沈笑夫接着看到一篇《底特律的自动驾驶之路》：
********
几年前，一次由政/府发起的自动驾驶汽车比赛中，工程师们注意到一个奇怪的现象。
人类驾驶的汽车在比赛中出现驾驶错误一在停车标志处呼啸而过或者不使用转向灯。
相比之下，自动驾驶的车辆会减速并且操作无误。
他们不仅在路口停车并检查交通状况，而且给有违规驾驶倾向的人为驾驶车辆让路。
安柏瑞德航空航天大学机械与土木工程学院院长，此次活动的小组成员CharlesReinholtz说:“机器比人类更有预见性。”
这种预见性能够成为运输业改革的基础。
专家们指出，自动驾驶的车辆正变得愈来愈完善。
由于传感器、软件、计算能力不断改善。许多专家相信有朝一日我们的汽车将接管驾驶工作。
“所有的汽车制造商都有这样一个崇高的目标。”飞思卡尔半导体公司管理MEMS汽车传感器系统及应用的MattMuddiman经理说:“他们希望我们的车能带我们去杂货店。我们只需要跳进车，然后出发。”
制造自动驾驶汽车的工程师们说，这并不是一个不切实际的期望。
在2005年DAR尸A盛大自动驾驶汽车挑战赛中，五辆汽车独立走过整个140英里的路程，包括曲折的山路和急转弯。
在2007年的城市挑战赛中，11辆车完成了整个行程。
此外，谷歌的自动驾驶汽车已悄然在加州公路上行进20万公里以上。
通用汽车公司全球研发副总裁说:
“今天，我们已经可以在混乱程度低的环境中实现这一操作。
但如果你试图去孟买，并且在交通非常繁忙的时期，人们不能在自己的车道上驾驶，行人和车辆交汇在一起，那么我们的能力将是有限的。
但如果你在高速公路上行驶我们便能做到，你只须辨识车辆和静止的物体。”
。
而该技术的支持者说他们有充分的理由:每年，-的美国人死于交通意外。
更糟糕的是，由于司机们越来越多地使用手机和iPod的GPS系统，而其使用会对司机造成干扰，未来交通意外死亡率有增高的趋势。
Reinholtz说:“今天，我们期望飞机零事故飞行，有朝一日，我们期望汽车也能零事故行驶。”
【学习自我导航
自我导航这种情况并不容易发生。
汽车行业需要向外发展，。
最大的也可能是最重要的参与者是传感器供应商。
加速度计和陀螺仪的制造商已经和汽车队合作发展诸如航位推算等系统，这个系统能使车辆自定位。
航位推算，是工程师将全球定位卫星GPS的信息融入到汽车的车载惯性传感器数据中。
这使车辆在任何特定时间上都能感应到自身在地图上的位置。
工程师们认为有必要使用两个数据来源，因为GPS系统自我更新速度不够快，因此不能提供准确的定位。
GPS接收信号的频率约为每秒钟五次，而惯性传感器的频率可以更新到在1kHz或2kHzoMuddiman说:
“有一个功能叫做地图匹配。你认识所有的物理实体街道，车道，路口。那么你可以使用惯性数据来确认您已经从数字化地图上的一个点转移到了另一个点。”
工程师需要抽取加速度计和陀螺仪绘制的数据，为了得到该方程的惯量部分。
他们通常使用所谓的低重力加速度计，它可以感知到在重力降到十分之一过程中，加速度和方向的微妙变化。
这种传感器促使车辆能够在高分辨率的水平下解读距离和位置。
，也可以被低重力加速度计获取。
陀螺仪通过测量车辆的姿态（俯仰，滚转，偏航，可以将加速度计错过的数据添加到数据库中。
对工程师来讲，真正的诀窍在于获得庞大的数据，并将这些数据整合，形成一个连续的画面。
为此，他们采用处理器。
例如，传感器可能包含板载处理器，它能过滤数据，并将其发送到“基带”应用处理器上，同时它还可检查GPS数据。
通常情况下，双或四核心处理器，可以处理这样的计算工作。
