPU 部分采用两颗基于 NVIDIA Pascal 架构设计的 GPU。单精度计算能力达到 8 TFlops,深度学习计算能力达到每秒 24 万亿次,在单精度运算速度上是 Drive PX 的 4 倍,深度学习速度是 Drive PX 的 10 倍,可以满足 L3 自动驾驶的运算要求

Drive Xavier:Drive Xavier 是英伟达最新一代自动驾驶处理器,最早在 2016 年欧洲 GTC 大会上提出,2018 年 1 月的 CES 上正式发布。同时发布的还有全球首款针对无人驾驶出租车打造的车载计算机 DrivePX Pegasus。在配置方面,Xavier 基于一个特别定制的 8 核 CPU、一个全新的 512 核 Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新 8K HDR 视频处理器而打造。每秒可运行 30 万亿次计算,功耗仅为 30w,能效比上一代架构高出 15 倍,可以满足 L3/L4 自动驾驶的计算需求。该产品预计 2018 年一季度向提供样品。

Drive PX Pegasus:Drive PX Pegasus 是针对 L5 级全自动驾驶出租车的 AI 处理器,搭载了两个 Xavier SoC 处理器。SoC 上集成的 CPU 也从 8 核变成了 16 核,同时增加了 2 块独立 GPU。计算速度达到 320 Tops,相当于 Xavier 的 10 倍,算力能够支持 L5 完全自动驾驶系统,但其功耗也达到了 500 W。预计首批样品将于 2018 年年中交付客户。

据说,英伟达 Drive PX2 的价格超过 1 万美金。

自动驾驶全球产业链全景图丨厚势汽车

3. 高通&恩智浦 NXP

作为移动通信领域的绝对龙头,高通一直希望通过自己的移动处理器芯片(改成车规级)切入汽车电子领域。

在 2016 年初 CES 上,高通就发布了整合 LTE 数据机和机器智能的 Snapdragon 820 车用系列产品。这个系列产品包含了高通的 Zeroth 机器智能平台,旨在协助汽车制造商使用神经网络为 ADAS 和车载资讯娱乐系统创建基于深度学习的解决方案。但目前车厂设计订单还限于资讯娱乐功能;国内 ADAS 厂商纵目科技在 2017 年 CES 上推出了首个基于 820A 平台并运用深度学习的 ADAS 产品原型,12 月正式发布。据悉,目前这款产品已经进入量产前的验证阶段,预计将于 2019 年量产。

作为汽车电子龙头厂商,恩智浦在自动驾驶方向的积累相比高通则深厚很多。

2016 年 5 月恩智浦发布了 BlueBox 平台,该平台集成 S32V234 汽车视觉和传感器融合处理器、S2084A 嵌入式计算处理器和 S32R27 雷达微控制器,能够为汽车制造商提供 L4 级自动驾驶计算解决方案。

其中,S32V234 是 NXP 的 S32V 系列产品中 2015 年推出的 ADAS 处理芯片,在 BlueBox 平台上负责视觉数据处理、多传感器融合数据处理以及机器学习。这款芯片拥有 CPU(4 颗 ARM CortexA53 和 1 颗 M4)、3D GPU(GC3000)和视觉加速单元(2颗 APEX-2vision accelerator,能同时支持4路摄像头,GPU 能实时 3D 建模,计算能力为 50 GFLOPs。同时,S32V234 芯片预留了支持毫米波雷达、激光雷达、超声波的接口,可实现多传感器数据融合,最高可支持 ISO 26262 ASIL-C 标准。

恩智浦还有一款专门的雷达信息处理芯片 MPC577XK。这是一款面向 ADAS 应用的 Qorivva32 位 MCU,基于 Power 架构,能够支持自适应巡航控制、智能大灯控制、车道偏离警告和盲点探测等应用。

4. 瑞萨 Renesas

与恩智浦类似,瑞萨在 2017 年 4 月也发布了一个 ADAS 及自动驾驶平台 Renesas Autonomy,主打开放策略,目的在于吸引更多一级供应商以扩大生态系统。

同时发布的还有 R-CarV3M SoC,该芯片配有 2 颗 ARM CortexA53、双 CortexR7 锁步内核和 1 个集成 ISP,可满足符合 ASIL-C 级别功能安全的硬件要求,能够在智能摄像头、全景环视系统和雷达等多项 ADAS 应用中进行扩展。

