汽车安全设计中，目前有三种选择方案：最简设计中每个子系统没有冗余保障，在系统发生故障后将影响整个自动驾驶系统的运行;冗余设计则增强了子系统的鲁棒性，一旦其中一个损坏依然不影响汽车的正常运作，但同样的两个系统同时运作却得出不同指令的时候，可能会给系统造成困扰;最优方案是择优设计，既提供了冗余安全，也能在子系统指令不同时择取最优方案。
英特尔在自动驾驶的进展
英特尔目前有着基于大数据的一整套自动驾驶开发流程：从收集数据，分类标注，建立数据库，设计和训练模型，验证准确性，优化模型，直到装载在量产车上，英特尔在不同阶段也部署了不同的研发人员和技术能力(包括数据标注人员、数据科学家和软件开发师)。
英特尔推出的Intel Go平台则是横跨汽车、连接和云的全新汽车解决方案，同时发挥自动驾驶的中央计算平台、5G通信平台以及云端数据中心的作用。
问答部分
Q：在无人驾驶系统中，有没有识别率更高、训练更高效、终端计算量更好的深度学习方法?
A：算法还在不停改进，训练量大小现在还不是最关心的，所有的厂家最关心的还是检测能力有多高，能发现多少问题，证明系统的可行性。训练得等到将来产品出来的时候才会变得更重要。此外，识别环境这部分的算法很多人都能掌握到，但算法的强弱在第二部分会区分开来，在汽车怎么和别人互动这方面不同企业间的算法能力会有很大区别。
Q：算法研发最大的难度是什么?
A：我感觉是算法需要照顾到方方面面，估计到所有可能的驾驶场景。训练的样本数据需要有代表性，否则输出的结果很难上路。没有数据无法训练。比如，高速上下匝道的并线、环形道并线是比较困难的例子，这些问题现在还没有完全解决。
Q：目前自动驾驶主要的算法路径有哪些?哪些是最优的?
A：自主学习很多人都在谈，但受到数据样本的限制，神经网络可能无法覆盖到更多的场景。因此还需要人为设定规则。此外，汽车的特殊性要求它的驾驶行为必须可解释，以满足政府部门的监管需求和消费者的信任。
Q：数据的传输储存有什么策略吗?
A：现在有个领域，汽车上传非常规的数据到数据中心，用于算法的继续优化，其他日常的数据可能交由本地处理。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
