蘋果公司在自動駕駛技術(shù)研發(fā)上一直保持著神秘，直到2017年4月美國加利福尼亞州機動車管理局公示蘋果獲準(zhǔn)路測，蘋果的造車計劃才得以證實。

其實，世上本沒有密不透風(fēng)的墻。專利文獻蘊含了大量的技術(shù)信息，專利制度作為一種能夠壟斷市場的權(quán)利，申請人在就技術(shù)方案謀求保護的同時，也被要求披露技術(shù)方案。美國專利尤其規(guī)定，專利申請人必須在專利申請文件中披露其已知的實施發(fā)明的最佳模式(即最佳實施例)，一旦被發(fā)現(xiàn)隱瞞信息，將會導(dǎo)致專利權(quán)的不可執(zhí)行。從美國專利商標(biāo)局（USPTO）最新公開的專利文獻中，可以看出蘋果公司布局自動駕駛核心技術(shù)的野心。

一、“自主導(dǎo)航系統(tǒng)”專利技術(shù)近期遭披露

2017年12月，美國專利商標(biāo)局公開了蘋果公司的一項自動駕駛專利，這項專利為US20170363430“自主導(dǎo)航系統(tǒng)”（Autonomous navigation system，申請日2015-12-4，公開日2017-12-21）。

在行駛過程中，車輛能根據(jù)行駛路線的特征進行自主導(dǎo)航。這些路線特征是有關(guān)路線的一組驅(qū)動規(guī)則，它們由監(jiān)視路線的（一個或多個）車輛的導(dǎo)航系統(tǒng)所識別、開發(fā)，并在車輛行駛過程中進行實時更新。這些路線特征被車輛傳輸?shù)竭h程系統(tǒng)中，由該系統(tǒng)對數(shù)據(jù)進行處理并不斷完善導(dǎo)航特性。

資料來源：US20170363430

該專利描述了讓自動駕駛汽車導(dǎo)航更高效的方法，減少了不斷重復(fù)制作詳細地圖的需要。不同于許多其它自動駕駛車輛系統(tǒng)基于靜態(tài)信息（如地圖）進行導(dǎo)航，并使用傳感器識別變化特征的做法，蘋果的這項專利技術(shù)將優(yōu)先使用存儲在本地的數(shù)據(jù)而非外部設(shè)備提供的數(shù)據(jù)來監(jiān)控導(dǎo)航。

二、在獲準(zhǔn)路測之前，“任意多邊形障礙物的避讓”專利技術(shù)已被公開

在2016年底寫給美國國家高速公路監(jiān)管機構(gòu)的信中，蘋果首次承認正在“重金布局機器學(xué)習(xí)和自動駕駛系統(tǒng)”。隨后在2017年4月，美國加利福尼亞州機動車管理局更新的記錄顯示，蘋果公司獲得了在加州公路上測試自動駕駛汽車的許可證。蘋果所獲的自動駕駛測試許可證涉及3輛2015年版的“雷克薩斯”RX SUV和6名駕駛?cè)藛T。與此同時，一輛白色的雷克薩斯RX450h SUV被發(fā)現(xiàn)從蘋果大樓離開，從曝光照片可以看到，這輛車上安裝了各種各樣的傳感器、攝像頭以及雷達設(shè)備。傳感器包括了Velodyne Lidar公司的64-channel激光雷達、至少不少于2個雷達以及大量的攝像頭。

資料來源：ipadown

其實在此之前的2016年年底，美國專利商標(biāo)局（USPTO）公開的一項專利已經(jīng)曝光了蘋果公司研發(fā)的自動駕駛相關(guān)技術(shù)，經(jīng)檢索發(fā)現(xiàn)，這項專利為US2016358485“任意多邊形障礙物的避讓”（Collision avoidance of arbitrary polygonal obstacles）（申請日：2015-06-07，公開日2016-12-08），由蘋果公司申請。

根據(jù)該發(fā)明公開的技術(shù)方案，防撞系統(tǒng)以每秒60次的速度更新實時路況，通過探測一定范圍內(nèi)的障礙物并計算距離，可以使車輛在路況不熟的地方行駛，有效躲避碰撞。當(dāng)檢測路徑范圍內(nèi)出現(xiàn)障礙物并有碰撞可能時，系統(tǒng)自動選擇最短路徑，計算出改變現(xiàn)有路徑所需動力，及時避開障礙物。同時，歷史躲避記錄將被保留，作為下一次操作的參考。

資料來源：US2016358485

這個防撞系統(tǒng)能夠識別二維和三維空間的物體，用于避免凹或者凸的物體，不管該物體是靜止的還是移動的。對于自動駕駛汽車而言，確定障礙物的邊緣并加以躲避是非常重要的。自動駕駛系統(tǒng)通常需要一定的時間通過攝像頭或者其他傳感器來檢測前方的道路狀況，這其中需要強大的數(shù)據(jù)處理器、復(fù)雜的檢測和躲避算法，而蘋果這項新的防撞系統(tǒng)能夠大大簡化這方面的計算。

三、除了專利，揭示核心技術(shù)的還有論文

就在1個月前，蘋果公司罕見地發(fā)表了一份關(guān)于自動駕駛技術(shù)的論文，此文具有重要意義。這篇名為“VoxelNet：基于點云的端到端學(xué)習(xí)的三維物體檢測”（VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection）的研究論文由蘋果公司的兩位科研人員Yin Zhou和Oncel Tuzel于2017年11 月17 日在獨立在線雜志arXiv 發(fā)表。蘋果公司科研人員提出了一種新軟件檢測方法—VoxelNet，可幫助計算機檢測三維物體。

自動駕駛汽車通常將常規(guī)二維攝像頭和深度感應(yīng)的“激光雷達”結(jié)合使用，以感知周圍世界。盡管這些傳感設(shè)備可提供豐富的信息，但其分辨率低。而且如果沒有常規(guī)攝像頭與其實時連接，這些傳感設(shè)備很難檢測到遠距離的小物體。但蘋果公司科研人員表示，其研發(fā)的新軟件效果驚人，僅靠激光雷達數(shù)據(jù)就可辨認行人和騎自行車的人。

資料來源：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

蘋果公司科研人員在該文中寫道，其研發(fā)的軟件僅靠激光雷達就可檢測到三維物體，優(yōu)于其它檢測方法。但這些實驗是同過計算機模擬完成的，尚未進行路測。在這份11月17日發(fā)布于在線期刊《arXiv》的論文中，蘋果研究人員詳細闡述了蘋果自動駕駛技術(shù)是如何探測行人和自行車的。盡管目前該技術(shù)只是進行過計算機模擬測試，但是研究人員在論文中表示，他們認為VoxelNet的性能要大幅優(yōu)于目前最先進的基于LiDAR 3D探測方法。

資料來源：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection

學(xué)者們習(xí)慣與其它機構(gòu)的同行自由分享彼此工作。為跟隨這一趨勢，蘋果公司在今年7 月為其研究人員創(chuàng)辦了蘋果機器學(xué)習(xí)期刊（Apple Machine Learning Journal）。在此之前，蘋果公司科研人員尚未公開發(fā)表任何關(guān)于自動駕駛汽車方面的研究報告。

小結(jié)

專利文獻蘊含著豐富的技術(shù)信息、法律信息、經(jīng)濟信息和戰(zhàn)略信息，作為一種工業(yè)產(chǎn)權(quán)，獲得專利意味著可以獨享發(fā)明帶來的經(jīng)濟效益，因此，通過專利文獻也可以充分挖掘申請人在產(chǎn)品和市場上的戰(zhàn)略意圖。

蘋果公司一貫注重知識產(chǎn)權(quán)保護和專利申請，僅在2017年公開的專利就有四千九百余件之多。盡管蘋果公司CEO 蒂姆.庫克將自動駕駛汽車稱為“人工智能項目之母”，但蘋果公司卻甚少公開其在自動駕駛汽車領(lǐng)域的計劃，哪怕在專利的技術(shù)方案公開上，蘋果也非?！敖苹钡膶⑵浔Ｗo著。在相關(guān)專利的名稱、權(quán)利要求書及摘要披露中，蘋果僅公開技術(shù)本身、甚少述及自動駕駛汽車應(yīng)用，如果不仔細審閱技術(shù)方案本身，很難通過主題詞和分類號把它們從海量專利文獻中鑒別出來。

參考文獻：

1、US2016358485 Collision avoidance of arbitrary polygonal obstacles；

2、US20170363430 Autonomous navigation system；

3、VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection；

4、載有蘋果自動駕駛裝置的雷克薩斯RX450h諜照曝光。

返回第一電動網(wǎng)首頁 >