R-CarV3M SoC 的样品于去年 12 月开始供货,计划于 2019 年 6 月开始量产。

从瑞萨的芯片系列来看,R-Car 系列是其在自动驾驶方向的主要产品线:

  • 第一代产品(R-CarH1/M1A/E1)在 2011-12 年期间推出,可支持初级的巡航功能;
  • 第二代产品(R-CarH2/M2/E2)相比第一代性能基本翻倍,可支持 360° 环视等 ADAS 功能;
  • 第三代产品(R-CarH3/M3)在 2015 年以后陆续推出,符合 ASIL-B 级安全要求;同时期推出的还有 R-CarV3M、R-CarV2H 等 ASSP 处理器,这类产品基本可支持 L2 等级的自动驾驶应用需求。

除了 R-Car 系列产品外,跟恩智浦一样,瑞萨也有针对雷达传感器的专业处理器芯片如 RH850/V1R-M 系列,该产品采用 40 nm 内嵌 eFlash 技术,优化的 DSP 能快速的进行 FFT 的处理。

5. 德州仪器 TI

TI 在 ADAS 处理芯片上的产品线主要是 TDAx 系列,目前有 TDA2x、TDA3x、TDA2Eco 等三款芯片。

  • TDA2x:TDA2x 于 2013 年 10 月发布,主要面向中到中高级市场,配置了 2 颗 ARM Cortex-A15 内核与 4 颗 Cortex-M4 内核、2 颗 TI 定浮点 C66xDSP 内核、4 颗 EVE 视觉加速器核心,以及双核 3DGPU。TDA2x 主要是前置摄像头信息处理,包括车道报警、防撞检测、自适应巡航以及自动泊车系统等,也可以出来多传感器融合数据。
  • TDA3x:TDA3x 于 2014 年 10 月发布,主要面向中到中低级市场。其缩减了包括双核 A15 及 SGX544GPU,保留 C66xDSP 及 EVE 视觉加速器核心。从功能上看,TDA3x 主要应用在后置摄像头、2D 或 2.5D 环视等。
  • TDA2Eco:TDA2Eco 是 2015 年发布的另一款面向中低级市场的 ADAS 处理器,相比于 TDA2x,TDA2Eco 去掉了 EVE 加速器,保留了一颗 Cortex-A15、4 颗 Cortex-M4、DSP、GPU 等内核。TDA2Eco 支持高清 3D 全景环视,由于 TDA3x 主要应用于 2D 或 2.5D 环视,所以 TDA2Eco 填补了中低级市场对于高清 3D 全景环视应用的需求。

6. ADI

相对于以上几家芯片公司,ADI 在 ADAS 芯片上的策略主打性价比。针对高、中、低档汽车,ADI 针对性的推出一项或几项 ADAS 技术进行实现,降低成本。

在视觉 ADAS 上 ADI 的 Blackfin 系列处理器被广泛的采用,其中低端系统基于 BF592,实现 LDW 功能;中端系统基于 BF53x/ BF54x/ BF561,实现 LDW/ HBLB/ TSR 等功能;高端系统基于 BF60x,采用了流水线视觉处理器(PVP),实现了 LDW/ HBLB/ TSR/ FCW/ PD 等功能。集成的视觉预处理器能够显著减轻处理器的负担,从而降低对处理器的性能要求。

7. 英飞凌 Infineon

英飞凌在 2015 年针对 ADAS 市场推出过芯片组 Real 33D,可实现司机疲劳检测等功能。而在奥迪新 A8 使用的 zFAS 自动驾驶计算单元中,也使用了英飞凌提供的 Aurix 芯片,A8 最关键的 TrafficJam Pilot,是由这块芯片最终实现的。

8. 东芝 Toshiba

2017 年 7 月东芝宣布与日本电装共同推出基于视频的主动安全系统。

该系统配备了东芝最新的 Visconti 4 自动驾驶专用芯片,Visconti 4 内置 8 个多媒体处理核,能够同时执行 8 种应用,专门为自动驾驶视频应用做了优化,识别速度从 100 毫秒缩短到 50 毫秒,只用 Visconti 4 就可以构建出车道偏离警告、前后方防撞警告、前后方行人防撞警告、交通标识与信号识别等功能。

