城市无人驾驶落地，“毛细血管”类交通仍有很多亟待优化的地方。目前最适合无人驾驶的场景既不是传统公交，也不是出租车，而是处于爆发期的微循环公交。巨头青睐追加1亿美元融资日前，轻舟智航宣布完成1亿美元A+轮融资，由云锋基金和元生资本领投，美团龙珠、国际知名养老基金、老股东IDG资本跟投。这是轻舟智航2020年4月获得IDG资本、元璟资本、Tide Capital联合进行数千万美元种子轮投资及2021年年初完成A轮融资之后，轻舟智航再次完成了由云锋基金和元生资本领投、美团龙珠和国际知名养老基金共同投资的1亿美元A+轮融资，老股东IDG资本持续跟投。轻舟智航于2019年成立于硅谷，致力于打造适应城市复杂交通环境的L4级别自动驾驶技术，将无人驾驶带进现实。基于大规模智能仿真系统和可自主学习决策规划框架，轻舟智航专注于为合作伙伴提供可量产的无人驾驶解决方案。作为世界前沿的无人驾驶技术提供商之一，轻舟智航正与国内外众多合作伙伴一同推进无人驾驶的商业化落地。轻舟智航的核心团队成员均来自Waymo、特斯拉、Uber ATG、福特、英伟达、Facebook等世界顶级自动驾驶公司和科技公司。团队成员实现了无人驾驶关键技术模块的全栈覆盖，在感知、仿真、运动规划、传感器与车载系统等领域都有深厚技术积累和丰富行业经验。且得益于独特的技术路径，团队始终保持着轻、快、高效的特点。目前，轻舟智航已完成“超级工厂”雏形搭建的三步走：第一步，以仿真为核心，借助前沿技术研发为突破，构建自动化闭环，实现海量数据的高效利用；第二步，凭借团队的全栈技术能力，推出专注城市复杂交通场景的无人驾驶方案“Driven-by-QCraft”，适应于覆盖不同城市场景和不同车型；第三步，以“无人驾驶小巴”为突破口，在近10座城市快速实现商业化落地，服务于智慧城市和新基建需求，为数万居民提供公开道路出行服务。轻舟智航从小巴形态入手，同时持续探索广泛适用于共享出行的全新车辆形态。在轻舟智航看来，当汽车逐步从智能化、网联化走向共享化，无人出租车将走向新的业态，以更宽敞的空间、更绿色共享的方式为人们提供出行服务。云锋基金合伙人朱艺恺表示：“轻舟智航核心团队均为Waymo技术骨干，在L4无人驾驶领域经验丰富，成立2年间已实现L4 Robobus规模化落地并在中国多个城市实现常态化运营。基于其打造自动驾驶超级工厂的战略，轻舟智航有实力以Robobus的捷径走向L4 Robotaxi市场，并推动L4+自动驾驶车型量产与规模化商业应用。“区别于传统技术路径，轻舟智航正在以独特的路径实现完全无人驾驶。借助大规模智能仿真系统和可自主学习决策规划框架，可大幅降低测试成本，提升开发效率，保证了解决方案的可拓展性。亚马逊云科技打造自动驾驶数据工厂今年6月，苏州继去年10月开通第一条自动驾驶公交车线路之后，第二条自动驾驶公交车线路全面开放，该线路采用由轻舟智航部署的龙舟ONE无人小巴。云计算技术在自动驾驶公交车的技术开发和运营中发挥着非常关键的作用。国内头部自动驾驶公司轻舟智航采用亚马逊云科技，打造自动驾驶数据工厂，提供完整数据收集及处理能力。其自动驾驶方案在自动驾驶公交车领域快速落地，已在苏州、深圳等多个城市向市民提供服务，解决出行难题。据轻舟智航合伙人、商务副总裁郝景山介绍，一台具备L4级别自动驾驶功能的车辆日常产出的数据量可达TB数量级，收集到众多珍贵的Corner Case。是否能在合法合规的前提下对这些数据进行收集和使用，对于自动驾驶技术的高效迭代来说至关重要。轻舟智航打造的自动驾驶数据工厂，可自动化地完成数据收集、数据清洗标注、仿真评估以及大规模仿真场景生成等流程，让合作伙伴拥有完整的数据收集及处理能力。其中大规模智能仿真系统让测试成本大大减少，达到路测成本的1/100，还可以拓展1000倍于实际路测里程、模拟各种极端情况，同时准确衡量各个自动驾驶软件版本的水平。据介绍，自动驾驶数据工厂只是轻舟智航自动驾驶超级工厂中的一环，但也是关键的一环。凭借全栈技术平台能力，轻舟智航可基于多种车型实现L4级别自动驾驶功能，应对各类城市复杂交通场景。轻舟智航在存储海量数据方面使用了亚马逊云科技的Amazon Simple Storage Service（Amazon S3），这是一个业内卓越领先的存储服务。轻舟智航将数据存放在光环新网运营的亚马逊云科技中国(北京)区域和西云数据运营的亚马逊云科技中国(宁夏)区域。全球数百万家企业使用AmazonS3，其中很多企业将PB级的数据放在上面，对其安全性、可靠性、容量可扩展性、以及丰富的开发者功能信赖有加。对于大规模智能仿真系统，轻舟智航则主要使用了亚马逊云科技的Amazon Elastic Compute Cloud(Amazon EC2) Spot实例。Amazon EC2 Spot实例是亚马逊云科技创造的一种计价模式。通过AmazonEC2 Spot实例，轻舟智航可以低成本地调用超算级别的算力进行大规模智能仿真。郝景山表示，“通过跟亚马逊云科技结缘，在多个方面加速了轻舟智航的发展。由于轻舟智航采用的是集中研发、多地测试的方式，使用亚马逊云科技让我们可以方便地进行异地协作。在产品研发过程中我们也深刻感受到，亚马逊云科技的云基础设施成熟稳定，云服务种类丰富、功能完善，用起来省心。”郝景山介绍，龙舟ONE无人小巴只是轻舟智航自动驾驶方案落地的第一个场景，后续还将推出更多车型。在技术研发及迭代过程中，轻舟智航借助亚马逊云科技在业界有口皆碑的存储、计算、网络、数据分析和机器学习等云计算服务能力为其保驾护航，让市民可以放心地体验自动驾驶的乐趣。轻舟智航联合创始人、CEO于骞表示：“无人驾驶是长期大赛道，要想成功跑到最后，在技术上不能光有海量数据，还要依靠‘超级工厂’实现高度的自动化；在商业上则需要实现成本可控的规模化以及以战养战的商业化，逐步实现在无人公交、无人出租等场景的落地。”结 语对于自动驾驶而言，最近一直笼罩在阴霾之下。在特斯拉事故没有定性结果的情况下，美一好品牌管理公司创始人林文钦于2021年8月12日下午2时驾驶蔚来ES8汽车启用自动驾驶功能（NOP领航状态）后，在沈海高速涵江段发生交通事故，不幸逝世。公开资料显示，ES8是蔚来的第一款量产销售车型，采用纯电动驱动，其中，NIO Pilot自动辅助驾驶系统为选装配置，为蔚来自主研发系统，有精选包和全配包两种。据介绍，此次事故由ES8追尾公路养护车导致。事故发生时，车辆并因未能识别本车道内前方的高速公路养护车，与其发生了碰撞导致了严重事故。轻舟智航此时再获巨额融资，对于自动驾驶而言，无疑具有典型的正向意义。“安全性对于自动驾驶是天条，是一道红线。自动驾驶被提出主要就是为了解决安全问题，而非成本、效率和其它的问题。在自动驾驶的安全问题上，最担心的是由于人觉得系统是安全的，导致驾驶员丧失了警惕。”于骞说。

自动驾驶或将对未来交通和社会形态产生革命性影响，因此在全球范围内都是被关注的焦点。那么，什么是自动驾驶汽车呢?从广义上来说，具备驾驶辅助功能的汽车都可以称之为“自动驾驶汽车”或者“智能网联汽车”。作者：佚名   来源：光明日报2021年，无人配送车合规上路首次在京实现。图为北京市高级别自动驾驶示范区展示的无人配送车。新华社发自动驾驶的全球性热潮自动驾驶或将对未来交通和社会形态产生革命性影响，因此在全球范围内都是被关注的焦点。那么，什么是自动驾驶汽车呢?从广义上来说，具备驾驶辅助功能的汽车都可以称之为“自动驾驶汽车”或者“智能网联汽车”。按照国际通用标准，根据智能化程度的不同，自动驾驶汽车可以被分为5个等级：L1-辅助驾驶、L2-部分自动驾驶、L3-有条件自动驾驶、L4-高度自动驾驶、L5-完全自动驾驶(无人驾驶)。国际自动机工程师学会(SAE)对于L2级的定义是：“在特定的设计运行范围内，自动驾驶系统持续执行横向和纵向运动控制的动态驾驶任务，驾驶员执行失效应对和监视自动驾驶系统。”自动驾驶系统驾驶车辆，但是对于车辆周边的环境监控和出现情况后对于车辆的接管都是驾驶员。简单来说就是，行驶过程中车辆能同时自主控制方向(横向)和加速、制动(纵向)的话，就符合L2级别的自动驾驶。但是整个行驶过程中，驾驶员必须要专注并实时监控周围的环境情况，并随时准备接管车辆。从全球范围来看，L1和L2级别的自动驾驶汽车已经实现了大规模量产，如我们通常见到的自适应巡航(ACC)、车道保持(LKA)、自动刹车辅助(AEB)等功能就属于这个级别的自动驾驶功能，该级别自动驾驶功能已经可以实现解放我们的双手或者双脚，但驾驶员必须保持注意，随时可能需要接管车辆。包括这几年最为热门的特斯拉自动驾驶系统，也是L2级的自动驾驶功能。从这个角度说，自动驾驶离我们并不远，它一直在我们身边。自动驾驶涉及极为复杂的多产业融合，除了传统整车制造以外，还涉及大量新兴技术，如人工智能、数据物联网等，由于传统厂商难以短时间内形成相关技术研发能力，因此这给予了行业外相关技术企业进入这一巨大新兴市场的绝佳机会。