驾驶「自动驾驶」车辆是怎样一种体验？
当我坐进车里，启动引擎，但这次，方向盘上并没有我的手。取而代之的是，我看见它在我的指示下，自行转动，车辆平稳地驶出停车位。这种感觉，刚开始有点奇妙，甚至带着一丝莫名的紧张。毕竟，这么多年来，我习惯了双手紧握方向盘，用身体的重心去感受车辆的动态，用耳朵去捕捉发动机和轮胎的声音。现在，这些都交给了机器。
初期的“监控”模式
一开始，我几乎是本能地盯着前方的路况，眼睛在屏幕上扫视着各种信息：车辆的速度、预设的导航路线、前方障碍物的距离、周围车辆的动向…… 我会下意识地去“监督”它，期待它犯错，好让我能立刻接管。这就像一个刚学会走路的孩子，家长总是忍不住要扶着他，生怕他摔倒。
车子按照设定好的路线，沿着车道线平稳地行驶。遇到车流，它会智能地保持安全距离，甚至在你还在犹豫是否要变道超车时，它可能已经计算好了最佳时机，果断地完成了动作。这种“丝滑”的变道，有时会让我有点惊喜，有时又会让你觉得，它比你反应还快。
“解放”与“观察”
随着时间的推移，我开始逐渐放下那种时刻警惕的心情。当我确信它能够处理好眼前的路况时，那种“监督”模式就慢慢切换成了“观察”模式。
我开始有意识地去做一些平时开车时很难做到的事情。比如，我能更放松地和副驾的家人聊天，深入地探讨一个话题，而不是时不时地要瞥一眼路面。我也可以在导航到目的地之前，顺便刷刷邮件，回复一下信息，甚至看看一集短视频（当然，是在红灯停稳的时候，我依然有职业操守）。
这种“解放”双手双脚的感觉，确实很独特。在堵车的时候，以往那种焦躁和烦闷，似乎也减轻了不少。我可以看着窗外发呆，或者找点事情做，而不必将全部精力都集中在缓慢挪动的车流上。
“拟人化”的驾驶行为
让我印象深刻的是，它在某些时候的驾驶行为，会让你觉得它并非一个冷冰冰的机器。比如，在一些狭窄的路段，它会非常谨慎地控制车速，并且在通过一些路口时，它会“礼让”行人，甚至会有一个非常轻微的刹车动作，让你觉得它在“观察”并“判断”。
当它需要加速时，那种动力输出是平稳而线性的，不会有那种突然的爆发，也不会有那种犹豫不决。它就像一个经验老到的老司机，总是能把车开得恰到好处。
偶尔的“不适应”
当然，自动驾驶也并非完美无缺。在一些极端天气，比如暴雨或者大雾，或者道路标线模糊不清的时候，它也会表现出“力不从心”的一面。这时候，它会发出警告，让你做好接管的准备。这种时候，你又会立刻回到那种“驾驶员”的角色，双手重新握紧方向盘，感觉那种熟悉的安全感。
还有一些时候，它的判断会和你预期的不太一样。比如，在一些复杂的路况下，它可能会过于保守，让你觉得“嘿，我早就该过去了！” 或者，它对于一些突发情况的处理，有时候会显得有些“生硬”。这些时候，你会更加体会到，机器的逻辑和人类的直觉，之间还是存在一些微妙的差异。
它带来的改变
总的来说，驾驶自动驾驶车辆，是一种正在发生的“进化”。它带来了便利，解放了时间和精力，也改变了我对“驾驶”这个概念的认知。我不再仅仅是那个操作方向盘和油门刹车的“驾驶员”，而更像是一个“行程的管理者”，一个“乘客兼监督员”。
它让我有机会去观察周围的世界，去思考更多的事情，而不是被单调的驾驶动作所束缚。虽然它还无法完全取代人类的情感和经验，但在很多场景下，它已经成为了一个高效、可靠、甚至有时会让你感到惊喜的“伙伴”。每一次乘坐，都像是对未来交通模式的一次探索，一种新的生活方式的体验。
