如果你在过去五年里一直关注商业新闻，那么你很可能听说过自动驾驶汽车技术的涌现。从小型初创企业到行业巨头和科技巨头，所有人都在为这些新机器的研发投入数百万美元。当然，公众对此表示反对，但汽车制造商坚称，自动驾驶汽车在统计上比传统汽车安全得多，那么这些自动驾驶汽车到底会是什么样子呢？让我们来看看全自动驾驶汽车令人难以置信的进步。未来近在眼前！

与操作自动驾驶汽车的惯用方法不同，我们没有在这款汽车上编写任何明确的物体检测、映射、路径规划或控制组件的程序。相反，汽车可以通过观察人类驾驶员，自行学习创建驾驶所需的所有必要内部表征。汽车也学习概括其驾驶行为。这段视频中有一段视频显示，一辆仅在加州道路上训练过的汽车成功地在新泽西州实现自动驾驶。

该视频介绍了如何通过交互的多个模型滤波器估算状态来跟踪单个对象。我们建立了对IMM滤波器的一些直观了解，并展示了它是一种比单模型卡尔曼滤波器更好的跟踪算法。让跟踪更难的部分是，我们通常必须用较少的信息来完成跟踪。我们将介绍IMM滤波器如何弥补信息的不足，并展示一些仿真的结果。

本视频介绍了如何使用磁力计，加速计和陀螺仪估算物体的方向。目的是展示这些传感器如何为解决方案做出贡献，并解释一些注意事项。我们将介绍什么是方向（或姿态）以及如何使用加速计和磁力计确定方向。我们还将讨论为硬铁源和软铁源校准磁力计，以及应对加速度损坏的方法。我们还将展示一个简单的航位推算解决方案，该解决方案可单独使用陀螺仪。最后，我们将介绍混合三个传感器的解决方案的概念。

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。

人工智能在冲击着汽车产业，而所有主要汽车厂商正在利用其资源和技术尽力对应。具有人工智能的设备的好处在于它尝试从传感器输入的真实声音和图像进行学习。同样的情况下，智能应用到汽车技术。自动驾驶的新时代开始了。“在人工智能和深度学习的帮助下，我们可以把汽车变成我们的副驾驶，”英伟达首席执行官黄仁勋表示。

本视频简要概述了自动驾驶汽车技术栈，侧重于讨论传感器和计算硬件。讲座的内容包括关于特斯拉自动驾驶仪2.0版硬件和第二代福特自动驾驶平台的案例研究。本课程是斯坦福商学院开放道路课程的一部分，我们专注于汽车驾驶和机动性的创新。

由于谢尔盖•布林和埃隆•马斯克等技术专家做出了诸多失败的预测，许多人都认为自动驾驶的革命暂时无望——但这是错的。自动驾驶，就像2007年苹果发布的iPhone一样，将要改变世界。 每个人都认同自动驾驶将会改变我们的生活，但是对它何时会发生持有争议。这段视频介绍了自动驾驶领域最令人期待的公司Mobileye，自Amnon Shashua于1999年联合创建该公司以来，它一直处于无人驾驶功能的最前沿。