2024微乐麻将插件安装是一款可以让一直输的玩家 ，快速成为一个“必胜”的ai辅助神器
，有需要的用户可以加我微下载使用 。2024微乐麻将插件安装可以一键让你轻松成为“必赢 ”
。其操作方式十分简单，打开这个应用便可以自定义微乐小程序系统规律 ，只需要输入自己想要的开挂功能
，一键便可以生成出微乐小程序专用辅助器，不管你是想分享给你好友或者2024微乐麻将插件安装ia辅助都可以满足你的需求。同时应用在很多场景之下这个微乐小程序计算辅助也是非常有用的哦 ，使用起来简直不要太过有趣 。特别是在大家微乐小程序时可以拿来修改自己的牌型，让自己变成“教程
”
，让朋友看不出
。凡诸如此种场景可谓多的不得了，非常的实用且有益 ，

点击添加客服微信

1、界面简单
，没有任何广告弹出，只有一个编辑框。

2 、没有风险 ，里面的微乐小程序黑科技
，一键就能快速透明 。

3
、上手简单，内置详细流程视频教学 ，新手小白可以快速上手。

4、体积小
，不占用任何手机内存，运行流畅
。

2024微乐麻将插件安装开挂技巧教程

1 、用户打开应用后不用登录就可以直接使用 ，点击微乐小程序挂所指区域

2
、然后输入自己想要有的挂进行辅助开挂功能

3、返回就可以看到效果了
，微乐小程序辅助就可以开挂出去了
2024微乐麻将插件安装

1 、一款绝对能够让你火爆辅助神器app，可以将微乐小程序插件进行任意的修改;

2、微乐小程序辅助的首页看起来可能会比较low ，填完方法生成后的技巧就和教程一样;

3
、微乐小程序辅助是可以任由你去攻略的，想要达到真实的效果可以换上自己的微乐小程序挂。

2024微乐麻将插件安装ai黑科技系统规律教程开挂技巧

1、操作简单
，容易上手;

2 、效果必胜，一键必赢;

3
、轻松取胜教程必备 ，快捷又方便

车东西

文?|?晓寒

秘密研发6年、团队规模超过2000人！华为在自动驾驶领域
，终于亮出了王牌 。

名为ADS的“高阶”自动驾驶方案即将在2022年Q1登上量产车，可让消费者在“自家车库 ”到“公司车库
”之间 ，全部实现自动驾驶
。

你没看错
，就是日常通勤的驾驶任务全部交给汽车来做——这就是L4级自动驾驶系统的功能。

如果能够实现量产，ADS将直接碾压现存所有L2和期货L3级系统 ，是典型的“高维打低维”做法 。不得不说
，华为出手确实很有分量
。

刚刚过去的北京车展上，ADS方案以PPT的形式进行了简单展示 ，但具体包括哪些功能 、驾驶责任如何划分
、背后拥有怎样的技术细节等关键问题都没有披露。

华为智能汽车BU智能驾驶产品线总裁苏箐

国庆假期之后
，车东西立即独家对话了华为智能汽车BU?ADS智能驾驶产品线总裁苏箐，得以提前窥见ADS的全貌、背后技术细节和研发历程 。

一 、通勤任务全部交给ADS?L4当L2用

ADS全称为Autonomous?Driving?Solution ，官方中文名为“华为高阶自动驾驶系统 ”
。

理解ADS，可以从功能和责任两个部分出发。

首先是功能
，ADS是要在车主“小区车库”到“公司车库
”全段路线上，实现连续的自动驾驶体验 。

意思就是说 ，从自家车库上车那一刻起
，车辆就负责所有驾驶操作——开出地库
、开上城市道路、开上环路 、开下环路
、进入城市路况、进入公司地库
。

现存的L2级系统，包括奔驰刚刚发布的期货L3 ，都是部分区域可用的系统
，比如在环路（快速路） 、车道线清晰的路段可用，在无车道线的道路、十字路口等红灯（特斯拉FSD可自行等红灯） ，或是车库等场景无法使用。

ADS城市自动驾驶测试视频

与此同时
，L2级系统在变道
、上下匝道，或是通过红绿灯时（如特斯拉Navigate?on?Autopilot和FSD）还需要人类驾驶员给出指令并确认路况 ，整个使用体验并不连贯 。

ADS则解决了上述两个问题
，一是实现了上述通勤场景的全覆盖，ODD（运行区域）远超现存L2和期货L3。二是变道、上下匝道 、等红绿灯的操作 ，均由车辆完成
。

所以从功能上说，ADS就是点对点的L4级自动驾驶——这也是华为将其称为高阶自动驾驶方案的原因。

当然
，ADS的技术架构也来自L4级自动驾驶系统，这一点下文会详细聊到 。

理解ADS的第二个关键点是责任划分问题
。

按照SAE或者工信部的标准 ，华为ADS属于L2级自动驾驶系统——系统提供辅助
，驾驶责任由驾驶员承担。

ADS在快速路自动驾驶测试视频

华为ADS智能驾驶产品线总裁苏箐告诉车东西，驾驶员在使用ADS时 ，纵横向控制由车辆完成
，但驾驶员需要全程注意路况，随时准备接管 。

“在安装了驾驶员注意力监测系统后 ，ADS也允许驾驶员松手
，但允许松手多少时间，则由车企进行定义
。”苏箐说道。

看到这里其实要理解ADS已经非常容易了——卖给消费者一台具备L4级自动驾驶能力的乘用车 ，但责任划分则按照L2级自动驾驶设定 。

让驾驶员变成安全员
，全程监测系统运行，并可以随时控制车辆
。

二
、雨天挑战上海街头?从容应对中国式交通

说了这么多 ，那么ADS到底表现如何呢？通过华为提供的一段路测视频，即可看出高下。

华为ADS测试视频

该视频拍摄于上海街头
，可以看到当天下着中到大雨甚至暴雨，雨水有时候甚至已经模糊掉了摄像头 ，很容易影响摄像头、激光雷达等传感器
，路上还有较多社会车辆，路况很复杂 。

在通过红绿灯十字路口时 ，车辆的感知系统识别到了绿灯
，决定继续前行
。路口地面上并没有车道线，但有高精地图的帮助 ，车辆稳妥地按照规划的路径行驶.

ADS测试车在路口准确识别到了8个红绿灯

随后车辆来到了一个较为复杂的十字路口并准备左转。

左侧高架桥会影响车辆的定位精度
，同时前方还出现了8个红绿灯，对自动驾驶系统来说也是一个不小的挑战 。

从视频画面看 ，ADS系统准确识别到了所有的信号灯
，并且还知道在直行绿灯亮了之后进入左转待转区。随后绿灯亮起，测试车完成左转
。

在一条右侧停满了其他车辆的狭窄小路上 ，本车道和对向车道各自出现了一台电动自行车，视频中两个目标都被准确识别 、跟踪
，并被显示在生成的3D场景之中。

ADS系统识别电动车

车辆在小路继续行驶，前方突然出现了一辆人力三轮车横穿马路 。如果识别不到 ，就会出现碰撞危险
。

ADS系统准确地识别到了这个目标
，车辆选择减速缓行，待三轮车完成转向后再加速行驶。

ADS测试车躲避人力三轮车

在中国的城市道路上 ，电动自行车
、人力三轮车
，甚至是马车、驴车都有可能出现，同时还会出现逆行 、随意横穿马路
、加塞等不遵守交通规则的行为 。

这些现状 ，都会让特斯拉Autopilot等成熟系统出现水土不服的情况——识别不了五花八门的交通参与者、决策算法没有考虑不遵守交通规则的行为等
。

随后测试车开上了一条环形匝道
，转了一小圈后汇入快速路的车流。

快速路与高速类似，虽然看起来简单——一直往前开 ，但难点其实在变道超车和处理加塞两个方面 。

在即将通过上海地标南浦大桥时
，车辆检测到前方黑色轿车速度较慢影响行驶，同时左侧中间车道空闲后 ，主动向左变道超过了前方慢车，保持在中间车道行驶
，自主完成了变道超车动作
。

行驶至大桥中央时，后方一辆宝马5系旅行车快速超过测试车 ，然后在较近的距离并入测试车前方——这就是L2级自动驾驶系统最害怕的Cut?in场景。

ADS测试车躲避加塞车辆

L2级系统面对这种情况
，要么是突然一个急刹车影响驾驶体验 。要么是无动于衷继续驾驶，导致驾驶员被迫紧急接管车辆
。

视频画面中 ，ADS测试车从60公里/小时的速度减速至55公里/小时
，让5系旅行版完成并线。待其走远后，又恢复至60公里/小时的速度 。

这就是L4级自动驾驶技术架构对L2级系统实现降维打击的一个典型案例——不管是传感器还是软件算法 ，都是“碾压 ”级的存在。

苏箐告诉车东西
，华为ADS系统目前在中国做测试，专门对中国路况常见的电动车 、Cut?in
、汇入车流、超车等场景做优化 ，就是为了给中国消费者提供最合适的自动驾驶体验
。

从这段4分钟的路测视频来看
，华为ADS的表现是相当不错。

三 、单车智能实现AVP?车队学习扩宽使用场景

从前一部分看，ADS其实就相当于是把L4级系统当做了L2级系统来用 。但ADS其实还真有一个真正意义上的L4级功能——AVP自动代客泊车
。

在上述通勤场景的两端 ，是用户小区的车库和公司车库，ADS目标是实现在这两个停车场的AVP功能。

“用户只用自己开车入库一次
，系统就能学会这个停车场的停车路径和方法 。
”苏箐介绍道，“下次再到车库 ，停车过程即可由车辆自行完成
。”

用户在第一次人工停车时
，可以自定义下车的地点——比如进入地下车库前的入口处，或者是进入地库后的某个位置。

苏箐强调 ，从技术上来说AVP可以允许驾驶员下车使用——一个L4级自动驾驶的过程 。

不过因为目前我国法律还尚未规定是否可以在公共停车场使用AVP功能
，因此苏箐表示，“华为非常不建议用户离开车辆来使用AVP功能 ，更多的是要减轻用户驾驶负担 ”
。

包括AVP在内
，ADS的所有功能都完全依赖单车智能予以实现，因此AVP功能理论上在所有合适停车场都可以使用。

再加上车队学习功能 ，用户在使用AVP时
，会越来越方便 。

AVP系统可以共享停车信息
。比如A车去过B停车场，A车就会自动构建B停车场的3D地图 ，并将3D地图、周边环境等信息传回云端，随后再通过OTA分发给其他车辆。

某一天待C车要去B停车场停车时
，可直接使用AVP功能 。随着越来越多的车辆使用AVP功能，支持的停车场也会越来越多 ，最终变成“通用
”功能。

四
、ADS如何实现？采用L4级自动驾驶技术打?

在苏箐看来
，最近两年出现了不少L2级自动驾驶系统，但绝大部分功能的开启都有严格的应用范围和限制条件 ，不仅在很多路况、交通状况下无法使用
，也不能满足中国消费者以城市路况为主的通勤需求
。

正是看到这一痛点，华为才决定研发ADS系统 ，直接来解决通勤问题。但通勤涉及到多种场景
，尤其是城市路段，系统复杂度指数级上升 。

“所以ADS采用了L4级自动驾驶的技术架构 ，”苏箐说道
，“不这样根本没法用
。 ”

ADS技术架构

硬件配置上，ADS方案会使用2~3个车规级100线混合固态的激光雷达 ，同时还有十几个摄像头和6个毫米波雷达，可谓是武装到了牙齿
，配置丝毫不输L4级无人出租车。

计算中枢是名为ADCSC（Autonomous?Driving?Central?Super?Computer）的域控制器，算力充沛 。

软件上 ，感知部分华为使用了多种AI技术
，直接将自研的毫米波雷达和激光雷达生成的点云，以及摄像头视频画面进行像素级的融合（即前融合） ，保证了感知能力
。

此前一些自动驾驶公司做前融合多为激光雷达和摄像头的融合
，毫米波雷达则直将接输出的目标与前两者的感知结果融合。

华为拥有自主研发的毫米波雷达，因此可以拿到毫米波雷达最原始的点云数据 ，将三种传感器同时进行像素级前融合和结构化数据融合
，在技术上更进了一步 。

ADS使用的部分传感器

ADS要在城市内实现自动驾驶（L4级的功能，L2级的责任划分） ，也就是说要能够处理红绿灯 、十字路口等各种场景
，并躲避行人
、自行车、三轮车 、外卖小哥等各种交通参与者
。

这意味着，传统L2级系统在决策部分使用的基于规则的算法无能为力 ，需要在决策部分引入AI技术。

苏箐介绍称，华为在决策部分以规则为框架划定了不同的单元格
，然后在每个格子内进一步引入了机器学习技术 。

“纯AI的算法不可控，只有将规则算法和AI技术融合才能兼顾效果与安全性
。
”苏箐说道。

当然 ，ADS方案里也有高等级自动驾驶必备的高精地图系统
，这也是其能够实现全段通勤自动驾驶的关键 。

五
、车队学习解决地图和数据难题

面对复杂的物理世界场景，自动驾驶功能离不开高精地图 ，但使用高精度地图又会带来两个问题：没有地图数据的区域无法使用自动驾驶、高精地图数据难以实时更新从而影响自动驾驶系统。

对此
，苏箐称华为ADS自动驾驶团队已经有了一套解决办法
。

首先，ADS的全段通勤功能会根据地图的覆盖情况 ，逐城开放给用户。比如优先开放一线城市
，随后逐步覆盖二三线城市 。

值得一提的是，华为自己也拥有甲级地图测绘资质和地图团队 ，本身就具备高精地图制作能力
。同时
，华为也打造了一个地图平台，希望和其他合作伙伴一起来加速制作高精地图。

其次 ，在场景相对比较单一的高速（快速路）和停车场路况，无需高精地图即可使用ADS的功能
，比如自动跟车/自动超车 、AVP等功能 。

按照苏箐的说法，这种设定最大程度的扩大了ADS的ODD——有高精地图的就用通勤自动驾驶功能 ，没有地图的地方也可以使用自动驾驶功能
。

再次
，车队学习功能可以帮助更新高精地图。

搭载ADS系统的车辆本身就拥有诸多传感器，在日常行驶时可用至少两台高线束激光雷达和摄像头来收集道路变化数据 。

当ADS车辆越来越多 ，行驶里程越来越多的时候
，就可以加快高精地图的更新频率
。

ADS可自行生成周围地图

“高精地图的底图制作仍需要专业的采集车来完成，ADS车辆仅负责变动部分数据的采集和更新。”苏箐解释道 ，ADS车辆在行驶中还会自己建立一个路谱
，在遇到实时感知的路况
、高精地图、自建路谱的数据不一致时，会计算三者的置信度 ，从而决定车辆行为 。

如果车辆遇到无法处理的极端情况
，会先保持一定的路线行驶，同时呼叫驾驶员接管
。

ADS的车队学习功能除了用于共享AVP和地图信息 ，另外一个关键用处是收集驾驶数据，从而用来训练感知和决策系统中的AI模型
，最终提升系统表现。

特斯拉的Autopilot系统也有类似的设定，叫做影子模式 。

在过去数年 ，特斯拉旗下车型销量突破百万台
，Autopilot系统的行驶里程超过30亿英里（约合48亿公里）。车队收集到的数据不断给Autopilot系统的迭代提供“养料 ”，才造就了Autopilot当今最强L2的地位
。

苏箐告诉车东西 ，华为ADS的车队学习模式会收集多种数据传回云端
，除了前文提及的道路环境信息，在驾驶员出现接管 ，或者出现不舒适运行（如急刹车）时
，系统也会将相关数据传回云端用以改进。

自动驾驶车辆拥有诸多传感器，如果传回的数据太多 、太大 ，都不方便实际操作 。为了解决这一问题
，ADS系统在收集到目标数据后，首先会在本地进行预处理 ，将其精简为结构化的数据，最后再做回传
。

六
、秘密研发6年团队规模超2000人?后年商用

2019年开始
，华为零星地对外透露了自己在汽车领域进行的一些工作和布局，外界此前仅知道华为在研发自动驾驶系统 ，但却并不知道技术细节与打法。

仅仅过了一年时间
，ADS方案就借着2020年北京车展的机会展现在了公众面前 。并且首次公开，就给出了“L4当L2用
”、“实现通勤道路全段自动驾驶”的重磅消息 ，颇有一丝横空出世的感觉
。

