【智驾周刊】谷歌起诉Uber剽窃自动驾驶技术| 自动驾驶赛车比赛赛车撞墙
2017.2.25 | Vol .36
AutoDriving Weekly
智能驾驶周刊，旨在汇聚智能驾驶领域一周要闻以及点评，供读者参考。内容包括新闻、大小企业动向、关键技术的进展以及重要人物的消息等。
【企业动向】谷歌起诉Uber剽窃自动驾驶相关技术
【一句话点评】据说Gmail的自动推荐收件人功能又一次救了Google
本周四，谷歌旗下无人驾驶汽车公司Waymo提起了一项爆炸性的诉讼案件。Waymo指控Uber公司使用从自己手中盗窃的技术来推动其无人驾驶汽车业务的发展。Waymo向旧金山市地方法院提起了这项诉讼。该公司在诉讼文件中声称，一支由谷歌前工程师组成的团队窃取了Waymo有关“激光雷达”传感器的设计技术资料。据了解，这种激光传感器可以让无人驾驶汽车详细观测自身周边的环境情况。
该起诉讼案中的核心人物是安东尼·莱万多斯基(Anthony Levandowski)，他最初是谷歌无人驾驶汽车项目研发团队的成员之一。2016年1月份，安东尼·莱万多斯基在工作九年以后离开谷歌，并创建了Otto公司，而后者是一家致力于无人驾驶卡车技术研发的初创企业。Otto公司在成立六个月之后，就被Uber公司以6.8亿美元（约合46.7亿人民币）的价格收购。
Waymo指控安东尼·莱万多斯基，称其在离开谷歌公司之前的六周时间里，先后下载了超过1.4万份的高度机密文件，这些文件涉及Waymo各种硬件系统的专有设计文件，其中就包括Waymo激光雷达的设计文件和电路设计文件。Waymo在长达28页的诉讼文件中指出，安东尼·莱万多斯基在自己的笔记本电脑上安装了专业软件，该软件可以让他获得登录Waymo设计服务器的权限。诉讼文件还指控安东尼·莱万多斯基，称其先后借此下载了约9.7GB的高度机密文件和商业机密，其中包括设计蓝图、设计文件和测试文件。Waymo在诉讼文件中还表示，自己事后通过一份不经意间复制的电子邮件发现了该问题，这份邮件中包含的机械设计图纸似乎是Uber公司激光雷达的电路图设计内容。而这些图纸显示的内容与Waymo的设计内容有着“惊人的相似之处”。
来源：腾讯汽车
【企业动向】法国总理访问中法生态示范区
【一句话点评】欧洲每四辆电动汽车里面就有一辆雷诺造
法国总理贝尔纳·卡泽纳夫在中国进行为期3天的正式访问，并于今日参观了中法武汉生态示范城雷诺自动驾驶示范区，体现出法国对于在生态和高科技领域与中国开展合作的高度重视。雷诺集团亚太区主席、东风雷诺有限公司总裁福兰向卡泽纳夫总理介绍了雷诺及其合资公司在中国的业务发展情况，并演示了一辆基于雷诺ZOE电动车的自动驾驶原型车的自动驾驶技术。
2016年，雷诺集团、东风雷诺汽车公司和武汉蔡甸生态发展集团联手合作，从法国引进了这辆雷诺自动驾驶车辆，并在中国建立了第一个开放式自动驾驶示范区。驾驶示范区在武汉蔡甸区后官湖边开辟了一条2公里长的自动驾驶路段，配有专门的护栏、通讯设备和其它基础设施。根据计划，雷诺自动驾驶测试将持续两年，将为道路交通问题提供智能生态的解决方案。
来源：网易汽车
【大赛动向】自动驾驶赛车比赛，一辆表现完美，一辆撞了墙
【一句话点评】其实法国汽车产业也是很发达的，很多小企业做出来的车都很有开创性
上周末，在布宜诺斯艾利斯的Formula E大奖赛上，两辆自动驾驶赛车首次在公众面前“亮了下牙齿”，不过比赛结果却有些出人意料。参与这场比赛的两辆自动驾驶赛车分别名为Devbots 1和Devbots 2，它们在赛道上全力争胜。赛后数据显示，获胜的Devbots 1极速达到了186千米/小时。在比赛中，Devbots 1的AI系统还经历了一次严峻的考验，当时一只流浪狗冲进了赛道，Devbots 1不但进行了完美的躲闪，还没有因紧急制动而失控。虽然Devbots 1全程表现惊人，但与其同场竞技的Devbots 2表现却有些天上地下，这辆赛车在转弯时动作过大，最终失控撞上了赛道旁的轮胎墙，灰溜溜地结束了自己的首次公开赛征程。
【测试区】长沙智能汽车驾驶测试区年内完成
【一句话点评】地是都圈起来了，关键是要弄清楚怎么测
“一期工程计划将于9月30日完成，随后投入运营。”今日，长沙市委常委高山调研我省首个智能汽车驾驶测试区——湖南湘江新区智能网联测试区项目时，项目相关负责人如此介绍项目进展情况。
无人驾驶汽车已成汽车产业发展的新趋势。作为全国第七个无人驾驶测试基地，湖南湘江新区智能网联测试区涉及汽车越野、汽车文化体验、旅游等多种功能。目前，前期设计、拆迁、证照等工作已近扫尾，测试场区建设正快速推进。
来源: 三湘都市报
【测试区】BrainInspired Cognitive Model with Attention
forSelf-Driving Cars
【一句话点评】多关注点驾驶员认知是非常必要的
Perception-driven approach and end-to-end system are two major vision-based frameworks for self-driving cars. However, it is difficult to introduce attention and historical information of autonomous driving process, which are the essential factors for achieving human-like driving into these two methods. In this paper, we propose a novel model for self-driving cars named brain-inspired cognitive model with attention (CMA). This model consists of three parts: a convolutional neural network for simulating human visual cortex, a cognitive map built to describe relationships between objects in complex traffic scene and a recurrent neural network that combines with the realtime updated cognitive map to implement attention mechanism and long-short term memory. The benefit of our model is that can accurately solve three tasks simultaneously: i) detection of the free space and boundaries of the current and adjacent lanes. ii)estimation of obstacle distance and vehicle attitude, and iii) learning of driving behavior and decision making from human driver. More significantly, the proposed model could accept external navigating instructions during an end-to-end driving process. For evaluation, we build a large-scale roadvehicle dataset which contains more than forty thousand labeled road images captured by three cameras on our self-driving car. Moreover, human driving activities and vehicle states are recorded in the meanwhile.
【作者简介】小猴机器人，人工智能博士，自动驾驶技术爱好者，参与多个自动驾驶项目研发，有丰富的行业经验，尤其决策规划控制方面了解深入。