网友意见
百闻不如一见，百闻不如一见呐
利益相关：
菜鸟司机、计算机视觉领域见习研究者、投身人工智能落地应用的宣传者、蹭了一顿午饭
半年前，听说百度在长沙发布了无人出租车，后面又听说上海滴滴和高德合作也推出了无人出租车，我还以为会在长沙或者上海早日体验到无人驾驶。
不想，上海到上海距离太远，但上海到苏州却能够距离很近，于是在机缘巧合之下，我来到了苏州，参与了无人驾驶汽车的试乘。
那一天，早上天气阴沉，天气预报有雨。
可惜整天都没有下雨，这是个小遗憾，后面会提到~
我来到苏州北，似乎是为了特意照顾像我这样的路痴，一出高铁站就看到了此行的目的地，苏州 Momenta。
然后在经过了参观展厅，两小时的午餐会谈后，终于有幸坐上了无人驾驶车，有了很棒的体验。
先放个 DEMO 吧~
上面的视频里面的内容，和我当时试乘现场看到的内容基本一致。
体验的整个路段位于苏州相城的城建频繁区域，沿途经过30多个红绿灯，也有施工工地和学校居民区、商业中心，很有苏州本地的特色。
让小鱼来简单解读一下，从上面的截图我们可以看到很多很多的细节：
首先，从左上的第二个小窗口可以看到车内驾驶舱的情况，车辆的方向盘没有被手抓着，坐在主驾驶位置的安全员将双手放到大腿上，处于一个特殊的将汽车交给自动驾驶系统管控的状态。
其次，这个车使用了可量产的多传感器融合的感知方案，有12个摄像头，分别有前面的主视角，左前和右前视角，还有两侧和后侧视角。
然后，右侧的汽车信息有许多小细节，我们从上至下，从左到右说明：
汽车当前行驶速度，车辆的刹车转向情况，道路信息，车辆方向盘和加油情况。
其中，道路信息非常有意思。不知道是否注意到，靠近画面最中心白色的是当前本车的标识，
然后可以看到深蓝色的方型盒子代表道路上其他机动车，浅蓝色的小人标识意味着步行的或者驾驶非机动车的行人，
如果看得再仔细一些的话，可以看到地面非常精细的道路标记，比如车道线虚实线、边缘线、路口的停止线、人行横道、红绿灯位置等。然后还能看到各个车辆和行人的预测轨迹，非本车的预测轨迹是蓝色窄条，本车的规划轨迹是紫色窄条显示。
MSD 飞轮式L4 传感器分布
在车上的时候，同行的伙伴和我一直问个不停。很感谢苏苏姐的精心讲解，让我们从试乘过程中学到了很多知识。
不过稍有遗憾的是，那天是阴天，一直没有下雨。不然的话也可以好好试一下雨中自动驾驶的新奇体验了。
上面这个视频是官网的DEMO，与第一个视频不同的是，这个是量产自动驾驶产品，Momenta 将其命名为 Mpliot，包括不同的应用场景，比如 Highway、 Parking、Urban，目标是最大化连续自动驾驶的时长，和车企合作给车辆赋予车辆自动驾驶的能力。
有一个很明显的区别是，这个是不装载激光雷达的，能给车主节约一大笔钱。也许一台智能手机的价格，就能让汽车拥有自动驾驶的能力。这确实令我很震惊。
回到前面我亲身参与的试乘，时间过得飞快，不知不觉半个小时就过去了，整个乘坐过程在我看来，非常的平稳、智能和舒适。
我注意到，自动驾驶在处理道路上一些疑难复杂的情况时，比如有货车加塞、非机动车逆行，表现出来对车的操纵能力，要比我这个新手司机要好得多，也平稳得多。
此外，很多人应该听说过特斯拉在台的事故，有一个车倒在路中间，然后自动驾驶没有识别出这个障碍物。