电装在 2015 年就开始将 Visconti 2 应用在辅助驾驶上,除了核数翻倍,Visconti 4 在行人识别算法上也比前一代改善很多,采用增强型 CoHOG 识别算法的 Visconti4,极大提升了在阴暗场景下对行人和骑自行车者的识别能力。

自动驾驶全球产业链全景图丨厚势汽车

9. 赛灵思 Xilinx

在汽车 ADAS 上,Xilinx 最被广泛应用的产品是 Zynq®-7000 All Programmable SoC。该系统 (SoC)平台可帮助系统厂商加快在环绕视觉、3D 环绕视觉、后视摄像头、动态校准、行人检测、 后视车道偏离警告和盲区检测等 ADAS 应用的开发时间。Zynq 采用单一芯片即可完成 ADAS 解决方案 的开发。

Xilinx(赛灵思)也与西门子业务部 Mentor 合作,推出了 DRS360 自动驾驶平台。

10、意法半导体(ST)

意法半导体在 2017 年还推出了业界首款集成专用全隔离硬件安全模块(HSM)的车载微处理器 Telemaco3P。发展车联网的一大障碍即信息安全,对于汽车这样高速移动的庞然大物,如果被黑客入侵或干扰通信,后果可能是灾难性的。

所以无论是移动影音娱乐、基于地理信息的救援服务,还是最近火爆的软件空中更新(OTA),这些功能普及的基础在于汽车能否及时有效安全地传递信息。HSM 对接收到的外部信息进行检查与安全认证,未经安全认证的信息与外部设备均不能与被保护模块通信,Telemaco3P 对外发出的信息也经 HSM 加密,采用专用硬件模块来对进行安全管理,将极大提升车载通信安全。

另外,ST 与 Mobileye 合作开发的机器视觉芯片 EyeQ5 装备了 8 枚多线程 CPU 内核,搭载 18 枚 Mobileye 的下 一代视觉处理器。

11. 地平线机器人 Horizon Robotics

地平线的自动驾驶 AI 芯片「征程」在去年 12 月 20 日正式发布。在参数上,征程能够以 1.5W 的功耗,实现 1 Tflops 的算力,每秒处理 30 帧 4K 视频,对图像中超过 200 个物体进行识别,能够实现 FCW/ LDW/ JACC 等高级别辅助驾驶功能,满足 L2 的计算需求。

对比英伟达的 DrivePX2,其采用 16nm FinFET 工艺,单精度计算能力为 8 TFlops,深度学习计算能力为 24 TFlops,官方 TDP 是 250 W;从性能功耗比来看,征程还是有明显优势的。

同时,由于 ASIC 不是 GPU 类的通用计算,内部直接封装了算法,数据交换只是底层 I/O,因此其计算的时延也会比 GPU 更低不过地平线采用 ASIC 的路线也是牺牲了芯片的可编程性以获得更高的性能,是否能获得足够订单量来降低芯片成本值得关注

12. 中科寒武纪 Cambricon

寒武纪在去年 11 月初的发布会上首次发布了面向智能驾驶领域的 1M 智能处理器 IP 产品,据介绍其性能可达到寒武纪 1A 处理器的 10 倍以上。据了解,2016 年上市的 1A 处理器在 1Ghz 频率下理论峰值性能为:FP16 半精度浮点计算能力为 512GFlops,稀疏神经网络计算能力为 2TFlops。

13. 四维图新

四维图新在 2016 年 5 月收购了联发科旗下的汽车半导体公司杰发科技,后者在 2017 年 6 月的 CES Asia 上展出了首款车规级 ADAS 芯片。

四维图新在去年 7 月正式发布了该款 ADAS 芯片,并与蔚来、威马、爱驰亿维等新造车公司达成了合作。公开资料显示,该芯片采用 64 位 Quad A53 架构,内置硬件图像加速引擎,支持双路高清视频输出,和四路高清视频输入,能同时支持高级车载影音娱乐系统全部功能和丰富的 ADAS 功能。功能包括:360° 全景泊车系统、车道偏移警示系统 LDW、前方碰撞警示系统 FCW、行人碰撞警示系统 PCW、交通标志识别系统 TSR、车辆盲区侦测系统 BSD、驾驶员疲劳探测系统 DFM和后方碰撞预警系统 RCW 等。

