无人驾驶汽车工程师 无人驾驶软件工程师

德国科学家早在上世纪 80 年代就造出了自动驾驶汽车

1994 年某个阳光明媚的秋日，法国 Autoroute 高速上，其他车主可能没有意识到正在发生的不同寻常的事情，两辆德国牌照的豪华轿车正在行驶于高速。这两辆灰色的梅赛德斯奔驰 500 SEL 正在加速到时速 130 公里，它们通过路况自动做出改变，没错，这两辆车是自动驾驶的，计算机控制方向盘，油门和刹车，而且它们这趟行程经过了德国和法国的允许。

无人驾驶汽车工程师 无人驾驶软件工程师

无人驾驶汽车工程师 无人驾驶软件工程师

无人驾驶汽车工程师 无人驾驶软件工程师

在谷歌、特斯拉、Uber 开展自动驾驶业务的近 30 年前，一名叫 恩斯特·迪克曼斯 的德国科学家一个工程师团队已经成功的实现自动驾驶。

今天园长来讲讲迪克曼斯的自动驾驶，以及他如何被人遗忘，顺便再说一下 AI 历史浪潮中的自动驾驶的起起伏伏。

迪克曼斯现在 82 岁，他已经停止向研究人员提供一般性建议，他说「人们永远不应该完全忽视曾经非常成功的方法」。

在成为「自动驾驶实际发明者」之前，迪克曼斯工作的前十年是分析太空飞船重回地球在大气层所需的轨迹。

作为一名航天工程师，他在西德雄心勃勃的航天界迅速晋升，在 1975 年，不到 40 岁的他在大学的研究院任职。

在此段时间，他的人生使命发生了改变：他想让汽车自己认路。迪克曼斯越来越相信，他的未来不在太空而是陆地。几年内，他买了一辆面包车安装了计算机，照相机和传感器，并于 1986 年开始在大学内测试。

大学同事们说他是个怪人，但是因为之前航天领域的成绩，所以对他也就睁一只眼闭一只眼。

1986 年，迪克曼斯的面包车成为辆自动驾驶汽车。次年，这辆车在巴伐利亚尚未对外公开的高速上以时速 90 公里的速度进行了测试。不久之后德国汽车制造商戴姆勒找到了迪克曼斯，戴姆勒成为了他的资助方，并且在 20 实际 90 年代初，提出了一个项目，他们想要一台大型客车，能够在 1994 年的巴黎展会上演示自动驾驶。

迪克曼斯听完这个要求后，做了个深呼吸，然后告诉戴姆勒「我的团队和我们的方法可以做到」。

1994 年 10 月，迪克曼斯的团队从戴高乐机场接了一批高级客人，在高速公路上，他们使用自动驾驶来完成行驶任务。名为贝林格的工程师坐在车辆的驾驶座，双手放在方向盘上以防出现问题。贝林格 24 年后谈论此事仍兴奋不已。

很多报纸了这件事。一年之后，团队测试了另一辆新车，他们从巴伐利亚到丹麦的高速公路上，用自动驾驶总共行驶了 1700 公里，时速超过了 175 km/h。

不过，不久之后，项目被迫中止了。

迪克曼斯的技术到了天花板，戴姆勒失去了兴趣，再之后，迪克曼斯的开拓性的工作机会被人遗忘。

人工智能的历史已经有了 60 多年,它往往伴随着一个又一个「盛夏」和「寒冬」。迪克曼斯项目起始于盛夏，而终结于寒冬。

20 世纪 50 年代末，人工智能的研究方向是如何让机器像人一样思考。一开始，人工智能这个领域的特点就是雷声大雨点小，各种宣传各种大佬站台，经济学家赫伯特·西蒙 20 世纪 60 年代曾预测「机器将会在 20 年内取代人类的工作」。

这些了投资，大量热钱涌入但技术不能实现，20 世纪 70 年代中期泡沫破灭，资金减少，人工智能技术预冷。

在 20 世纪 80 年代中期，迪克曼斯的自动驾驶项目赶上了新一轮的盛夏，他的概念让资本方产生了兴趣，他的团队曾一度扩张至 20 人。然后是 20 世纪 90 年代寒冬的来临，让迪克曼斯的概念不再吸引人。

