自动驾驶工程

本篇文章给大家分享自动驾驶工具链生态，以及自动驾驶工程对应的知识点，希望对各位有所帮助。

简述信息一览：

• 1、小马智行:年内量产高速、城区行泊一体辅助驾驶方案
• 2、数据闭环工具链,智驾领域的下一个竞争点?
• 3、国家智能网联汽车创新中心9项科技成果正式发布
• 4、自动驾驶计算&域控平台-华为

小马智行:年内量产高速、城区行泊一体辅助驾驶方案

此次技术分享日最大亮点是小马智行首次对旗下POV业务的产品体系及技术逻辑的深入介绍。目前小马智行POV业务主要发力三条产品：辅助驾驶软件方案“小马识途”、自动驾驶域控制器“方载”、数据闭环工具链“苍穹”。

小马智行POV业务主要发力三条产品：辅助驾驶软件方案“小马识途”、自动驾驶域控制器“方载”、数据闭环工具链“苍穹”。小马智行将年内量产高速、城区行泊一体辅助驾驶方案，并向多家客户量产交付NVIDIA DRIVE Orin版域控制器，开启基于多芯片平台的域控研发。

小马智行自动驾驶卡车年内将开启量产，小马智行与三一集团旗下三一重卡将成立合资公司，开展L4自动驾驶重卡产品的研发、生产与销售，共同打造高端自动驾驶重卡品牌。小马智行自动驾驶卡车年内将开启量产。

数据闭环工具链,智驾领域的下一个竞争点?

自动驾驶领域正在经历一场数据闭环工具链的革新。随着技术的不断进步，行业对于高效数据处理的需求日益增长，数据管理成为关键环节。这一变革从模型到数据，再到解决数据债，逐渐成为自动驾驶开发的核心。

此次技术分享日最大亮点是小马智行首次对旗下POV业务的产品体系及技术逻辑的深入介绍。目前小马智行POV业务主要发力三条产品：辅助驾驶软件方案“小马识途”、自动驾驶域控制器“方载”、数据闭环工具链“苍穹”。

在智能汽车领域，智己作为后来者，之所以进化得更快，还依托于更高效的数据生产能力。我们构建了具备亿级数据生产能力的数据-模型产线，可以对数据进行全自动标注，得益于量产数据指数型增长和成熟的数据闭环工具链，更快解决智驾过程中的长尾场景。

国家智能网联汽车创新中心9项科技成果正式发布

国家智能网联汽车创新中心（以下简称“创新中心”）在北京召开2023年度科技成果发布会，集中展示了9项围绕国家核心智库建设、共性技术难题研发的重要成果，涵盖智能网联、车路云一体化、电子电器信息架构、新一代高级别自动驾驶、仿真测试、功能安全故障模式、V2X-PKI健康度自动化监测等多个领域。

ICV2020上，9项智能网联汽车标准化需求研究成果正式发布，涵盖智能泊车、车载感知融合、智能网联汽车测试设备、自动驾驶实际道路测试、物流领域自动驾驶技术应用、智能网联汽车与移动终端信息交互功能、自动驾驶系统设计运行条件、汽车电子控制单元（ECU）信息安全防护技术要求等9大领域。

月31日上午，国家智能网联汽车创新中心建设启动会暨车联网（智能网联汽车）和自动驾驶地图应用试点签约活动在经开区举行。工信部副部长王志军，自然资源部副部长库热西·买合苏提，北京市副市长殷勇出席并讲话。经开区领导王少峰、梁胜、张继红参加会议。

今天下午，中德智能网联汽车推广应用中心揭牌仪式在2020世界智能网联汽车大会上正式举行，使得这一合作最终落地。 除了中德智能网联汽车推广应用中心，大会开幕式环节还举行了国家智能网联汽车创新中心战略合作签约仪式、国家级长三角区域车联网先导区合作共建启动仪式、5G智慧交通示范区成果发布暨二期项目的正式启动仪式。

自动驾驶计算&域控平台-华为

最新的Drive Orin和Drive Atlan展示了NVIDIA在自动驾驶计算能力的未来方向，分别定位为强大的AI处理器和2025年的下一代平台。而对于现有的硬件，如Drive PXDrive CX、Drive Hyperion和Drive Pegasus，NVIDIA提供了详细的规格和功能描述。

CANN Kit、MindSpore、MindX SDK与MindStudioCANN Kit是针对AI场景的异构计算架构，MindSpore是全场景深度学习框架，MindX SDK加速AI应用开发，MindStudio提供开发工具链与全流程支持。

S32K - 通用MCU/： S32K作为通用微控制器，适用于各种汽车电子系统，提供灵活的计算能力。S32R - 雷达处理/： S32R聚焦雷达信号处理，为高级驾驶辅助系统（ADAS）提供精准感知。S32Z/E - 实时处理器/： 专为实时控制任务打造，确保自动驾驶的实时响应能力。

Mobileye是一家专注于自动驾驶技术和ADAS解决方案的公司，被英特尔收购后在2022年再次上市。其核心技术产品包括EyeQ系列芯片、VisionADAS方案、REM和SSR，这些构成了自动驾驶计算与域控平台的核心组成部分。

自动驾驶的实现依赖于中央处理器的强大算力。每增加一级自动驾驶的级别，计算力需求至少增加十倍，第五级全自动驾驶可能需要每秒500万亿次计算力。每辆汽车每天产生的数据量高达4000GB，其中视觉处理占全部算力需求的大部分。

在自动驾驶领域，面对实时性要求极高的功能，传统的Dijkstra算法显得力不从心，因为它在面对大量地图数据时效率低下。因此，A*算法应运而生，旨在弥补这一缺点，提供更高效的路径规划解决方案。A*算法的原理在于结合了贪婪算法和Dijkstra算法的优势。

关于自动驾驶工具链生态和自动驾驶工程的介绍到此就结束了，感谢你花时间阅读本站内容，更多关于自动驾驶工程、自动驾驶工具链生态的信息别忘了在本站搜索。