鄧志東教授：自動駕駛技術(shù)路線及未來趨勢分析

　　目前，自動駕駛已經(jīng)成為科技圈中的熱點話題，谷歌、蘋果、Uber、百度等科技公司，都把自動駕駛作為今后的重點來發(fā)展。而我國也在對自動駕駛汽車、自動駕駛大巴、自動駕駛地鐵、自動駕駛高鐵等進行研究。由此可見，自動駕駛已經(jīng)成為未來主流方向。

　　鄧志東(清華大學計算機科學與技術(shù)系教授)

　　11月13至14日，由OFweek中國高科技行業(yè)門戶、高科會主辦，OFweek人工智能網(wǎng)承辦的“OFweek2017中國人工智能大會”在深圳舉辦。清華大學計算機科學與技術(shù)系的鄧志東教授在《自動駕駛技術(shù)現(xiàn)狀與趨勢》主題演講中，與大家一同探討了自動駕駛技術(shù)路線，以及未來方向。

　　L3與L4的產(chǎn)業(yè)落地

　　對于汽車駕駛模式，美國SAE汽車工程師協(xié)會認為總共有六個分級，L0是完全人類駕駛，L1是輔助駕駛，L2是自動駕駛，L3是有條件自動駕駛， L4是無人駕駛，現(xiàn)在產(chǎn)業(yè)關(guān)注的焦點是在L3和L4。而L5是所謂真正的無人駕駛，離現(xiàn)在還比較遙遠。鄧志東教授認為，L3和L4是有可能實現(xiàn)和產(chǎn)業(yè)落地的?；诩兏兄淖詣玉{駛，環(huán)境感知必須與環(huán)境建模相結(jié)合。

　　隨后，鄧志東教授針對自動駕駛的不同技術(shù)路線進行了具體探討。Tesla采用的是視覺主導，谷歌則是激光雷達主導。在不同技術(shù)路線中，所使用到的傳感器主要有激光雷達、毫米波雷達以及攝像頭三類，且各具優(yōu)缺點。那么，自動駕駛該由視覺主導還是激光雷達主導?

　　鄧志東教授認為，自動駕駛環(huán)境感知的技術(shù)路線主要有兩種：一種是以特斯拉為代表的視覺主導的多傳感器融合方案。另一種以低成本激光雷達為主導，典型代表如谷歌Waymo。

　　1、視覺主導，以特斯拉為代表：攝像頭+毫米波雷達+超聲波雷達+低成本激光雷達。

　　攝像頭視覺屬于被動視覺，受環(huán)境光照的影響較大，目標檢測與SLAM較不可靠，但成本低。目前，特斯拉已經(jīng)在其量產(chǎn)車上列裝了Autopilot 2.0固件，而且成本較低，只有7000美金左右，使用8個攝像頭組成單目環(huán)視，有1個毫米波雷達和12個超聲波雷達，希望從L2跳躍到L4。

　　經(jīng)過半年的努力，特斯拉近期已經(jīng)完成了將路測大數(shù)據(jù)從Mobileye單目視覺技術(shù)過渡到基于Nvidia Drive PX2計算硬件平臺的特斯拉Vision軟件系統(tǒng)上，并且在今年3月底發(fā)布了8.1軟件版本，它用深度學習的方法在短期內(nèi)基本達到了Mobileye的技術(shù)水平，這是以前很難想象的。特斯拉的自動駕駛技術(shù)究竟怎么樣，一個重要的觀察點就是看它能否在2017年年底，如期從洛杉磯開到紐約，實現(xiàn)全程4500公里且無人工干預的完全自主駕駛。

　　2、激光雷達主導，以Google Waymo為代表：低成本激光雷達+毫米波雷達+超聲波傳感器+攝像頭。

　　激光雷達是主動視覺，它的目標檢測與SLAM比較可靠，但是卻丟失了顏色和紋理且成本高昂。目前谷歌Waymo自己組建團隊研發(fā)激光雷達的硬件，把成本削減了90%以上，基本上是7000美金左右，同時他們已經(jīng)開始在美國鳳凰城地區(qū)對500輛L2級別的車進行社會公測，大大地推進了該類技術(shù)路線的落地實踐。

　　激光雷達主導的解決方案未來可以沿如下兩個方向繼續(xù)推進商業(yè)化進程：

　　一個是發(fā)展攝像頭與激光雷達的硬件模組，把兩者結(jié)合起來，既有激光雷達，又有彩色攝像頭，可以直接獲得彩色激光點云數(shù)據(jù)。

　　另一個是進一步降低激光雷達的硬件成本，比如研發(fā)固態(tài)激光雷達并真正實現(xiàn)產(chǎn)業(yè)化，屆時成本會下降到幾百美金。

　　總之，現(xiàn)在自動駕駛領(lǐng)域有三大核心問題需要著力突破：即利用人工智能，尤其是利用深度學習進行目標識別、自主導航和信息融合，這三方面的技術(shù)成果是真正具有商業(yè)價值的。

　　未來的趨勢是什么?

　　自動駕駛的未來是與人工智能相結(jié)合，并且人工智能最具商業(yè)價值，且可能是最早落地的垂直領(lǐng)域之一。目前研究的環(huán)境感知問題與基于認知地圖的自主導航，可以助推自動駕駛從L2到L3的跨越，而人工智能可望使自動駕駛落地稱為可能。

　　如何代替人進行環(huán)境感知，基于深度CNN的障礙物檢測與識別，還有基于深度學習的行為預測，加上深度學習的多模塊導航與端到端的自主決策，還有Actor-critic的學習。

　　而要實現(xiàn)這些深度學習，則需要大數(shù)據(jù)的支持，大數(shù)據(jù)越多，則能獲得更好的駕駛直覺，加上半失誤模擬駕駛環(huán)境。并且這些大數(shù)據(jù)，必須是在真是條件下有標簽的巨量數(shù)據(jù)，誰擁有的大數(shù)據(jù)越多，誰離產(chǎn)品的成熟度就越高，或者離商業(yè)模式就越近。

　　鄧志東教授認為，今后將邁向共享化無人駕駛汽車社會，共享無人汽車將推動共享經(jīng)濟和只會城市的發(fā)展。

　　最后，對于自動駕駛的趨勢鄧志東教授做出一個小結(jié)， L3與L4將成為無人駕駛產(chǎn)業(yè)關(guān)注的焦點;安全與低成本則是自動駕駛落地的關(guān)鍵;初創(chuàng)企業(yè)則是自動駕駛產(chǎn)業(yè)中最具活力與創(chuàng)新能力的生力軍，但是他們的缺點是沒有造車能力，所以主機廠更多是關(guān)心提供一個智能汽車平臺，互聯(lián)網(wǎng)企業(yè)是在已有的汽車之上做自動駕駛。人工智能是環(huán)境感知、信息融合、自主導航、自主決策與智能控制的決定性技術(shù)，這里面感知、融合、導航、決策，在環(huán)境建模，5G通信，NB-Iot，車聯(lián)網(wǎng)，ITS還有智慧城市的合力支撐下，是有可能使自動駕駛汽車具有人類水平的環(huán)境感知和駕駛技能自主學習能力，其中大數(shù)據(jù)與干預頻度成為評測關(guān)鍵。最后就是智能深度融合，必將加速L4+無人駕駛產(chǎn)業(yè)的商業(yè)落地。