雷鋒網(wǎng)按：今年的CVPR已經(jīng)落幕?；仡欉@屆CVPR，無論是會(huì)議議題還是產(chǎn)業(yè)落地的熱度，自動(dòng)駕駛都是聚光燈下的焦點(diǎn)。本屆CVPR還專門設(shè)置了針對(duì)自動(dòng)駕駛的Workshop（Workshop on Autonomous Driving Challenge）。

在Workshop當(dāng)天的圓桌討論環(huán)節(jié)，幾乎聚齊了國內(nèi)自動(dòng)駕駛領(lǐng)域的佼佼者——圖森未來的CTO侯曉迪，Pony.ai CEO 彭軍（James Peng），馭勢(shì)科技CEO吳甘沙，樂視智能駕駛VP倪凱，此外還有硅谷自動(dòng)駕駛公司Auto X創(chuàng)始人肖健雄以及加州伯克利Deep Drive項(xiàng)目的研究員Fisher  Yu。

圖片從左往右依次是：Fisher Yu、彭軍、肖健雄、倪凱、吳甘沙、侯曉迪

上述6人組成的自動(dòng)駕駛男子天團(tuán)，在CVPR的圓桌上主要討論了3個(gè)問題：

• 1. 高精地圖在自動(dòng)駕駛中的使用和重要性；

• 2. 端到端學(xué)習(xí)的可用性和安全性；

• 3. 系統(tǒng)冗余的設(shè)計(jì)。

幾乎所有在場(chǎng)的嘉賓都認(rèn)為，高精地圖在自動(dòng)駕駛中能發(fā)揮重要的作用。

吳甘沙舉了一個(gè)例子，當(dāng)自動(dòng)駕駛汽車想要超車時(shí)，高精地圖提供了前方車道、道路曲率等信息，這能讓超車動(dòng)作更安全。但大家同時(shí)面對(duì)的問題也是，高精地圖的創(chuàng)建和維護(hù)成本太高，自動(dòng)駕駛解決方案中不可能包含一份全面完整的高精地圖。

AutoX創(chuàng)始人肖健雄（Professor X.）指出，一些特定場(chǎng)景下的高精地圖還是能夠做得很好，因?yàn)榄h(huán)境受到控制，更新也相對(duì)容易。Pony.ai CEO 彭軍則認(rèn)為對(duì)于高精地圖，需要更進(jìn)一步明確它的定義，相比于我們通常認(rèn)為的包含車道線、路標(biāo)等信息的地圖，對(duì)自動(dòng)駕駛來說，更重要的是對(duì)靜態(tài)物體的感知地圖（perception of the static objects），在自動(dòng)駕駛的實(shí)戰(zhàn)中，對(duì)靜態(tài)物體的感知和描述能發(fā)揮更大的作用。

高精地圖的更新和維護(hù)會(huì)是怎樣的？大部分嘉賓的觀點(diǎn)是，未來圖商會(huì)提供地圖的底層，而自動(dòng)駕駛汽車們則會(huì)以眾包的形式承擔(dān)更新地圖的角色。

第二個(gè)問題是關(guān)于端到端的學(xué)習(xí)。

端到端學(xué)習(xí)表現(xiàn)出來的行為跟人類的駕駛行為接近，人類通過積累駕駛經(jīng)驗(yàn)?zāi)軌蛳乱庾R(shí)（潛意識(shí)）地完成開車，而端到端學(xué)習(xí)通過大量的數(shù)據(jù)訓(xùn)練也能達(dá)到類似的效果。但現(xiàn)在的問題在于，我們還沒有足夠多的數(shù)據(jù)能夠讓端到端學(xué)習(xí)的方案足夠安全，達(dá)到可量產(chǎn)的標(biāo)準(zhǔn)。

第三個(gè)問題是系統(tǒng)冗余的設(shè)計(jì)。

系統(tǒng)冗余可以分成很多個(gè)層面，包括傳感器層面、硬件層面、軟件層面等等，但同時(shí)冗余也并不意味著系統(tǒng)中要設(shè)計(jì)多個(gè)重復(fù)的模塊。那么合理設(shè)計(jì)的冗余是怎樣的？

以下是CVPR上自動(dòng)駕駛男子天團(tuán)的對(duì)話，雷鋒網(wǎng)作為少數(shù)在場(chǎng)的媒體，整理了他們的對(duì)話內(nèi)容如下（對(duì)話有刪減，內(nèi)容未經(jīng)討論嘉賓本人確認(rèn)）。

侯曉迪：第一個(gè)問題是關(guān)于高精地圖的重要性，以及怎樣在自動(dòng)駕駛中使用高精度地圖？

肖健雄：高精度地圖對(duì)于自動(dòng)駕駛是非常有幫助的。但問題在于你真的能擁有所有的地圖嗎？創(chuàng)建和維護(hù)高精度地圖的成本都是非常昂貴的，不僅是資金的問題，在運(yùn)營上難度也很大。如果現(xiàn)實(shí)環(huán)境發(fā)生了一點(diǎn)點(diǎn)的變化，對(duì)高精地圖中數(shù)字世界的影響都很大。我知道馭勢(shì)在做一些繪制校園高精地圖的工作，這樣環(huán)境相對(duì)受到控制，實(shí)際上能做得非常好。所以這非常取決于你的應(yīng)用。

侯曉迪：這個(gè)問題同樣要問問James，我看到你們的demo中有很亮眼的地圖方面的API。

彭軍：我想在回答這個(gè)問題之前，要更具體地講一下地圖的定義，大家常說的高精地圖，指的是車道、行車標(biāo)識(shí)等等，我們也認(rèn)為非常重要，我們也在使用這樣的地圖。但還有另一種地圖更加重要，而可能了解它的人更少，我們管它叫static map，或者叫perception of the static objects。

我們都在嘗試讓自動(dòng)駕駛技術(shù)更安全，但車載計(jì)算硬件的性能遠(yuǎn)遠(yuǎn)不夠，如果我們預(yù)先掌握周邊環(huán)境的更多信息，那自動(dòng)駕駛就會(huì)更加安全。所以我們建立的地圖，是幫助自動(dòng)駕駛汽車提前建立對(duì)外界的感知。

吳甘沙：我也認(rèn)為高精地圖是非常好的技術(shù)。因?yàn)楫?dāng)前大部分自動(dòng)駕駛解決方案都不能保證能夠?qū)崟r(shí)精確地感知外部世界的所有細(xì)節(jié)，高精地圖可以幫助補(bǔ)充這部分的能力。長(zhǎng)線來看，高精地圖會(huì)給自動(dòng)駕駛錦上添花（nice to have）。

像James說的一樣，高精地圖是一種超越LiDAR的傳感器。今天的自動(dòng)駕駛解決方案都依賴LiDAR、毫米波雷達(dá)、攝像頭等等，但每一種傳感器都有自己感知范圍的局限。當(dāng)一輛自動(dòng)駕駛汽車執(zhí)行超車時(shí)，如果你沒有足夠的車輛前方的環(huán)境信息，這樣的超車動(dòng)作可能是危險(xiǎn)的。而高精地圖提供了車道線、道路曲率以及前方岔口等環(huán)境信息，能幫助自動(dòng)駕駛汽車更安全地完成這個(gè)動(dòng)作。

倪凱：對(duì)于未來的自動(dòng)駕駛汽車，高精地圖是非常有用的。眼下在一些車型上已經(jīng)實(shí)現(xiàn)量產(chǎn)的L2的功能，它可能不太依賴高精地圖，但在未來L3和L4的自動(dòng)駕駛上，高精地圖的重要性會(huì)越來越高。

其次，補(bǔ)充一下關(guān)于高精地圖維護(hù)更新的問題，我們也需要考慮是在哪些模塊中使用高精地圖。如果在感知模塊中使用高精地圖，此時(shí)一些滯后錯(cuò)誤的信息可能會(huì)帶來混淆；但如果是對(duì)交通規(guī)則（Violation Module）判斷，比如通過對(duì)交通燈、車道線的信息判斷車輛是否遵守交通規(guī)則，此時(shí)缺乏一個(gè)紅綠燈的信息，可能不會(huì)帶來非常嚴(yán)重的后果。

Fisher Yu：最終，道路上的每一輛汽車都會(huì)變成自動(dòng)駕駛。我們可以協(xié)調(diào)這些車輛在道路上一起采集數(shù)據(jù)，一起去處理這些數(shù)據(jù)。但問題在于由誰來推動(dòng)這個(gè)過程？我認(rèn)為很可能是像今天的Uber司機(jī)或者職業(yè)司機(jī)這樣的角色。

吳甘沙：我覺得在未來，圖商們會(huì)創(chuàng)建基礎(chǔ)的地圖（the foundmental basic map），這種地圖不會(huì)經(jīng)常發(fā)生變化。自動(dòng)駕駛汽車們也會(huì)具備更新基礎(chǔ)地圖的能力，就像Mobileye今天所做的一樣。所以高精地圖最終會(huì)由圖商來提供基礎(chǔ)地圖服務(wù)，各種各樣的自動(dòng)駕駛汽車來完成地圖的更新維護(hù)，這就是Live Map的概念。

侯曉迪：我知道Fisher在伯克利的Deep Drive項(xiàng)目在進(jìn)行一些端到端強(qiáng)化學(xué)習(xí)的研究，所以我們?nèi)绾稳ケＷC端到端學(xué)習(xí)的安全性？

Fisher Yu：我們一直在嘗試探索技術(shù)的前沿，如果我們有足夠多的駕駛數(shù)據(jù)，有足夠多的駕駛視頻，我們希望在未來能夠引入一種更有效地處理這些數(shù)據(jù)的機(jī)制，也許在未來的5年之內(nèi)，我們能夠建立一套冗余機(jī)制，能夠在緊急狀態(tài)下保證駕駛的安全。

