<mark id="oztn4"></mark>
0
| 本文作者： 伍文靚 | 2021-12-15 23:35 |
2021 年 12 月 10 日，由雷峰網(wǎng) & 新智駕主辦的第四屆「全球智能駕駛峰會(huì)」在深圳正式召開。
這一次，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))新智駕以「智能駕駛鏖戰(zhàn)時(shí)刻 」為主題，將話筒遞給業(yè)內(nèi) 19 家標(biāo)桿企業(yè)，輻射 13 大技術(shù)/場(chǎng)景，覆蓋智能駕駛算法、芯片、感知、落地等多個(gè)維度，每個(gè)領(lǐng)域只篩選最具代表性的一家企業(yè)。
遵循“基礎(chǔ)理論技術(shù)創(chuàng)新”和“行業(yè)解決方案落地”兩項(xiàng)黃金標(biāo)準(zhǔn)，演講嘉賓向行業(yè)分享他們對(duì)過去經(jīng)驗(yàn)的總結(jié)回顧、對(duì)未來趨勢(shì)的預(yù)測(cè)以及行之有效的模式的分享。
峰會(huì)之上，澳門大學(xué)科技學(xué)院院長(zhǎng)須成忠?guī)砹祟}為「車路協(xié)同下的無人駕駛研究與展望」的精彩演講。
須成忠在會(huì)上指出，智能駕駛催生了新的經(jīng)濟(jì)、新的時(shí)代，所以對(duì)人們的生活、社會(huì)將產(chǎn)生重大的影響。
相對(duì)于國外的市場(chǎng)環(huán)境，國內(nèi)對(duì)智能駕駛事故的容忍度很低，所以業(yè)界玩家謹(jǐn)小慎微。但大家應(yīng)該知道，在保守的策略下，事故少不代表技術(shù)好，同時(shí)大家也應(yīng)該牢記，失敗是成功之母。
為此，須成忠還向業(yè)界呼吁，要大膽地測(cè)試，如果永遠(yuǎn)秉持保守的策略，技術(shù)很難有實(shí)質(zhì)性的進(jìn)步。
至于如何推動(dòng)技術(shù)創(chuàng)新，須成忠也強(qiáng)調(diào)了諸多要點(diǎn)。比如，現(xiàn)階段智能駕駛的實(shí)現(xiàn)很大程度上依賴于深度學(xué)習(xí)，但深度學(xué)習(xí)沒法完全保證系統(tǒng)可靠性的問題，應(yīng)該利用多個(gè)信息源，構(gòu)建可信環(huán)境的全息感知。
目前，須成忠已經(jīng)帶領(lǐng)團(tuán)隊(duì)搭建了一個(gè)自動(dòng)駕駛測(cè)試巴士平臺(tái)，經(jīng)過不斷調(diào)整、改造，自動(dòng)駕駛巴士的穩(wěn)定性、安全性也得到了迅速提升，正在澳門大學(xué)校園里的公共開放道路進(jìn)行試運(yùn)營。
另外，須成忠的團(tuán)隊(duì)還打造了一個(gè)面向未來交通的增強(qiáng)模擬實(shí)驗(yàn)平臺(tái)，涵蓋了自動(dòng)駕駛中大部分場(chǎng)景場(chǎng)景以及邊緣場(chǎng)景、能夠?qū)崿F(xiàn)自動(dòng)駕駛算法測(cè)試、有人/無人駕駛混行、基于數(shù)字孿生的協(xié)同控制、自動(dòng)駕駛算法挑戰(zhàn)賽等功能。
以下是須成忠演講全文，雷峰網(wǎng)新智駕做了不改變?cè)獾恼砼c編輯：
大家上午好！非常慚愧，剛才主持人說我是業(yè)界的領(lǐng)軍（人物），但是我不敢當(dāng)。我看了一下今天上午的演講嘉賓，我是唯一一個(gè)來自學(xué)界的，又是開場(chǎng)嘉賓，所以會(huì)給大家多講一點(diǎn)技術(shù)，演講的題目是「車路協(xié)同下的智能駕駛技術(shù)研究與展望」。