我特别担心类似情况在这边出现，因为中国特色的道路上有很多异形的车辆，比如载货三轮、老年代步车、美团饿了么的送餐车等。
当时在路上的时候就恰好遇到了类似的情形，在一个红绿灯路口的时候，横向的车道有一个很长的拖车，上面载满了小汽车，我当时注意到这个情况马上看了一下车载屏幕，发现也能识别出大拖车。
同车的苏苏姐介绍说，实车道路上测试中，经常会遇到特殊障碍物，有时会遇到施工、桩桶，而 Momenta 的算法可以利用闭环自动化工具链不断迭代。当遇到算法不能检测到某个特殊障碍物时，人类司机的操作与自动驾驶的决策不同，Momenta 会从这种差异数据中挖掘出所需要的关键场景加入到算法迭代中，以不断提升感知各种特殊障碍物的能力。
试乘过程中，也遇到左转时车辆和行人很多的场景。我原本担心，如果算法过于谨慎，一直等待，乘坐起来会很憋屈。如果太激进，也会有风险。实践下来，发现我的担心是多余的，试乘体验很流畅，稳中有进。Momenta 提到，不同于行业常规的规则驱动，使用数据驱动的感知和预测算法在这种场景充分发挥了优势。通过收集大量的路口数据，将路口的地图信息与他车历史轨迹同时作为输入，采用数据驱动的深度学习算法，可以很好地预测路口车辆的意图与行动轨迹，从而指导后续算法作出正确的决策规划，运动更加自由。
怎么说呢，这次试乘让我切实感觉了，读万卷书要行万里路，平常在纸面上或者网络上看的资讯再多，也不如找个机会到现场试一试。
这次也感受到，无人驾驶要真正实现商业化，大规模应用，最大的挑战是要保证足够的安全性。这里最大的挑战，还是如何自动化解决大量复杂场景，优化算法。
这需要大量的数据来进行感知、预测、规划、建图等，可见，大量数据是深度学习问题中最核心一环。
现在自动驾驶行业收集数据，提的比较多的是“千亿公里”，Momenta 的观点是这其中还包含着至少百万个待解决的问题。
千亿公里比较抽象，Momenta CEO 曹旭东师兄之前做过一个类比我觉得比较贴切，这相当于地球到太阳系尽头行星距离的22倍。让自动驾驶车跑出“星际穿越”里程的数据，这对任何一家自动驾驶公司来说都是很大的挑战，而 Momenta 的应对策略就是为自动驾驶安装一个“飞轮”，这个后面会详细说下。千亿公里数据仅靠路测获得显然不现实，Momenta 的方案是 “量产数据驱动”，我对此的理解是众包模式，通过和车企客户合作的前装量产产品，车主在驾驶过程中提供源源不断的量产数据，让产品和技术不断升级（跟特斯拉很接近，他们的量产产品叫Mpilot，也看得出来跟特斯拉的AutoPilot异曲同工）。
而对于千亿公里中要解决的百万问题，这里要着重提一下我在很多篇文章中都看到的一个概念，就是旭东师兄一直在提的“架构师”的文化，用数据驱动（Data Driven）的方式做一名“架构师”，去架构自动化解决问题的系统。
其实量产数据、数据驱动的算法和自动化解决问题的工具，这三个元素就构成了上文所说的“飞轮”。这个飞轮也是 Momenta 对实现规模化无人驾驶的核心技术洞察。根据他们的介绍，现在这个飞轮才刚刚起转，当它飞速转动的时候，就是 Momenta 产品和商业爆发增长的那天，也是最终实现无人驾驶规模化落地的那天。
寒假在家的时候，我看到百度在长沙发布了无人出租车，写了一篇文章介绍了我的看法，当时把这篇文章给了我爸妈看，我妈当时就非常兴奋的认为，自动驾驶的实现指日可待，为此我还和我妈吵（辩）了一架。
