“自动驾驶技术”是IT行业对汽车行业的一次主动跨界，所以你才会觉得“无人驾驶”的气质那么像IT，因为无论从技术还是媒体宣传，几乎都是按照IT界的玩法来的，特点就是新闻多、玩概念的也比较多、风口比较多，可能成功，当然，也可能过两年就黄了……

　　IT行业试图将汽车行业统领在自己的大数据、云计算、互联网……概念之下，但是，由于汽车事关人命，汽车产业和国民经济关系巨大，所以，互联网的这种玩法，势必也会遭到汽车安全领域现有规则的质疑和抵触，至于结果如何，我们还是拭目以待吧！

　　无人驾驶的基本原理非常简单，当前技术水平下，它的正式名称等同于“先进驾驶辅助系统”(Advanced Driver Assistant System)，小名ADAS。

　　ADAS系统包含信息采集设备和ADAS控制器，信息采集设备主要是各种摄像头、超声波雷达、激光雷达等一堆东西，ADAS控制器就是一个控制器，负责处理这些摄像头、雷达信号，并对车辆发送“转弯”、“加速”、“停车”之类的控制命令。

　　对于车企而言，显而易见，需要开放车辆的控制接口，把之前由驾驶员进行的各种操作，比如踩踏板、打方向盘、踩刹车、打转向灯等动作，转换成由ADAS控制器来发命令，去控制。

　　一般而言，车企需要和无人驾驶供应商对接好CAN协议，并对人工操作的机械运动部件进行一些必要的修改，比如给踏板增加一个伺服电机，让它根据ADAS控制器的命令来控制踏板踩下一定的深度。

　　对于ADAS供应商而言，说实话，需要做的工作比较多。总体而言，供应商需要开发ADAS控制器的算法，对采集到的多种传感器信号进行正确的处理，并控制车辆作出合适的动作。

　    瑞士以机械制造闻名世界，有分析指出，瑞士在自动化制造和计算机、人工智能方面有技术优势，有助于瑞士无人机产业提升综合竞争力。比如，得益于数百年的制表经验，瑞士在精密制造、微电子和机器人领域都拥有得天独厚的专业知识。瑞士电子与微技术中心专注于微系统的设计、加工、集成与封装，以及纳米表面工程和生物表面工程。

　　谈到这个问题，车企的朋友们难免会忧桑，因为这种技术集中度非常高的、深度大、广度小的产品系统，测试工作事实上主要是由供应商来做的，车企很少有能力做，而且即使做了，自己也不是很有信心，还是要依据供应商说的来。

　　坊间流传着一个段子，说某个车企，打听到了博世ESP部门用的是ETAS的HIL做测试(其实这个根本不用打听，猜都能猜得到，同属于一个集团的嘛)，然后兴冲冲地买了一套ETAS的HIL设备，准备等ESP系统到货之后，做一下ESP系统的HIL测试。结果博世ESP部门说，“我们都做好了，你们做啥做？不用做！”“你们想做你们就自己做，但是我们不会提供任何支持！”，然后这个车企就傻眼了，买来的HIL就成为摆设了。

　　另外，业内人士表示，国内能源、电力等国企担心无人机技术安全、数据安全等问题，可能会优先考虑国内的无人机产品。目前，在中国，深圳是无人机产业集聚地。2018年6月，深圳无人机协会公布的数据显示，深圳市无人机企业有2000多家，其中涉足无人机制造的有600多家；深圳无人机年产值达300亿元，占全球民用无人机市场70%以上。 

　　对于ADAS系统而言，大多数车企的处境相比ESP的例子，好不到哪里去～

　　ADAS控制器的算法是其核心，这是一个需要经过千锤百炼、不断优化、大量测试之后，才敢上车的控制器软件。车企所做的ADAS测试，覆盖率太低，也很难找到连供应商都还没有发现的bug。而且，ADAS的这些算法源码，车企一般是拿不到的，所以由车企去优化代码也有一定的操作困难。因此，倒不如好好对接、配合供应商，借助于实力较强的供应商的N多项目经验、技术积累，确保ADAS系统成熟可靠！

