1
本文作者：鄭亮 王曉
雷鋒網(wǎng)按：平行智能理論是由復雜系統(tǒng)管理與控制國家重點實驗室主任、中國自動化學會副理事長兼秘書長、青島智能產(chǎn)業(yè)技術研究院院長王飛躍教授率先提出的。
這是一種全新的遠程控制、虛實結(jié)合、人車協(xié)同的平行駕駛方案。據(jù)了解，平行駕駛是平行智能在智能駕駛中的實踐應用。在本文中，你將了解到什么是“平行智能”的理論與方法，以及平行駕駛與當下正火的自動駕駛的區(qū)別。
自動駕駛真正走入公眾視野是從2004年的DARPA挑戰(zhàn)賽。
那是2004年的3月13日，一大群工程師和數(shù)千名觀眾聚集在加州一家小酒吧外，聚精會神地注視著 15 輛參與莫哈維沙漠穿越賽的賽車“日暮沙漠陲，力戰(zhàn)煙塵里”。
參賽車輛毫無例外都有著夸張的外形，賽車方向盤由電腦控制的。盡管最終沒有一輛參賽車完成142英里全程的賽事，卻也成為了啟蒙自動駕駛行業(yè)的里程碑事件。
“說起來我們還是最早把DARPA的這項軍用項目引入學術研究界的人”。2005年，IEEE 國際智能車會議在美國拉斯韋加斯舉行，作為大會主席的王飛躍教授邀請了DARPA挑戰(zhàn)賽項目負責人Ron Kurjanowicz做晚宴報告，向大家介紹項目最新進展。
圖片來源于網(wǎng)絡：https://zhuanlan.zhihu.com/p/30589595
然而，親身經(jīng)歷過這段無人車時代的王飛躍教授卻說，“早在此（2004年DAPRA挑戰(zhàn)賽）之前，就在1997年8月7-10號，加州圣地亞哥舉行了名為Demo'97（The NAHSC 1997 Technical Feasibility Demonstration ）的無人車集中演示，在我看來，那場演示的規(guī)模、意義以及在當時所引起的影響比這場比賽更大?！?/p>
當時的情況是，美國國會在1991年通過了陸路復合運輸效率法案(Intermodal Surface Transportation Efficiency Act, 簡稱為ISTEA冰茶法案)，作為響應，聯(lián)邦高速公路管理局（FHSA）在1992年啟動了一項全國性的自動化公路研究項目。
Demo’97就是對該項目的成果展示，“其最大的目的是通過無人車輛編隊實現(xiàn)高速路交通優(yōu)化、在不增加現(xiàn)有道路的基礎上擴大其通行容量，技術上主要通過在高速路面中嵌入磁條引導來實現(xiàn)”。
有超過20款自動駕駛汽車（包括小轎車、卡車、公共汽車）登場亮相Demo’ 97，其中大部分車輛來自GM通用，還有一些來自福特、本田等。大概有上千名的觀眾親身體驗了完全自動駕駛車輛在圣地亞哥I-15 HOV 車道上7.5英里的行駛演示；每輛車之間隔著一個車身的距離，主要示范了車輛換道、車隊加入以及車隊分離等功能[1]。
Demo’97的實拍圖
這場聲勢浩大的無人車展示必然離不開政府的支持。
然而，“天真”的美國政府并沒有預料到這項計劃的花費，不到五年時間，9000萬美金的預算傾瀉一空，最終在90年代末被迫停止了這項計劃。缺少了政府的支持，汽車自主駕駛研究和應用陷入低潮。
“那時候的無人車政策幾乎就是零，后來底特律一些車企包括發(fā)明安全氣囊（airbag)和時任GM的通用汽車OnStar公司的CEO Dave Acton找到我們，大家一起花了很大精力到美國國會和聯(lián)邦交通部游說，最終美國政府推出了智能汽車（Intelligent Vehicle Initiative, IVI）的項目?！?/p>
說到這里，王教授表示：“除了政策為零以外，那時網(wǎng)絡幾乎沒有，車內(nèi)通訊也沒有，電控當時的車也不提供，比起今天來，困難太多了?！?/p>