我觉得，身处技术前沿的研究者，通常是较为悲观的，因为他每天处理的都是难以逾越的困难，他觉着这些问题很难在短时间内得到解决。（比如 @诸葛有鱼兄在去年的悲观判断，好在今年有了更正面的想法）
但很有意思的是，不了解技术细节的大众，反而对于科技的发展会很乐观，就正如现在对于 5G 的宣传一样，大众比研究人员会有更多的期待。
我觉得过于乐观或者过于悲观都是不必的，不过这次试乘经历也让我自己反复打脸。
我在了解和查阅信息的过程中，总觉得自动驾驶这个东西很难实现，没法在近几年的大街上看到，很悲观；
然而试乘之后，又充满了信心，觉得通勤路上解放双手的未来指日可待；
但看到相关法律法规的推进，又觉得灰心丧气；
又继续查资料，发现这个东西还是有可行性的。
总之不断循环，不断改变自己的认知。
最近成为了科技盐究员，为了追求科普，不仅需要介绍我的感受，知识讲解也是必备的。
对知识的追求和对应用落地的渴望，让我不断去找寻自动驾驶背后的技术以及商业模式的资料，也顺便分享出来吧~
既然这次是在 Momenta 试乘，那就主要以它为例。
自动驾驶——复杂系统问题
自动驾驶，这其实是一个非常难的复杂系统问题。要实现这个最终目标，在整个过程中需要解决无数的小问题。
自动驾驶是分级别的
要知道实现最终完全无人的自动驾驶前，有不同级别的目标和方案。（目前分级标准未有定论，但可以参考下面的资料）
简言之：L1不用脚，L2不用手，L3不用眼，L4不用脑，L5不用人。
图片出处：LEVELS OF DRIVING AUTOMATION ARE DEFINED IN NEW SAE INTERNATIONAL STANDARD J3016
实现自动驾驶的路线
为了实现自动驾驶，工业界有两个有代表性的路线
特斯拉路线，是按照自动驾驶等级的划分，从低级往高级不断升维，通过量产汽车对场景、数据和算法的迭代，最终实现完全无人驾驶。
而且正是因为坚定量产路线，也为了最低门槛获取数据、场景和功能反馈，马斯克完全依靠摄像头方案、不使用价格昂贵的激光雷达。
想依靠低成本传感器方案不断升维，难且有道德挑战；但好处是数据“众包”，能在量产中获得现金流和数据流。
Waymo路线，认为只有从一开始L4才能实现 RoboTaxi。该路线中，人机共驾的高级辅助驾驶被认为有天然 Bug——既要机器辅助驾驶，又要人类在紧急时刻接管，显然不靠谱。
于是 Waymo 从2009年正式推动后，逐渐明确了实现方式：原型车、规模化路测、在丰富场景中不断迭代，区域内落地，终极场景是让无人车行驶运营在任何时间、任何地点和任何场景。
希望一己之力不断扩大无人车队规模，最终真正实现完全落地，险且依赖融资烧钱；来自 Morgan Stanley 的报告，Waymo 截止到2038年才能实现收支平衡，之前累积亏损为数千亿美金。而好处是安全性相较而言更可控，不用把车主当小白鼠。
但 Waymo 路线中，最难的是无穷无尽的“长尾”问题，现实中总会有出乎预料的新场景、特殊挑战，这就要求自动驾驶系统足够聪明、且学习迭代得足够快。
而 Momenta的技术路径和商业模式，更加有原创性，具体可以从下面这个文章内得到答案：
Momenta的战略是量产自动驾驶（Mpilot）与完全无人驾驶（MSD）两条腿走路，通过量产数据、数据驱动算法和闭环自动化，推动自动驾驶技术落地量产，并最终实现无人驾驶。