Muddiman说:“应用处理器需要所有数据，并进行比较，以确定它从GPS系统中获得的信息是否准确。”
【避开障碍物
确定汽车位置也是一项让汽车自动化成为可能的困难事儿。
一项更大、更复杂的任务是确定前面车辆的情况，它是停还是走。
要做到这一点，研究人员正采用立体视觉摄像机，雷达系统和激光。
立体视觉摄像机还没有在汽车上发挥大的作用，它使用的相机就类似于智能手机上采用的。
工程师说，这些摄像机可以提供重要的信息，但研究人员还没有想出如何使它这发挥更大的作用。
Reinholtz说“人可以看图片并即刻挑选出特征，”“我们的大脑很善于这样子做，但让一个基于系统的摄像头从一系列图像信息中提取相同的信息就真的很难。”
工程师们正在继续努力。红外摄像机能够使汽车捕捉到前方场景的热图像，使其更容易识别车道上是动物还是人类。
此外，研究人员正致力于开发这样一种软件，它能理解相机图像并且警告汽车关于附近的障碍。
基于雷达的系统也正有着类似的进步。
高达77GHZ频率的高频产品被利用来寻找车辆前面几百米范围内的障碍物。
目前，。
对于汽车，最大的进步在于使用光探测和测距设备。
脉冲激光发出的光，反射障碍，并反弹至板载接收继而测量光的飞行时间，使系统知道离附近障碍物的距离。
像威力达激光雷达的日DL-64E系统在旋转塔使用多达64个独立激光器，发射出高速的平行光脉冲，从而使车辆的计算机创建一个立体的“点云”的障碍。
威力登雷达的总经理和执行副总裁伍兹。
斯图尔特说:如果你想作出实时自主决策，你需要有足够的信息，就像我们用我们的眼睛，耳朵和鼻子。
“为了做到这一点，你必须很快调出数据。”
【道路交通零事故
这种技术的出现给工程师带来了一个巨大的挑战。
计算机系统尤其是软件必须能够处理每秒钟接收到的大量传感器数据。
“这就是软件”，斯坦福大学光子学研究的执行董事汤姆·贝尔说。
“信息的整合过程，即将许多不同来源的数据整合起来，是关键。不管怎样，你必须收集这些数据并使它们交迭，形成一个紧密的可供车辆使用的嵌套空间。”
对于计算机演算规则系统开发的重视，已给DARPA大挑战比赛的优胜者带来了回报。
据贝尔说，由于对软件的高度重视，斯坦福大学队在2005和2007的比赛中，分别夺得了第一名和第二名。
“他们没有赢，因为他们的硬件平台比较好，”他说。
他们赢了，因为他们有更好的软件。它主要是能收集不同类型传感器数据并将其整理成一个决策路径，来车辆优化车辆的速度和方向。
工程师说，该软件的持续发展，将在预测车辆的运行情况方面起到关键作用。
一些专家建议，如果所有车辆都是自制的，目前自动汽车就可以到道路上行驶了。
不幸的是，以那种方式，自动迁移将无法完成。第一个这样的车辆到达时，他们将不得不面对超速的人为驾驶的“流氓车”，在停车标志前不断的鸣笛，并不能启动其转向指示灯。
Muddiman说，“所有的汽车制造商都正在努力使这种技术适应于道路。他们需要确保车辆能够应对不可预见的情况。”
这就是多数专家期望经过一系列的初期步骤后达到成品汽车的自动化的原因。
通过开始的自动适配恒速操纵器到车道保持及障碍规避，这项技术将会以全新的水平证明自己。
公众将就这一问题辩论多年，甚至可能是几十年。
伍兹说:“和美国的其他事物一样，这件事归根结底是看我们是否有明智的方法来承担责任。技术肯定是可行的，但它将会使我们都退一步，来消化它。”
专家说:
“这个概念取得成功的关键是人们相信车辆自动化可以大大降低米国每年超过3万起交通意外死亡事故。
三到四万起交通意外死亡应该是不能接受的。
当有人在一场车祸中丧生，应该上全国的头条新闻。总有一天，我们对汽车的期望也会是零事故行驶。”
