0
| 本文作者： 張夢華 | 2017-06-26 15:29 |
雷鋒網(wǎng)新智駕按：從6月開始，新智駕聯(lián)合雷鋒網(wǎng) · AI慕課學(xué)院、網(wǎng)易云課堂企業(yè)版舉辦了智能駕駛系列講座，邀請業(yè)界、學(xué)界頂尖專家一起分享關(guān)于自動駕駛現(xiàn)在與未來的多樣見解。6月13日，清華大學(xué)計算機系教授，博士生導(dǎo)師鄧志東用一個半小時為自動駕駛從業(yè)者們講解了《“未來汽車”大講堂第一期：構(gòu)建自動駕駛的關(guān)鍵》，雷鋒網(wǎng)新智駕對課程內(nèi)容進行了整理，并做了不改變原意的調(diào)整。
嘉賓介紹
鄧志東，清華大學(xué)計算機系教授，博士生導(dǎo)師。現(xiàn)為中國自動化學(xué)會理事，中國自動化學(xué)會智能自動化專業(yè)委員會主任。曾任國家 863 計劃智能機器人主題專家組組長助理（1998-2001）。主持8年國家級無人駕駛項目，為國內(nèi)包括騰訊自動駕駛實驗室在內(nèi)的頂尖團隊輸送培養(yǎng)大量人才。
自 2009 年開始，在國家自然科學(xué)基金重大研究計劃重點項目「無人駕駛車輛人工認知關(guān)鍵技術(shù)與集成驗證平臺」和培育項目「面向城區(qū)綜合環(huán)境的無人駕駛車輛關(guān)鍵技術(shù)及試驗樣車研發(fā)」的資助下，近 8 年的時間內(nèi)，鄧志東教授主持研發(fā)了三輛具有自然環(huán)境感知與自主決策能力的無人駕駛汽車，即 THU-IV1 原理性實驗樣車、THU-IV2 技術(shù)驗證樣車和 THU-IV3 全線控試驗樣車。
目前的研究方向包括：人工智能、深度神經(jīng)網(wǎng)絡(luò)、計算神經(jīng)科學(xué)，先進機器人、無人駕駛汽車等。曾從事的研究領(lǐng)域：虛擬現(xiàn)實（1998－2001）、無線傳感器網(wǎng)絡(luò)（2001－2009）、計算生物學(xué)（2002－2010）。
在自動駕駛發(fā)展的初期，比較典型的事件是美國 DARPA 資助的 Grand Challenge（2004、2005），Urban Challenge （2007） 以及意大利帕爾馬大學(xué)的新絲綢之路（2010）。
從2009年上路以來，Google Waymo 已經(jīng)安全自主行駛了超過300多萬英里（483公里），人工干預(yù)次數(shù)僅為1.25次/萬公里。
2011年，德國柏林自由大學(xué)的 MIG 無人駕駛汽車在城區(qū)里自主行駛了20公里，經(jīng)過了46個交通燈，兩處環(huán)島，全程無干預(yù)安全地回到了目的地。
2013年，意大利帕爾馬大學(xué)的自主車 BRAiVE，在帕爾馬城區(qū)自主行駛，順利通過單向雙車道等狹窄的城郊道路，其間涉及行人橫穿馬路、交通燈、人工凸起路面、行人區(qū)、急轉(zhuǎn)彎等，同時實現(xiàn)全程無人工干預(yù)。
在國內(nèi)，2009年開始，國家自然科學(xué)基金委員會啟動了“視聽覺信息的認知計算”重大研究計劃，并且連續(xù)舉辦了八屆“中國智能車未來挑戰(zhàn)賽”，對中國無人駕駛汽車研發(fā)水平的提高起到了很大推動作用。這是中國的追跑階段，國內(nèi)很多高校和研究單位參與了這個計劃。8年的時間里，發(fā)生了很大變化，被視為中國智能車發(fā)展的里程碑。
2016年，百度的18輛“云驍”無人車亮相烏鎮(zhèn)子夜路，在開放的城區(qū)道路上行駛了3.16公里。百度稱其為 NHTSA L4 級別的完全自動駕駛汽車。
總的來說，這一時期是科研主導(dǎo)的時期，不考慮成本，（一臺車的成本可能要二百多萬、三百多萬）只要求走通技術(shù)路徑，但在第二幕整個情況就不同了。
