Ariel Feitelberg：“你好！”感谢主办方的邀请，也感谢各位来听我的报告，前面几位嘉宾讲得都非常精彩，我想给大家介绍ADAS和AV交互，也就是我们的主要技术。

Mobileye是1998年开始做的，最开始就是做ADAS，今天我们有1000多名员工，大多数是工程师，我们也有超过4000万的车应用ADAS系统，今年我们已经发了1800万单，包括和24家整车厂的合作，成功出台了16个新的产品，所以AV也是一个很有意思的人工智能案例。我们可以看到两个重要的自动驾驶因素都是由人工智能促动的：一个是感知到周围的世界，不仅仅是作为一个人，而是要感知到自动驾驶。另一个是行为或者决策，需要知道怎样来做安全的、正确的决定，如果要上路的话需要和其它的车互联互通。

通过这样的方式，我们可以看到一个零交通意外的事件，帮助我们建立起智能城市，包括出行A点到B点的服务，自动驾驶出租车等等，未来几年可能都会转换成为现实，已经处于一个临界点了。私人驾驶的汽车可能还需要几年的时间，主要也是因为成本太高，同时也是因为监管的原因。

前面的就是L0和L2，另外的就是L3和L4，主要是依靠系统而不是驾驶员。

刚刚提到我们是做ADAS的，我们也开始关注自动驾驶汽车，二者可以说是非常互补的。自动驾驶当中需要地图和导航的能力，所以我们就做了导航，通过导航能力放到ADAS当中提高功能，例如高性能的中心、高性能的本地化服务，都是可以从绘图导航当中过来的，之间的功能和使用是可以互相影响的。ADAS的经验可以进一步促进自动驾驶功能的发展，包括一些安全的功能。

首先是雷达，现在路上有4000万辆车都是做了我们的项目，我们收集他们的数据，确保他们都是安全的，所以我们有非常丰富的数据。

其次是方法，通过什么样的方法保证安全，这两点是很互补的，也会帮助我们不断开发我们的业务。

现在全球的趋势就是不断应用ADAS，也是得益于监管方的要求，目前在欧洲ADAS的采用比例是越来越高的，也是在世界各地包括在中国都是如此，除此之外还有监管的要求，中国的商用车必须要有最基本的ADAS功能，欧洲或者世界其它地方也有类似的监管要求。当然，这种需求不仅仅是因为监管方，同时也是因为客户的要求，我们可以看到客户需要更加高级的功能，因此在2018年有54个车型，他们都会有更高级的功能，比如ACC和堵车分析等等。

接下来和大家分享另外一个例子，这是我们摄像头的功能，经过这样一个减速棒，可以开发一个功能帮助它更好地识别减缓速度的棒，这样就能够减少通过这个地方产生的车辆的晃动和振动，这是前置摄像头可以帮助我们实现的功能。

Mobileye有着核心的资源帮助我们实现自动驾驶，我们会有视觉传感器帮助我们了解到周边的环境，也有OSS决策系统规划路线，此外还有地图系统和计算能力帮助我们完成这些复杂的算法。

我们移动出行的理念就是要实现自动化，这是非常重要的一点，希望出行成为一个非常重要的空间，实现这一点视觉是最重要的，需要我们各种各样的元素，我们要搞清楚我们的路线、我们的边际、我们的视线范围，能不能识别出路上的物体或者人，也要帮助我们理解这些非对称或者非线性的内容。

如果看到前面150米有一辆车，你不会问这是150米还是120米，关心的是这辆车是不是在你的车道，如果开了应急灯，这就是一个非常有意义的数据，你会关注的是这些信息。当然，我们的摄像头会关注这些信息，很多摄像头的精度不如激光雷达和其它摄像头，所以我们的展示设备都有安装端对端的摄像头。

在此基础上我们还有另外一个系统，包括激光摄像头和普通摄像头，我们觉得这些对我们的功能是非常有意义的，能够提高我们的冗余性，保证更好的安全。

我们这里有12个摄像头，今年年底可能只有10个摄像头，前面的几个能够帮助我们更好地获得前方的视野，所以摄像头都是有120度的广角，而且是高清的，这样的话能够让你实时获取360度无死角的数据。