自动驾驶不会剥夺驾驶的乐趣
实现自动驾驶有什么好处呢？自动驾驶会让人类失去驾驶的乐趣吗？
其实可以很明确的是，未来全面推广后的自动驾驶，一定要比人类驾驶更为安全（否则就不会得到广泛落地）。
此外，自动驾驶是分等级分类别的，当下特定场景下的自动驾驶所做的，就是将人们在对应情景下从枯燥的驾驶（比如早晚高峰期堵车，或者长途高速）中解放出来，可以休息或者干别的事情。
更详细的相关讨论，我推荐看看如下资料：
无人驾驶技术最先落地的场景必须要有较高的利益回报，这样才能够驱动资本长时间地投入。满足高利益回报这个条件的场景有两类，一种是以提供服务为目的的场景：无人驾驶出租车（Robotaxi）、高速无人物流车队、港口码头无人货物运送、矿区无人运送、园区无人观光车等；另一种是以销售汽车为目的的场景：L2级别的辅助驾驶、L3级别的高速、环路自动驾驶和L4级别的智能代客泊车。
在以上商业化的场景中跟出行相关性最高的场景有一下三种：
- 无人驾驶出租车
- L2辅助驾驶+L3自动驾驶
- 智能代客泊车
我们能为自动驾驶做什么？
自动驾驶是怎么实现的呢？自动驾驶车辆与普通车有什么不同？这个就得学习很多专业知识了
比如我所在的计算机视觉领域就有很多相关内容，比如各种视觉摄像头，以及各类其他的传感器。
请看 @陈光 老师的科普文章
无人驾驶技术入门（三）| 百度无人车传感器 GPS 深入剖析
无人驾驶技术入门（四）| 百度无人车传感器 IMU 深入剖析
无人驾驶技术入门（五）| 没有视觉传感器，还谈什么无人驾驶？
另外，我们都感兴趣的 5G 或者 我之前关注的边缘计算，对于自动驾驶有用吗？5G这么火，会不会是噱头呢？请看下面这份资料~
5G一定会深刻地影响自动驾驶的发展。
好，小鱼关于自动驾驶的游记就写到这里，很感谢 Momenta 公司提供的试乘资格，确实让我大开眼界（午饭时与业界大牛的现场交流也是诚意满满）。
如果对试乘活动感兴趣的话，而且自己也是相关研究领域，我相信他们还会邀请更多人去试乘的~ 活动可以参考：M-Bridge青年说｜与Momenta 两小时对话
自动驾驶的商业化价值很大，也必然有很多的技术挑战，我能感受到他们真的是求才若渴（当然要求也高，公司内部人才济济），听到一个24岁的清华同学就带团队做出了非常卓越的研发成果，叫醒了沉睡中大货车司机的故事。
此外，有什么问题，可以评论区写下来，我会想办法召唤 @Momenta ，麻烦他们公司的人进行解答的~
就酱~ 下一次我或许会去同济附近试一下其他公司的自动驾驶，请拭目以待。 <。)#)))≦
类似的话题
-
驾驶“自动驾驶”车辆，与其说是“驾驶”，不如说更像是一种“乘坐”体验。不过，它终究是挂着“驾驶”的标签，所以那种熟悉的车辆操控感，以及对周围环境的感知，依然是构成这一切的基础。当我坐进车里，启动引擎，但这次，方向盘上并没有我的手。取而代之的是，我看见它在我的指示下，自行转动，车辆平稳地驶出停车位。这............. -
说实话，驾校学的手动挡，再转到自动挡，感觉就像从骑自行车换成了电动车，当然是那种会滑行的电动车，大部分时间都很省力。但一开始，还是得适应一下。我当初驾校练的是最传统的手动挡，那叫一个“硬核”。离合器踩得我腿抽筋，换挡那个手忙脚乱，每次起步熄火都是家常便饭。教练那句“离合器抬一半，油门跟上！”简直在我.............