14. 森国科(原深圳市国科微半导体

森国科(原深圳市国科微半导体在去年 12 月也发布了自主研发的高性价比 ADAS 芯片 SGKS6802X,据介绍产品已经正式出货。

SGKS6802X 配置了双核 ARM Cortex A7 处理器、高速双核 8 线程 GPU 和 2D 加速 GPU;采用 40nm 工艺,芯片典型功耗 1500mW,全系统功耗 1800mw(包括 DDR;最大支持 4 路编码处理能力,整数运算能力 7200 MIPS+ 3200 MIPS,半精度浮点运算能力 25.6 GFLOPS,单精度浮点运算能力 6.4 GFLOPS;可支持 LDW、FCW、PCW、TSR、NV、TFAH、ZCD、CTA、BSD、DFM、RCW 等 ADAS 算法,满足 L2 高级辅助驾驶的计算需求。

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

美光正在开发 GDDR6,以达到自动驾驶技术对汽车内存容量及带宽的要求,美光同时还在开发 PCIe 接口的非易失性存储器,以满足 5G 通信、高清地图与车载黑盒子对非易失存储的需求。

从本质上说激光雷达和毫米波雷达都是利用回波成像来构显被探测物体的,就相当于人类用双眼探知而蝙蝠是依靠超声波探知的区别。但激光雷达会比较容易受到自然光或是热辐射的影响,在自然光强烈或是辐射区域的时候,激光雷达将会被消弱很多而且激光雷达的造价成本高,对工艺水平要求也比较高。

而毫米波雷达而言,虽然抗干扰能力较强,但是距离和精确度确实硬伤,而且在行车环境下,处于多重波段并存的环境下对毫米波的影响是极大的。毫米波对于较远处的探测能力也是极为有限的。

15. 激光雷达

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

16. 毫米波雷达

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶全球产业链全景图丨厚势汽车

自动驾驶技术是未来的趋势,但是发展的过程中难免或有所牺牲,比如前段时间的自动驾驶车祸事件。

所以我们要理性看待,下面盘点一下自动驾驶引发的车祸或者负面的事件:

NO.1 Uber 自动驾驶车公共道路致路人死亡案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2018 年 3 月 18 日晚十点左右,美国亚利桑那州一名女子被 Uber 自动驾驶汽车撞伤,之后不幸身亡。这是全球首例自动驾驶车辆致行人死亡的事故。事发时,尽管有一名司机坐在方向盘后面,但是这辆车当时正处于自动控制模式。当时警方声明称,该车当时正朝北行驶,而该女子正在人行横道外从西往东走。最新消息:当地警察局长表示,初步调查显示 Uber 的无人驾驶汽车并无过错。

NO.2 奔驰车巡航失灵事件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2018 年 3 月 14 日晚 8 点左右,一辆奔驰 C 级轿车在开启定速巡航后,车辆失控,无法减速和停车,只能以 120 公里/时的速度继续飞驰,车主命悬一线……庆幸的是,在河南、陕西两省高速交警紧急施救以及奔驰售后方面操作下,奔驰车在失控近一小时、约一百公里后,终于安全停下。不知此事件的真假我们还不得而知。

NO.3 特斯拉 Model S 高速公路追尾消防车案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2018 年 1 月 22 日,在洛杉矶 405 高速公路上,一辆特斯拉 Model S 撞上了一辆停在路边的消防车,所幸无人员伤亡。司机告诉消防部门,当时汽车处于自动驾驶模式。

NO.4 特斯拉 Model 3 腾空入河案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2018 年 1 月 12 日,一辆特斯拉 Model 3 翻入了一条小溪,事故中的司机显然是在拐弯时失去了控制,导致车辆腾空而起,然后跃入溪流之中。

NO.5 福特 Argo AI 自动驾驶车致乘客受伤案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2018 年 1 月 10 日,由福特投资的 Argo AI 公司在美国宾夕法尼亚州匹茨堡发生了一起交通事故,事故最终导致两人受伤。截止目前,当局认定这起事故是人为失误造成的,事故起因是一辆卡车闯红灯。当时车上有四名乘客,所幸只有两名乘客受伤且在送往医院后无大碍。