当时坐在驾驶室的工程师贝林格说「这是一个有趣的概念，但是对很多人来讲，太过未来主义了」。

技术专家说发明有两种：像灯泡一样，被发明就一直被使用，不断被改进。另一种像超音速客机一样，比如协和飞机，它们体现出了革命性的技术，但是过于先进而不适于当下。

迪克曼斯的自动驾驶就属于第二种。

当他在 20 世纪 80 年代开始研发时，计算机仍然需要 10 分钟来分析图像，对周围环境做出反应，并实现驾驶。

面对着看似不可逾越的障碍，他从人体生物学中汲取灵感，他认为，汽车应该想人眼一样，对街道和周围的环境有所感知。人类只能以高分辨率注意到视野中心，同样的，汽车也应该只关注与驾驶有关的东西，如道路标记。这会大大降低计算机处理的信息量。

事实上，汽车在高速公路上自动驾驶是比较简单的，因为路面不复杂，车道明确，指示牌都很清晰。

当时也有一些问题，比如前面的车挡住了指示牌，或者指示牌太旧看不清，都会让自动驾驶出现问题。

在寒冬来临之际，戴姆勒告诉迪克曼斯希望能尽快推出商用，而迪克曼斯知道这项研究在几年内根本无法商用。戴姆勒也就渐渐失去了继续下去的兴趣。

瑞士卢加诺 Dalle Molle 人工智能研究所联合主任 JürgenSchmidhuber 说「事后看来，这些项目并没有立即继续下去，这可能是一个错误，如果继续了，现在自动驾驶也没有 Google 、Uber 这些公司的事了」。

德国公司现在持有自动驾驶技术一半以上的专利，但是新参与者比如 Alphabet 的 Waymo 这样的美国科技巨头正在迎头赶上。

20 世纪 90 年代末，迪克曼斯与美国研究实验室签订四年的合同。他们的合作除了新一代的自动驾驶汽车，能够处理更复杂的路面。在迪克曼斯退休时，这个项目引起了五角大楼新兴技术部的达尔帕的注意。于是 2004 年，该部门搞了了一系列「挑战」鼓励科学家们参与自动驾驶竞赛。

2005 年斯坦福大学计算机塞巴斯蒂安·特伦赢得了挑战赛，成立了谷歌自动驾驶车队，他是 AI 社区的名人。而与此同时，本文的主角迪克曼斯和他开创性的工作也被人遗忘了。

2011 年，迪克曼斯巴黎演示无人车之后的 17 年，了塞巴斯蒂安·特伦努力制造了辆无人车，但马上就进行了修正，写到尽管塞巴斯蒂安·特伦开发了一辆无人驾驶汽车，但是他不是个这么做的人。

在 2018 年，随着人工智能之前的炒作，新的寒冬来了么？不少人这么认为的。

近 AI 的研究普遍采用深度学习，通过算法来识别。其基本原理是在复杂的数据中找到相关性，这对大多数应用程序都奏效，但在某些情况下是路一条。由于深度学习是数据驱动，它伴随着局限性。

之前翻译过圣地亚哥计算机科学 Piekniewski 的文章《 AI Winter is coming 》，他表示大量的热钱涌入 AI，特别是自动驾驶和机器人技术方面，指望马上出成果并不切实际。

很多投资者因为投入了这么多钱，但是期望没有成真而感到恼火。

代尔夫特大学 Virginia Dignum 表示「AI 人员继续去重点关注深度学习，结果会让人失望，这个领域如果想要有所突破，一定要通过较少的数据或者因果关系来建立模型，而不是依赖大量数据带来的相关性。」但她不相信 AI 寒冬来了，因为现在和以往不同，现在有大量的可商用 AI，这是因为 2010 年起的技术进步，特别是计算能力和数据储存方面的进步。

迪克曼斯仍然相信，现在的自动驾驶真正成熟，还需要十年以上的时间。现在的汽车并没有真正的分辨能力，他们仅仅是依赖于大量数据的训练，这意味着在一些道路以及通用情况下会很好，但是在一些特定的环境中会出现意外。

迪克曼斯说「我的自动驾驶技术命名为「寻路者（pathfinder vision）」，现在仍有几个机构在研究这种方法，它能让汽车在任何地方和情况下运行，不论是暴风雨过后，之后，战区，都可以起到作用」。

他预测，总有一天，行业会意识到现在通用的方法的局限性，到时候他会再度出山。

他补充道「我很高兴我可以成为开拓者之一，但是如果我今天重新开始，凭借现有的技术，这将是一个完全不同的故事」。

自动驾驶是如何分级的？目前国内的自动驾驶发展到什么阶段了？

一．自动驾驶的分级：普遍还是采用美国汽车工程师学会的分级制度，也就是从L0到L5。 二．国内自动驾驶的阶段：我们目前听的比较多的是 L2，L3,L1、L2级别的自动驾驶，仅仅只是对人工驾驶的辅助，本质还是以人为主，自动驾驶为辅。L3是自动驾驶级别，目前还未能量产。所以国内的自动驾驶属于初级阶段。