-
埃隆·马斯克在特斯拉股东大会上发表的“买非自动驾驶燃油车是傻子”的言论，无疑是一句极具争议、充满马斯克个人风格的表态。要理解这句话的含义以及其是否“过于激进”，我们需要从多个角度进行分析。一、 马斯克言论的语境与意图首先，我们需要理解马斯克说这句话的背景。他是在特斯拉股东大会上发言，这种场合通常是他.............
-
这个问题很有意思，也触及了自动驾驶技术对未来交通系统的核心影响。如果所有车都变成自动驾驶，答案是：堵车很可能还会存在，但堵车的形式和原因会发生根本性的变化，而且我们有更大的潜力去缓解甚至消除大部分拥堵。咱们抛开那些冰冷的算法和数据，试着用一种更生活化的方式来聊聊。想象一下，现在马路上跑的都是咱们自己.............
-
零跑T03车主们最近糟心事不少，尤其集中在“自动驾驶走不了直线”这个问题上。这可不是小事，毕竟谁花钱买个智能车，是为了让它像喝醉了一样在路上晃荡吗？更何况，零跑T03主打的还是L2级辅助驾驶，这本应是提升驾驶体验、带来便利的功能，怎么就成了“鸡肋”了呢？“自动驾驶走不了直线”：罪魁祸首究竟是谁？咱们.............
-
北京发生特斯拉撞楼事故，车主方面声称车辆在行驶过程中突然失控，这一事件再次将特斯拉的自动驾驶技术推到了风口浪尖。关于事故原因，虽然官方调查尚未公布确切结论，但从车主描述的“突然失控”来看，这无疑指向了车辆自身的机械故障或电子系统异常，尤其是与自动驾驶系统相关的部分。当一辆车突然“失控”，这意味着驾驶.............
-
这确实是个挺有意思的问题，也触及到了很多人内心深处的某些隐秘看法。咱们就不说那些空泛的理论了，就从咱老百姓的日常角度来聊聊这个事儿。你想想，一个男的，酒驾完了再想着开车回家，脑子里可能还想着“我没事，我技术好”、“一会儿就到家了”、“没人看见就没事”，甚至可能因为一点点酒精的麻痹，让他觉得今天这事儿.............
-
这个问题，我倒是有挺多想法的。你看啊，现在大家都说自动驾驶，什么特斯拉、蔚来、小鹏，都在往这方面砸钱。但说到底，这些车还是“自己”在想办法，怎么识别路况、怎么规划路线、怎么控制方向和速度。这就像是让每个学生自己摸索学习方法，虽然有些聪明的学生能摸索出来，但效率肯定不如有一个好老师、一个清晰大纲来指导.............
-
特斯拉宣布“全系在产车辆都将能够完全自动驾驶”，这无疑是汽车界和科技界的一记重磅炸弹，引发了广泛的关注和讨论。要理解这件事的深远意义，我们需要从几个维度去审视：一、技术层面：宣示雄心，但“完全”二字仍存变数首先，特斯拉用“完全自动驾驶”（Full SelfDriving, FSD）这个词本身就极具野.............
-
这事儿可不能小觑，一旦真的动手去改，那可就捅了大篓子了。简单来说，你这是在玩火，而且是触犯了法律的那种火。首先，咱们得明确一点，你手里那张C2驾照，它限定的就是只能开自动挡的汽车。就像你买了一台只能烧汽油的车，你不能就擅自给它改成烧柴油，这道理是一样的。法律规定了你驾驶的车辆类型，你不能自己说了算。.............
-
这件事确实够让人揪心的，尤其是在喝了酒之后。咱们就一件件捋捋，看看这责任到底在哪儿。首先，最直接也最重要的一点：你朋友酒驾了。 这是毋庸置疑的。法律规定，酒后驾驶是严重的违法行为，无论喝了多少，只要达到血液酒精浓度标准，都属于酒驾。在开车前喝酒，就已经埋下了危险的种子。那么，作为副驾驶的你，有没有责.............