我來自澳門大學(xué)，澳門大學(xué)有一個(gè)科技部智慧城市物聯(lián)網(wǎng)國家重點(diǎn)實(shí)驗(yàn)室，我負(fù)責(zé)智慧交通，而智慧交通又包含了智能駕駛。
大家現(xiàn)在談智慧城市、智慧交通、智慧出行，這幾個(gè)熱門賽道非常重要的趨勢(shì)就是網(wǎng)聯(lián)化、自動(dòng)化、共享化、電動(dòng)化。我們今天談的是網(wǎng)聯(lián)化和自動(dòng)化，汽車怎么自動(dòng)駕駛，以及自動(dòng)駕駛怎么逐漸和車路協(xié)同結(jié)合起來，這些會(huì)對(duì)人們的日常生活、社會(huì)經(jīng)濟(jì)、道路安全等多個(gè)方面產(chǎn)生影響。
先給大家稍微科普一下自動(dòng)駕駛的歷史。事實(shí)上，在汽車誕生之初，人們就已經(jīng)憧憬過汽車的自動(dòng)駕駛功能，但直到2004 年的 DARPA 挑戰(zhàn)賽才開始萌芽，開始自動(dòng)駕駛的新紀(jì)元。
不過，2004 年并沒有任何一個(gè)參賽車隊(duì)順利完成比賽；2005 年有了進(jìn)步，五個(gè)自動(dòng)駕駛車隊(duì)達(dá)到了終點(diǎn)；2007 年，DARPA 挑戰(zhàn)賽將賽場(chǎng)從沙漠拓展到了城市道路，當(dāng)時(shí)有兩個(gè)車隊(duì)分別在兩個(gè)場(chǎng)景下獲得冠軍，隨后 Google 將兩支車隊(duì)收入囊中，開創(chuàng)了今天意義上的智能駕駛時(shí)代。
隨后，各路智能駕駛玩家出現(xiàn)，各種技術(shù)路線風(fēng)起云涌。在國內(nèi)，百度于 2013 年啟動(dòng)自動(dòng)駕駛的研究，包括今天在座的很多業(yè)界翹楚都在做智能駕駛，都在無人配送、無人出租車、無人貨運(yùn)、無人巴士等細(xì)分領(lǐng)域深耕。這一切的核心是基于數(shù)據(jù)驅(qū)動(dòng)的智能駕駛。
有調(diào)研報(bào)道，2023 年所有汽車或多或少都有會(huì)具有自動(dòng)駕駛功能，從自動(dòng)泊車，到輔助駕駛，再到智能駕駛甚至是無人駕駛，這是回避不了的趨勢(shì)。2021 年也有許多市場(chǎng)調(diào)研報(bào)告表明智能駕駛方興未艾、非常火爆，盡管它之前經(jīng)歷了一輪的高峰走向低谷。
實(shí)際上，新技術(shù)的誕生都會(huì)有這樣那樣的坎坷經(jīng)歷，從最早的 Waymo、Uber，到現(xiàn)在的特斯拉等車企，媒體不斷地追蹤報(bào)導(dǎo)與自動(dòng)駕駛相關(guān)的事故。Waymo 是在實(shí)驗(yàn)室做測(cè)試，而特斯拉采取的策略是是讓用戶幫忙做測(cè)試。
我在這里要說的是，中國市場(chǎng)沒有出現(xiàn)這樣的事故，并不是說我們的技術(shù)做得多好、多牛，而是我們的文化，很難容忍智能駕駛事故。但我們應(yīng)該知道失敗是成功之母，沒有失敗就沒有成功。
今天有很多業(yè)界的朋友在這里，所以我要呼吁一下：要大膽地測(cè)試，如果永遠(yuǎn)秉持一種保守的策略，我們的技術(shù)很難進(jìn)步。這是我個(gè)人的理解！
