5．豐田－ MITCSAIL聯(lián)合研究中心（TOYOTA– MIT CSAIL JOINT RESEARCH CENTER）

同SAIL－豐田人工智能研究中心一樣，該中心成立于2015年。豐田向MIT投入了2500萬美元，用于人工智能和自動駕駛技術的研發(fā)。豐田－CSAIL聯(lián)合研究中心旨在進一步發(fā)展自動駕駛汽車技術，目標是減少交通傷亡，甚至可能開發(fā)無法發(fā)生事故的車輛。在CSAIL總監(jiān)Daniela Rus的帶領下，新中心將致力于開發(fā)先進的決策算法和系統(tǒng)，使車輛能夠安全地感知和導航周圍環(huán)境，無需人工輸入。研究人員將解決與從計算機視覺和感知到規(guī)劃和控制等各方面相關的挑戰(zhàn)。

在落成的這幾年時間內，豐田－CSAIL聯(lián)合研究中心已經研發(fā)出20余個自動駕駛領域的項目。比如：平行自主駕駛系統(tǒng)（Parallel Autonomous DrivingSystem），跨越視覺 － 語言邊界進行語境人車互動，雜波中并行自治的決策，預測駕駛員的心態(tài)等等。

豐田－CSAIL聯(lián)合研究中心目前的女掌門是Daniela Rus，她是麻省理工學院電子工程和計算機科學教授，計算機科學和人工智能實驗室主任（CSAIL）。在CSAIL，她領導了許多在交通，安全，環(huán)境建模和監(jiān)測，水下勘探和農業(yè)領域的開創(chuàng)性研究項目。相信在Rus的領導下，豐田－CSAIL聯(lián)合研究中心會研發(fā)出更多的在自動駕駛領域的開創(chuàng)性成果。

6．伯克利DeepDrive（BerkeleyDeepDrive）

伯克利致力于引領下一代技術革新，致力于將深度學習與汽車感知相結合，并將計算機視覺技術引入最前沿。BDD Industry Consortium研究汽車應用的計算機視覺和機器學習方面的最新技術。伯克利的多學科中心位于加州大學伯克利分校。BDD聯(lián)盟與私營行業(yè)贊助商合作，將來自多個部門和中心的教師和研究人員聚集在一起，通過汽車行業(yè)的實際應用開發(fā)新興技術。雖然，目前計算機視覺領域取得了顯著進展，許多這些技術和理論尚未延伸到汽車領域。因此，伯克利DeepDrive中心希望將計算機視覺領域的前沿技術，應用到自動駕駛領域。

通過深度強化學習，跨模式轉移學習，用于快速視頻處理FCN，革新汽車領域的技術發(fā)展。目前中心有幾十項科研項目。如：了解智能車輛的駕駛員意識，基于深度加固學習的自主車輛交通優(yōu)化，無人監(jiān)督的自動駕駛表征學習，學習在非結構化條件下駕駛等。

伯克利DeepDrive中心以蓬勃的發(fā)展勢態(tài)，已經與多家車企和互聯(lián)網公司達成戰(zhàn)略合作關系。

7．UCSD智能安全汽車實驗室＆計算機視覺與機器人研究實驗室（Laboratory for Intelligent ＆ Safe Automobiles and ComputerVision ＆ Robotics Research Laboratory）

UCSD智能安全汽車實驗室：智能和安全汽車實驗室（LISA）是一項綜合多學科，旨在探索創(chuàng)新方法，使未來的汽車更安全，更“智能”。該團隊的研究考慮了與駕駛員、司機、車輛動力學和車輛環(huán)境以及交通基礎設施相關的參數(shù)的傳感，分析，建模和預測問題。這是通過計算機視覺和智能系統(tǒng)的研究實現(xiàn)的，這些系統(tǒng)具有認知科學，心理學和決策理論的協(xié)同作用。