“不考虑此前技术积累的时间
，仅从自动驾驶技术直接研发开始统计，ADS的相关研发已经有五 、六年的历史。 ”苏箐笑着说道 。

据他介绍 ，华为在2014年左右就开始秘密研发自动驾驶技术
，团队规模也从最开始的一两百人，急速膨胀到今天的2000多人
。

华为自动驾驶团队上海办公区

即使放在全球来看 ，这也是全球最大的自动驾驶团队之一
，只有百度、谷歌Waymo
、通用Cruise、Uber等大型集团才能养得起这种团队。

团队构成方面，苏箐称这2000人的团队既有来自汽车产业的自动驾驶人才 ，同时还有大量名校相关专业毕业的博士，以及华为内部成熟产品线的人员 。

比如苏箐就是在华为工作了20年的老兵
，是华为麒麟芯片及解决方案的创始人 、海思昇腾芯片及解决方案的联合创始人，并在2014年开始领导研发ADS系统
。

高等级自动驾驶系统的研发极其依赖实际路测数据。

谷歌Waymo在技术上领先全球 ，一个关键原因就是其拥有全球最大的路测车队
，积累了最多的路测数据——超过2000万公里 。

苏箐并没有透露华为具体积累了多少路测里程，仅表示目前有四五百台车辆在国内进行路测（一半车辆为车企拥有） ，实际路测里程放在国内来说
，“算的上是TOP的存在”。

目前，国内自动驾驶公司路测里程最长的玩家为百度 ，累计达到了600万公里
。照此来看
，华为自动驾驶的路测里程也不会低于600万公里。

量产上，ADS已获得不错的成绩 。

苏箐透露 ，ADS现已拿下多家车企定点
，在2022年第一季度就有多款车型将搭载ADS方案上市，轿车和SUV都有覆盖 ，并且是以纯电车型为主
。

“这里面汽车品牌多样。
”苏箐自信地说道，“我们可不是期货
，2022年第一季度用户直接可以买到车，买到就能用ADS 。”

ADS系统使用了至少2个高线束激光雷达
、多个毫米波雷达和十几个摄像头
。这种直接叫板无人出租车的豪华配置 ，是否让该方案的成本变得极其高昂呢？

对此
，苏箐回复称ADS方案的价格属于中等水准，主要瞄准的是售价在20万以上的车型。

现在普通的L2级自动驾驶系统 ，售价10万左右的车型即有搭载 。已经发布的两款期货L3级系统
，则需要在起售价近百万的高端汽车品牌车型上才能配备
。

相比之下，ADS系统装在20万以上车型之上 ，也算是中等水准。

结语：华为提供了自动驾驶量产新思路

经过多年发展后
，全球自动驾驶产业正面临一个尴尬境地 。

以谷歌Waymo、百度Apollo等科技公司为代表的高等级自动驾驶路线上，取得了一些突破 ，但距离大规模部署无人出租车 、实现技术变现仍然遥遥无期
。

以传统整车厂为代表的渐进路线上
，L2级自动驾驶系统迅速实现了普及，但再往前走的L3级自动驾驶却成了“技术黑洞 ” ，至今无一家公司能够实现量产。

在这种背景下，华为ADS的“L4当L2
”用的思路
，就是给业界提供了一个非常好的“曲线救国”的办法 。

一方面，“通勤自动驾驶 ”的功能设定 ，让乘用车的自动驾驶系统不在是摆设
，能够在日常驾驶中发挥作用，也助力车企突破了L2级自动驾驶的天花板。

另一方面 ，既然无法解决所有的Corner?Case保证系统绝对安全
，那就在驾驶责任上将L4级系统按照L2级系统来用——驾驶员全程监测路况，但纵横向控制 ，全程都由车辆完成
，使自动驾驶系统具备了量产的可能，提前量产了L4级自动驾驶系统
。

某种程度上来说 ，搭载ADS的车辆就是一台L4级无人车
，驾驶员则变成了安全员。

更重要的是，一旦实现大规模量产 ，数十万
、数百万台的车队每天都会收集大量数据返回给华为，帮助最终突破极端场景
，让人类真正进入开车可以睡觉的无人驾驶时代 。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场
。

陈亦伦。华为是全球领先的ICT（信息与通信）基础设施和智能终端提供商 ，致力于把数字世界带入每个人、每个家庭 、每个组织
，构建万物互联的智能世界，华为无人驾驶技术大伽是陈亦伦 ，陈亦伦既是华为自动驾驶系统CTO
、也是车BU首席科学家
，从0到1主导完成了华为第一代自动驾驶系统的全栈研发，直接负责的子部门 ，则是智能驾驶产品部
，陈亦伦博士既是华为自动驾驶“大脑
”，也是华为推汽车战略的核心产品负责人 。

关于“独家 | 华为提前量产“L4” ”这个话题的介绍 ，今天小编就给大家分享完了
，如果对你有所帮助请保持对本站的关注！