NO.6 Cruise 自动驾驶车刮蹭摩托车案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2017 年 12 月 7 日,一辆 Cruise 自动驾驶汽车正以自动驾驶模式行驶在 Oak 街上,穿过 Oak 街和 Fillmore 街的十字路口后,保持在第三车道上向东行驶。之后,汽车在变道过程中刮蹭了变道中的摩托车。事故造成摩托车司机肩部受伤,目前已经送往医院接受治疗。

NO.7 美国首辆无人驾驶巴士与卡车相撞案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2017 年 11 月 8 日,美国拉斯维加斯无人驾驶巴士在获准上路的第一天就卷入了一场车祸。这辆无人驾驶巴士在低速行驶的情况下,与一辆人力驾驶的运货卡车相撞,所幸事故中没有人员受伤。据悉,无人驾驶巴士由法国公司 Navya 制造,可承载 15 名乘客。

NO.8 Uber 自动驾驶试验车碰撞致侧翻案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2017 年 3 月 24 日,一辆 Uber 自动驾驶试验车在亚利桑那州坦佩市发生交通事故。在一处十字路口处,由北向南行驶的 Uber 自动驾驶汽车与一辆东西行驶试图左拐的普通汽车发生了碰撞。Uber 自动驾驶汽车发生侧翻,另一部车严重受损,所幸没有人员伤亡。警方表示,这一事故是由人类司机并未让行直行的自动驾驶车辆所致。

NO.9 谷歌无人驾驶测试车与货车相撞案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2016 年 9 月 23 日,谷歌无人驾驶测试车在美国山景城遭遇了一次严重的交通事故。在事故中,谷歌的无人驾驶测试车遭受了一辆道奇商用货车的严重撞击,致使无人驾驶测试车受到了严重的损坏,不得不借助拖车才离开现场,所幸这场事故并未造成人员伤亡。

NO.10 特斯拉 Model S 自动驾驶车致司机死亡案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2016 年 5 月 7 日下午三点,司机 Joshua Brown 驾驶一辆 2015 款特斯拉 Model S 在佛罗里达州高速公路上与一辆垂直方向开来的挂车发生相撞。调查报告称,在强烈的日照条件下,驾驶员和自动驾驶系统都未能注意到拖挂车的白色车身,因此未能及时启动刹车系统。由于拖挂车正在横穿公路,且车身较高,这一特殊情况导致 Model S 从挂车底部通过时,其前挡风玻璃与挂车底部发生撞击,导致驾驶员不幸遇难。

NO.11 谷歌无人驾驶车与公共汽车相撞案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2016 年 2 月 14 日,事故发生在谷歌总部所在地硅谷的芒廷维尤市。当时,谷歌公司一辆「雷克萨斯」牌改装无人驾驶汽车在芒廷维尤市街头测试。在无人驾驶汽车试图绕开道路上的沙袋、向左并入道路中央时,却意外与一辆公共汽车的右侧方相撞,导致无人驾驶汽车左前翼子板、左前轮和驾驶侧传感器受损,所幸双方车辆中没有人员受伤。

NO.12 特斯拉自动驾驶车致司机死亡案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2016 年 1 月 20 日,京港澳高速河北邯郸段发生一起追尾事故,一辆特斯拉轿车直接撞上一辆正在作业的道路清扫车,特斯拉轿车当场损毁,司机高雅宁不幸身亡。调查结果显示,事发时车辆为匀速行驶状态,高雅宁开启了无人驾驶功能。事故发生时,涉事特斯拉没有刹车和减速的迹象,也没有采取任何躲避措施。交警认定,在这起追尾事故中,驾驶特斯拉的司机高雅宁负主要责任。

NO.13 谷歌自动驾驶车追尾致乘客轻伤案件

自动驾驶全球产业链全景图丨厚势汽车

事件回顾:2015 年 7 月 1 日,谷歌公司一辆雷克萨斯牌改装样车在公司总部所在地——加利福尼亚州芒廷维尤市街头测试时发生追尾事故,事故中有三人受轻伤。

文章来源:中科成果创投平台

责任编辑:Sasa

上一篇: 下一篇: