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

在Workshop當天的圓桌討論環(huán)節(jié)，幾乎聚齊了國內(nèi)自動駕駛領(lǐng)域的佼佼者——圖森未來的CTO侯曉迪，Pony.ai CEO 彭軍（James Peng），馭勢科技CEO吳甘沙，樂視智能駕駛VP倪凱，此外還有硅谷自動駕駛公司Auto X創(chuàng)始人肖健雄以及加州伯克利Deep Drive項目的研究員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人組成的自動駕駛男子天團，在CVPR的圓桌上主要討論了3個問題：

• 1. 高精地圖在自動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。

幾乎所有在場的嘉賓都認為，高精地圖在自動駕駛中能發(fā)揮重要的作用。

吳甘沙舉了一個例子，當自動駕駛汽車想要超車時，高精地圖提供了前方車道、道路曲率等信息，這能讓超車動作更安全。但大家同時面對的問題也是，高精地圖的創(chuàng)建和維護成本太高，自動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，一些特定場景下的高精地圖還是能夠做得很好，因為環(huán)境受到控制，更新也相對容易。Pony.ai CEO 彭軍則認為對于高精地圖，需要更進一步明確它的定義，相比于我們通常認為的包含車道線、路標等信息的地圖，對自動駕駛來說，更重要的是對靜態(tài)物體的感知地圖（perception of the static objects），在自動駕駛的實戰(zhàn)中，對靜態(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會是怎樣的？大部分嘉賓的觀點是，未來圖商會提供地圖的底層，而自動駕駛汽車們則會以眾包的形式承擔更新地圖的角色。

第二個問題是關(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?zāi)軌蛳乱庾R（潛意識）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，達到可量產(chǎn)的標準。

第三個問題是系統(tǒng)冗余的設(shè)計。

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

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

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

肖健雄：高精度地圖對于自動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，在運營上難度也很大。如果現(xiàn)實環(huán)境發(fā)生了一點點的變化，對高精地圖中數(shù)字世界的影響都很大。我知道馭勢在做一些繪制校園高精地圖的工作，這樣環(huán)境相對受到控制，實際上能做得非常好。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、行車標識等等，我們也認為非常重要，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駕駛技術(shù)更安全，但車載計算硬件的性能遠遠不夠，如果我們預(yù)先掌握周邊環(huán)境的更多信息，那自動駕駛就會更加安全。所以我們建立的地圖，是幫助自動駕駛汽車提前建立對外界的感知。

吳甘沙：我也認為高精地圖是非常好的技術(shù)。因為當前大部分自動駕駛解決方案都不能保證能夠?qū)崟r精確地感知外部世界的所有細節(jié)，高精地圖可以幫助補充這部分的能力。長線來看，高精地圖會給自動駕駛錦上添花（nice to have）。

像James說的一樣，高精地圖是一種超越LiDAR的傳感器。今天的自動駕駛解決方案都依賴LiDAR、毫米波雷達、攝像頭等等，但每一種傳感器都有自己感知范圍的局限。當一輛自動駕駛汽車執(zhí)行超車時，如果你沒有足夠的車輛前方的環(huán)境信息，這樣的超車動作可能是危險的。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，能幫助自動駕駛汽車更安全地完成這個動作。

倪凱：對于未來的自動駕駛汽車，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的自動駕駛上，高精地圖的重要性會越來越高。

其次，補充一下關(guān)于高精地圖維護更新的問題，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，此時一些滯后錯誤的信息可能會帶來混淆；但如果是對交通規(guī)則（Violation Module）判斷，比如通過對交通燈、車道線的信息判斷車輛是否遵守交通規(guī)則，此時缺乏一個紅綠燈的信息，可能不會帶來非常嚴重的后果。

Fisher Yu：最終，道路上的每一輛汽車都會變成自動駕駛。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這個過程？我認為很可能是像今天的Uber司機或者職業(yè)司機這樣的角色。

吳甘沙：我覺得在未來，圖商們會創(chuàng)建基礎(chǔ)的地圖（the foundmental basic map），這種地圖不會經(jīng)常發(fā)生變化。自動駕駛汽車們也會具備更新基礎(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由圖商來提供基礎(chǔ)地圖服務(wù)，各種各樣的自動駕駛汽車來完成地圖的更新維護，這就是Live Map的概念。

侯曉迪：我知道Fisher在伯克利的Deep Drive項目在進行一些端到端強化學(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)的機制，也許在未來的5年之內(nèi)，我們能夠建立一套冗余機制，能夠在緊急狀態(tài)下保證駕駛的安全。

彭軍：我們的目標是打造安全的自動駕駛汽車，所以我們會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)，我們會在未來進行一些探索，尤其是和一些學(xué)院和研究機構(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。因為實際交通狀況下的場景是非常復(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。但對于端到端學(xué)習(xí)而言，我不認為現(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：我個人對端到端學(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)。而我個人對這項技術(shù)很感興趣的原因是，它非常接近人的駕駛行為，當人積累了足夠多的駕駛經(jīng)驗，就能夠按照潛意識開車。《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)是潛意識的，慢的系統(tǒng)則是經(jīng)過邏輯推理的一套系統(tǒng)。自動駕駛汽車也一樣像人一樣，有這樣快和慢的2套系統(tǒng)，能夠隨時接管并且做出理性的決策。

肖健雄：對于人而言，人用潛意識開車的時候，他可能會放空大腦，或者做跟朋友聊天這樣類似的事情，但計算機是100%聚焦在駕駛上的。所以在這個時候，選擇通過端到端學(xué)習(xí)的方式來節(jié)約算力，我對這樣的策略是不確定的。因為如果能把系統(tǒng)的計算容量提升上來或者通過工程手段減少計算量，它是能夠解決自動駕駛的問題的（而不一定需要依靠端到端學(xué)習(xí)）。

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

吳甘沙：我覺得需要在不同的層級上設(shè)置冗余。比如在傳感器層面，我們會給系統(tǒng)配置激光雷達、毫米波雷達、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，計算硬件可能需要冗余，甚至在執(zhí)行機構(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程來計算同一個結(jié)果，完成同一個目標。這樣的冗余是非常有價值的。

倪凱：首先我們在關(guān)注傳感器層面，多傳感器的融合是非常重要的，因為我們會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的自動駕駛中，在系統(tǒng)的層面，我們至少要設(shè)計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，當這套系統(tǒng)失效時，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是冗余的設(shè)計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，在系統(tǒng)層面上，我們需要設(shè)計不同的系統(tǒng)提供冗余。

對我們而言，我們會設(shè)計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。