人工智能创业公司着手开发自动驾驶算法以及针对特定或通用场景的整套系统解决方案;而互联网企业基于其在数据、资金行业所拥有强大综合实力，希望为未来出行领域开发L4、L5平台级自动驾驶系统;传统厂商OEMs、Tier1s也看到了自动驾驶巨大的商业机会，除通过开发ADAS模块，使其现有产品逐渐获得L1-L3级自动驾驶能力以外，其也通过自建、整体收购的形式组建自己的自动驾驶研发团队，目标是开发适应未来的自动驾驶产品。各大汽车强国也都做好了充分的准备，准备迎接自动驾驶时代的到来。美国交通部在2020年1月公布的《自动驾驶汽车4.0》中，明确提出将确保美国在自动驾驶领域的领先地位，聚焦于使监管政策跟上产业发展步伐，致力于推动企业创新，提升公众对自动驾驶车辆的认知与信任。欧盟委员会发布《通往自动化出行之路：欧盟未来出行战略》，提出到2030年将会普及完全自动驾驶。日本内阁府与日本汽车工业协会发布的相关报告中提出，2025年将在国道和地方道路实现自动驾驶。近些年，中国汽车企业在自动驾驶领域积极探索前进，在自动驾驶感知、决策及控制等技术方面都实现了突破。不少地方也纷纷出台相关政策，加快自动驾驶汽车从道路测试、示范园区到相关产业发展。例如，江苏省于2019年6月发布《江苏省推进车联网(智能网联汽车)产业发展行动计划(2019-2021年)》，到2025年，建设成为全国车联网(智能网联汽车)重点产业集聚区，用户渗透率达60%以上，L4级智能车辆在特定领域开始试运行。略显尴尬的L3，限定应用的L4，幻想中的L5公众所谈论的自动驾驶往往指L3及以上级别的自动驾驶汽车。国家工信部公示标准中将L3定性为“限定条件下的自动化”：在自动驾驶系统所规定的运行条件下，车辆本身就能完成转向和加减速，以及路况探测和反应的任务;一些条件下司机可以将驾驶权完全交由自动驾驶车辆，但在必要时需要进行接管。换言之，在L3级自动驾驶状态下，驾驶员不光可以“脱手”“脱脚”，还可以“脱眼”，即不用时刻监管车辆，只需保持能动态接管驾驶任务。从这个意义上说，L3是自动驾驶系统的一个分水岭，前面是以驾驶员为责任主体，机器为辅助;后面是机器为责任主体，驾驶员逐渐脱离驾驶任务。由于L3级自动驾驶存在驾驶员和自动驾驶系统之间的控制权限切换，导致安全责任较难区分清楚，因此各大企业对于L3级自动驾驶的态度不一，既有坚定发展的，也有质疑观望的，更有明确不发展的。奥迪A8是全球第一款搭载量产L3级自动驾驶系统的车型，其装配的拥堵自动驾驶(TJP)功能，可以在低于60km/h车速、满足一定要求的道路条件下，实现驾驶员完全脱离车辆操控。遗憾的是，由于技术成熟度不够，以及很多国家法律法规的限制，这一功能很少交付到客户手中。L4级自动驾驶系统可实现在特定区域内对车辆操作的完全接管，系统需要实现对周围障碍物的感知、车辆定位以及路径规划等，实现这些功能需要构建感知层、决策层、执行层这三个层面的技术架构，这三个技术层级分别代表着L4自动驾驶系统的“眼”和“耳”，“大脑”以及“手脚”。基于当前技术发展情况，我们这里主要讨论车辆内部所采用的一些传感器和计算单元，也就是自动驾驶的“眼”和“耳”，还有“大脑”。除了汽车本身的传感器和处理器外，系统通过与外部车辆、设施进行信息交互，以及在高精度地图等辅助下可以获得更好的环境感知能力。L4级别自动驾驶汽车目前处于测试、示范，以及在限定场景下应用的状态。谷歌Waymo目前已经开始在美国亚利桑那州提供不带安全员的真正“无人驾驶”出租车服务，但仍属于在限定区域、限定人群的小范围测试。通用Cruise也已经在美国旧金山开展了自动驾驶出租车的测试运营，我国的北京、上海、苏州等多地，也在开展自动驾驶出租车等L4级自动驾驶汽车的示范运营。国外的博世、法雷奥，国内的Momenta等企业推出的自动代客泊车(AVP)功能，能够实现在停车场内部的完全自动驾驶，也属于限定区域的L4级自动驾驶功能。受限于数据量、技术等因素制约，目前L4自动驾驶主要的应用场景还是在封闭园区或点到点固定线路的物流运输作业上，譬如一些限定场景如港口运输、矿山运输、园区摆渡、低速物流、环卫清扫等。由于降低人力成本的需求驱动以及应用场景相对简单，商用车会成为L4自动驾驶首先落地的平台。随着技术及配套政策的进一步成熟，L4自动驾驶最终会进入乘用车平台。传统整车企业及行业将会产生颠覆性的变革，产业链结构、自动驾驶场景下的新兴技术应用和下游应用场景也将发生改变。而对于终极的不限场景、不限区域的L5级完全自动驾驶，目前尚存在于想象之中。自动驾驶面临的诸多挑战大家期望的高等级自动驾驶，还是需要时间去发展和成熟的，其间还存在着诸多挑战需要去克服。首先，是技术挑战。高等级自动驾驶汽车需要应对大量多变的交通场景，多样化的道路类型、复杂的交通参与者、极端的气象环境，均会对自动驾驶的感知、决策、控制系统提出巨大挑战。同时，由于安全责任转移到了车辆一方，对自动驾驶系统的可靠性提出了非常高的要求。现有环境感知、规划决策与线控执行等技术的成熟度尚不足以支撑高等级自动驾驶大规模量产应用。其次，是标准与法规挑战。工信部于2021年4月发布了《智能网联汽车生产企业及产品准入管理指南(试行)》征求意见稿，作为最新的国家级政策，对于智能网联汽车的安全监管、测试环节等做出了规定。但整体而言，我国自动驾驶汽车相关标准尚处于建设初期，标准体系与核心产品标准并不健全，难以满足自动驾驶汽车快速发展的需求。相关法律法规尚未针对自动驾驶汽车做出调整，《道路交通安全法》《公路法》《保险法》等都不涉及自动驾驶方面的内容，《网络安全法》《测绘法》《标准化法》等都存在不适应自动驾驶技术产业化的规定。再次，是基础设施挑战。自动驾驶不仅涉及汽车产品本身，还需要车、网、路、云一体化协同发展，需要建设智能化道路、无线通信网络、高精度位置服务等各种基础设施。尽管我国交通基础设施已取得了长足的发展，在世界范围内也属于领先水平，但是交通基础设施的发展面临投资周期长、投资额度大等问题，影响了建设进度。此外，自动驾驶还面临着商业模式挑战、社会接受度等的挑战。从商业模式来说，自动驾驶赖以生存的商业模式还不太清晰。由于高等级自动驾驶汽车需要增加较高的额外成本，因此目前比较热门的自动驾驶出租车、自动驾驶物流货运等运营服务，是否真的能实现商业盈利，尚存在一定质疑。此外，如高精度地图数据采集与应用、自动驾驶汽车测试场地建设与运营、智能基础设施建设与运营等，都存在商业模式不明确的问题。从社会接受度来说，社会对自动驾驶汽车的接受度需要检验。高等级自动驾驶汽车的大规模应用将会带来深刻的社会结构改变，传统由人控制的交通系统变为由机器控制，由此产生的伦理道德问题、社会安全问题、失业问题等将长期伴随自动驾驶汽车的发展，需要寻找有效的办法给予解决。例如当自动驾驶汽车出现交通事故时，如何判断责任主体，到底是坐在车里的人还是汽车本身?再者当自动驾驶汽车在面临紧急情况时来不及避让，在撞人还是撞物上如何抉择?这些问题都值得去思考。最后，发展自动驾驶汽车还必须关注其对国家战略安全的影响。自动驾驶汽车本身就是一个强大的信息采集装置，在自动驾驶过程中，地理信息、车辆信息、乘车人员等信息都会被采集记录，其中很多信息会被上传至云端保存。如果没有严格的管理规范，很多敏感的信息外泄可能会造成国家战略安全问题。如果信息安全防护缺失，车辆数据可能发生泄露，或者更严重的被远程操控，造成难以控制的严重安全隐患。近期，国家密集出台汽车数据安全方面的政策法规，就是看到了这一潜在的风险点。自动驾驶是当前汽车产业发展的焦点方向，也是全社会都关注的热点领域。自动驾驶技术的普及将会极大地提升交通安全、提高交通效率、降低能耗与排放，深刻改变我们未来的交通模式与社会模式。但自动驾驶的发展不会一蹴而就，自动驾驶就像一棵小树苗，其成长受到土壤、水分、光照等因素的影响，需要我们有足够的耐心和包容心去呵护。我们有理由相信，待其吸收好养分，扎根于深土，它必将向阳而上!(作者：戴一凡，系清华大学苏州汽车研究院院长助理)【责任编辑：未丽燕 TEL：（010）68476606】