自动驾驶的分级是采用美国汽车工程师学会的分级制度，共有6级。目前国内的自动驾驶已经发展到L3级别。

目前分为6级，从L0到L6,。我国目前处在L4，自动驾驶是根据sae的标准来分级。

为什么无人驾驶出现后，并没有多少人使用呢？

因为无人驾驶技术还不够成熟，而且很多人不太放心，所以没有多少人使用。

因为人们对于这个技术不是特别的信任，人们觉得会把自己的性命交给一些机器，不是特别的安全，所以使用的人非常的少。

因为现在无人驾驶的这种技术还是非常不成熟的，而且现在无人驾驶会出现一定的问题。

研究无人驾驶汽车的薪资？

这是一个高端智能领悟的工作，需要的人才也是高精尖类型，薪资至少30万。

无论是在硅谷还是在 BAT ，无人驾驶技术的发展都已经势不可挡。无人驾驶领域的职位需求已经开始快速增长。猎聘、BOSS 直聘、拉钩等平台显示的无人驾驶工程师平均月薪已达 25k-150k 。

一个自动驾驶工程师眼中的自动驾驶

编者按：本文是百度Apollo一名自动驾驶工程师对自动驾驶的一篇见解文章。文章先讲解了自动驾驶的发展意义；然后从我 在那儿 ？周围有什么？接下来会发生什么？我该怎么做？等方面展开讲解自动驾驶技术；以极客邦和百度Apollo联合发布的自动驾驶工程师技能图为例，说明了如何帮助非专业自动驾驶领域的工程师转行和进入该领域。

2018年12月5日，Google旗下的Waymo推出自动驾驶用于服务乘客的商业叫车服务——Waymo One，该服务在美国凤凰城及其钱德勒、坦佩、梅萨和吉尔伯特4个郊区24小时运行。乘客只需通过APP呼叫无人车，选定上下车地点，然后通过自动驾驶系统就可以方便地前往任何地方。车上没有驾驶员，只有一块HMI（人机交互界面）来告知乘客目前车辆的状态、周围情况以及后续路线。

从Google的自动驾驶项目开始再到如今的Waymo，其自动驾驶技术在10年间取得了不小进步。Waymo测试车累计公路行驶距离已达1000万英里，遍及美国25个城市，还有着100亿英里的模拟行驶数据。而这些驾驶数据配合人工智能技术将无人驾驶带到了我们身边。

同样，在的海淀公园18年也被改造成了全球AI公园，11月1号正式对外开放。在这整个智能化公园中，引人瞩目的就是阿波龙自动驾驶小巴。这款迷你小巴每辆可搭载6-7人，没有驾驶座也没有方向盘，等乘客落座系好安全带，阿波龙就会自动关上车门妥妥地起步。在行驶过程中，拐弯和掉头之前会主动降速，遇到前方有行人或障碍物，也会主动减速避让或者停车。

这些都是人类见证 历史 的伟大时刻，也是迈向未来生活的开始，标志着一个新的时代正在悄然来临。

普通 汽车 终将退出 历史 舞台，可能就在不久的将来， 汽车 即将成为我们可以放心托付自己生命的代自主式机器人。在历经了数十年不断失败的尝试后，借助速度更快的电脑、更可靠的传感器技术以及基于深度学习的新一代人工智能软件， 汽车 可以获得与人类相似的能力，在无法预测的环境中自主安全地驾驶。

为什么我们需要关注自动驾驶？ 不仅仅是因为这项具有伟大影响力的技术能够替代司机提升交通出行的效率和安全性；更重要的是自动驾驶会改变人类的生活方式，让人们重新享受出行的乐趣。

当前，我们的 汽车 是非智能的，其标准的四个轮子、一个机身和一个发动机的配置近100年来没有了本质性的改进，而世界上其它产业的根基你都发生着根本性的变化。 而得益于机器人技术和人工智能技术在近期取得的成就，平凡普通的 汽车 也即将进化成自动化移动机器人。 目前， 汽车 的便利在一个世纪中不断给我们带来了自由、快捷，同时也带了新的工作机会和社交机会。商业贸易也因此变得前所未有的方便。