計算機視覺與機器人研究實驗室：計算機視覺與機器人研究（CVRR）實驗室加州大學圣地亞哥分校為研究生，教師和訪問學者／合作者提供了一個獨特而刺激的環(huán)境，以便在基于傳感器的智能系統(tǒng)領域開展廣泛的研究。該實驗室研究的主要目的是清楚地理解集成系統(tǒng)完全自主或半自動操作的感知，規(guī)劃和控制機制所依據的計算和工程相關問題。

該實驗室負責人Mohan M． Trivedi教授是加州大學圣地亞哥分校計算機視覺和機器人研究實驗室的負責人，是一位業(yè)內權威的專家，近年來他發(fā)表的多篇學術論文被IEEE ITSC，IV等國際頂級會議收錄。

Mohan M． Trivedi教授帶領的團隊不僅得到了很多車企的支持，更是得到了政府多個機構的支持。

8． 加州大學伯克利分校機械系統(tǒng)控制實驗室（Mechanical Systems ControlLaboratory）

MSC實驗室專注于設計和開發(fā)機械系統(tǒng)的控制策略。MSC實驗室是加州大學伯克利分校機械工程系的一員。機械系統(tǒng)控制實驗室（及其前身）已有近40年的歷史。實驗室在精密運動控制、機器人控制、車輛控制、機電一體化等領域進行了開創(chuàng)性的研究。MSC自動駕駛實驗室專注于提出新穎的方法和建立相應的設施，以解決全堆棧自動駕駛中最具挑戰(zhàn)性的實際問題。MSC實驗室致力于研究傳統(tǒng)控制，規(guī)劃和狀態(tài)估計方法（最優(yōu)／魯棒控制，優(yōu)化，圖搜索，貝葉斯過濾等）與最先進的機器學習方法（強化學習，深度神經網絡，概率圖形模型等）。該實驗室的負責人Masayoshi Tomizuka教授在2018年憑借對機電系統(tǒng)控制理論和實踐的開創(chuàng)性貢獻，榮獲AACC Richard E． BellmanHeritage Award，該獎項被公認為業(yè)內的終身成就獎。

9．MPC Lab ＠ UC－Berkeley

汽車行業(yè)是網絡物理系統(tǒng)（CPS）新興創(chuàng)新的最豐富目標之一。過去十年，該實驗室一直專注于先進的汽車安全系統(tǒng)。

目前的研究議程是對先進自治和半自治系統(tǒng)的強有力認證。與在自動駕駛汽車中完全斷開駕駛員與車輛的連接不同，該團隊設想了一種車輛，其中自主程度根據駕駛員行為和環(huán)境不確定性中的認證不確定性范圍而實時地連續(xù)變化。根據CPS中的信任級別，在車輛總控制和自動駕駛中駕駛員之間的連續(xù)選項中選擇自治程度。這種以人為中心的自治具有很高的社會影響概率（如果不低，保險政策將是相同的，系統(tǒng)將降低成本，市場滲透率更高）。它還會對循環(huán)中有人類的大量CPS產生直接影響，這需要穩(wěn)健性證書�？紤]到這一點，團隊提出了一個范例轉換，它關注整個網絡物理載體／環(huán)境／驅動因素，從而解決了它的三個主要關鍵組成部分：（A）車輛／環(huán)境相互作用，（B）駕駛員不確定性和（C）在A和B的預測不確定性下，可證明安全的干預。在伯克利，該實驗室正在開發(fā)一種新的科學網絡物理系統(tǒng)科學，其目標是獲得一個可證明安全的以人為中心的自治權，其中認證是證據基礎并隨著系統(tǒng)（因為新的駕駛員行為，場景，滑動動態(tài)在CPS數(shù)據庫中更新）。根據開發(fā)的駕駛員／車輛／環(huán)境交互模型量化的有界狀態(tài)相關不確定性來測量魯棒性，在大數(shù)據集上校準和驗證并實時更新。