5．丰田－ MITCSAIL联合研究中心（TOYOTA– MIT CSAIL JOINT RESEARCH CENTER）

同SAIL－丰田人工智能研究中心一样，该中心成立于2015年。丰田向MIT投入了2500万美元，用于人工智能和自动驾驶技术的研发。丰田－CSAIL联合研究中心旨在进一步发展自动驾驶汽车技术，目标是减少交通伤亡，甚至可能开发无法发生事故的车辆。在CSAIL总监Daniela Rus的带领下，新中心将致力于开发先进的决策算法和系统，使车辆能够安全地感知和导航周围环境，无需人工输入。研究人员将解决与从计算机视觉和感知到规划和控制等各方面相关的挑战。

在落成的这几年时间内，丰田－CSAIL联合研究中心已经研发出20余个自动驾驶领域的项目。比如：平行自主驾驶系统（Parallel Autonomous DrivingSystem），跨越视觉 － 语言边界进行语境人车互动，杂波中并行自治的决策，预测驾驶员的心态等等。

丰田－CSAIL联合研究中心目前的女掌门是Daniela Rus，她是麻省理工学院电子工程和计算机科学教授，计算机科学和人工智能实验室主任（CSAIL）。在CSAIL，她领导了许多在交通，安全，环境建模和监测，水下勘探和农业领域的开创性研究项目。相信在Rus的领导下，丰田－CSAIL联合研究中心会研发出更多的在自动驾驶领域的开创性成果。

6．伯克利DeepDrive（BerkeleyDeepDrive）

伯克利致力于引领下一代技术革新，致力于将深度学习与汽车感知相结合，并将计算机视觉技术引入最前沿。BDD Industry Consortium研究汽车应用的计算机视觉和机器学习方面的最新技术。伯克利的多学科中心位于加州大学伯克利分校。BDD联盟与私营行业赞助商合作，将来自多个部门和中心的教师和研究人员聚集在一起，通过汽车行业的实际应用开发新兴技术。虽然，目前计算机视觉领域取得了显着进展，许多这些技术和理论尚未延伸到汽车领域。因此，伯克利DeepDrive中心希望将计算机视觉领域的前沿技术，应用到自动驾驶领域。

通过深度强化学习，跨模式转移学习，用于快速视频处理FCN，革新汽车领域的技术发展。目前中心有几十项科研项目。如：了解智能车辆的驾驶员意识，基于深度加固学习的自主车辆交通优化，无人监督的自动驾驶表征学习，学习在非结构化条件下驾驶等。

伯克利DeepDrive中心以蓬勃的发展势态，已经与多家车企和互联网公司达成战略合作关系。

7．UCSD智能安全汽车实验室＆计算机视觉与机器人研究实验室（Laboratory for Intelligent ＆ Safe Automobiles and ComputerVision ＆ Robotics Research Laboratory）

UCSD智能安全汽车实验室：智能和安全汽车实验室（LISA）是一项综合多学科，旨在探索创新方法，使未来的汽车更安全，更“智能”。该团队的研究考虑了与驾驶员、司机、车辆动力学和车辆环境以及交通基础设施相关的参数的传感，分析，建模和预测问题。这是通过计算机视觉和智能系统的研究实现的，这些系统具有认知科学，心理学和决策理论的协同作用。

计算机视觉与机器人研究实验室：计算机视觉与机器人研究（CVRR）实验室加州大学圣地亚哥分校为研究生，教师和访问学者／合作者提供了一个独特而刺激的环境，以便在基于传感器的智能系统领域开展广泛的研究。该实验室研究的主要目的是清楚地理解集成系统完全自主或半自动操作的感知，规划和控制机制所依据的计算和工程相关问题。

该实验室负责人Mohan M． Trivedi教授是加州大学圣地亚哥分校计算机视觉和机器人研究实验室的负责人，是一位业内权威的专家，近年来他发表的多篇学术论文被IEEE ITSC，IV等国际顶级会议收录。

Mohan M． Trivedi教授带领的团队不仅得到了很多车企的支持，更是得到了政府多个机构的支持。

8． 加州大学伯克利分校机械系统控制实验室（Mechanical Systems ControlLaboratory）

MSC实验室专注于设计和开发机械系统的控制策略。MSC实验室是加州大学伯克利分校机械工程系的一员。机械系统控制实验室（及其前身）已有近40年的历史。实验室在精密运动控制、机器人控制、车辆控制、机电一体化等领域进行了开创性的研究。MSC自动驾驶实验室专注于提出新颖的方法和建立相应的设施，以解决全堆栈自动驾驶中最具挑战性的实际问题。MSC实验室致力于研究传统控制，规划和状态估计方法（最优／鲁棒控制，优化，图搜索，贝叶斯过滤等）与最先进的机器学习方法（强化学习，深度神经网络，概率图形模型等）。该实验室的负责人Masayoshi Tomizuka教授在2018年凭借对机电系统控制理论和实践的开创性贡献，荣获AACC Richard E． BellmanHeritage Award，该奖项被公认为业内的终身成就奖。

9．MPC Lab ＠ UC－Berkeley

汽车行业是网络物理系统（CPS）新兴创新的最丰富目标之一。过去十年，该实验室一直专注于先进的汽车安全系统。

目前的研究议程是对先进自治和半自治系统的强有力认证。与在自动驾驶汽车中完全断开驾驶员与车辆的连接不同，该团队设想了一种车辆，其中自主程度根据驾驶员行为和环境不确定性中的认证不确定性范围而实时地连续变化。根据CPS中的信任级别，在车辆总控制和自动驾驶中驾驶员之间的连续选项中选择自治程度。这种以人为中心的自治具有很高的社会影响概率（如果不低，保险政策将是相同的，系统将降低成本，市场渗透率更高）。它还会对循环中有人类的大量CPS产生直接影响，这需要稳健性证书。考虑到这一点，团队提出了一个范例转换，它关注整个网络物理载体／环境／驱动因素，从而解决了它的三个主要关键组成部分：（A）车辆／环境相互作用，（B）驾驶员不确定性和（C）在A和B的预测不确定性下，可证明安全的干预。在伯克利，该实验室正在开发一种新的科学网络物理系统科学，其目标是获得一个可证明安全的以人为中心的自治权，其中认证是证据基础并随着系统（因为新的驾驶员行为，场景，滑动动态在CPS数据库中更新）。根据开发的驾驶员／车辆／环境交互模型量化的有界状态相关不确定性来测量鲁棒性，在大数据集上校准和验证并实时更新。