第二幕是以市場為主導(dǎo)、企業(yè)為主體來推動自動駕駛發(fā)展的，必須考慮設(shè)備成本、落地實踐、商業(yè)模式的因素，這其中有三個重要組成：
新車企：特斯拉、蔚來、奇點、小鵬、樂視、車和家等
老車企：福特、雷諾-日產(chǎn)、戴姆勒、大眾、寶馬，國內(nèi)的長安、奇瑞、長城、北汽、比亞迪等
跨界科技企業(yè)：Google Waymo，Uber，Apple，百度，騰訊，華為等巨頭；初創(chuàng)企業(yè)如馭勢科技、智行者、地平線、圖森、商湯科技等
所謂新“四化”，即電動化、信息化、智能化、共享化。
1. 電動化
德國政府已經(jīng)宣布，2030年后將禁止內(nèi)燃機車上路；2016年10月8日，國務(wù)院常務(wù)會議決定，中國原則上不再核準新建傳統(tǒng)燃油汽車生產(chǎn)企業(yè)。
2. 信息化
信息化包括數(shù)字化或軟件化，以及（內(nèi)部）總線化或（外部）網(wǎng)聯(lián)化，它是智能化的基礎(chǔ)和條件，很多新能源汽車都實現(xiàn)了網(wǎng)聯(lián)化，OTA 和軟件定義升級現(xiàn)在都開始成為標配。
3. 智能化
智能化就是我們今天正在做的事情——自動駕駛或者無人駕駛。
目前來看，這個方向有兩種選擇，一個是基于視覺主導(dǎo)的方案，主要利用人工智能、大數(shù)據(jù)驅(qū)動，以單目視覺為主，典型代表是特斯拉。因為第二幕已經(jīng)不是視覺路徑走通就可以了，還要追求低成本、高可靠度，真正實現(xiàn)商業(yè)落地，而要實現(xiàn)這些也只能以企業(yè)為主體，由市場來主導(dǎo)。另一種方案是以激光雷達為主導(dǎo)，典型代表是 Google Waymo。
4. 共享化
共享無人駕駛和智能增值服務(wù)是眼下汽車產(chǎn)業(yè)發(fā)展的終極目標。共享無人駕駛汽車作為智能移動終端或智能網(wǎng)聯(lián)的一個節(jié)點，將推動共享經(jīng)濟和智慧城市的發(fā)展，從根本上顛覆人類的出行方式。
汽車的空間更大，承載能力更強，可以產(chǎn)生并實現(xiàn)對大數(shù)據(jù)的需求、能夠提供更加多樣化的增值服務(wù)，它將成為比智能手機更大的移動終端，并且形成一個共享網(wǎng)聯(lián)，從而驅(qū)動形成一個無人駕駛生態(tài)。無人車將使安全、共享、綠色和節(jié)能發(fā)揮到最大化。
更安全
人類80%的車禍都跟情緒波動、疲勞駕駛、酒后駕駛有關(guān)，自動駕駛就降低了這方面的危險，事故發(fā)生頻率可以從10萬公里一次大幅減少到1000萬公里一次。
去年特斯拉的兩次事故，讓很多人對無人駕駛的安全產(chǎn)生了顧慮，但是根據(jù)世界衛(wèi)生組織（WHO）的數(shù)據(jù)，全世界每年車禍致死的人數(shù)有125萬，平均每天就有3425人在車禍中喪生。從這個數(shù)據(jù)來看，無人駕駛汽車無疑是更加安全的。
汽車共享
無人車可使城市汽車保有量降低到目前的5%-10%，可從根本上解決交通擁堵等問題。
普遍采用新能源，更加環(huán)保
可以優(yōu)化無人車的調(diào)度與全局路徑，從而節(jié)省能源消耗
自動駕駛的產(chǎn)業(yè)化步伐正不斷加快，很多人將2021年作為自動駕駛的產(chǎn)業(yè)元年。典型的例子是特斯拉的 Autopilot 2.0。
目前，特斯拉所有量產(chǎn)新車都可安裝“具有完全自動駕駛功能”的硬件系統(tǒng) Auopilot 2.0，并能通過 OTA 進行 ECU 軟件升級，自動駕駛功能從 L2 直接跳躍到 L4 及其以上。這一點能不能成為現(xiàn)實，今年年底就可觀察到部分結(jié)果——馬斯克宣稱2017年年底之前特斯拉將以完全自動駕駛模式從洛杉磯開往紐約，包括最為困難的出城、入城，并且4500公里全程無干預(yù)。
現(xiàn)在也有很多企業(yè)在進行公開路測。2016年8月25日，nuTonomy 在新加坡推出了全球首臺無人駕駛出租車免費載客服務(wù)，但范圍限定在2.5平方英里的商業(yè)住宅區(qū)內(nèi)；9月14號，Uber 在匹茲堡市區(qū)推出了大范圍無人駕駛出租車免費載客服務(wù)。而Google Waymo、沃爾沃、福特、寶馬、百度、英特爾等全球20家企業(yè)均已宣稱，4年后的2021年將會是無人駕駛汽車元年，部分 SAE L4 將實現(xiàn)量產(chǎn)。
同時，產(chǎn)業(yè)競爭也在不斷加劇。這里有兩個主要指標，一個是基于大數(shù)據(jù)的自動駕駛里程數(shù)，一個是千英里內(nèi)的人工干預(yù)頻率。去年，美國加州車輛管理局公布了幾家車企的數(shù)據(jù)，排名第一的是 Google Waymo，其自動駕駛行駛里程是300萬英里，干預(yù)數(shù)為0.2次/千英里。第二名通用的 Cruise 是18.5次/千英里。
美國一個雜志剛剛公布了一個排名，它將全球的自動駕駛企業(yè)分為三個梯隊，并從技術(shù)、人才、商業(yè)模式三個維度進行打分，每個維度5分，滿分15分。第一梯隊有 Google Waymo，它的技術(shù)是滿分，人才是4.5分，商業(yè)模式僅3.5分；緊跟其后的是Uber，Uber雖然技術(shù)做的不是很好，但商業(yè)模式是最好的，為滿分5分，它已經(jīng)在匹茲堡整個城區(qū)推出了無人駕駛免費載客服務(wù)；第三、第四分別是戴姆勒和德爾福。
1. 活躍的人工智能初創(chuàng)企業(yè)。包括 Zoox，drive.ai，被通用收購的 Cruise Automation，Comma.ai，日本的 Preferred Network，ZMP 等。
2. 雄心勃勃的新車企。比如特斯拉，經(jīng)過半年的努力，近期已經(jīng)順利完成了將路測數(shù)據(jù)從 Mobileye 過渡到運行于 Nvidia Drive PX2 上的 Tesla Vision 軟件系統(tǒng)上，并已于今年3月底發(fā)布了 Autopilot 8.1 軟件升級。
特斯拉是離商業(yè)化更近的。首先它本身是新能源車企；其次，它有OTA，可以進行軟件升級；第三，它擁有的大數(shù)據(jù)也是世界上最豐富的（有超過3億英里的路測數(shù)據(jù)）；最后，它所有的硬件都已經(jīng)成為量產(chǎn)車的標配。因此，只要將每一個已完成的自動駕駛功能進行嚴格路測，成熟一個，就可以完成一個 OTA 軟件升級。
3. 加速發(fā)力的跨界科技巨頭。比如 Google 去年將自動駕駛部門分拆成立了Google Waymo ，通過建立團隊獨自研發(fā)，激光雷達成本削減了90%以上，現(xiàn)在差不多在7000美金左右，量產(chǎn)之后，相信這個成本還會更低。Waymo 現(xiàn)在已經(jīng)在美國鳳凰城地區(qū)對500輛克萊斯勒 Pacifia MPV 插電式混合動力無人駕駛汽車進行了社會公測，這也被視為其商業(yè)化落地的前奏。此外，百度推出了阿波羅計劃，計劃對自動駕駛代碼進行開源；還有英偉達的 Xavier 開源計劃，它與豐田合作，計劃今年7月開放 Xavier 平臺入口，到9月份實現(xiàn)完全開源。
4. 仍具優(yōu)勢的傳統(tǒng)車企。如福特、通用、雷諾日產(chǎn)、戴姆勒、大眾、寶馬等傳統(tǒng)車企都加速了自動駕駛汽車產(chǎn)品的研發(fā)與測試進程，國內(nèi)如長安、奇瑞、長城、北汽、比亞迪等，也都在積極開發(fā)自己的自動駕駛汽車技術(shù)。