一 物联网定义物联网(IoT)可以说是互联网和其他网络连接到不同传感器和设备(或“物”)的扩展，甚至可以提供简单的对象(例如灯泡，锁和通风口)，并具有更高的计算和分析能力。物联网旨在实现不同实体之间的普遍连接，也称为事物。可以从不同的角度看待物联网：从服务的角度来看，在这个世界上，事物可以自动地与计算机通信，并相互交流，为人类提供服务。从连通性的角度来看，它适用于任何时间的任何人，任何地方，即任何事物的连通性。从通信的角度来看，它是世界范围的，基于标准通信协议可唯一寻址的互连对象网络。从网络的角度来看，它是因特网从一个相互连接的计算机网络演变为一个相互连接的对象网络。总的来说，它是指通过存在于internet基础设施中的连接设备，从互联的世界中生成的感知到的数据、信息和内容的业务流程和应用。在工业、运输系统、物流、电能表、健康和福祉等领域采用物联网技术，提高了它们当前的运行效率和与人们的生活质量。从不同领域生成的数据有助于为优化操作和公民的质量标准提供有价值的参考。二：物联网工作原理组成物联网的“事物”可以是从可穿戴健身追踪器到自动驾驶汽车的任何事物。无论它们为用户提供什么功能，这些设备都必须具有以下组件，它们才能作为各自的物联网系统的一部分正常运行传感器：首先从环境中收集数据，以供IoT系统开始处理。它由设备中的传感器收集，这些设备可以测量环境中可观察到的事件或变化。该设备所测量的数据类型取决于其功能：在健身跟踪器的情况下，它可以是人的脉搏，在自动驾驶汽车中，它可以是最近的物体的距离连接和标识：数据必须从设备传送到IoT系统的其余部分，无论是传送到计算机还是其他设备。为了使这种通信具有任何意义，设备必须通过自己的IP地址在互联网上具有唯一的可识别状态。执行器：大多数物联网设备无需与用户进行物理交互即可执行其主要功能。物联网设备应能够根据其传感器的数据以及网络的后续反馈采取行动。例如，即使当用户在远处时，智能灯泡也可以根据其用户的命令打开。以相同的方式，智能工厂中的阀门可以根据其传感器沿着生产线收集的数据自动打开或关闭。即使设备通常是在考虑自动化的情况下构建的，但必须具备其他技术才能使IoT系统正常工作。物联网网关：物联网网关充当不同设备数据到达云的桥梁。它还有助于将各种IoT设备的不同协议转换为一个标准协议，并过滤掉设备收集的不必要数据。云端：云是从不同设备收集所有数据的地方，软件可以在其中获取此数据进行处理。由于大多数数据处理都在云中进行，因此减轻了单个设备的负担。用户界面：用户界面向用户传达由设备收集的数据，并允许用户做出将由设备执行的必要命令设备到设备：此模型表示两个或更多设备如何彼此直接连接和通信。设备之间的通信通常通过蓝牙，Z-Wave和Zigbee等协议来实现。这种模型经常出现在可穿戴设备和家庭自动化设备中，在这种情况下，小数据包从一台设备传递到另一台设备，就像将门锁传递到灯泡一样。设备到云：许多物联网设备通常使用有线以太网或Wi-Fi连接到云。连接到云使用户和相关应用程序可以访问设备，从而可以远程执行命令以及将必要的更新推送到设备软件。通过此连接，设备还可以收集用户数据以改善其服务提供商。设备到网关：在连接到云之前，IoT设备可以先与中间网关设备进行通信。网关可以转换协议，并为整个物联网系统添加额外的安全层。例如，在智能家居中，所有智能设备都可以连接到集线器（网关），尽管具有不同的连接协议，该集线器仍可以帮助不同的设备一起工作。后端数据共享：设备到云模型的扩展，该模型允许用户访问并分析来自不同智能设备的数据集合。例如，公司可以使用此模型从公司建筑物内部工作的所有设备（在云中一起组织）访问信息。该模型还有助于减少数据可移植性问题。三：常见应用场景智能穿戴：人们通过可穿戴式技术直接使用IoT设备，例如智能手表和健身追踪器，以及有助于实时接收和收集信息的设备。智能家居：物联网设备适用于家庭，可用于连接更紧密，更节能，更方便在家中使用。房主还可以通过计算机或手持式智能设备远程访问和控制连接的房屋的不同方面。智能驾驶： 行驶中的车辆内的传感器可以收集有关车辆及其周围环境的实时数据。自动驾驶汽车将不同的传感器与先进的控制系统结合使用，以评估其环境并因此自行驾驶。数字化工厂： 借助物联网在工厂中的应用，制造商可以自动化重复性任务，并在整个制造过程的任何部分访问信息。工厂机械上的传感器提供的信息可以帮助设计方法，使整个生产线更高效，更不易发生事故。智慧城市： 不同物联网设备的组合使用可以覆盖城市和公共区域。物联网设备可以从环境中收集数据并影响其环境，以帮助管理城市管理的各个方面，例如交通控制，资源管理和公共安全。————————————————原文链接：https://blog.csdn.net/guxiaohai_/article/details/110004135

类似的问题解答过一些，评论区讨论的观点有很大的分歧；一种观点认为自动驾驶汽车仍旧需要人工辅助驾驶，一种观点认为自动驾驶技术比人工驾驶更安全，那么究竟哪种对呢？作者：天和Autov   来源：今日头条类似的问题解答过一些，评论区讨论的观点有很大的分歧；一种观点认为自动驾驶汽车仍旧需要人工辅助驾驶，一种观点认为自动驾驶技术比人工驾驶更安全，那么究竟哪种对呢？真正需要分析的问题：自动驾驶技术能否普及？！这才是真正需要思考的问题。严格来说理论上不存在绝对的无人自动驾驶，或者不应该出现；因为任何电子设备都不可能做到硬件的绝对零故障，软件程序也难以做到不出现错误。比如某一个将只具备L2级辅助自动驾驶技术标准定义为全自动驾驶的汽车品牌，其公布的数据显示没453万英里就会发生一起交通事故；这个数据看似很夸张，似乎安全性要比人工驾驶的汽车高很多，然而数据的真实性早已经不被认可，原因在于包装的技术形象早已经崩塌。然而就按照这个数据为参考，国内汽车保有量即将突破3亿辆；按照每一辆车年均一万公里的行驶里程计算，一年的行驶里程就是30000亿公里，也就是「3兆公里」。一公里等于0.62英里，这就是1.86兆英里，按照这个该品牌公布的数据计算，一年内似乎也会出现41.05万起因自动驾驶系统造成的交通事故；这样看来似乎自动驾驶的可靠性还是需要质疑一下的，重点是很多车辆的年均行驶里程是有几万到十几万公里的。最终的自动驾驶形态会是什么样子？撇开科幻片的感觉不谈，也许汽车很难实现终端的绝对自动驾驶；比如SEA协会发布的全新标准，在L5级的最高级别的自动驾驶的基础上，增加了不能离开人工干预（准备接管车辆驾驶权限）的解释。似乎这样看来就不存在真正的无人自动驾驶了，重点是还对无人驾驶汽车提出了远程控制的解释；也就是即便车辆离开了终端驾驶员的干预，在远程云端还必须有遥控接管车辆驾驶权限的设定。这也说明了无人驾驶汽车普及概率会很低，不过却并不是不能实现。预测方式：自动驾驶＋远程监控＋遥控驾驶权限，这样的模式倒是能够实现无人驾驶。可以理解为车辆或专用车道有预警系统，车辆能正常驾驶则没有问题，反之出现问题则可以通过远程方式接管车辆驾驶权限。如果真正能够实现这样的模式的话，那么驾驶证可能真就没有意义了；未来用车模式可能会是购入车辆之后，与车辆制造商或第三方服务公司签订「车辆远程控制协议」，说白了就是自己不开车，将车辆的驾驶权限交给车辆本身和车辆远程管理服务企业。用户需要做的只是规划行程并输入命令，最终车辆实现完全不需要甲方人工干预的行驶；至此倒是可以让驾驶证成为过去式了，只是如果能实现这一模式的话，汽车共享必然会实现了。汽车“四化”的最后一步是共享化，前三步分别为电动、网联、智能的这三化；一旦车辆实现终端自动加远程遥控兜底的运行模式，车辆的性能、能耗、配置甚至设计的一致性都会非常高，汽车也就失去了个性。同时也会失去其潜在的价值（社会属性），说穿了就是汽车不再是用于炫耀的大宗消费品，成为和自行车一样稀松平常的东西；所以公共自行车到处都是，谁也不会因骑行不同品牌的公共自行车而感觉有什么不同。此时汽车的角色就像公共自行车一样，随之而来的就必然是汽车共享化；同时网约车和出租车也会成为过去式，因为想要降低车辆的闲置率就只有让车辆巡游起来，通过站点扫码实现更快捷高效地“打车”；远程远端同样可以选择各种品牌的共享汽车，车辆一样可以实现远程约车与精准的送车。综上所述，“未来人”可能真的不需要驾驶证，而一旦达到这个节点——同样不需要购买汽车了；汽车最终的形态大概率会是「终端智能化＋远程遥控」的高度共享出行的载体，没有“私家车”存在的价值了。只是想要实现这个目标会很难，因为这不是单一技术领域的问题；汽车作为大宗消费品从制造销售到服务相关有一个完整且巨大的生态链，一种技术的突破就有可能打破生态平衡，那么一种全新模式的应用则是影响汽车行业千千万万的从业者，包括职业司机都要来思考这个问题。所以能摆脱驾驶证的无人驾驶汽车不是那么简单就能普及的，预计15-20年后会逐渐形成这个模式，中间则要循序渐进的调整整个生态链。

1.此前5G被过度宣传的原因，估计通信行业内的人都清楚是谁起的头，直到因为众所周知的原因导致有企业的收入下降、营销费用被削减，5G的宣传热度才下降，再加上前财长楼继伟站出来说话，对5G理性思考的观点才多了起来。5G技术当然是有进步的，它可以提供更快的无线数据服务；但是5G技术的弊端也是非常明显的，投资额太大导致运营商无力如4G时代那样快速建设，两年多时间建成的5G基站数量才可能与当年4G时代头一年建成的4G基站相当。5G基站的运维成本奇高，其中最明显的就是5G基站的电费成本太高，估计运营商建成覆盖全国的5G网络仅是电费就要2000亿以上，以致于当下只是有限的5G基站数量导致的巨额电费就让运营商不得不在空闲时段关闭5G基站。2.无人驾驶、智能家居、远程医疗等必须得有 5G 才能实现吗？这个其实也是错误的概念。无人驾驶的其中一些技术如今已投入使用，如特斯拉就已将自动驾驶技术投入使用，美国的消费者经常发布的车主在高速公路睡觉由自动驾驶技术送他们到达目的地，而美国目前主要还是用4G网络。阻碍无人驾驶技术投入使用如今反而不是移动通信技术，而是由于自动驾驶技术远远未能达到成熟的阶段，业界认为当下的自动驾驶技术只能达到L2级别。智能家居、远程医疗如果技术足够成熟，其实用有线宽带就能实现，因为这类技术中所使用的机器设备都需要电力驱动，自然它们就要与电线连接，如此以有线宽带连接这些设备将相关的技术变成现实并不是问题。有线宽带相比起5G来说，可靠性更高、时延更低，对于远程手术来说，有线宽带比5G可靠多了，你能想象下即使5G号称毫秒级别的时延，即使是几毫秒手术刀的差异就可能要了人的命。时延对于自动驾驶技术的影响其实也是类似的，他们宣传5G对于自动驾驶技术的重要性就是低时延，以超低的时延借助云端的计算能力来确保驾驶安全，然而这其实也是非常危险的，中间的时间延续同样可能导致死亡事故。如此对于自动驾驶技术来说，依靠车上机器的计算能力，更迅速的对行驶中的突发情况进行处理才更能确保行驶安全，如果依靠车上机器的计算能力，那么对于移动通信的超低时延要求就会有所减弱。所以各方对5G的理性讨论可以有助于大家对5G技术的了解更深刻一些，而不是啥都要扯上5G，5G的发展还是缓一点更合适吧，让通信产业各方进一步完善5G技术，降低成本、提高可靠性或许才更有助于5G的发展。