当然，我们还要识别非常近距离的设备，所以我们还有停车的摄像头帮助我们识别最近的、近距离的物体，这样的话就能够获得远近360度无死角的数据，然后得到相关的分析。

这些是我们正在进行的一些测试，包括识别行人等等，不仅仅是识别出了一些人，还可以识别一些信息，比如识别应急灯光信息和右转灯的信息，不仅仅是识别物体，也能够知道车辆散发的信号代表的含义。

我们能够识别出门有没有被打开，这对安全来说是很重要的，如果门打开了就是一个非常重要的语义信息，证明可能会停下来，所以这种模式识别、意思识别、意象的识别是很重要的，不仅仅是识别物体的存在。

我们还会做一些模型，比如行人图像的轮廓模型，帮助我们更好地定义这是一个行动的物体还是一个行人，这样的话就能够使鲁棒性得到增强。

我们正在开发一个手势分析，比如在开AV的时候，如果交通灯不起作用，而是由交警指挥，那么就要识别交警手势代表的含义。

其它的模式识别包括各种各样的道路信息，比如不同道路的设置、电线杆和井盖信息，我们做成这种场景模式的识别，帮助我们更好地应对路况。

这些就是模式识别和相关的算法，下面和大家分享一些移动分析模型。大家还记得之前的视频吗？就是走过缓冲带，帮助我们减缓振动，这就是我们的移动识别。这段视频当中可以看到好像没有任何缓冲带，所以根本识别不出来，如果是用模式识别的话，但是可以看到加上动作识别的话，我们好像在经历一个缓冲带，能够在抵达缓冲带之前通过移动分析找到识别点，这项技术能够帮助我们进行动作识别。

现在我们检查图片当中的动态，看一看这个动态当中是否存在几个点的变化，如果有变化的话我们能够识别这个地方可能存在一个缓冲带，所以能够进行调整。

我们分析轮胎的运行轨迹，然后做出相关的预判，通过这些可以分析路上有没有风险，前面有没有修路，这里有没有一些低洼的坑等等。有的时候路上会出现一些坑坑洼洼的补丁地带，通过移动的模式分析也能够捕捉到这些信息。

我们还可以再延展一下这个技术，就是做像素级的分析，这样的话就可以知道每一个像素点的高度，然后把这些数据进行精细化分析了解它的深度和远度，然后可以从一个更深度的几何层次进行分析。蓝色就是离我们非常近的物体，红色就是离我们比较远的物体，可以看到尽管这里有些石头，我们可以判断出这个石头距离我们的远近和高度等等。

我们训练这个系统让它变得更加聪明，了解地面的高度和深度，这样的话不仅能够判断静态的路况，也能够判断动态的路况，只用一个摄像头就可以实现这一点，也是视频当中实时显示的道路的高度和深度，通过这种做法就能够识别制定3D像素级别的数据，利用一个摄像头就可以生产出四个不同的数据，包括动态的、静态的、深度的、宽度的数据，也就是动态移动实时分析。

这些就是像素级的分区，我们可以判断到底是路中的还是不在路中的，绿色的就是在道中的，其它颜色就显示不是在路内的，这样的话就能够更好地规划行驶路径、选择道路。我们把这个算法在复仇者联盟的电影画面当中使用，可以看到一个物体突然飞过来了，不是通过动态分级，而是通过像素分级，我们就能够迅速地判断这个飞来的物体不是路中存在的，而是外来的，这样就可以及时进行识别。

我们还可以再做一些具体分析，不仅仅是路中物体还是非路中物体，可以判断一下到底是什么物体，防护带的物体还是道路外的设施，能够分清楚是路中的设备设施、路旁的防护带，还是突然出现的路中物体等等，还有视觉处理能力和算法研究。