這是自動駕駛的第二幕。我相信 SAE L4 自動駕駛時代很可能在2021年前后就會到來，但其功能與區(qū)域并非一步到位，而是會逐步迭代。
一. 技術(shù)上的挑戰(zhàn)
這里面主要有兩個困難：如何從 L2 跨越到 L3？如何從 L3 跨越到 L4？分別考慮對極端環(huán)境的感知和對緊急情況的預(yù)判決策。衡量產(chǎn)業(yè)化落地則有兩個主要指標，分別是自動駕駛的大數(shù)據(jù)行駛里程數(shù)和每萬公里的人工干預(yù)次數(shù)。
二. 應(yīng)用場景和商業(yè)模式的選擇，包括低速和高速的選擇
自動駕駛有兩個分級標準，一個是比較老的美國高速公路交通安全局的分級，將自動駕駛水平分為 L0 ，L1，L2，L3到 L4；另一個是美國汽車工程師協(xié)會（SAE）的分級，從 L0 到 L5 。
SAE L0-L5 六級其實可以歸納為三個階段，第一個階段叫做輔助與半自動駕駛，包括L0和L1。L0就是我們現(xiàn)在完全由人開車的狀態(tài)，只不過可以前裝或后裝告警式的開環(huán) ADAS，如 LDW，F(xiàn)CW，BSD 等；L1則是一個有單項閉環(huán)的 ADAS，如 ACC，AEB，LKS，IPAS 等；
第二個階段就是自動駕駛第一幕所能達到的階段，屬于過渡期的無人駕駛，包括 L2 和 L3。如果不考慮成本的話，現(xiàn)在已經(jīng)普遍達到了這個階段。L2 需要安全駕駛員和監(jiān)控駕駛員在無人車里面，安全駕駛員主要負責(zé)行車環(huán)境的感知監(jiān)控，手不離開方向盤，以便對極端環(huán)境進行感知與認知干預(yù)，L2也被稱為部分自動駕駛。L3 則把感知干預(yù)全部取消了，僅對緊急情況的出現(xiàn)進行預(yù)判決策及認知干預(yù)，屬于有條件的自動駕駛。
第三階段是真正的無人駕駛，包括 L4 和 L5。L4 為無任何人類駕駛員，但限定區(qū)域或功能。換句話說，即使是在極端環(huán)境與對緊急情況，均不存在人的接管或干預(yù)問題，屬于高度自動駕駛。L5 則與人類駕駛無異，是全區(qū)域和全功能的。同樣地，即使是在極端環(huán)境與對緊急情況，也均不存在人的接管或干預(yù)，并且已沒有方向盤、踏板和后視鏡，屬于完全自動駕駛。
1. 應(yīng)用場景和商業(yè)模式的選擇
低速L4的自動駕駛，就是在相對封閉的環(huán)境中，比如景區(qū)、港口、機場、開發(fā)區(qū)等空曠且交通流稀疏的區(qū)域進行的固定線路自動行駛的落地實踐，包括擺渡車和游覽車等，這部分應(yīng)主要關(guān)注的是商業(yè)模式。在開放環(huán)境下實現(xiàn)全城區(qū)的 L2 到 L4 的技術(shù)跨越，就已經(jīng)不僅僅是商業(yè)模式，主要還是要看技術(shù)上的突破?？偟膩碚f，低速追求商業(yè)模式，高速則涉及高可靠、低成本技術(shù)路線的選擇，技術(shù)的挑戰(zhàn)性要大得多。
2. 困難與挑戰(zhàn)
首先，L2 到 L3 如何跨越？人在開車時，對周邊道路環(huán)境是有理解的，看到的目標不僅僅是一個檢測、分類與識別的結(jié)果，而且還是有語義的，是有內(nèi)涵和外延的。人工智能如果在語義理解方面不實現(xiàn)技術(shù)突破，就很難超過人的感知水平。其實 L2 到 L3 的問題就是可靠感知的問題，不管是視覺主導(dǎo)的方案，還是激光雷達主導(dǎo)的方案，都是在解決極端環(huán)境下的可靠感知問題。
其次，怎么從 L3 跨越到 L4？這就涉及到認知干預(yù)的問題。出現(xiàn)緊急情況怎么去預(yù)測、去判斷？怎么去替代人進行認知干預(yù)？現(xiàn)在對緊急、極端情況的預(yù)測也有一些方法，比如基于深度學(xué)習(xí)的端到端的自主行為決策與人機混合智能。