首款Huawei inside智能豪华纯电轿车北汽阿尔法S（华为HI版）4月17日晚在上海发布，采用华为快充技术，充电10分钟，续航197公里，其智能座舱搭载鸿蒙OS操作系统。 据了解，现场测试车辆的行驶情况较为平稳，在红绿灯启停、无保护左转、避让路口车辆、礼让行人、变道等情形下均能实现城区通勤无干预自动驾驶。 曝光的华为自动驾驶技术视频显示，在车内配备安全员的情况下，工作人员对车辆进行脱手脱脚自动驾驶测试。在自动驾驶期间，车辆在穿过行人、电动车及汽车来回穿行的拥挤马路期间，车辆的自动驾驶状态表现得十分科技智能。除了会自动侦探前方的行人车辆，并对车内发出警告提示音之外，中控屏上还会通过红色警示图像进行提示。 另外，在两边停满车辆的拥挤道路上，车辆还会自动躲避对方来车，方向盘的调整十分精准，会车同时，还能给右侧的非机动车和行人，预留出一定的通行空间，宛如一个老司机一般。  华为介绍，在城市通勤场景中，该车实现了覆盖城区、高速、停车场的全场景点到点通行。例如，可智能识别红绿灯并进行停靠或行驶；当车辆在无待转区的路口，能够与对向的直行和左转车流进行交互博弈，最终完成左转；无论直行、左转、避让、上下匝道还是无保护转向，阿尔法S华为HI版都能轻松应对。而且基于机器自我学习技术，ADS每时每刻都在自我学习、自我进化，越开越聪明，成为消费者的专属好司机。ADS高阶自动驾驶系统作为专为中国道路和交通环境设计、以用户驾乘体验为目标的全栈（Full Stack）自动驾驶系统，采用了以终为始的设计思路，全天候全场景赋予私家车每日通勤连续体验。有赖于华为在人工智能领域近十年的深耕，在自动驾驶算法领域超过五年的投入，ADS形成了超级全栈算法、超级数据湖、超级计算与传感器硬件这“铁人三项”的完美闭环。针对城市复杂场景额外优化，驱动系统更快速的迭代优化，ADS可通过OTA持续为用户提供激动人心的新特性和新体验。阿尔法S华为HI版的车机搭载了流畅的HarmonyOS操作系统，且配备高清大屏、利用1+8+N全场景互联技术，使得导航、视频、音乐和通话等业务能够在智能座舱和其他设备之间无缝流转，让驾乘变得更简单、更有趣、更享受。比如，当用户视频通话时，进入车内可快速完成从手机到座舱显示屏的无缝切换，让用户充分感受车联万物的便捷，时刻体验最新科技带来的乘驾乐趣。华为将动力域的领先技术赋能于阿尔法S华为HI版。针对新能源汽车“充电慢”的焦虑，华为基于30余年电力电子技术积累，提供业内独家AI闪充全栈动力域高压平台解决方案，10分钟最高可充197公里续航里程。只需一杯咖啡的时间，阿尔法S华为HI版便能充满能量。双电机智能四驱，百公里加速轻松跑入3秒级俱乐部，比肩超跑性能，极大提升用户的用车体验。在算法层面，华为智能汽车解决方案BU，ADS自动驾驶产品线总裁苏箐曾经说过这样一句话：华为如果计算机上干不过特斯拉，我觉得可以关门不用干了。我们可以从两个维度理解“干不过”这三个字。一方面华为在人工智能领域有将近10年的深耕，在自动驾驶算法领域超过五年的投入，并不是新玩家；另外一方面，ADS是算法倒推的开发逻辑，全栈能力很重要。苏箐解释称，ADS的开发逻辑是根据目标场景（中国城区）倒推系统方案，再根据系统方案（传感器+算法）的需求，倒推对算力的要求，然后开发相应的硬件，因此算力和ADS算法完美匹配。

小米申请注册"米车"商标据天眼查显示，小米科技有限责任公司于 4 月 1 日申请注册多个“米车”商标，国际分类包含 12 类运输工具，商标状态为注册申请中。此外，小米科技同时还申请多项“小米汽车”、“米汽”、“小米造车”等相关商标。字节跳动夺得视频编码器大赛世界冠军2021 年 4 月，MSU 2020 全球视频编码器大赛公布完整结果，字节跳动美国加州技术团队研发的 BVC 系列编码器表现突出，17 个参赛项目均排名最佳质量评比第一。（DoNews）华为自动驾驶车全球首次公开试乘4 月 15 日，配备华为自动驾驶技术的北汽新能源极狐阿尔法S的HI版车型，在上海进行公开试乘，这也是华为自动驾驶技术全球首次公开试乘。据了解，现场测试车辆的行驶情况较为平稳，在红绿灯启停、无保护左转、避让路口车辆、礼让行人、变道等情形下均能实现城区通勤无干预自动驾驶。罗永浩回应再成被执行人：投资者逼迫签署强制回购股份协议针对近期发生的锤子科技被法院强制执行一事，罗永浩在微博回应：该事件来自锤子科技的某一个投资者。该机构在 2017 年锤子科技的融资过程中，在所有其他投资者都已签字并焦急等待救命投资款到账时，恶意拒绝签字，非常下作地在公司生死存亡之际，乘人之危，逼迫我个人签署强制回购股份的协议。作为锤子科技的创始人，为了给公司续命，其最后不得不签署了这份流氓协议。罗永浩表示，在后续还款时，其会公布该机构的名称，也公布这个流氓事件的具体负责人及执行人的姓名和头像 (引用网络媒体已发表的新闻图片)，提醒后来的创业者注意躲开这种手段流氓的恶劣投资者。而从优先级上，这笔钱一定会在所有其他债务全部还清之后最后支付。魅族商城开卖 iPhone，称 iPhone 既是对手亦是朋友4月15日，魅族官方微博宣布，魅族商城将在今日 10:00 上架 iPhone 手机。魅族表示：“安全手机领域，iPhone 既是对手亦是朋友，魅族商城只卖安全手机。”魅族科技营销负责人万志强在微博上表示，此次活动“是致敬，也是对用户最核心权益体验的所见略同。只向大家推荐 iOS 世界和安卓世界的两款安全手机。菜鸟驿站将免费送货上门4 月 15 日，菜鸟驿站宣布，送货上门首批启动北京、上海和杭州三个城市，包裹入站后，消费者可以自主选择送货上门或到驿站自提，两项服务均不产生任何费用。据介绍，目前在北上杭三城 90% 以上的菜鸟驿站站点完成了服务开通。————————————————版权声明：本文为CSDN博主「极客日报」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/weixin_39786569/article/details/115748424

人民网武汉3月23日电 （郭婷婷）下雨天想吃零食又不想出门，想去图书馆借书离得太远不想走，怎么办？只要打开手机，招来无人配送车，就可轻松买到各种食品，甚至借到书籍。3月22日下午，国家智能网联汽车（武汉）测试示范区把自动驾驶技术带进校园，在江汉大学启动末端无人驾驶物流配送的示范应用，首批13辆无人驾驶售货车、物流配送车驶进校园，为师生提供无人售卖、物流配送服务。当天下午，记者在学校操场上，见到了这些无人驾驶物流车，分别是东风汽车股份有限公司的Sharing-Box无人驾驶售货车和长沙行深智能科技有限公司的无人驾驶物流配送车。东风智能无人驾驶售货车长5米、高1.8米、宽1.7米，比普通中巴略小，车厢两侧均设置有玻璃货柜，柜中码放着饮料、副食等商品，车穿行校园，进行零食和饮料的移动式售卖。好奇的同学争相体验无人驾驶车辆送零食的服务。江汉大学物流专业学生小徐掏出手机，对着货车上贴的二维码扫了一下，听到提示语音后，拉开货柜门，从中取出一瓶咖啡。随后，支付宝上显示扣费6元。“以后想吃零食时，不用再跑很远去找小卖部，把无人售卖车叫过来就行了。”东风股份公司工程师介绍说，这种无人驾驶车可以根据需要随意变形，改造成无人快递配送车、无人图书馆、无人物流车等，最大载重可达1.5吨。当天，还有12辆绿色的小型无人物流车在江汉大学校园穿梭，该车由长沙行深智能科技公司制造。该公司创始人安向京介绍说，此前，在江汉大学开学时，他们已经用这些车辆搬运过学生行李，所以大家对它并不陌生。师生们只要在微信小程序上下单“快递代取代拿”服务，无人驾驶物流车就可以从配送中心按预约时间将快递送达师生手中，全程仅需几分钟。武汉被称为国内“高校快递第一城”。据中国教育后勤协会发布的数据，中国的高校快递包裹量接近全年30亿，拥有84所高校的武汉，高校快递数量排名第一。快递收发高峰期，师生需要前往学校的快递收取点或到附近的快递柜排队寄收包裹。无人驾驶物流车开进校园，可以缓解学生高峰期收快递的困扰。据了解，22日，江汉大学在启动末端无人驾驶物流配送应用的同时，还成立了新能源与智能汽车应用研究工程中心，探索智能网联和自动驾驶产学研一体化发展新模式。江汉大学成为继武汉大学、北京理工大学之后，又一所加入武汉示范区智能网联汽车和自动驾驶联合技术创新的高校。示范区的联合创新中心实验室也扩展到17家。该中心由江汉大学与武汉新能源与智能汽车创新中心、行深智能、东风股份等单位共建。武汉新能源与智能汽车创新中心负责人朱建阳介绍表示，经过两年多的建设，武汉示范区已形成由20余家企业跨界融合共建的智能汽车产业生态，建成了106公里智能化道路，以及5G通讯网、高精度地图、北斗高精度定位网、高精度城市三维空间模型等相关智能基础设施，具备L4及以上等级的自动驾驶测试运行条件车路协同技术应用在全国处于领先地位。武汉示范区正在成为智能网联示范区及智慧城市建设的科研高地。(责编：周恬、张隽)