但是，在获得移动便捷性的同时人们也付出了极高的代价。每年全球交通伤人数近100万，每年伤亡20万人左右；人类驾驶的 汽车 也带了城市的交通拥堵和空气恶化。粗略估计，全球有十亿由人类驾驶的 汽车 在陆地上漫游，对 汽车 的依赖已经不可能减少，只会越来越多， 汽车 是我们现代生活不可缺少的一部分。

事实上，解决 汽车 引发系列问题的方式就是让它们变得智能。 当AI接管人类驾驶员时，无人 汽车 将给世界数十亿人提供一种更安全、更简洁甚至是更方便的出行模式。在理想的未来，我们的街道和高速路上会充满成群的、分布紧密的无人驾驶 汽车 ，想鱼群一样，这些无人驾驶 汽车 会展现出惊人的防冲撞能力，在充满行人的街道上机智而快速地穿行，在漫长而空旷的高速路上以经济的消耗方式灵活停靠。有些车会携带一辆名乘客，有些车完全没有乘客，因为它们可能要去接送外卖或快递。而坐在车里的人们，也讲有完全自由时间和私密的空间进行任何事情，比如购物、看和孩子享受亲子时光。

自动驾驶技术从人们开始尝试到现在其实已经经历了近50年的 历史 ，从上世纪70年代就有国外机构和大学开始研究自动驾驶技术。

美国国防高级研究署（DARPA） 在1984年研制出自主地面战车项目，可以说是真正自动驾驶技术的开端。当时的技术还比较落后，只能通过固定规划路线在动态障碍物的情况下达到目的地。到了2004年，DARPA接连举办了3届无人驾驶挑战赛，可以说真正拉开了现代自动驾驶的序幕，其中CMU（卡内基梅隆大学）、MIT（麻省理工学院）、Stanford（斯坦福大学）等高校接连着力研发自动驾驶技术，将自动驾驶的发展推向。

而产业界， 早在2009年Google成立X事业部开始了自动驾驶技术的研发，紧接着 科技 公司、传统车企都纷纷加入自动驾驶这场技术竞赛中，不甘落后。 当然也是其中重要的一员 ，无数技术精英、专家回国参与自动驾驶研发，百度、华为、腾讯、阿里等大公司花重金投入其中，每年招揽大批人才，高校的生源供不应求，薪资也水涨船高。

2013年，美国机动工程师协会（SAE）给出了车辆自动化的标准，分别是L0~L5。不同的Ll所实现的自动驾驶能力时逐层增加的。对应的中文翻译可以参见表格：

目前，自动驾驶技术发展中， 科技 类公司主要寻求从L4级别自动驾驶入手，一步将智能化完成到一个非常高的程度；而大部分传统车企目前主要是从L3级别入手，从高级辅助驾驶开始逐渐往全自动方向渗透。这两种发展思路也是充分提现了目前各自的优势，但大家的目标都是希望实现L5的全自动驾驶状态。

下面，我们以Google的无人车为例，简单介绍L4级别自动驾驶技术是如何构成的。 Google时早开始研发自动驾驶的公司，拥有丰富的技术积累和强的研发人员。但是无人驾驶系统的复杂性是远超人们想象的，经过近10年的研究，目前也仅仅是试验性的推出了无人驾驶体验服务。无人驾驶系统主要由三部分组成：算法端、车端和云端。其中算法端包括传感器、感知和决策等智能关键步骤的算法；车端包括机器人作系统、各种计算硬件和车辆底盘硬件等；云端包括数据挖掘、仿真模拟、高精地图以及深度学习训练等等。

通过这一套系统我们能够解决无人车的四个关键问题：我在哪？我周围有什么？接下来会发生什么？我应该怎么做？

问题是无人车首先要解决的问题，只有明白自身的位置才能的开往目的地。 需要依靠一种称为高精地图的技术，该技术会将无人车要走的所有静态环境进行描述，包括车道线、行人斑马线、标志牌等等。这些静态信息可以提供交通信号的关键信息，也会作为方案的锚定物对自身的位置进行校准，比如通过摄像头看到距离左边标志牌的距离是2.5m，那么在地图中知道了标志牌的坐标也就知道了自身车辆的坐标。同时，还会依靠GPS/IMU等全局设备来自身位置，不过这可比我们目前智能里的GPS精度要求高很多，通过分融合技术可以达到厘米级精度。

有了后，无人车的感知系统将通过传感器和人工智能算法将周围的障碍物位置、大小、状态、类别等标识出来。 目前主流L4级别的传感器包括GPS/IMU、LIDAR、Camera、Radar等，LIDAR、Camera和Radar都是用于感知周围障碍物的主要传感器，分别在不同环境下能够有不同的优势。这些信息犹如人类驾驶员的眼睛一样看到周围动态环境物体，并将其识别出来，而无人车会利用自己多传感器和计算效率达到远超人类的水平，比如精准识别车辆后方任何物体、同时关注左右两边的车辆状态，在黑暗状态时可以通过激光雷达精准识别。