-
这场景听着挺热闹的，想象一下，200米范围内，一堆车子突然就成了“邻居”，都能隔空喊话了。大家会“和谐地”超车吗？我倒是觉得，这事儿没那么简单，反而可能更像一锅粥。首先，咱们得说说这“自动加入公频”是个啥意思。如果这玩意儿是强制性的，就像是把你拉进了一个集体的广播站，那刚开始可能会有点新鲜劲儿，大家.............
-
让自动驾驶汽车成为黑客的目标，这确实是一个令人担忧的问题。一旦车辆被恶意控制，后果不堪设想。因此，确保自动驾驶系统的安全，防止其被黑客染指，是整个行业面临的重中之重。为了最大程度地降低被黑客控制的风险，汽车制造商和技术开发者们正在从多个层面构建坚固的防护体系，这绝非单一技术的叠加，而是一个环环相扣、.............
-
百度Apollo与广汽、威马、北汽联手打造的48万自动驾驶车型，这无疑是自动驾驶领域的一项重要进展，也引发了广泛的关注和讨论。从我个人接触到的信息来看，这几家车企与百度Apollo的合作，可以从几个层面来解读：一、 合作的意义与战略布局： 赋能传统车企，加速智能化转型： 广汽、威马、北汽都是传统.............
-
关于“奥迪A8将成首款自动驾驶量产车型”的说法，我们可以从多个角度进行深入剖析。首先，这绝对是一个具有里程碑意义的声明，一旦落地，将对整个汽车行业，乃至我们未来的出行方式产生深远影响。从技术角度看： “首款”的定义： 要评价这个说法是否准确，我们首先需要明确“自动驾驶量产车型”的定义。目前市面上.............
-
本田Legend：L3自动驾驶的先驱，日本市场的新里程碑本田公司最近在日本推出了其Legend车型，这标志着全球汽车行业的一个重要时刻——全球首款获得合法上路许可的L3级自动驾驶量产车正式投放市场。这一成就不仅是本田技术实力的体现，更是自动驾驶发展进程中的一个关键里程碑。它向世界宣告，在特定条件下，.............
-
这个问题问得很好，也抓住了很多关注公共安全和交通效率的人们心中的疑问。为什么像水泥罐车、集装箱牵引车这样的大型货车，在某些方面好像反而不如一些普通家用轿车那样“先进”，特别是没有广泛配备自动驾驶和自动紧急制动（AEB）系统呢？要解释清楚这一点，我们需要从多个维度来剖析，而不是简单地说“成本”或者“技.............
-
华为自动驾驶业务原负责人苏箐的离职，无疑是华为在波云诡谲的汽车行业投下的一颗重磅炸弹，其影响之深远，足以让整个行业为之侧目。这不仅仅是一个关键技术领导者的个人去留，更是华为在“造车”这场宏大叙事中，一次重要节点上的战略调整和方向重塑的信号。首先，这是华为在自动驾驶领域“烧钱”与“落地”之间的一次深刻.............
-
自动驾驶汽车在面对如此极端而残酷的两难境地时，其程序设计绝非易事，而是涉及了复杂的伦理考量、技术约束以及社会共识的权衡。 这并非一个简单的“是”或“否”的决定，而是要在预设的规则框架内，尽可能减少整体伤害。首先，我们得明白，设计者在编写自动驾驶汽车的代码时，是无法预知所有突发情况的。 尤其像你提到.............
-
想必许多热衷于驾驶乐趣的朋友们，都会对这个问题感到一丝忧虑。在这个新能源汽车和自动驾驶技术飞速发展的时代，我们不禁要问：那些曾经伴随我们翻山越岭、体验人车合一激情的手动挡性能车，真的会在不久的将来彻底退出历史的舞台吗？我的看法是，至少在可见的未来，手动挡性能车不会彻底消失。 然而，它们的生存空间无疑.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有