车祸是人类最凶险的杀手之一，全世界每年有上百万人丧生车轮，仅我国每年就有约十万人死千车祸．由计算机来实现自动汽车驾驶是一个理想的方案，因为机器上路时可以确保不是新手驾驶、 不会疲劳驾驶，更不会酒后驾驶，而且还有重要的军事用途．美国在二十世纪八十年代就开始进行这 方面研究这里最大的困难是无法在汽车厂里事先把汽车上路后所会遇到的所 有情况都考虑到、 设计出处理规则并加以编程实现，而只能根据上路时遇到的 情况即时处理．若把车载传感器接收到的信息作为输入，把方向、刹车、 油门的控制行为作为输出，则这里的关键问题恰可抽象为一个机器学习任务．2004年3月，在美国DARPA组织的自动驾驶车比赛中，斯坦福大学机器学习专家S. Thrun的小组研制的参赛车用6小时53分钟成功走完了132英里赛程获得冠军比赛路段是在内华达州西南部的山区和沙溃中，路况相当复杂，在这样的路段上行车即使对经验丰窑的人类司机来说也是一个挑战．S. Thrun 后来到谷歌领导自动驾驶车项目团队值得一提的是，自动驾驶车在近几年取得了飞跃式发展除谷歌外，通用、 奥迪、 大众、 宝马等传统汽车公司均投入巨资进行研发，目前已开始有产品进入市场．2011年6月，美国内华达州议会通过法案，成为美国第一个认可自动驾驶车的州，此后，夏威夷州和佛罗里达州也先后通 过类似法案．自动驾驶汽车可望在不久的将来出现在普通人的生活中，而机器 学习技术则起到了 “司机” 作用．

现代汽车公司(Hyundai Motor)于2020年12月10日更新2025未来战略路线图。这次公布的战略内容新增加氢能源解决方案，反映了现代汽车对燃料电池开发和商业化的承诺。该战略强化了Hyundai作为智慧移动解决方案提供商引领未来交通运输产业的计划，涵盖：智能移动装置、智能移动服务及氢能源解决方案。现代汽车的目标是实现三大方针：通过电气化提高汽车业务的竞争力、为成为领先的移动服务提供商奠定基础，确立氢能技术的发展与应用。战略主要集中在四大业务领域：电动车(EV)、城市空中交通（UAM）、自动驾驶技术和氢燃料电池。智能移动装置（Smart Mobility Device）和智能移动服务（Smart Mobility Service）方面，现代汽车计划在强化价值链和产品的同时，加快数字转型，透过数据数据优化车辆和服务。现代汽车还计划推出智慧移动服务整合平台。扩大服务范围，实现增值业务模式的多样化。氢能源解决方案方面，现代汽车计划提升燃料电池技术，并将燃料电池业务扩展到燃料电池车之外，加速推进氢能源生态系统。现代汽车计划将其燃料电池的应用扩大到其他运输领域，像是船舶、火车、堆高机和城市空中交通。电动车 (EV)从2021年推出的IONIQ 5开始，现代汽车预计2025年前每年销售56万辆电动车。现代汽车计划推出超过12款的电池电动车（Battery-Electric Vehicle；BEV）车型，包括基于现代汽车电动车平台E-GMP打造的BEV。中长期来看，现代汽车的目标是确保在电动车市场的领先地位，并在2040年前达到全球电动车市占率8%-10%的目标。2030年开始，现代汽车将在美国、欧洲和中国等主要市场逐步扩展BEV产品线，希望能在2040年在全球主要市场完成产品全面电动化。为实现这一目标，现代汽车将通过提高零件标准化和降低成本来确保竞争力。为了满足不同地区客户的不同需求，现代汽车计划打造以地区为单位的电动车运营策略。至于，建设EV充电站，现代汽车将专注于充电基础设施以及电池的开发。现代汽车计划2021年在韩国建设20个快速充电站。在海外地区，现代汽车将继续与各合作伙伴开展充电设施，像是在欧洲与IONITY合作开发充电网。城市空中交通（UAM）作为智慧移动服务解决方案的供货商，现代汽车将继续发展城市空中交通，以帮助缓解城市交通壅塞的问题，提高人们的生活质量。曾于在2020年CES公开空中交通概念车型S-A1，展现未来交通运输系统的愿景。现代汽车将打造涵盖客运以及货运的空中交通工具，计划在2026年推出搭载混合动力系统的航空货运无人机飞行系统（Unmanned Aircraft System; UAS），并在2028年推出基于城市运营而优化的全电动机型。2030年开始，现代汽车计划推出连接城市之间的区域性航空运输。此外，还计划利用现代汽车的燃料电池技术开发航空用的氢动力系统。自动驾驶技术 (Autonomous Driving Technology)现代汽车正在加快自动驾驶技术的进度，尤其是在传感器融合（Sensor Fusion）和整合控制器（integrated controller）方面。利用传感器融合技术，整合、处理从镜头和雷达等各种传感器收集到的信息。现代汽车将增加更多的镜头，并开始在量产车上使用LiDAR技术，以进一步提高识别精度。现代汽车正在开发下一代整合控制器，在现有的控制器上增加高性能处理器。Level 3级自动驾驶、自动泊车功能、基于深度学习的图像辨识技术等各种都可以应用于下一代控制器。从2021年开始，现代汽车还将引入OTA （Over-the-Air，空中升级技术）和FoD（Feature on Demand，功能随选安装）。2022年开始，现代汽车计划提供搭载3级自动驾驶技术的车型，并加快4级和5级自驾技术的商业化。现代汽车除了与Aptiv合资成立自动驾驶技术公司Motional，还计划对美国、中国、以色列等的企业进行合作和战略投资，同时继续在公司内部努力推进自动驾驶技术。氢燃料电池 (Fuel Cell System)现代汽车还推出了全新品牌「HTWO」氢燃料电池系统。新燃料电池品牌的推出，将有助于现代汽车搭载燃料电池业务的发展，壮大氢能生态系统。透过HTWO，现代汽车正在加紧开发可应用于城市空中交通、汽车、船舶和火车等各种交通运输工具的下一代氢燃料电池。新一代的燃料电池不仅可用于多种不同的运输产品和服务，还将有更轻的结构和更高的能量密度，以实惠的价格提供更高的性能和耐久性。现代汽车目标透过新一代的燃料电池提供更高效和多样的氢能车。初期HTWO集中在韩国、美国、欧洲和中国等地。现代汽车还公布了中长期的财务目标，包括到2025年投资60.1兆韩元（约540亿美元）、确保汽车业务8%的营业利润率、达到全球汽车市占率5%目标。转自：https://www.iothome.com/news/2020/1223/11461.html

       专家系统是人工智能中最重要的也是最活跃的一个应用领域，它是指内部含有大量的某个领域专家水平的知识与经验，利用人类专家的知识和解决问题的方法来处理该领域问题的智能计算机程序系统。通常是根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，去解决那些需要人类专家处理的复杂问题。        1、无人汽车。       无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标。从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。2005年，首辆城市无人驾驶汽车在上海交通大学研制成功。世界上最先进的无人驾驶汽车已经测试行驶近五十万公里，其中最后八万公里是在没有任何人为安全干预措施下完成的。        2、天气预测       随着手机的普及，现在越来越多的人已经习惯观看手机中的天气预测，而在天气预测中，专家系统的地位也是决定性的。专家系统可以首先通过手机的GPRS系统，定位到用户所处的位置，在利用算法，对覆盖全国的雷达图进行数据分析并预测。       用户就可以随时随地地查询自己所在地的天气走势。天气预测中再无“局部地区有雨”的字眼，取而代之的是“您所在街道25分钟后小雨，50分钟后雨停”。给您配上一位专属的天气预报员，让您收到的天气预报能精准到分钟和所在街道。

