Waymo于2009年启动了谷歌自动驾驶汽车项目，现在已经准备好进入下一阶段。从现在开始，Waymo的全自动驾驶技术——目前道路上最先进的自动驾驶技术——将在无人驾驶的情况下在公共道路上试驾。很快，公众就可以在日常生活中使用这些交通工具了。经过8年多的测试和开发，我们已经准备好解锁全自动驾驶技术的潜力，让每个人出行都更容易、更安全。

除了摄像头和超声波传感器，雷达传感器是汽车工业中最常用的环境传感器。它们被广泛应用于许多领域，并将继续在高度自动化和自动驾驶领域发挥重要作用。dSPACE雷达测试台可对雷达传感器的空中激活进行简单和重复的测试。该工具链可以精确模拟复杂场景，验证自动驾驶功能。

通过博世的多摄像头系统，司机可以在泊车和开车时将注意力集中在正确的地方。该系统由四个近距离摄像头组成，可以捕捉到车辆周围的整个环境。超声波传感器可以测量与障碍物的距离。真实世界和虚拟世界在显示器上融合在一起。司机将他们的汽车视为一个详细的3D模型。车辆周围的环境以实时图像的形式呈现，这些图像被拼接在一起，产生了一幅没有干扰线的完美画面。

这是一个用3D物理模拟AI学习在停车场泊车的视频。模拟是使用Unity的ML-Agents框架实现的。AI由一个深度神经网络组成，包含3个隐藏层，每层128个神经元。它是用近端策略优化（PPO）算法训练的，这是一种强化学习方法。基本上，神经网络的输入是8个深度传感器的读数，汽车当前的速度和位置，以及它与目标的相对位置。神经网络的输出可解释为发动机力、制动力和转向力。

智能汽车的终极模样是什么？关于这个问题，漫威早就给出了答案。未来的汽车将会搭载一个“私人助理”，拥有高度拟人化的智能交互系统，只要你用交谈式的语言说出命令，TA就可以迅速领会并协助你解决问题，像钢铁侠的“贾维斯”一样聪明伶俐。BMW智能个人助理，就好似这样一位隐形的得力助手，是既懂车又懂你的最佳副驾驶。面对这位“助理”，用户只需说出“你好，宝马”便能与它交流。

本视频概述了什么是传感器融合及其在自主系统设计中的应用。视频中还谈及了一些场景，这些场景介绍了实现传感器融合的各种不同方式。传感器融合是确认定位、位置以及检测和物体跟踪的关键部分。我们将证明传感器融合不仅仅是一个卡尔曼滤波器。它是一整套算法，可以融合来自多个源的数据以更好地估计系统状态。传感器融合的四个主要好处是可以提高测量质量，可靠性和覆盖范围，并能够估算未直接测量的状态。传感器融合在完全不同类型的自主系统中具有如此广泛的吸引力这一事实使它成为一个有趣而又有意义的学习主题。

在自动驾驶车辆的未来和提高安全性方面，将汽车和周围的基础设施互联起来可能会发挥重要作用。然而，关于技术和标准的争议正在拖延全球布局。当中国专注于在汽车上使用5G技术时，其他市场正在讨论是选择5G蜂窝技术还是选择更老旧的wifi技术。彭博社的埃德·拉德洛报道了“彭博技术”。

Mobileye联合创始人、董事长兼首席技术官Amnon Shashua教授在本次主题演讲中讨论了实现自动驾驶必须解决的三大技术支柱。此外，通过使用虚拟模拟，他揭示了实施案例。本视频是他在2017博世互联世界大会上的演讲要点。