關(guān)于智能駕駛，澳門正在進(jìn)行一個(gè)叫做“MoCAD”（Mocau Connected and Automative Driviving）的智能駕駛技術(shù)研究項(xiàng)目，目前是我在負(fù)責(zé)。我們團(tuán)隊(duì)有一個(gè)愿景，即打造高可靠、高可信的無人駕駛核心關(guān)鍵技術(shù)，解決無人駕駛推廣應(yīng)用中存在的技術(shù)問題。同時(shí)打造智能駕駛車載平臺(tái)和車路協(xié)同智能駕駛實(shí)驗(yàn)基地；目標(biāo)就是要解決三個(gè)問題：如何幫助智能駕駛從封閉場(chǎng)景走向開放場(chǎng)景、如何幫助單車智能實(shí)現(xiàn)協(xié)同智能、如何利用“云端”智能實(shí)現(xiàn)自動(dòng)駕駛的超智能。
下面我給大家簡(jiǎn)單介紹一下我們正在做的一些工作。首先我們搭建了一個(gè)智能駕駛巴士測(cè)試和研發(fā)平臺(tái)，經(jīng)過不斷調(diào)整、改造，基于該平臺(tái)打造的智能駕駛巴士的穩(wěn)定性、安全性都得到了迅速提升，能夠很好地應(yīng)對(duì)突發(fā)性事件。目前，車輛在澳門大學(xué)內(nèi)進(jìn)行測(cè)試運(yùn)營，校園里基本都是公共開放道路。
不僅如此，我們還打造了一個(gè)面向未來城市交通的增強(qiáng)模擬實(shí)驗(yàn)平臺(tái)，基于數(shù)字孿生，涵蓋智能駕駛過程中常見場(chǎng)景以及邊緣場(chǎng)景，實(shí)現(xiàn)自動(dòng)駕駛算法測(cè)試以及有人/無人駕駛的混行。
同時(shí)，我們還在校園里部署了基于 V2X 車聯(lián)網(wǎng)的車路云協(xié)同技術(shù)，即澳門自動(dòng)駕駛車路協(xié)同平臺(tái)。
在一些關(guān)鍵技術(shù)上，我們也進(jìn)行了探索創(chuàng)新。對(duì)于智能駕駛來說，感知是必不可少的一環(huán)，我們希望車輛對(duì)環(huán)境的感知能夠通過 AI 技術(shù)來進(jìn)行融合，從而實(shí)現(xiàn)正確的認(rèn)知、規(guī)劃以及控制。另一個(gè)關(guān)鍵技術(shù)關(guān)于車聯(lián)網(wǎng)和邊緣計(jì)算，這兩者怎么輔助車路感知、怎么實(shí)現(xiàn)協(xié)同認(rèn)知、怎么最好決策與規(guī)劃，我們也在探索。
目前，從感知智能到認(rèn)知智能到規(guī)劃智能，可以看作是基于數(shù)據(jù)驅(qū)動(dòng)的橫向發(fā)展，那么縱向發(fā)展就是基于深度學(xué)習(xí)的模型訓(xùn)練、模型推理、及邊緣智能。
首先是可信環(huán)境全息感知。單個(gè)傳感器總是有不確定性、不可靠性，我們要學(xué)會(huì)利用多個(gè)信息源，融合各個(gè)傳感器的優(yōu)點(diǎn)提升信息感知的可靠性。譬如，很多時(shí)候攝像頭無法抵御外界的擾動(dòng)（雨雪天氣或是人為破壞），可能會(huì)出現(xiàn)“南轅北轍”的識(shí)別結(jié)果，從而導(dǎo)致系統(tǒng)可靠性的出現(xiàn)問題。
我們針對(duì)此我們提出的基于對(duì)攻防御的方法在人工智能頂會(huì) CVPR’2021 以會(huì)議最高宣讀形式發(fā)表；同時(shí)也參加了 CVPR 的安全挑戰(zhàn)賽，獲得亞軍的成績(jī)。
除了多傳感器融合，還要解決在未知場(chǎng)景中的精確定位認(rèn)知問題?，F(xiàn)在業(yè)界的智能駕駛車輛，上路前都會(huì)將道路數(shù)據(jù)收集好、搭建高精地圖，也就是所謂的預(yù)先性。那么，在未知場(chǎng)景中，車輛怎么進(jìn)行自學(xué)習(xí)？自學(xué)習(xí)功能怎么訓(xùn)練？怎么提升整個(gè)系統(tǒng)的能力？這些都需要大家去思考。