本次分享分为三部分：为什么需要多传感器融合？传感器融合的一些先决条件如何做传感器融合？为什么需要多传感器融合？首先，单一传感器在自动驾驶中，都有各自的挑战，所以先了解下常用的传感器的挑战是什么：1. Camera data照相机数据遇到的挑战：①  没有深度信息。② 视场角有限，以卡车的传感器配置来说，需要比较多的摄像头，这里用到了6个摄像头覆盖了270°的视场角。③ 摄像头受外界条件的影响也比较大，（上图右下方）这是当车行驶到桥下时，由于背光，且光线变化比较大，导致无法识别正前方的交通灯。2. Lidar data激光雷达数据的一个比较大的挑战是感知范围比较近，如右图所示，感知范围平均在 150m 左右，这取决于环境和障碍物的不同。激光雷达在角分辨度上远远不如照相机，如上图，有三条小狗在过马路，在照相机上可以清楚的看到，但是在激光雷达上，采集到的点是比较少的，这样的场景在每天复杂道路路测的时候会经常遇到。激光雷达对环境的敏感度也是比较大的，上图为 Pony 路测的时候经常遇到的虚拟噪点的 Case，在车经过建筑工地的时候，在图像上可以看到并没有任何的障碍物，但是在雷达上前面有很多的噪点，右边是雨天中的测试，车辆行驶中溅起来的水花，在激光雷达上都是有噪点的，如何去除这样的噪点，是我们经常面临的挑战。3. Radar data毫米波雷达，本身的一个挑战是没有高度信息，毫米波雷达能告诉你这个物体在哪个位置，但是不知道多高，这个 case 就是前面有一个比较高的指路牌，毫米波雷达知道这儿有个障碍物，但是不知道是悬空的。4. Why sensor fusion当看过了这些单一传感器在自动驾驶中面临的挑战，自然会想到，做多传感器融合，进行传感器之间的取长补短，来帮助整个感知系统效果的提升。这里的例子是，如何利用多传感器来提升感知的探测距离，当障碍物距离 150m 左右时，激光雷达的反射点已经比较少了，但是这时毫米波雷达和照相机还是比较稳定的。当障碍物驶出 200m 的范围，基本上没有任何的激光雷达反射点了，但是 200m 取决于自动驾驶车辆本身的车速是多少，200m 的感知距离还是必要的，这时只能通过毫米波雷达和摄像头，来提升对障碍物的感知距离，从图中可以看到障碍物还是可以稳定识别出来的。传感器融合的先决条件1. 运动补偿 & 时间同步① Ego motion为什么做运动补偿？在自动驾驶传感器感知过程中，传感器采集数据，一般都不是瞬时发生的，以激光雷达为例，采集一圈数据需要 0.1s，在这 0.1s 内，本身车会发生一定的位移，障碍物也会发生一定的位移，如果我们不考虑这样的位移的话，我们检测出来的位置就会不准确。位移有俩种，第一种就是车自身的位移 Ego motion。右边画了一个示意图，虚线部分可以认为是世界坐标系，红色的点代表一个静态的障碍物，它在坐标系中有一个稳定的坐标（5，5），蓝色部分代表车自己的坐标系是局部坐标系，（4，0）为这个坐标系的原点，在 t+1 时刻，这个坐标系移动到了（6，0）的位置，车沿着 X 方向向前移动了2，在 t 时刻在车自身的坐标系下，障碍物的坐标是（1，5），在 t+1 是时刻，则是（-1，5）。如果不做车自身运动的补偿，静止的物体在2帧之间，测量的局部坐标是不一样的，就会产生错误的速度，因此，要去补偿车本身的位移，做自身的 Motion compensation 运动补偿。这个问题比较简单，因为车是有比较准确的定位信息的，它会提供这俩个时刻，车本身的姿态差距，我们可以利用姿态差，比较容易的补偿车移动了多少，那我们就可以知道这个障碍物其实是没有移动的。② Motion from others第二种要考虑的是运动物体在传感器采集的时间段内，运动物体发生的位移，相对于自身运动补偿，这是一个更难的 case，首先快速移动的物体，在激光点云里很可能会被扫到俩次，大家可以看下红圈内，尾部会有拖影。所以我们如何想办法消除对方车的 Motion，也是要考虑的。解决的方式有很多，现在激光雷达本身从硬件上也会有些配置，来缓解这样的现象，简单解释下，当你用多个激光雷达在自动驾驶车辆时，可以让激光雷达按照同样的方式一起转，在某一个特定的时段，特定的方向，应该扫到同样的东西，这样来减少快速移动的物体产生拖影这样的问题。②   时间同步在很多自动驾驶车辆传感器中，大部分支持 GPS 时间戳的时间同步方法。这个方法比较简单，如果传感器硬件支持这些时间同步的方法，拿到传感器数据的时候，数据包中就会有全局的时间戳，这样的时间戳以 GPS 为基准，非常方便。但是，时间戳查询数据会有一个比较明显的问题，举个例子，图中有三个数据，三个传感器和时间轴，不同传感器是以不同频率来采集数据的，以传感器2为例，在 T1 时刻，传感器2有一个数据，在这个时刻，想知道对应的传感器1和传感器3的数据是多少，肯定需要去查找，查找的方式是找对应的传感器数据和传感器2时间差最近的数据包，然后拿过来用，这就取决于查的时候，数据包的时间和 T1 时刻传感器2数据包的时间到底差多少，如果差距比较大，本身障碍物都是在移动的，这样误差会比较大。然后就有了第二种时间同步的方法，来缓解刚刚说的这种现象。就是主动数据同步的方法，比如以激光雷达作为触发其它传感器的源头，当激光雷达转到某个角度时，触发那个角度的摄像头，这样就可以大大减少时间差的问题，如果把这套时间方案做到硬件中，做到比较低的误差，那么对齐的效果比较好。如上图所示，这时激光雷达的数据就很好的和摄像头的数据结合在了一起。刚才说到如果一个自动驾驶车辆用了多个激光雷达，激光雷达之间如何同步，减少扫到同样车在不同时间这样的问题，velodyne 是我们常用的一个品牌，支持一种 Phase Lock 功能，能够保证在某一时刻，所有的激光雷达的角度，都可以根据 Phase Lock 的配置，在固定的角度附近。这样如果用俩个前向的激光雷达都设置一个角度，在同一时刻，扫到的东西应该是类似的，这样一个快速行驶的车，被扫到2次的概率就会减少，当然这个办法也不能完全解决问题，比如有个人和我们的激光雷达以同样的频率一起转，那么在激光雷达扫描的点云中，人一直会出现，所以还要通过软件的方法，设置的一些规则或者模型来想办法剔除。2. 传感器标定接下来是另外一个比较大的话题：Sensor Calibration 传感器标定。这里主要是指传感器外参的标定。传感器外参其实就是刚体旋转，因为物体上的俩个点，在经过旋转和平移之后，两个点之间的 3D 位置是不会变的，所以叫刚体旋转，在自动驾驶和机器人上，刚体旋转还是比较常见的。传感器外参的标定就是要找到这样的一个刚体旋转，可以把一个传感器的数据和另一个对齐。相当于把一个传感器测量的数据从其本身的坐标系，通过刚体旋转，转到另一个传感器坐标系，这样就可以进行数据融合了。上图中，左边为图像，中间为雷达，如果有一个比较好的外参工具，可以把 3D 的点投射到 2D 图像上，所有的障碍物的点都可以对应上，相当于把 2D 上的像素都加上了深度的估计。这样在图像质量并不是很高的情况下，可以通过这样的方式把信息补回来。传感器的标定一般有俩种思路，第一种是有激光雷达的传感器标定，第二种是无激光雷达的传感器标定，之所以这么分，是因为激光雷达采集的数据是完整的 3D 信息，空间中的 ( x，y，z ) 都是准确的，并不会有信息的丢失，而照相机得到的数据，可以认为是极坐标系下的坐标，没有深度和角度，而毫米波雷达是没有高度的。所以，如果有这样的传感器能够提供完全的 ( x，y，z ) 坐标，以此为参照物，其他传感器和激光雷达做绑定的话，会更容易和更准确。Pony 是有激光雷达的，所以今天主要讲有激光雷达的传感器标定方法。①   Multi-Lidar Calibration首先讲下多激光雷达是如何标定的，上图可以看到正好用到的是两个前向激光雷达，这两个激光雷达在前向180°是有比较大的覆盖区域，如果对激光雷达之间的旋转和平移没有比较好的估计，当把俩张激光雷达的点云放在一起进行感知处理的时候，在红框位置会发现存在比较大的分隔（黄线和蓝线分别代表俩个前向激光雷达），这种情况肯定是不想遇到的，所以需要把多个激光雷达做比较准确的标定。标定的方法是已知的，非常好解决的问题，因为激光雷达本身是有完全的3D信息，解决这样俩个数据集匹配的问题，就是 ICP（Iterative Closest Point）迭代式最近点方法。这个方法有很多的变种，感兴趣的同学可以百度或者 Google 搜索下。②   Camera Lidar Calibration另外一个就是照相机和激光雷达之间的标定。照相机本身是没有距离信息的，那么如何去做标定？同样激光雷达是有 3D 信息的，可以通过标定的方式，把激光雷达投到图像的坐标系中，建立图像的像素点，和激光雷达投影后的点之间的匹配，然后通过某种优化方程，来解决这样一个匹配问题。举一个简单的例子，比如现在要选取一系列激光雷达检测出来的候选点，如何选这些点呢？这些点一定是在图像上比较容易能够识别出来的边界点。选取方法也比较简单，因为激光雷达有距离信息，只需要找相邻俩个激光点之间的距离差，就可以判断这样一个点是不是边界点，我们可以轻易的选出这样的候选点，通过这样的投影方式，红框是我们要求的标定参数，K 矩阵为相机本身的内参，通过这个数学关系，我们可以把刚才 3D 中检测的候选点，投到 2D 上，上图中的 X 就是投射后的位置。