 　　不过，除了中国本土企业，瑞士无人机公司还要和北美国家的公司竞争。瑞士无人机公司想要在中国市场分一杯羹，并不算容易。 

　　当然，这个做法不适用于部分决心在ADAS控制算法领域有所建树的企业，因为这样的企业理想远大，并且投入了大量的财力人力去自主开发ADAS算法。不仅要超越竞争对手车企，而且还要超越竞争对手车企的供应商，从而彻底拉开差距，让对手再也没有机会。但是这样的企业好像不多，大家可以留言，看看国内有多少这样的企业，自主开发ADAS算法并用到量产车上的。

　　第一个模式，高校科学研究，或者企业样板工程，主要供实验室演示使用，或者写论文做研究，基本不具备实车应用价值，我们称其为“王子”。

　　这种ADAS HIL测试，其最重要的特点是，它不需要实车录制的视频文件，它的“场景”，是由一个叫“场景软件”的东西生成的。如果您不太理解场景软件的用处，那您想象一下考驾照时候用过的驾驶模拟软件，你在屏幕上所能看到的，就是“场景”，这个软件，就可以称作一个“场景软件”。

　　场景软件把生成的“场景”，转化成视频，然后，通过视频注入板卡，把视频发送给ADAS控制器。ADAS控制器对其进行处理之后，会把对车辆的“转弯”、“加速”之类的命令通过CAN总线发给场景软件PC，场景软件控制汽车在场景中实现“转弯”、“加速”等动作，就可以实现“基于场景软件的ADAS无人驾驶”了。

　　这是一个几乎不具备商用价值的ADAS测试方案，因为它的信息来源就不是真实的驾驶环境，而是由“场景软件”生成的。视频图像质量非常理想化，没有雪花毛刺，没有雾霭蒙蒙、电闪雷鸣，没有行人突然闯红灯，也没有宝马车灯突然亮起，甚至整个赛道都没有别的车辆……

　　这样一个ADAS测试方案，主要应用领域还是高校理论研究，这种理论研究的目的本来就不是为了商用，而是为了在某一技术点上，取得研究突破，发现新方法、新理论，为产业界、工程界提供理论支持。

　　第二个模式，商业应用的ADAS测试。其最大的特点是，抛弃了“场景软件”，改用实车录制的视频图像数据(以及雷达、超声波传感器信号等等)，相对辛苦一些，我们称其为“草民”。

　　所谓“学习、训练”，就是由人工开车，车上装一些摄像头，跑个几百几千公里，然后把录像拿回实验室，让ADAS控制器去学习。ADAS控制器学习的终极目标，就是能跑出和人工驾驶同样的轨迹，其方法就是识别视频里面的各类物理，对ADAS控制器内部的大量参数进行不断地迭代、优化，从而最终实现“仿生”驾驶，使ADAS控制器“计算”出来的轨迹，和视频中的真实轨迹相一致。

　　所谓人工标记，是一个更加细致的测试阶段，主要做法就是，对视频进行人工标记，由工程师先代替ADAS控制器，查看视频，并对需要处理的对策进行期望值标记。说白了，就是，一个合格的驾驶员，人工开车的时候，看到这样的视野场景，应该怎么反应，是加速还是减速，是转向还是刹车还是鸣笛，标记下来。把人应该有的正确操作，标记在视频的时间轴上，当然，这些“操作”，在无人驾驶模式下往往以“信号变量”的形式出现。然后，我们就通过视频回放设备，把视频输入给ADAS控制器，然后在同一个时间坐标系下，核对ADAS控制器的反应是不是正常的(普遍使用自动化测试的方式)，各个信号变量的值，对不对，从而为算法的进一步优化提供依据。