王教授最早研究“移動機器人”是在上世紀80年代，研制為外空間機器人系統(tǒng)的外空遠程控制試驗服務的室內(nèi)機器人，當時從紐約上州租一條T1專線仿真地球火星通訊就需要幾十萬美元。
后來到NASA在亞利桑那的空間資源利用中心，他還負責了外空間自動工廠的設計與控制，當時是為了更好地利用機器人來開發(fā)火星與月球資源。后來與美國標準與技術院(NIST)的Albus合作，研制了“SpiderRobot”無人車和通過Zircon制氫的無人生產(chǎn)過程。
“若不是當年（1996年）民主黨的總統(tǒng)克林頓與共和黨的國會打架，導致我們火星項目預算不批、項目工資發(fā)不出來、被迫停止，研發(fā)出‘精神號’和‘挑戰(zhàn)號’火星車的就是我們?！闭劦竭@段往事，王教授有些無奈地笑起來“那時我必須在有現(xiàn)錢的Caterpillar礦山裝載車和無現(xiàn)錢的火星車之間選，最終選擇了礦山車”。
就這樣他們把已經(jīng)“到手”的項目又還給了JPL（噴氣推進實驗室），選擇了有錢的Caterpillar大型野外裝載車(Wheel Loaders)的自動化項目，該項目也成了王教授“基于代理的網(wǎng)絡控制”想法的起源。
后來因他將分層智能控制理論和智能挖掘算法用于98T自動裝載車并取得了非常好的效果，獲得了卡特彼勒技術發(fā)明獎；98年與同事合作完成了世界上第一本礦山自動車的研究專著。
即便是現(xiàn)在，項目過后的20年，王教授依然認為：“以挖掘、裝載和運輸為主的采礦作業(yè)自動化，是無人車技術最合適最‘靠譜’的一個應用領域。礦山是一個相對封閉和結(jié)構(gòu)化的受控環(huán)節(jié)，加上對駕駛員的勞動強度太高和工作環(huán)境太惡劣，特別適合無人車和機器人等人工智能技術的應用?！?nbsp;
礦山車自然不能與民用車相比，在開放不受控的外部環(huán)境中，實現(xiàn)車輛的自主行駛。為了改善擁擠的交通狀況、降低車禍死亡率、讓無人駕駛技術造福千千萬萬的家庭，90年代末，他又帶領團隊與亞利桑那州政府合作，研發(fā)了VISTA(Vehicles with Intelligent Systems for Transport Automation)自動駕駛車。
VISTA上路測試的當天，在亞利桑那州甚至整個美國，都引發(fā)了極大的轟動。因在該領域的杰出貢獻，還獲得了亞利桑那州府給予的至高榮譽——“美國亞利桑那州杰出成就獎”。
圖片來源于王飛躍教授于2015年10月在日本仙臺召開的"Global/Local Innovations for Next Generation Automobiles"國際研討會上所做的工作介紹報告。
20世紀90年代末，Intel剛剛發(fā)布他們的Pentium系統(tǒng)，其主頻只有120 Mhz。
1997年4月，IBM的深藍（Deep Blue）計算機，戰(zhàn)勝人類國際象棋世界冠軍卡斯帕羅夫，而當時深藍的算法不過是暴力窮舉法，與現(xiàn)在Alpha Zero的計算能力和深度學習算法不可同日而語。
上世紀末，激光雷達在汽車上的應用剛剛起步，不僅價格昂貴而且外觀龐大。在這種計算能力和硬件資源都很有限的條件下，如何利用好有限資源去實現(xiàn)真正的無人駕駛、保證對環(huán)境靈敏感知、確保安全行駛，是當時王飛躍教授及團隊思考的問題。
如果單純的通過傳感器來堆砌車輛的安全，需要在車身周圍陣列數(shù)個攝像頭等傳感器，這些傳感器彼此之間的聯(lián)系，以及每秒中積累的數(shù)據(jù)都給車輛的行駛帶來困難（現(xiàn)在的很多公司仍在這么做）。裝滿傳感器的車輛像個插滿輸液管的病人，遇到雨雪天氣、信號干擾區(qū)、行人密集的地方，隨時都可能失控。