我们可以根据 3D 投影点和 2D 检测的边界，进行匹配，然后根据他们之间的距离匹配程度，建立这样一个优化方程，然后解这样一个优化问题，来估计出 Calibration 的参数。大家如果感兴趣可以参考这篇 paper：Automatic Online Calibration of Cameras and Lasers，详细的讲述了其中的数值原理，可以看到绿色的是 3D 点投射到图像上，是一些边界点候选的区域，如果有一个比较好的标定结果，这些边界点会比较好的和图像匹配起来。3. 传感器视场角接下来看下传感器不同视场角带来的融合问题。这里有一个简单的示意图，假设在这个位置上有两个激光雷达，它们有各自不同的视场角，但是前方有个障碍物 A 刚好在传感器2的视场角内把障碍物 B 完全遮挡了，障碍物 B 只出现在一个传感器检测的视场角内部，这带来的问题是：我们到底该不该相信这里存在一个障碍物？这是比较常见的问题，需要我们经过不断的路测，来完善。如何做传感器融合？1. Camera Lidar Fusion首先讲下照相机和激光雷达融合，方法1之前大概讲过，就是说激光雷达有 ( x，y，z ) 比较明确的 3D 观测，通过标定参数，通过照相机本身的内参，就可以把 3D 点投到图像上，图像上的某些像素就会打上深度信息，然后可以做基于图像的分割或者 Deep Learning Model。需要注意的是，多传感器的时候，视场角可能会不一样，可能会造成噪点或者漏点，这里比较推荐的方法是把照相机和雷达安装在一起，越近越好。另一个比较直观的方法，是否能将 2D 检测出来的障碍物直接投影到 3D，然后生成这样的 3D 障碍物，这种方法，在做很多的假设条件下（比如障碍物的大小，地面是否平整），也是可以做的，如上图，相机的内参，车的位置高度，都是已知的，这时在 2D 上识别出的每个帧的障碍物，都可以还原成 3D 在照相机坐标系下的一条射线，然后找这条射线在 3D 坐标系下和平面的交点，就可以估计出 2D 障碍物在 3D 上的距离。上图为 Pony 在建筑工地旁采集的数据，可看到这些路障都是直接生成到 3D 的（图中有个漏点，也是我们还需要努力提高的）。2. Radar Lidar Fusion至于毫米波雷达和激光雷达的融合方式就更简单了。因为在笛卡尔坐标系下，它们都有完整的 ( x，y ) 方向的信息，那么在普适的笛卡尔坐标系下，做针对于距离的融合，而且毫米波雷达还会测速，对障碍物速度也是有一定观测的，然后激光雷达通过位置的追踪，也会得到障碍物速度的估计，这些速度的信息也可以用来做融合，帮助筛选错误的匹配候选集。这是 Pony 激光雷达和毫米波雷达融合的效果，红圈里的障碍物是 radar 补充的。当然，不同传感器之间融合的特例还是很多的，比如激光雷达和毫米波雷达融合的时候，可以看到，这个场景是前方有比较高的路牌时，毫米波雷达会在这个位置产生障碍物，恰好激光雷达也有噪音，因为恰好前方有车，这时在牌子底下也会产生噪点，所以激光雷达和毫米波雷达都在这个地方检测出来本不应该出现的障碍物，这时两个传感器都告诉你前方有个障碍物，只有摄像头说前方只有一个障碍物，这时该怎么办？总结总结来说，每个传感器都有自己的一些问题，传感器融合就是说我们要把这些传感器结合起来做取长补短，提升整个感知系统的精度和召回度，今天就分享到这里，谢谢大家。文章转载自公众号DataFunTalk 

欢迎小伙伴们体验《基于容器实现一分钟自动化部署》实验，有任何问题都可以在这里讨论交流哦！ 通过本实验：§   您将学习本实验指导用户基于DevCloud的自动化部署功能，实现在CCE集群上快速部署网站应用 §   您将体验1. 资源准备2. 创建部署任务3. 部署应用并访问§   您将掌握1. 了解并使用CCE集群；2. 使用DevCloud自动化部署功能部署网站应用。 实验开始前，推荐您先学习相关课程，掌握实验背景知识：1.  云容器引擎：让云上环境搭建更简单 实验完成后，欢迎学习相关领域微认证，认证您的AI技能：1. 微认证：云容器快速搭建网站2. 微认证：一分钟自动化部署 实验过程中，如有任何问题可在该帖进行交流，也可以添加华为云学院小助手（微信号：HWcloudedu），专业人员为您实时解疑答惑，互相交流，共同进步！如要提出问题，请详细描述您的问题及出现的步骤，附上实验操作截图，如有其他参考信息可一并附上。

云早报，(北京时间)6月14日，星期五【云头条】国产IP应用服务平台上架3款新品6月13日消息，RISC-V工程经验分享会在北京举行，中关村芯园与芯启科技签署合作协议，并发布3款国产IP应用服务平台上架产品：SAR-T6系列、SAR-D9系列和TNA-300。其中，SAR-T6系列对标ARM Cortex-M4，面向AIoT终端、传感器、机电MCU、轻量级智能以及众核智能应用；SAR-D9系列对标ARM Cortex-A9，面向医疗、通讯、工控、机电MCU、视频音频处理、轻量级智能、通用算法加速场景；TNA-300对标英伟达的开源神经网络加速器NVDLA，面向设备端AI方案。【华为云】 为了5天后的大促，华为云产品打起来了？ (查看原文）【互联网新闻】1.北京新医改15日启动，25种药品价格平均降低52%取消医用耗材加成、京津冀联合采购、医疗服务费用调整……明日，北京将正式启动新一轮医改，近3700家医疗机构涉及其中。此次医改被归纳为“五个一”，耗材、药品、服务、采购方式都将迎来调整，与此同时，各医疗机构也将结合自身情况，对医疗服务开展一系列优化。比如包括，精准预约不用“赶早”排队、25种国家集中采购药品价格平均降低52%等等。2.博通第二财季营收55亿美元，净利润同比降81%博通发布了该公司的2019财年第二财季财报。报告显示，博通第二财季净营收为55.17亿美元，与上一季度的57.89亿美元相比下降4.7%，与去年同期的50.14亿美元相比增长10.0%；净利润（含非持续运营业务的影响）为6.91亿美元，每股摊薄收益为1.64美元，相比之下上一季度的净利润为4.71亿美元，每股摊薄收益为1.12美元；去年同期的净利润为37.33亿美元，每股摊薄收益为8.33美元，同比下降81%。3.小米成立中国区线下业务委员会，张剑慧任主席小米近日宣布中国区架构调整。成立中国区线下业务委员会，任命中国区副总裁张剑慧担任线下业务委员会主席，向中国区总裁雷军汇报；任命于澎为线下业务委员会副主席，向张剑慧汇报。内部信显示，中国区线下业务委员会将下设：线下销售运营部、小米之家、渠道管理部、省代业务部、运营商战略部、零售市场部、区域管理部、综合管理部一共八个部门。4.上交所科创板开板6月13日消息，上交所科创板昨天在第十一届陆家嘴论坛上开板。国务院副总理刘鹤发表演讲时指出，科创板建设重中之重的是要着力做好两项工作。落实好以信息披露为核心的注册制改革。注册制实质含义是，把选择权交给市场。完善法制，提高违法成本，加大监管执法力度。要有透明严格可预期的法律和制度条件，要全面提高违法成本。5.逸驾智能尚培锐：智能座舱拟人是关键6月13日，车东西与CES Asia合办的GTIC Lite智能座舱专场会议在上海开幕，逸驾智能服务及数据商业化副总裁尚培锐发表了题为《智能座舱的未来——情感化AI引擎和多元化的生态体系》的演讲。他指出，2018年，中国市场已经有三分之一的车辆实现了互联互通，可以认为，智能座舱的时代已经到来。在下一步的发展中，智能座舱将会和5G与云计算结合，为更多的用户提供差异化服务，而要做到这一点，就需要在座舱内加入更多个性化的元素，关注车内的每一位乘客，从而实现“千人千面”。他还提到，在未来，智能座舱的情感化人机交互非常重要，通过理解开车的人的感情，所处的情景以及开车的目的，智能化的座舱需要能够与用户主动发生交互，从而激发出车载系统和智能座舱更多元化的应用和生态体系。6.谷歌大脑新研究提出权重无关神经网络6月13日消息，谷歌大脑最新研究提出“权重无关神经网络”，通过不再强调权重来搜索网络结构，所搜索的网络无需权重训练即可执行任务。该项研究的作者之一David Ha在Twitter上表示：这项研究的关键思想是通过不再强调权重来搜索网络结构。在搜索过程中，网络每次在 rollout 的时候会分配一个共享的权重值，并进行优化，这就让它能够在很大的权重值范围内良好运行。这样做的好处就是可以绕过高昂的内部训练循环代价。7.Uber携沃尔沃发布新一代自动驾驶汽车6月13日消息，据CNBC报道，当地时间周三，Uber在华盛顿发布了新一代沃尔沃自动驾驶汽车。此前，Uber购买了约250辆沃尔沃XC90 SUV，并对其进行了改装，以供自动驾驶使用。Uber表示，新生产的XC90将由沃尔沃汽车在瑞典组装，并配备方向盘和刹车踏板等人工控制装置，但这款车还将配备专为计算机而不是人类司机设计的转向和制动系统。