彭軍：我們的目標(biāo)是打造安全的自動(dòng)駕駛汽車，所以我們會(huì)采用各種不同的技術(shù)，端到端學(xué)習(xí)是非常有意思的技術(shù)，我們會(huì)在未來進(jìn)行一些探索，尤其是和一些學(xué)院和研究機(jī)構(gòu)一道。

肖健雄：到端到端學(xué)習(xí)的方法解決交通問題是非常困難的。因?yàn)閷?shí)際交通狀況下的場(chǎng)景是非常復(fù)雜的。

倪凱：在目前的階段上，我們都在嘗試將技術(shù)原型變成能夠量產(chǎn)的產(chǎn)品。但對(duì)于端到端學(xué)習(xí)而言，我不認(rèn)為現(xiàn)階段有足夠多的數(shù)據(jù)和研發(fā)資源將端到端的學(xué)習(xí)變成一種可量產(chǎn)的技術(shù)。

吳甘沙：我個(gè)人對(duì)端到端學(xué)習(xí)非常感興趣，大家也談到它需要非常非常多的數(shù)據(jù)。而我個(gè)人對(duì)這項(xiàng)技術(shù)很感興趣的原因是，它非常接近人的駕駛行為，當(dāng)人積累了足夠多的駕駛經(jīng)驗(yàn)，就能夠按照潛意識(shí)開車。《Think Fast and Slow》的作者提到人有2套系統(tǒng)，一套“快”系統(tǒng)和一套“慢”系統(tǒng)，快的系統(tǒng)是潛意識(shí)的，慢的系統(tǒng)則是經(jīng)過邏輯推理的一套系統(tǒng)。自動(dòng)駕駛汽車也一樣像人一樣，有這樣快和慢的2套系統(tǒng)，能夠隨時(shí)接管并且做出理性的決策。

肖健雄：對(duì)于人而言，人用潛意識(shí)開車的時(shí)候，他可能會(huì)放空大腦，或者做跟朋友聊天這樣類似的事情，但計(jì)算機(jī)是100%聚焦在駕駛上的。所以在這個(gè)時(shí)候，選擇通過端到端學(xué)習(xí)的方式來節(jié)約算力，我對(duì)這樣的策略是不確定的。因?yàn)槿绻馨严到y(tǒng)的計(jì)算容量提升上來或者通過工程手段減少計(jì)算量，它是能夠解決自動(dòng)駕駛的問題的（而不一定需要依靠端到端學(xué)習(xí)）。

侯曉迪：現(xiàn)在在我們的自動(dòng)駕駛系統(tǒng)設(shè)計(jì)中，使用了哪些冗余的措施，比如馭勢(shì)現(xiàn)有的一些原型設(shè)計(jì)中？

吳甘沙：我覺得需要在不同的層級(jí)上設(shè)置冗余。比如在傳感器層面，我們會(huì)給系統(tǒng)配置激光雷達(dá)、毫米波雷達(dá)、攝像頭等等，你可能不需要把所有的傳感器都配置上，但你至少需要2 - 3種的傳感器。

在硬件層面，在電源供電方面可能需要冗余，計(jì)算硬件可能需要冗余，甚至在執(zhí)行機(jī)構(gòu)的層面上，比如剎車系統(tǒng)是需要冗余的。

在軟件層面上，我們可能也需要不同的算法或者不同的進(jìn)程來計(jì)算同一個(gè)結(jié)果，完成同一個(gè)目標(biāo)。這樣的冗余是非常有價(jià)值的。

倪凱：首先我們?cè)陉P(guān)注傳感器層面，多傳感器的融合是非常重要的，因?yàn)槲覀儠?huì)有很多種不同的傳感器，它們給予你不同距離、不同天氣狀態(tài)下的感知能力。

在L3、L4的自動(dòng)駕駛中，在系統(tǒng)的層面，我們至少要設(shè)計(jì)2套不同的系統(tǒng)，一套是更成熟的系統(tǒng)，來處理99%的路況，當(dāng)這套系統(tǒng)失效時(shí)，無論是芯片的原因還是電源出現(xiàn)問題，還有另外一套緊急響應(yīng)的系統(tǒng)能夠接管和保證安全。

彭軍：大家需要注意的一點(diǎn)是冗余的設(shè)計(jì)并不意味著你的系統(tǒng)中要有很多套重復(fù)的模塊。我完全同意倪凱的觀點(diǎn)，在系統(tǒng)層面上，我們需要設(shè)計(jì)不同的系統(tǒng)提供冗余。

對(duì)我們而言，我們會(huì)設(shè)計(jì)一套處理普通的駕駛情況，然后是緊急剎車（停車）系統(tǒng)，我們也需要系統(tǒng)來完成車道線保持、減速等駕駛動(dòng)作。

雷鋒網(wǎng)推薦閱讀：

深度學(xué)習(xí)集體瓶頸，產(chǎn)業(yè)化加速時(shí)代CV研究出路在哪里？| CVPR 2017

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。