大眾集團日前宣布，將加大投資力度來加強其位于德國慕尼黑AI數(shù)據(jù)實驗室的實力，專門致力于人工智能技術的研發(fā)。大眾方面稱，雖然目前正在削減內部開支，但作為IT計劃的一部分，大眾在慕尼黑的AI數(shù)據(jù)實驗室并未受到影響，會有更多的人力投入人工智能團隊的建設。

據(jù)了解，大眾數(shù)據(jù)實驗室的研究團隊將繼續(xù)發(fā)展無人駕駛技術和機器人學，主要研究方向包括機器學習技術，即引導機器人和傳感器加強識別能力，以對行駛中遇到的物體和不同情形作出辨識，換言之，團隊希望提高汽車攝像頭的檢測能力，減少無人駕駛汽車因拍攝盲區(qū)等而存在的安全隱患。

另外，團隊希望提高汽車攝像頭的檢測能力，減少無人駕駛汽車因拍攝盲區(qū)等而存在的安全隱患。慕尼黑數(shù)據(jù)實驗室已經成為大眾在研究上述領域中最大的實驗室，并宣稱擁有全汽車行業(yè)中最多的人工智能專家和數(shù)據(jù)科學專家。說到人工智能和數(shù)據(jù)科學家，汽車行業(yè)的人士都深知在汽車的無人駕駛和智能化方向上涉及到大量的人工智能技術和數(shù)據(jù)處理相關知識。

比如，大眾在人工智能技術在汽車中的應用主要是在自動駕駛方面，包括：

• 基于圖像和傳感器的模式識別（Pattern Recognition）

• 基于算法的智能決策（Intelligent Decision-making）

• 判斷處理不同數(shù)據(jù)類型（Data Types Processing）

• 人工智能還可應用到“企業(yè)機械化”中——將自適算法應用到企業(yè)各項功能和流程中（發(fā)展、生產、財經、質量保證）

其中特別要注意的是模式識別不僅僅是上面提到的圖像識別（光圖像識別就包括行人識別、交通標識識別、汽車牌照識別，這些都通過視覺系統(tǒng)完成，難點主要在實時性和魯棒性。要離線處理這些交通標志是很簡單的，但是在無人車上需要能在有限的時間里識別出來，并且考慮道路中可能有的光線變化、遮擋等問題。）還有現(xiàn)在在車內非常流行的語音識別，以及汽車中的零部件故障診斷識別。

舉例來說，機器學習技術在汽車中的應用可以這樣：

原本停在你旁邊的一輛汽車突然駛向馬路，機器學習技術就是在這樣的情形下，讓你的汽車掌握突發(fā)情況的技能。假設汽車也能夠自動檢測到引起駕駛員注意的細節(jié)，那么路上其他車輛不避讓時，汽車也可以輕易避開潛在的事故。

關于模式識別

我們另外有請教汽車行業(yè)中的人工智能專家，他談到目前人工智能在自動駕駛中的應用涉及到：

• 圖像識別

• 語音識別

• 激光雷達

• 毫米波雷達（也涉及高精度地圖，高速處理器等）

另外有業(yè)者表示，計算機視覺的確是深度學習的非常大一塊，但絕對不是全部。比如利用深度學習去做一些環(huán)境的預測，做一些駕駛的決策。

關于智能決策

• 汽車本身以后就將會是個高度智能體

• 包括它的研發(fā)設計與生產制造（智造）

• 駕駛（自動駕駛，自適應變形調節(jié)）

• 后裝維護等

關于數(shù)據(jù)處理

與判斷處理不同數(shù)據(jù)類型不同

• 汽車設計制造都離不開仿真優(yōu)化（基于數(shù)學模型）。

• 一些關鍵影響因子的識別及整體性能的優(yōu)化（各參數(shù)的最佳組合）就要充分用到數(shù)據(jù)分析。

• 只要涉及多變量的模型（對應車輛某些性能問題）就離不開數(shù)據(jù)分析與參數(shù)優(yōu)化。

最關鍵的是大眾集團最新宣布來領導慕尼黑AI數(shù)據(jù)實驗室的是Patrick van der Smagt，他的主要研究方向是機器學習在機器人領域的應用、仿生和傳感器數(shù)據(jù)的處理。

Patrick van der Smagt也是德國BRML實驗室主任，BRML實驗室主要研究方向為機器學習、運動識別以及人機交互等，其與包括慕尼黑工業(yè)大學、慕尼黑大學、德國航空航天中心等世界一流的研究機構都有密切聯(lián)系。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。