總之，這兩個問題都非常困難，具有很大的挑戰(zhàn)性，因為需要處理極端與緊急情況，同時要求絕對可靠，并且考慮低成本實現(xiàn)，這也是做無人駕駛的一個特點。攝像頭的設(shè)備成本最便宜，特斯拉的技術(shù)方案就是以環(huán)視單目攝像頭為主，另外一種就是 Waymo 以低成本激光雷達為主導(dǎo)的技術(shù)方案，這兩種都是低成本方案。
還有目標檢測與識別的問題。對交通流稠密的復(fù)雜城區(qū)，如何進行極端環(huán)境下周邊障礙物的檢測與識別，特別是行人等小目標？還有精準導(dǎo)航，怎么替換掉高成本的高精度組合導(dǎo)航系統(tǒng)？怎么結(jié)合激光 SLAM 和視覺 SLAM，把成本降下來？但不管是目標識別還是精準導(dǎo)航，最大的問題還是信息融合。雖然采用視覺主導(dǎo)或激光雷達主導(dǎo)的方案，但仍需融合其他異構(gòu)的感知或?qū)Ш皆O(shè)備。這方面可采用深度學(xué)習(xí)的方法，進行多傳感器的信息融合。
最后一個挑戰(zhàn)就是商業(yè)落地，要在保證絕對安全的前提下盡可能地降低成本，這是現(xiàn)在的大難題，這個問題的解決也許會導(dǎo)致技術(shù)路線的根本改變。
很多人認為自動駕駛是最具商業(yè)價值且有可能最早落地的垂直領(lǐng)域之一。商業(yè)價值無需再強調(diào)，共享無人駕駛汽車未來可能是萬億美元的市場，將顛覆整個人類的出行方式，意義十分重大，但要實現(xiàn)落地就必須保證絕對安全和低成本。其次，還要進行垂直整合，要有一個完整的解決方案，形成一個產(chǎn)業(yè)生態(tài)。
深度學(xué)習(xí)源于原始的大數(shù)據(jù)，其實時性也正在得到諸如 GPU、TPU、ASIC、 FPGA 和類腦芯片快速發(fā)展的支撐，已成為自動駕駛感知、決策與控制的基礎(chǔ)技術(shù)。目前，三大芯片巨頭也都在向人工智能方向轉(zhuǎn)型，尤其是布局自動駕駛，這是兵家必爭之地。
深度學(xué)習(xí)已經(jīng)成為自動駕駛感知與決策的主流方法，其主要包括兩個方面：一個是深度卷積神經(jīng)網(wǎng)絡(luò)，另一個就是深度強化學(xué)習(xí)。
深度卷積神經(jīng)網(wǎng)絡(luò)迄今的革命性進展，再加上低成本激光雷達、高精地圖、5G 通信、V2X 以及智能交通系統(tǒng)和智慧城市的合力支撐，將可能使極端條件下周邊行車環(huán)境的可靠感知與低成本、高可靠精準導(dǎo)航成為現(xiàn)實，助推自動駕駛從 L2 向 L3 跨越。而實現(xiàn) L2 到 L3 的跨越，解決了具有人類水平的環(huán)境感知，邁向真正無人駕駛之路就走了一大半。
基于深度強化學(xué)習(xí)的 AlphaGo 可以達到人類水平，甚至超過人類水平。由 AlphaGo 強力助推的深度強化學(xué)習(xí)的最新進展，有可能使自動駕駛汽車擁有類似人的自主學(xué)習(xí)能力，獲得包括具有緊急情況預(yù)測在內(nèi)的端到端自主行為決策系統(tǒng)和數(shù)據(jù)驅(qū)動型智能控制系統(tǒng)，從而助推自動駕駛從 L3 跨越到 L4。
人工智能可望使自動駕駛落地成為可能，主要涉及算法（深度卷積神經(jīng)網(wǎng)絡(luò)+深度強化學(xué)習(xí)）、數(shù)據(jù)（目標及行為意圖視覺大數(shù)據(jù)/激光點云大數(shù)據(jù)，駕駛行為大數(shù)據(jù)等）、計算（如移動端、云端、離線訓(xùn)練深度學(xué)習(xí)加速器）、細分場景（目標及行為意圖感知，認知地圖與導(dǎo)航，信息融合，自主決策，智能控制等）和垂直整合等5個維度。