王教授早就看破了這一點，在一次演講中說：“我覺得應該存在比目前這些自動駕駛研究方向更好、更實用的方向……”
在解決有限資源滿足無限性能需求這個自動駕駛難題的過程中，Agent（代理）技術出現(xiàn)給了王教授很大的靈感。
在上世紀90年代，Agent是一個熱門話題，甚至被一些文獻稱為軟件領域下一個意義深遠的突破。當代人工智能的奠基人之一Marvin Minsky在1986年寫了一本《Society of Minds》，中文翻譯成《心智社會》，就是用代理，來闡述人類的復雜行為以及許多宏觀的社會現(xiàn)象是怎么通過非常簡單的個體行為交互機制逐漸演化形成的。
一方面，Agent技術自底向上地為解決新的分布式應用問題提供了有效途徑；另一方面，Agent技術通過對真實系統(tǒng)的元素建模、組合、計算，為全面準確地研究分布計算系統(tǒng)的特點提供了合理的概念模型。
這一技術的出現(xiàn)，加上早期在NASA/RPI空間探索智能機器人系統(tǒng)中心圍繞智能機器人、太空移動無人機器人以及無人車的研究展開的大量工作經(jīng)驗，讓王飛躍萌生了“平行駕駛”的想法。
他說：“當時我們的本意是通過借助于Agent的想法，利用‘本地簡單、遠程復雜’的思想把無人車技術充分利用起來，在網(wǎng)絡空間中再設計一個虛擬‘駕駛員’，使之變成輔助人類駕駛的平行在線‘軟件機器人’系統(tǒng)，虛擬-實際平行跑。這樣一來，把簡單的決策放到‘車內(nèi)’，復雜的需要大量計算的情況放在‘車外’，就可以共享、整合有限的資源通過遠程控制的方式更好地繼續(xù)完成無人車的研究?！?/p>
這一想法提出后，為當時很多陷入低潮的汽車自主駕駛研究和應用尋找到了新的出路。
平行駕駛的想法曾在90年代末美國無人車VISTA的研制和數(shù)字試車場（Digital-Vehicle Proving Ground, DVPG）[2]的設計上，以及后來國內(nèi)“863”汽車電子重點項目“基于OSGi/VDX的嵌入式實時特定汽車應用操作系統(tǒng)vASOS”中得以部分實施。
但其方法的正式并完整提出卻是差不多十年后的2005年，即在第一屆IEEE汽車電子與安全(ICVES)國際會議上提出的基于網(wǎng)絡化智能代理、按照“車內(nèi)（Local）簡單、車外（Global）復雜”原理設計的平行駕駛系統(tǒng)。
當時還沒有云端的概念，解決方法是把復雜的部分放在一個中央的計算與控制中心里。
進入21世紀，谷歌等互聯(lián)網(wǎng)巨頭的加入讓無人車研究看到了新的希望，隨著車輛計算能力和傳感器硬件進一步的發(fā)展，無人駕駛迎來了蓬勃發(fā)展的春天。
然而，盡管很多車企配備了高線束的激光雷達、先進的計算平臺、能繪制出車道線級別的高精地圖，仍無法保證全場景下的自動駕駛安全，實現(xiàn)量產(chǎn)更是遙遙無期。即便谷歌在今年年初推出了無人出租車業(yè)務，也只在降雨量較少的鳳凰城等區(qū)域，特殊條件下還需要遠程操縱。
對此，王飛躍表示，這是一個必然要經(jīng)歷的過程。從中國‘馬路’的叫法管中窺豹，我們可以得到一個啟示。
他說：“以前中國把道路叫做‘馬路’，什么意思？很簡單，馬走的路?，F(xiàn)在呢？馬上路是非法的（除了大連女騎警隊的馬），只能站在大卡車上上路。以前普通人家里都有馬車，現(xiàn)在誰能養(yǎng)得起馬？只有富人，一匹馬上千萬美元。唯一能見到馬的地方是什么地方？賽馬場。這就是人需要車的前提。