Uber先进技术事业部负责人埃里克•迈霍费尔（Eric Meyhofer）表示，这款内部代码为519G，即将投产。8.北京城六区5G覆盖率年底前将超9成财联社6月14日讯，记者昨天从双创周上获悉，北京联通披露今年年底前本市城六区5G覆盖率将超过90%，5G收费方式将更加个性化，甚至有望实现一顾客一套餐的多元化收费模式，并实现重点场景5G网络100%覆盖。9.苹果确认Dashboard小部件工作14年后正式退休根据日本博客Mac Otakara公布的更新日志，苹果公司已经从WebKit中删除了Dashboard支持，而之前我们也发现该功能已完全在macOS Catalina中被抛弃。这意味着工作了14年的Dashboard宣告彻底告老还乡，这个消息虽不令人惊讶，但也会有不少用户会觉得惋惜，因为在未来的macOS版本中将确定不再有这一功能。10.网信办新规：网络运营者向境外提供的个人信息应进行评估国家互联网信息办公室13日就《个人信息出境安全评估办法（征求意见稿）》向社会公开征求意见。根据意见稿，个人信息出境应进行安全评估。经安全评估认定个人信息出境可能影响国家安全、损害公共利益，或者难以有效保障个人信息安全的，不得出境。【更多内容，欢迎访问】http://forum.huaweicloud.com/forum.php?mod=forumdisplay&fid=569&filter=typeid&typeid=266（内容来源于互联网，如侵犯您的合法权益或有其他任何疑问，请联系：huaweicloud.bbs@huawei.com沟通处理。谢谢！）

云早报，(北京时间)4月19日，星期五【云头条】神州数码第一大客户销售额 298 亿元，第一大供应商采购额是 272 亿元 神州数码 2018 年营收 818.58 亿元， 同比增长 31.57%。云计算收入 5.81 亿元，其中 MSP 收入 0.53 亿元，云资源转售收入 1.30 亿元，为云服务 提供基础云资源的转售收入 3.26 亿元。第一大客户销售额是 298 亿元，占比 36.38%。第一大供应商采购额是 272 亿元，占比 34.83%。【华为云新闻】华为云自动驾驶云服务亮相上海车展上海国际汽车工业展览会期间，华为云自动驾驶云服务Octopus(八爪鱼)首次亮相。该服务基于华为云，提供自动驾驶数据、训练以及仿真三大子服务，助力车企开发者快速开发自动驾驶产品。智东西早报：台积电盈利创七年最大单季降幅；亚马逊中国停止第三方商家服务华为云自动驾驶云服务Octopus包含自动驾驶数据、训练和仿真三大子服务，覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务，将有力提升企业的自动驾驶产品开发效率。【互联网新闻】1.天津市网信办依法对视觉中国网站做出行政处罚 36氪讯，天津市网信办依据《中华人民共和国网络安全法》就视觉中国网站传播违法有害信息的行为做出行政处罚。经查，视觉中国网站（域名：vcg.com）在其发布的多张图片中刊发敏感有害信息标注，违反了《中华人民共和国网络安全法》第四十七条之规定。天津市网信办依据《中华人民共和国网络安全法》第六十八条第一款之规定，对网站运营主体汉华易美（天津）图像技术有限公司作出从重罚款的处罚。网友评论：因为一句话，已经三个跌停了，损失几十亿了。2.台积电一季度盈利创七年最大降幅4月19日消息，全球最大芯片代工商台积电周四盘后发布的财报显示，今年一季度盈利创下7年多以来最大降幅，加剧了人们对电子产品需求放缓对其业务产生影响的担忧。该公司一季度净利润为614亿新台币（约合19.9亿美元），较上年同期下降31.6%，创下自2011年三季度以来最大降幅。这一业绩低于Refinitiv调查的21位分析师平均预期的643亿新台币。台积电一季度营收下降16.1%，至71亿美元，与该公司此前预期的70亿-71亿美元基本一致。网友评论：制造业要快速转型了3.小鱼易连C轮获得腾讯数亿元投资4月18日消息 小鱼易连宣布获得来自腾讯的数亿元C融资，小鱼易连CEO袁文辉表示：音视频是产业互联网非常重要的一环，面对产业互联网这个千亿级的市场，小鱼易连潜入深水区，此次融资将主要用于产品创新及市场的培育和发展。数据显示，小鱼易连已于2017年完成未披露额度的A轮融资以及由真格基金和真成基金领投1.25亿人民币B轮融资。公开资料显示，小鱼易连是一家采用云计算实现多方视频会议以及视频业务应用的新锐公司，以“云+端”音视频解决方案，搭配独创的全场景视频硬件终端，支持满足政府、企业专业视频会议以及应用业务需求。目前，公司业务主要覆盖政府、金融、教育、医疗等领域，以及集团企业和中小企业。4.联发科发布AIoT平台及系列处理器芯片4月18日，联发科技发布AIoT平台, 包含拥有高集成度和高端APU性能的i300和i500系列处理器芯片，提供面向智能家居、智慧城市和智能工厂三大领域的解决方案。据了解，联发科技 AIoT平台包含高集成度的i300及高AI性能的i500两大系列，i300高集成解决方案致力于提升各应用场景下的用户体验。例如：在零售领域，支付终端集成了定位、点餐功能，多机合一和移动联网帮助店主提升服务效率；联网的智能健身器材功能能够语音调整各项参数设定，动态改变锻炼强度；在城市和楼宇商业显示设备方面，LTE让远程更新广告内容成为可能等等。另外，i500高性能解决方案则是基于计算能力, 结合联发科技的人工智能平台NeuroPilot，搭配低时延的边缘AI处理技术，提供人脸、行为和环境识别分析等。5.沃尔沃将搭华为Smart Service解决方案4月18日消息，华为与沃尔沃汽车在上海车展现场签署了一项战略合作，合作主要内容是沃尔沃将在其车型上搭载华为的Smart Service整体解决方案。该方案主要分云侧和端侧两部分：在云侧主要体现在通过华为智慧车载云平台汇聚各类信息和服务，实现统一决策、精准服务推荐；在端侧主要体现在以智慧助手核心，实现服务找人、车家互控，该方案可被集成到各车机系统。网友评论：掐指一算，沃尔沃要火6.京东方面律师回应刘强东再遭诉讼：坚决进行辩护 针对“明尼苏达案”受害人再次起诉刘强东并索赔5万美元的消息，京东方面律师回应称，诉讼过程中不便发表评论，但坚决对不实指控进行辩护。刘强东先生代理律师Jill Brisbois声明称，此前明尼苏达州亨内平县检察官办公室对刘强东先生做出了不起诉的决定，我们坚信他是无辜的。网友评论：“读书人的事，能算偷么？”7.美司法部公布特别检察官穆勒报告全文：特朗普未“通俄"当地时间4月18日周四，美国司法部在其官网公布了特别检察官罗伯特-穆勒对特朗普团队“通俄”调查的报告全文。调查称，总统特朗普及其团队的行为不构成犯罪。穆勒首先认定，特朗普未通俄，称虽然俄罗斯试图干预2016年美国总统大选，特朗普团队也“期待”从俄罗斯干预中获利，但特朗普团队没有“蓄意或主动”与俄罗斯方面共谋以影响大选结果。此外，调查认定无法证明特朗普阻碍司法。民主党人批评巴尔寻求借助记者会把自身想法强加于人，妨碍国会议员和公众自主判断，以偏袒共和党籍总统唐纳德·特朗普。网友评论：好吧！8.腾讯代理国行Switch，广东文化厅回应：不是游戏机而是游戏 据广东省文化和旅游厅发布的《2019年第一季度广东省游戏游艺设备内容审核通过机型机种目录》公示情况，腾讯科技将代理任天堂Nintendo Switch游戏机。而据广东省文化和旅游厅市场管理处相关负责人介绍，腾讯科技所代理的并非游戏机，而是其中的B类主机游戏《新超级马力欧兄弟U 豪华版（体验版）》。此外，该负责人表示：“这款游戏最好在家玩，不适合在公共娱乐场合进行。”网友评论：鄙视链形成完美闭环。9.“死亡”是否应重新定义？科学家成功复活死亡猪脑，“存活”长达36小时 2018年，耶鲁大学神经科学家塞斯坦团队曾成功复活了从屠宰场回收的死猪的大脑，猪大脑回到具备“生命”特征状态长达36小时。牛津大学的医学伦理学家认为，通常当一个人被宣布脑死亡时，这个人本身就已去世。但未来如果有可能在人去世后恢复部分脑功能，同时恢复其心智，那将对于我们如何定义“死亡”产生重大影响。网友评论：恭喜！你的猪脑子有救了。10.央视网发文赞bilibili：知道吗？这届年轻人爱在B站搞学习 据央视网报道，过去一年有近2000万人在B站学习，相当于去年高考人数的2倍！B站正在成为年轻人学习的首要阵地，B站已经早非昔日的二次元标签可概括。打开B站学习相关的视频，可以发现弹幕和评论的互动营造了良好的学习氛围——如果学习过程中产生困惑，直接发起提问，往往会得到后来者，甚至UP主亲自解疑答惑。网友评论：@蔡徐坤，进来自卑。【更多内容，欢迎访问】http://forum.huaweicloud.com/forum.php?mod=forumdisplay&fid=569&filter=typeid&typeid=266（内容来源于互联网，如侵犯您的合法权益或有其他任何疑问，请联系：huaweicloud.bbs@huawei.com沟通处理。谢谢！）