接下来和大家分享一下我们的地图映射，就是一个云端的地图，我们运用ADAS设备，之前还有谈到今年我们已经出货800万台的汽车，也有大量的汽车拥有ADAS，能够帮助我们采集数据，越来越多的汽车正在使用ADAS，这样的话可以帮助我们收集各种各样的数据，也是用于地图制作更新的数据，如果我们有足够的车辆上传这些数据，能够帮助我们实时地、快速地更新这种高清地图，也是我们能够实现的一点。

装载ADAS的车辆在收集各种路况信息上传我们的系统，每一个数据都会变成一个数据包，带宽也是非常低的，而且是加密的，发到云端我们就会有各种各样来自不同汽车的数据包，我们进行集成集合，然后生成一个我们所说的地图，再把云端的数据发给每一台终端的设备，这些汽车就能够实时地把地图信息加载到算法当中。

目前我们已经绘制了日本高速公路的地图，差不多2.5万公里的长度，尼桑也会把我们的技术应用到他们最新的无人驾驶版本当中，这个周末我们也会完成欧洲欧盟数据的采集，预计明年会完成美国数据的采集，希望中国大陆在明年年底或者到2021年采集完我们的数据。

我们也和许多整车厂有合作，收集他们的信息应用，现在总体的数据传输可以涵盖2500万辆车，除了绘图之外就是决策方面，就是说你要预测，同时需要做出判断，这可能是很麻烦的，因为需要确保安全，整个自动驾驶的汽车行业当中是不能出交通意外的，出了交通意外或者因为自动驾驶汽车出了交通意外是不行的，我们要有绝对的安全保障，同时还是要有敏捷的驾驶，不然的话这个车卡在路上不动了，所以自动驾驶汽车必须可以进行沟通和判断，不会说卡在路上可以更好地判断、更好地进行敏捷的驾驶和交通。

我们要找到一个可以换道的地方，完成这一点我们的员工就做了RSS系统，也就是责任到底有哪些，一个人类驾驶员在城里开车，旁边停了一排车的话，你可能会和它们保持一定的距离，假设会有一辆停着的车开出来，所以经过一排停着的车的时候会开得比较慢，并且保持一定的距离，如果有一个自行车可能是从这一列车当中突然冲出来，因为你一直开得很慢，保持着一定距离，所以不用负责。我们要确保合理的驾驶方式到底是什么样的，这也在很大程度上取决于每一个市场的驾驶行为习惯不一样。

之后我们需要进行衍生，也就是要有自己的编程系统，能够发现到底是不是处在一个危险的环境当中，并且如何做出恰当的反应，能够在车里实施决策，发现危险的情况就能够改变自己的行为，不要自己造成交通意外，这就是RSS的概念，我们可以通过我们的安全协议和安全驾驶标准实现，大家想要获得更多信息的话，我们也有出版我们的研究文章，大家可以免费下载阅读。

之前还有提到我们需要高效的芯片，也在一直开发我们的芯片，适用于我们特定的算法，去年开始我们已经做了第四代芯片，到了2021年我们会做到第五代芯片，就是会更加强大，第六代是2023年，运营能力可以达到120。

我们来看几个例子，其中一个是在以色列，今年4月份做的，可以看到这辆车遇到的一些比较有意思的挑战，这是只依赖于摄像头做的，所以可以看到在一个十字街口有一个行人过来，我们可以一直驾驶，或者道路被阻断的话超车要怎么办，开到环岛的时候我们的车也非常的顺畅，需要躲避一些超车的车辆，很安全地度过了这个环岛。

可以看到我们过了一个红绿灯，发现是绿灯，然后到环岛的时候成功右转。这是一个狭窄的道路，对面有车来了，系统还是表现得很好。这是未受保护的左转弯，我们必须找到恰当的时候安全左转，必须很敏捷、反应很快，不然的话就一直以停在那里等了。我们找到一个空档，能够马上左转，而且是安全地左转。

这是现在我们在以色列的车队管理公司一起合作的项目，现在处于商用阶段，2021年会在特拉维夫开始第一期商用，2022年会推广到以色列全国。