現(xiàn)在老百姓家里面都有車了，但將來呢？我想將來有人駕駛的車也只有富人能買得起，有人駕駛車唯一上路的方式是停在大卡車上，唯一能開的地方是在賽車場。汽車剛剛出現(xiàn)的時候，它和馬車是一起上路的，車不能開得太快，太快把馬驚了可能就會引發(fā)事故。所以英國定了紅旗法案（Red Flag Act）說，汽車的速度每小時不能超過6公里將來智能車要是按照它的方式，很可能會把有人駕駛的車“驚”了，跟馬“驚”了是一樣的。所以一定時期內(nèi)，肯定是有人駕駛和無人駕駛車輛同時上路，因此我們也必須對無人車增加很多的限制。對于智能車來說，它開200公里/小時沒任何問題；人要開到200公里/小時，不嚇到別人也把自己嚇到了。所以為了實現(xiàn)智能車的效率，智能車的速度，智能車的安全性，一定要把人‘趕’下去，否則它無法實現(xiàn)綠色、可持續(xù)、高效的目的。”
在王教授看來，未來幾年的交通會經(jīng)歷有人駕駛、無人駕駛、人機共駕等多種駕駛方式混合的時期。90年代研究智能汽車面臨的問題是計算資源有限，而現(xiàn)在面臨的是工程復雜性和社會復雜性會帶來巨大的建模鴻溝。
“這個鴻溝一是靠數(shù)據(jù)填，要把小數(shù)據(jù)導成大數(shù)據(jù)，把大數(shù)據(jù)提煉出來變成精準知識即小規(guī)則，然后再指導車的駕駛，這就是平行。對于汽車來說，物理汽車跟軟件定義的汽車一起開，開的過程中產(chǎn)生數(shù)據(jù)，通過計算實驗，變成駕駛的精準知識——‘小知識’，而且產(chǎn)生嶄新的職業(yè)，將來會有學習工程師、培訓工程師、實驗工程師、決策工程師。我們就是把司機換了一個地方，以前在車上開，現(xiàn)在是在操作辦公室開，讓無人車在上路之前，得到充分的‘教育’。”
國家自然基金委從2009年開始，每年舉辦一次中國智能車未來挑戰(zhàn)賽（China Intelligent Vehicle Challenge, IVFC），通過設計開放環(huán)境下的無人駕駛測試道路，為無人車在真實道路環(huán)境中學習、訓練提供了很好的平臺，到2018年已經(jīng)是第十屆。
“無人駕駛測試場可以重現(xiàn)無人駕駛汽車使用中遇到的各種各樣道路條件，同時可用于驗證和試驗無人汽車的軟件算法的正確性?！蓖踅淌谔岬?，為了讓無人駕駛的測試更專業(yè)更體系化，2015年8月，常熟市政府聯(lián)合西安交通大學、中國科學院自動化研究所、長安大學和青島智能產(chǎn)業(yè)技術研究院在常熟高新技術產(chǎn)業(yè)開發(fā)區(qū)共建“中國智能車綜合技術研發(fā)與測試中心”（Intelligent Vehicles Proving Center of China，簡稱IVPC），由此實現(xiàn)了國內(nèi)無人駕駛測試中心零的突破。
IVPC“九宮格”無人駕駛測試場地
“從2016年第八屆IVFC開始，我們增加了新的離線測試環(huán)節(jié)，通過模擬真實的交通場景來增強機器學習的手段讓無人車進行模擬學習，不僅效率高，而且安全?！?nbsp;
離線測試是在真實道路交通場景數(shù)據(jù)庫的基礎上，通過仿真環(huán)境評估無人駕駛車輛的基本認知能力。利用車載相機獲取真實道路視頻圖像構(gòu)建交通場景數(shù)據(jù)庫（包括光照、道路類型及車輛運動等動態(tài)變化情況），評估無人駕駛車輛檢測車道線、交通信號、前方車輛等基本認知能力的有效性、實時性和適應性。
為了構(gòu)建更多樣、更完備、更復雜的測試數(shù)據(jù)集，近兩年王飛躍教授帶領團隊先后提出了平行視覺[3]、平行圖像[4]、平行數(shù)據(jù)[5]、平行感知[6]、平行學習[7]、平行駕駛[8]、平行測試[9]等方法，本質(zhì)還是利用虛擬空間無限的可能性來彌補實際數(shù)據(jù)、實際交通場景、實際駕駛狀況的不完備。
