感知、地图与驾驶构成Mobileye在智能汽车领域策略

↓可跳转

　　地图与驾驶策略

　　关于地图测绘，Shashua做出的解释包含三个方面：Roadbook、高精度定位以及可行驶的路径。上面提到，Shashua认为地图是对感知系统的一个冗余设计，除了依靠图像识别之外，地图在进行车道识别与提供可行驶路径上能够起到独特的作用。关于Roadbook与高精度定位内容。而关于驾驶策略的内容，是另外一个重点。看清楚周围环境，并知道自己在哪儿之后，自动驾驶所需要解决的最重要的问题，依然是怎么去开车。感知与定位都是辅助手段，其决定性作用的还是最后的操作。这也是Mobileye要联手意法研发EyeQ5的原因。

　　EyeQ5在运算性能上的表现只是一个方面，更重要的是，在这块芯片上，Mobileye将为车企提供一整套标准的操作系统与软件开发包（SDK）。SDK的作用除了让车企开发进行神经网络的原型设计和开发，并将其嵌入EyeQ5之外，还能够访问Mobileye预先训练的网络应用层。

　　通过长期在图像识别上的积累，以及深度学习算法，让控制单元能够很快计算并得出可通行的路径方案，然后通过实际的训练，深度学习算法还能够让系统逐渐掌握驾驶车辆的经验。但是从Mobileye来说，如何具体去操控车辆并不是其擅长的地方，如果在其提供的算法基础之上，车企再以自身在车辆控制上的经验去进行优化或者再次开发，系统将会表现得更好。或许这就是EyeQ5被设定为开源的原因之一。

　　从另外一个角度来说，允许车企自行定制方案，除了能够提供差异化方案之外，车企自己对于控制算法的掌控也是一个重要原因。EyeQ5的出现，把Mobileye的一系列动作串成了线。关于系统级解决方案，做一个推测的话，可能是一个传感器+EyeQ5的集成，包含图像识别、激光扫描、驾驶策略等控制算法。未来随着Mobileye合作商的增加，这个圈子也可能会变大。随着Mobileye在自动驾驶布局的逐渐显露，各家在路线上不同、产品开发上的侧重点、深度学习使用方式的不同都已经愈加明显，竞争的态势也愈来愈加激烈。

　　其实，在四月份的演讲中，除了感知之外，Shashua还特别提到了关于深度学习架构上，End-to-End和Semantic Abstraction（语义抽象）的区别，以及Mobileye为什么选择后者的原因。关于深度学习的这两个不同架构究竟有何区别，Mobileye做出这个选择的原因又在于什么？