支撐自動駕駛落地的深度學(xué)習(xí)算法與開源代碼框架：谷歌的 TensorFlow，加州伯克利的 Caffe，Bengio 的 Theano，F(xiàn)acebook 的 Torch，微軟的 CNTK，Amazon 的 MXNet，百度的 Paddle Paddle；
共性關(guān)鍵技術(shù)：深度學(xué)習(xí)+環(huán)境理解，深度學(xué)習(xí)+信息融合，深度學(xué)習(xí)+決策/控制；
前沿核心技術(shù)：基于深度監(jiān)督學(xué)習(xí)的目標及行為意圖檢測與識別；基于深度監(jiān)督學(xué)習(xí)的高精度地圖創(chuàng)建；基于深度監(jiān)督學(xué)習(xí)的多模態(tài)導(dǎo)航信息融合；基于深度強化學(xué)習(xí)的自主決策與控制；
如何替代人進行環(huán)境感知：基于深度 CNN 的環(huán)境感知，與 HD 地圖結(jié)合；基于深度 CNN 的極端環(huán)境下道路感知\車道線與可行駛路面檢測；基于深度 CNN 的障礙物檢測與識別；
如何替代人進行自感知：基于深度學(xué)習(xí)的多模態(tài)自主導(dǎo)航，與認知地圖結(jié)合；基于深度強化學(xué)習(xí)的端到端自主決策，與認知地圖結(jié)合；基于深度強化學(xué)習(xí)的 Actor-Critic 控制，與知識驅(qū)動結(jié)合。
另外，專有大數(shù)據(jù)是 AI 產(chǎn)業(yè)致勝的關(guān)鍵和法寶。深度學(xué)習(xí)采集與喂食的大數(shù)據(jù)越多，越能獲得更好的駕駛直覺。
科技巨頭都在瘋狂追逐大數(shù)據(jù)，誰擁有與利用的大數(shù)據(jù)越多，誰的產(chǎn)品成熟度就越高，或者離商業(yè)化就越近。但是需要解決的還有大數(shù)據(jù)的完備問題，比如把識別率從99.999%提高至99.99999%，需要的是指數(shù)級增長的大數(shù)據(jù)，需要極大的資源付出。
支持自動駕駛落地的計算引擎：基于超級 GPU/TPU 的離線訓(xùn)練；
基于云平臺的在線應(yīng)用：GPU/FPGA 深度學(xué)習(xí)處理器；
終端應(yīng)用：NVIDIA 的深度學(xué)習(xí)芯片 Tegra X1 及 Jetson TX2，深度學(xué)習(xí)芯片 Tesla，深度學(xué)習(xí)芯片 Drive PX2，以及開源 Xavier DLA；
新汽車芯片制造商：英特爾 Apollo Lake A3900 的“智能互聯(lián)駕駛艙平臺”，高通驍龍 820A 處理器；
類腦芯片：例如 IBM TrueNorth，高通（Qualcomn）Zeroth；
支撐自動駕駛落地的其他基礎(chǔ)條件：如基于目標理解的認知地圖，特別地，高精（柵格\認知）地圖未來可能成為巨大的產(chǎn)業(yè)。此外還有基于 5G 和移動物聯(lián)網(wǎng) NB-IoT 的智能網(wǎng)聯(lián)技術(shù)（如支持云端和路測設(shè)備通信），智能交通系統(tǒng)（ITS）和智慧城市等，形成合力，支撐自動駕駛產(chǎn)業(yè)的落地實踐。
L2 跨越到 L3 的挑戰(zhàn)是：如何利用深度卷積神經(jīng)網(wǎng)絡(luò)替代人進行極端條件下周邊行車環(huán)境的可靠感知。
L3 跨越到 L4 的困難是：如何利用深度強化學(xué)習(xí)替代人進行緊急情況預(yù)測的自主決策。
深度學(xué)習(xí)近期的革命性進展，再加上高精地圖、5G通信、智能網(wǎng)聯(lián)以及 ITS 和智慧城市的支援，形成合力，將助推自動駕駛產(chǎn)業(yè)落地。
共享無人駕駛與智能增值服務(wù)將成為智慧出行的終極發(fā)展目標。