2015年，王飛躍教授在報告中第一次結(jié)合ACP平行系統(tǒng)理論與機器人學, 提出平行機器人的概念, 提出將機器人從CPS空間推向CPSS空間, 從服務機械制造的物理機器人演化成為同時服務于知識工作的平行機器人。
作為一種輪式機器人的無人駕駛汽車，同樣可以在CPSS（Cyber-Physical-Social Systems）的理論框架下，將駕駛員、車輛、信息這幾個組成部分，擴展對應到通過物理空間和信息空間耦合交互的三個世界：物理世界、心理世界和人工世界，形成了基于CPSS理論的平行駕駛。
“無人自主駕駛這三個圈(駕駛員、車和信息)，在技術方面能夠從這三個圈擴展到五個圈，那如何來擴展，一定是把物理空間和網(wǎng)絡空間打通，從單個車的智能到聯(lián)網(wǎng)的、群體的車之智能。要跳出CPS，邁向CPSS，以后每個人開車不僅僅是在物理世界，同時還在心理世界和人工世界。未來一定是平行交通、平行道路、平行駕駛。物理的汽車跟軟件定義的汽車要平行起來，物理的公路要跟軟件定義的公路合起來?！?/p>
在王教授構(gòu)想的平行駕駛理論[10]中，當人類司機駕著真實車奔馳時，作為“軟件機器人”的智能代理也開著對應的“虛擬車”同時在虛擬世界中奔馳。
這種虛擬車，學術上稱為“人工車”或“軟件定義的車”，根據(jù)不同的要求在不同的程度上與真實車一一對應。而且，一部真實車可以有多部虛擬車與之相伴，有的隨車而行，有的存于家中、辦公室、服務中心、廠家或政府的檔案機構(gòu)，或者各式各樣的網(wǎng)絡云端服務平臺之中。
利用這種方式，虛擬車可以用可視化的形式提供真實車的本體知識、歷史情況和實時信息；同時提供預測未來狀態(tài)和情境的計算能力或檢查事故原因的回溯計算功能；最終，還可以虛實互動，提供監(jiān)視、控制、管理、服務真實車的各類功能。顯然，這種智能汽車技術的發(fā)展與應用前景幾乎是無限的。
“在未來從L0-L5六個階段共存的場景中，我們需要一個無限安全的性能要求，就需要去預測車輛行為，這將是一個龐大的計算量。現(xiàn)有的計算能力仍很有限，無法在本地進行計算，需要在云端進行復雜的計算，同時在云端進行學習。有些車開得好，有些智能車做得比較差，就會在云端以好的方式讓差的無人車進行學習，最后達到比較安全、比較智能的這樣一種出行方式?！?/p>
這種平行駕駛的構(gòu)想并沒有只停留在概念上，從2007年開始，王飛躍教授正式組織團隊開始了平行駕駛相關研究。從2009年在蘇州成立派爾公司到現(xiàn)在的慧拓智能機器公司，都是平行駕駛的堅定踐行者。
對于未來的構(gòu)想，王飛躍教授說：“隨著智能技術的發(fā)展，無論汽車是有人還是無人駕駛，其智能水平都將不斷提升。或許，汽車真將成為帶輪子的智能計算機、iPhone、甚至智能移動辦公室或生活空間。可問題是，這一天何時到來、又如何實現(xiàn)？一些虛擬測試技術的盛行，揭示了虛實互動的平行方式是駛向未來智能社會的可行和有效途徑。相信未來的智能車每一部都會有形影不離的“i車”相隨，將是虛實互聯(lián)、互通、互動的平行車，即，
平行車= 車+ i車
或者
平行車= 車+ i車1+ +車2+ ……. + i車n
或許，將來廠家的每一個產(chǎn)品都必須有對應的“i產(chǎn)品”，形成平行產(chǎn)品；社會上的每一個人更要有對應的”i人”與之相伴相生，形成平行人；最終，構(gòu)成平行社會?！?/p>
參考文獻
