无人驾驶算法层：核心价值凸显，低成本方案加速

来源：中为咨询www.zwzyzx.com 【日期：2016-04-22 11:16:17】【打印】【关闭】

相关报告

新的硬件计算平台终端出现后，硬件设备的售价通常会随着生产工艺的成熟和产量的上升而不断下降。未来ADAS要逐步普及并走向完全的无人驾驶，一个重要的突破点将在于算法层。

ADAS不同于传统的硬件设备，智能化、自动化的特点决定了它不是执行驾驶员决策的硬件，而是具备自主判断能力的功能模块和系统，自主判断能力的实现依赖的正是算法层的高效、稳定的表现。

目前，在无人驾驶系统和算法方面处于领先地位的主要是互联网企业。例如，谷歌在其无人驾驶模型车搭载多种传感器组合，但核心则在于利用人工智能的深度学习能力通过大量道路测试不断优化决策算法，以实现成熟算法在芯片和控制系统层面的固化。谷歌无人驾驶汽车视觉捕捉算法的实现效果

依托感知信息通过算法获得路径规划方案

算法的进步有望带来更低成本的ADAS和无人驾驶解决方案

中为咨询认为，尽管硬件层面的研发和成本下降是十分重要的，但是未来依靠算法的进步能实现的成本下降的幅度可能完全不输于硬件所带来的成本下降。目前的ADAS龙头Mobileye并非起家于硬件，而是以算法为核心、立足于多年的道路测试和数据积累，完成了高性能的汽车视觉软件算法和ADAS芯片。目前，搭载Mobileye的ADAS系统的车型数量不断增加。

Mobileye采用的传感器设备并不是昂贵的雷达系传感器，而是具备成本优势的单目摄像头。基于成熟的算法，Mobileye同样实现了高效的FCW、LKA、PCW等ADAS功能。Mobileye的做法对后续进入ADAS和无人驾驶领域的企业具有启发作用。搭载Mobileye芯片的车型数量不断增加

深度学习加速无人驾驶商业化进程

最新数据显示，谷歌无人驾驶汽车累计行驶里程已经达到150万英里。通过深度学习算法和大量路测，谷歌无人驾驶汽车“学会”了更多的交通状况应对情形。伴随路测里程的上升和计算能力的提高，无人驾驶汽车应对更复杂路况的能力也在不断提升。

谷歌等互联网企业的无人驾驶系统主要是依靠“深度学习”的方式不断“驯化”的。深度学习算法与传统的预设算法有很大差异。预设算法需要预先考虑多种情形，把每种情形的解决方案进行预设，然后碰到各种情形时，由预设的算法给出解决方案；而深度学习算法如同案例教学，系统在不断的实际运行的过程中，不断地积累各种情形下的应对方案，更符合智能化特点，能够形成对各种路况乃至突发情形的自动反应机制。此前受到很高关注度的AlphaGo战胜排名世界第一的李世乭，正是深度学习算法的有效实践。深度学习算法学习能力远超其他方法