********
几年前，一次由政/府发起的自动驾驶汽车比赛中，工程师们注意到一个奇怪的现象。
人类驾驶的汽车在比赛中出现驾驶错误一在停车标志处呼啸而过或者不使用转向灯。
相比之下，自动驾驶的车辆会减速并且操作无误。
他们不仅在路口停车并检查交通状况，而且给有违规驾驶倾向的人为驾驶车辆让路。
安柏瑞德航空航天大学机械与土木工程学院院长，此次活动的小组成员CharlesReinholtz说:“机器比人类更有预见性。”
这种预见性能够成为运输业改革的基础。
专家们指出，自动驾驶的车辆正变得愈来愈完善。
由于传感器、软件、计算能力不断改善。许多专家相信有朝一日我们的汽车将接管驾驶工作。
“所有的汽车制造商都有这样一个崇高的目标。”飞思卡尔半导体公司管理MEMS汽车传感器系统及应用的MattMuddiman经理说:“他们希望我们的车能带我们去杂货店。我们只需要跳进车，然后出发。”
制造自动驾驶汽车的工程师们说，这并不是一个不切实际的期望。
在2005年DAR尸A盛大自动驾驶汽车挑战赛中，五辆汽车独立走过整个140英里的路程，包括曲折的山路和急转弯。
在2007年的城市挑战赛中，11辆车完成了整个行程。
此外，谷歌的自动驾驶汽车已悄然在加州公路上行进20万公里以上。
通用汽车公司全球研发副总裁说:
“今天，我们已经可以在混乱程度低的环境中实现这一操作。
但如果你试图去孟买，并且在交通非常繁忙的时期，人们不能在自己的车道上驾驶，行人和车辆交汇在一起，那么我们的能力将是有限的。
但如果你在高速公路上行驶我们便能做到，你只须辨识车辆和静止的物体。”
。
而该技术的支持者说他们有充分的理由:每年，-的美国人死于交通意外。
更糟糕的是，由于司机们越来越多地使用手机和iPod的GPS系统，而其使用会对司机造成干扰，未来交通意外死亡率有增高的趋势。
Reinholtz说:“今天，我们期望飞机零事故飞行，有朝一日，我们期望汽车也能零事故行驶。”
【学习自我导航
自我导航这种情况并不容易发生。
汽车行业需要向外发展，。
最大的也可能是最重要的参与者是传感器供应商。
加速度计和陀螺仪的制造商已经和汽车队合作发展诸如航位推算等系统，这个系统能使车辆自定位。
航位推算，是工程师将全球定位卫星GPS的信息融入到汽车的车载惯性传感器数据中。
这使车辆在任何特定时间上都能感应到自身在地图上的位置。
工程师们认为有必要使用两个数据来源，因为GPS系统自我更新速度不够快，因此不能提供准确的定位。
GPS接收信号的频率约为每秒钟五次，而惯性传感器的频率可以更新到在1kHz或2kHzoMuddiman说:
“有一个功能叫做地图匹配。你认识所有的物理实体街道，车道，路口。那么你可以使用惯性数据来确认您已经从数字化地图上的一个点转移到了另一个点。”
工程师需要抽取加速度计和陀螺仪绘制的数据，为了得到该方程的惯量部分。
他们通常使用所谓的低重力加速度计，它可以感知到在重力降到十分之一过程中，加速度和方向的微妙变化。
这种传感器促使车辆能够在高分辨率的水平下解读距离和位置。
，也可以被低重力加速度计获取。
陀螺仪通过测量车辆的姿态（俯仰，滚转，偏航，可以将加速度计错过的数据添加到数据库中。
对工程师来讲，真正的诀窍在于获得庞大的数据，并将这些数据整合，形成一个连续的画面。
为此，他们采用处理器。
例如，传感器可能包含板载处理器，它能过滤数据，并将其发送到“基带”应用处理器上，同时它还可检查GPS数据。
通常情况下，双或四核心处理器，可以处理这样的计算工作。