[1] Christopher Nowakowski and Steven E. Shladover, Answering the Challenges of Regulating Automated Vehicle Testing and Development in California, Intellimotion, 2014, 19(1): 1-9.
[2] Fei-Yue Wang, Xiaojing Wang, Li Li,P. B. Mirchandani, “Creating a Digital Vehicle Proving Ground”, IEEE Intelligent Systems, 2003, Vol. 18, No. 2, pp. 12-15.
[3] 王坤峰, 茍超, 王飛躍, “平行視覺:基于ACP的智能視覺計算方法”, 自動化學報, 2016, Vol. 42, No. 10, pp. 1490-1500.
[4] 王坤峰, 魯越, 王雨桐, 熊子威, 王飛躍. 平行圖像: 圖像生成的一個新型理論框架. 模式識別與人工智能, 2017, vol. 30, No. 7, pp. 577?587.
[5] 劉昕, 王曉, 張衛(wèi)山, 汪建基, 王飛躍, “平行數(shù)據(jù): 從大數(shù)據(jù)到數(shù)據(jù)智能”, 模式識別與人工智能, 2017, Vol. 30, No. 8, pp. 673-681.
[6] 孟祥冰，王蓉，張梅，王飛躍, “平行感知: ACP 理論在視覺SLAM 技術中的應用”, 指揮與控制學報, 2017, Vol. 3, No. 4, pp. 350-358.
[7] 李力, 林懿倫, 曹東璞, 鄭南寧, 王飛躍, “平行學習| 機器學習的一個新型理論框架”, 自動化學報, 2017, Vol. 43, No. 1, pp. 1-8.
[8] Fei-Yue Wang, “Parallel Driving With Software Vehicular Robots for Safety and Smartness”, IEEE Transactions on Intelligent Transportation Systems, Aug., 2014, Vol. 15, No. 4, pp. 1381-1387.
[9] Li Li, Wu-Ling Huang, Yuehu Liu, Nan-Ning Zheng, Fei-Yue Wang, “Intelligence Testing for Autonomous Vehicles: A New Approach”, IEEE Transactions on Intelligent Vehicles, June. 2016, Vol.1, No.2, pp. 158-166.
[10] F.-Y. Wang, N.-N. Zheng, D. P. Cao, C. M. Martinez, L. Li, T. Liu, “Parallel driving in CPSS: a unified approach for transport automation and vehicle intelligence”, IEEE/CAA Journal of Automatica Sinica, vol. 4, no. 4, pp.577-587, Oct. 2017.
PS：看遍這一年中國與全球智能駕駛領域的技術前沿與商業(yè)探索，雷鋒網(wǎng)新智駕（微信號：AI-Drive）年度推薦，掃描下圖二維碼或點擊 http://www.ozgbdpf.cn/special/custom/AIdrive.html 了解更多信息。
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