問：無人駕駛中出現(xiàn)緊急情況要如何干預(yù)？
答：Uber、Waymo 測試的車上都有工程師，尤其對 L2 這種級別的自動駕駛汽車，司機的位置上都坐著人，并且手不離開方向盤，遇到緊急情況就可以隨時接管。
如果是認知干預(yù)的情況，駕駛員則可以按下緊急制動按鈕控制車輛。不管是通過車上有線還是車外無線的方式，人都可以在判定決策后，進行緊急制動干預(yù)。
問：認知地圖是一個什么概念？
答：認知地圖是開車時，周邊行車環(huán)境中各個交通元素之間的時空關(guān)系，人類就是利用認知地圖來開車的。人眼可以輕易地分辨出物體以及它們相互之間的時空關(guān)系，機器則需要進行檢測和識別，其實這部分是最困難的。
問：現(xiàn)在共享單車破壞這么嚴重，共享無人駕駛汽車未來如何避免這種尷尬？
答：共享無人駕駛汽車可能不會有這樣的問題，因為它一定是一個公司或企業(yè)來運營的，由于設(shè)備成本比較高，相信企業(yè)也會有更好的運營和組織模式。其實現(xiàn)在說這個問題還為時尚早，重要的是要先發(fā)展，之后出現(xiàn)問題再解決問題。
問：自動駕駛的安全性怎么管控？
答：自動駕駛的安全性一定比人開車要高。人開車時會有疲勞駕駛、酒后駕駛、情緒化的問題，但無人駕駛汽車就避免了這些。
我們現(xiàn)在擔(dān)心的只是它能不能達到人類的感知水平。目前確實達不到，前面也說了，深度卷積神經(jīng)網(wǎng)絡(luò)有一個缺陷，就是只能解決分割和分類的問題，做不了語義理解。但這個局限性，可以通過多傳感器融合，有效利用高精地圖的先驗知識，以及5G、NB-IoT 等組成的智能網(wǎng)聯(lián)與 ITS 的合力來進行突破?？偟膩碚f，自動駕駛是提高了駕駛的安全性，而不是降低。
問：谷歌、英偉達、英特爾的自動駕駛芯片和算法各有什么優(yōu)勢？
答：谷歌本來是做算法的，現(xiàn)在也有了 TPU 芯片，并且在試圖擠入芯片的三大巨頭。它的算法和 TPU 都做得很好，優(yōu)勢很明顯。在技術(shù)上，谷歌肯定是第一。英偉達本身不做算法，主要做芯片，在人工智能時代，它的芯片非常有優(yōu)勢。英特爾眼下也在做人工智能芯片的布局和轉(zhuǎn)型。
問：人工智能汽車最后是不是就是機器人的一種？
答：是，從某種意義上說，自動駕駛汽車就是一個室外輪式移動機器人。
問：自動駕駛是基于地圖、劃線實施計算的，那么對于越野地理環(huán)境，沒有路基，沒有劃線，要怎么實現(xiàn)自動駕駛？
答：高精地圖只是一個基礎(chǔ)支撐條件，但不是必須有。沒有車道線也沒關(guān)系，越野環(huán)境沒有車道線，但有可行駛路面等，駕駛時也可融合 GPS 或北斗導(dǎo)航信息等做輔助。
問：百度開源對創(chuàng)新型企業(yè)有什么指導(dǎo)作用嗎？
答：它是一個完整的解決方案，但我想它只會開源第一幕的代碼。第一幕只是把技術(shù)路徑走通，但可能會不計成本，因此商業(yè)價值不大，不過對剛剛開始做自動駕駛的初創(chuàng)企業(yè)，也是有指導(dǎo)作用的。第二幕真正有商業(yè)價值的程序，百度未必會開源。
重磅預(yù)告：本系列講座的第二期，我們邀請了高德汽車高精度地圖產(chǎn)品總監(jiān)谷小豐，分享了高精度地圖在自動駕駛中的作用，課程總結(jié)文也將在近期發(fā)布。
接下來，地平線機器人技術(shù)智能駕駛商務(wù)總監(jiān)李星宇、硅谷自動駕駛技術(shù)公司 Vector.ai CEO 蔡長柏（Andrew Tsai）還將為學(xué)員分別帶來更多精彩分享，課程內(nèi)容將于6月28日、7月12日陸續(xù)上線，敬請留意雷鋒網(wǎng)慕課學(xué)院。
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。