Muddiman说:“应用处理器需要所有数据，并进行比较，以确定它从GPS系统中获得的信息是否准确。”
【避开障碍物
确定汽车位置也是一项让汽车自动化成为可能的困难事儿。
一项更大、更复杂的任务是确定前面车辆的情况，它是停还是走。
要做到这一点，研究人员正采用立体视觉摄像机，雷达系统和激光。
立体视觉摄像机还没有在汽车上发挥大的作用，它使用的相机就类似于智能手机上采用的。
工程师说，这些摄像机可以提供重要的信息，但研究人员还没有想出如何使它这发挥更大的作用。
Reinholtz说“人可以看图片并即刻挑选出特征，”“我们的大脑很善于这样子做，但让一个基于系统的摄像头从一系列图像信息中提取相同的信息就真的很难。”
工程师们正在继续努力。红外摄像机能够使汽车捕捉到前方场景的热图像，使其更容易识别车道上是动物还是人类。
此外，研究人员正致力于开发这样一种软件，它能理解相机图像并且警告汽车关于附近的障碍。
基于雷达的系统也正有着类似的进步。
高达77GHZ频率的高频产品被利用来寻找车辆前面几百米范围内的障碍物。
目前，。
对于汽车，最大的进步在于使用光探测和测距设备。
脉冲激光发出的光，反射障碍，并反弹至板载接收继而测量光的飞行时间，使系统知道离附近障碍物的距离。
像威力达激光雷达的日DL-64E系统在旋转塔使用多达64个独立激光器，发射出高速的平行光脉冲，从而使车辆的计算机创建一个立体的“点云”的障碍。
威力登雷达的总经理和执行副总裁伍兹。
斯图尔特说:如果你想作出实时自主决策，你需要有足够的信息，就像我们用我们的眼睛，耳朵和鼻子。
“为了做到这一点，你必须很快调出数据。”
【道路交通零事故
这种技术的出现给工程师带来了一个巨大的挑战。
计算机系统尤其是软件必须能够处理每秒钟接收到的大量传感器数据。
“这就是软件”，斯坦福大学光子学研究的执行董事汤姆·贝尔说。
“信息的整合过程，即将许多不同来源的数据整合起来，是关键。不管怎样，你必须收集这些数据并使它们交迭，形成一个紧密的可供车辆使用的嵌套空间。”
对于计算机演算规则系统开发的重视，已给DARPA大挑战比赛的优胜者带来了回报。
据贝尔说，由于对软件的高度重视，斯坦福大学队在2005和2007的比赛中，分别夺得了第一名和第二名。
“他们没有赢，因为他们的硬件平台比较好，”他说。
他们赢了，因为他们有更好的软件。它主要是能收集不同类型传感器数据并将其整理成一个决策路径，来车辆优化车辆的速度和方向。
工程师说，该软件的持续发展，将在预测车辆的运行情况方面起到关键作用。
一些专家建议，如果所有车辆都是自制的，目前自动汽车就可以到道路上行驶了。
不幸的是，以那种方式，自动迁移将无法完成。第一个这样的车辆到达时，他们将不得不面对超速的人为驾驶的“流氓车”，在停车标志前不断的鸣笛，并不能启动其转向指示灯。
Muddiman说，“所有的汽车制造商都正在努力使这种技术适应于道路。他们需要确保车辆能够应对不可预见的情况。”
这就是多数专家期望经过一系列的初期步骤后达到成品汽车的自动化的原因。
通过开始的自动适配恒速操纵器到车道保持及障碍规避，这项技术将会以全新的水平证明自己。
公众将就这一问题辩论多年，甚至可能是几十年。
伍兹说:“和美国的其他事物一样，这件事归根结底是看我们是否有明智的方法来承担责任。技术肯定是可行的，但它将会使我们都退一步，来消化它。”
专家说:
“这个概念取得成功的关键是人们相信车辆自动化可以大大降低米国每年超过3万起交通意外死亡事故。
三到四万起交通意外死亡应该是不能接受的。
当有人在一场车祸中丧生，应该上全国的头条新闻。总有一天，我们对汽车的期望也会是零事故行驶。”