无人车知道周围动态物体后，还需要能够尽可能的预测这些物体的走向，包括行为预测和速度预测。 例如这个车是要左转还是直行，这辆车会不会闯红灯等等，汇入车流时速度是多少。这些问题都将决定我们无人车后续应该怎么走，如何避免碰撞发生危险。当然由于人的主观意志具有很多不确定性，在人类司机和自动驾驶司机混合的道路上，人工智能程序还需要学习人类的行为习惯和约定俗成的礼让方式，这些都大大增加了无人车的难度。

一步就是根据上述信息综合来选择一条适合无人车的道路，如同人类的大脑一样对车辆终的行为负责，选择合适的方式达到目的地。 这需要考虑行车的体感、安全和快捷等因素，通过化算法、搜索算法、蒙特卡洛树采样等多种算法来得到未来的驾驶行为，也有通过模仿老司机的驾驶行为等方式来提升驾驶性能等等。

上述四个问题表面上仅仅是车辆端的问题，但是其背后的技术栈是异常庞大复杂的，这些人工智能技术会用到云端的仿真系统、模型训练系统等等。 要做好其中任何步骤都是学术界长期以来不断积累而得，也是需要工程能力非常强大的工程师才能实现的高效算法。无人驾驶作为人工智能的一个重大应用方向，不是某一项单一的技术可以实现的，它是一个目前人类技术的一个整合创新。需要有算法上的创新、系统上的融合以及云平台的支持。那如此复杂的技术我们应该如何入门，如何进入这个领域？

自动驾驶技术的发展目前的瓶颈不是传感器的昂贵、不是产业发展不完善更不是公司投入不足，而是研发人才的缺乏。 目前我国 汽车 从业人员达到360万，但其中技术人才不到50万，占比不到15%。这其中虽然很难明确界定自动驾驶人才有多少，但是可以想见肯定不多。而且从自动驾驶专业人才年薪动辄几百万上千万，就可以知道人才有多紧缺。

我们需要更多的工程师和科学家进入这一领域，将现有的技术进行整合落地。但是如何帮助开发者们进入这一新兴领域成了业界非常关注的事情，我们就以极客邦和百度Apollo联合发布的自动驾驶工程师技能图为例，来说明如何帮助非专业自动驾驶领域的工程转行和进入该领域。先来看看这一份技能图谱：

一个新的技术领域往往建立在当前成熟技术的基础之上，而自动驾驶需要的技能种类繁多，我们需要首先全面了解整体技术，再选择感兴趣的方向进行深入挖掘。 从这份技能图谱可以看到包括两大主要模块，首先是基础层， 就是Apollo开发会用到的共性的语言和编程方式； 其次是自动驾驶技术层 ，既包括感知、决策规划、智能控制、End-to-End等自动驾驶核心能力，也包括硬件，比如GPS、雷达、传感器、车辆相关的知识和技能。

智能网联汽车技术专业是学什么的 好就业吗

学习技术可以先从自己的兴趣爱好来考虑.

考虑好自己的爱好，喜欢做什么类型的工作，那份工作需要什么技能槐世清，然后去学习，去培养。

考虑今后几年或者5年的发展趋势，往热门行业或者新行业去试探，返并热门行业和新行业在未来几年都会有人才短缺的现象。

对学校的实训设备，实训情况，教学内容，校园环境各方面答做一个详细的了解后再进行选择。

相关专业介绍：

1.汽车运用与新能源工程师专业

培养方向：汽车服务企业的管理人才、维修人才、专项服务人才、新能源汽车技术方面的人才。

2.汽车运用与智能网联专业

培养方向：培养新能源技术服务企业、非汽车类知名企业所需的智能网联、新能源技术相关岗位人才。

3.汽车装配与维修专业

培养方向：面向汽车行业，培养具有汽车专业知识和实践动手能力，同时具备较强的汽车装配、汽车维修、车身焊接、汽车涂装能力的技能型人才。

4.商务会计专业

培养方向：培养各类企业所需的出纳、会计、审计、财务主管、财务总监等专业人才。

基于5G通讯基础，系统学习智能网联汽车的检测诊断，智慧交通，基站运维知识，毕业后可从事智能网联汽车集成装调，汽车检测维修，运维测试，服务营销等岗位工作。