還有就是地圖導(dǎo)航，現(xiàn)在業(yè)界對(duì)地圖的使用非常廣泛，包括數(shù)據(jù)的采集以及拼接等。那么，我們?cè)趺蠢眠吘売?jì)算以及云計(jì)算來進(jìn)行高精度定位？怎么在未知場(chǎng)景下，通過自有探索方法來建圖？ 傳統(tǒng)的地圖是２Ｄ的，自動(dòng)駕駛需要３D地圖以更好適應(yīng)路況的變化。比如如何基于點(diǎn)云構(gòu)造三維高精地圖？因?yàn)辄c(diǎn)云存儲(chǔ)量較大，但智能駕駛車輛的存儲(chǔ)空間非常有限。高精地圖如何表示才能使得相關(guān)工作的存儲(chǔ)表達(dá)更加高效？針對(duì)所有這些問題，我們提出了一系列有針對(duì)性的高效方法，相關(guān)論文在自動(dòng)駕駛會(huì)議 IROS和ICRA上。
在智能決策與規(guī)劃方面，宏觀的導(dǎo)航問題已經(jīng)基本解決，微觀的實(shí)時(shí)控制也隨著線控技術(shù)的發(fā)展變得越來越成熟。相比之下中觀的決策規(guī)劃更有挑戰(zhàn)性。在道路空曠路段，要做好靜態(tài)物體的實(shí)時(shí)檢測(cè)避障、交通標(biāo)記的識(shí)別并滿足交通規(guī)則等；在有其他交通參與者的時(shí)候，更要檢測(cè)動(dòng)態(tài)物體并解決道路共享問題。傳統(tǒng)的方法是基于規(guī)則，但適應(yīng)性較差。最新的思路是基于模型訓(xùn)練的深度學(xué)習(xí)方法。
當(dāng)我們把訓(xùn)練好的模型放到應(yīng)用到車輛上，還涉及到一個(gè)規(guī)劃決策實(shí)時(shí)性的問題。這也與車輛的允許速度密切相關(guān)。之前跟業(yè)界交流，大家也都普遍認(rèn)為高速駕駛挑戰(zhàn)較大，因?yàn)榧纫诖_保精度的同時(shí)，又要保障實(shí)時(shí)性。
我們?cè)趺丛谲浻布?jì)算資源非常有限的情況下做好這樣的工作？模型壓縮，通過模型壓縮降低精度來獲取決策的速度。有關(guān)這些問題，我們也總結(jié)了一些方法，首先就是把編碼進(jìn)行壓縮/裁剪，對(duì)有用的信息做加權(quán)、對(duì)無用的信息做裁剪，即 Feature Boosting 方法和硬件實(shí)現(xiàn)，論文也發(fā)表在人工智能頂尖年會(huì) ICLR’2019和NeurIP’2020上。
我們非常自豪做了許多關(guān)于智能駕駛技術(shù)的研究，發(fā)表了不少相關(guān)的論文，也非常希望能夠給這個(gè)領(lǐng)域帶來一些影響和啟示。因?yàn)闀r(shí)間關(guān)系今天就不具體談了。
智能駕駛必將帶來一場(chǎng)深刻的出行革命，基于 AI 技術(shù)我們會(huì)進(jìn)一步推動(dòng)智能駕駛的技術(shù)落地。但我們的文化對(duì)失敗的包容性不夠，大家做智能駕駛都是謹(jǐn)小慎微，所以我們希望社會(huì)對(duì)業(yè)界積極探索可能帶來的問題能夠有更多的包容。
謝謝大家！
雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)
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。
