[汽車之家 行業(yè)]  人工智能（AI）時(shí)代已經(jīng)來臨，這項(xiàng)技術(shù)其實(shí)從90年代開始就不斷走向成熟。現(xiàn)如今，阿爾法狗（AlphaGo）又輕松擊敗了人類最強(qiáng)圍棋大腦，頂尖電競(jìng)團(tuán)隊(duì)打Dota也敗給了AI，并且永遠(yuǎn)不可能再翻盤。自動(dòng)駕駛可以說是人工智能應(yīng)用最大、最典型的場(chǎng)景，然而為何自動(dòng)駕駛汽車的發(fā)展卻一波三折。

『清華大學(xué)車輛與運(yùn)載學(xué)院長(zhǎng)聘副教授李升波』

　　日前，在第六屆國(guó)際智能網(wǎng)聯(lián)汽車技術(shù)年會(huì)（CICV 2019）上，清華大學(xué)車輛與運(yùn)載學(xué)院長(zhǎng)聘副教授李升波稱，一個(gè)AI算法應(yīng)用在手機(jī)上其實(shí)是比較容易實(shí)現(xiàn)的，但是應(yīng)用在汽車上，一旦把安全性、節(jié)能性、流暢性以及舒適性等要求加上去，這個(gè)挑戰(zhàn)就已經(jīng)是成倍的增長(zhǎng)了。

　　自動(dòng)駕駛汽車的現(xiàn)實(shí)如何，又面臨哪些實(shí)際問題呢？李升波從自動(dòng)駕駛汽車“感知”、“決策”和“執(zhí)行”三個(gè)層面剖析了自動(dòng)駕駛發(fā)展所面臨的挑戰(zhàn)。

　　感知層的挑戰(zhàn)

　　感知層，其實(shí)是要解決汽車“我在哪里”的問題。目前，一般采用攝像頭、毫米波雷達(dá)、激光雷達(dá)、GPS、IMU（慣性測(cè)量單元）等來實(shí)現(xiàn)。攝像頭是當(dāng)前應(yīng)用人工智能算法的核心零部件，攝像頭主要有四大任務(wù)：圖像分類、目標(biāo)的定位、目標(biāo)的檢測(cè)和語義分割。

　　李升波稱，目前所采用的主流方法是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)來完成上述任務(wù)，理論上沒有問題，但在實(shí)際應(yīng)用中問題比較大。一方面，當(dāng)汽車需要去識(shí)別更多的車輛、行人、自行車以及道路標(biāo)志等目標(biāo)的時(shí)候，無論是人工智能的訓(xùn)練深度還是推斷能力都有所欠缺。例如，神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)標(biāo)注，1500萬張圖片需要5萬多名工程師耗費(fèi)2年時(shí)間才能完成，但這才標(biāo)注了20多種類型，而道路環(huán)境需求卻遠(yuǎn)超這個(gè)數(shù)據(jù)。這還不包括激光雷達(dá)、毫米波雷達(dá)等傳感器所需要標(biāo)注的數(shù)據(jù)，況且除了數(shù)據(jù)標(biāo)注工作外，還要加上安全性和準(zhǔn)確性等方面的要求。

　　此外，實(shí)際駕駛場(chǎng)景中還有惡意樣本的欺騙性。李升波舉例稱，原來是熊貓的樣本圖片中加入百分之一的“噪聲”，系統(tǒng)就將其識(shí)別成了金絲猴。而這樣的“噪聲”干擾在現(xiàn)實(shí)中太多了，神經(jīng)網(wǎng)絡(luò)在對(duì)抗惡意樣本的時(shí)候能力會(huì)變得非常脆弱。

　　決策層的挑戰(zhàn)

　　決策，在狹義上其實(shí)是指自動(dòng)駕駛的“大腦”根據(jù)汽車“看到”的環(huán)境信息，給出汽車的駕駛策略。目前，在園區(qū)等簡(jiǎn)單的封閉場(chǎng)景下，自動(dòng)駕駛系統(tǒng)決策比較“完美”，但在城市工況下卻不盡然。

　　李升波例舉了一個(gè)頗具現(xiàn)實(shí)意味的例子，檢驗(yàn)自動(dòng)駕駛汽車決策是否完美最直接的方式就是，“讓一輛自動(dòng)駕駛汽車從清華大學(xué)校門口跑到五道口，如果不出問題，那就算過關(guān)了，這是最好的測(cè)試場(chǎng)景�！�

　　不過，自動(dòng)駕駛汽車在現(xiàn)實(shí)中很難通過十字路口，這就需要更加先進(jìn)的人工智能決策和控制系統(tǒng)。李升波稱，現(xiàn)今在“干凈”的場(chǎng)景下做決策沒問題，但是像中國(guó)道路狀況的復(fù)雜性就太高了，行人的隨機(jī)性太強(qiáng)，還有碰瓷的問題又該如何解決呢。

　　另外一類是跟駕駛員相關(guān)，98%的駕駛員在駕車時(shí)其駕駛行為集中在4種模式：急行、超車、跟車、換道。但從研究的角度來說，駕駛行為有幾百種，雖然前面4種駕駛模式覆蓋了所有駕駛行為的98%，但剩下的2%卻同樣跟安全密切相關(guān)。李升波稱，人在駕駛時(shí)是不斷改進(jìn)的，但當(dāng)前決策模塊卻達(dá)不到這樣的水平�？梢钥闯�，人工智能還需要不斷進(jìn)化才能應(yīng)用在汽車領(lǐng)域。

　　執(zhí)行層的挑戰(zhàn)

　　排在感知、決策之后，就是執(zhí)行的問題，也就是汽車的運(yùn)動(dòng)問題。狹義上來說，自動(dòng)駕駛汽車需要解決方向盤（轉(zhuǎn)向）、油門/剎車（制動(dòng)）兩個(gè)問題，能夠?qū)崿F(xiàn)縱向和橫向的同時(shí)控制，這也就基本達(dá)到了L3級(jí)自動(dòng)駕駛（L3與L2最根本的區(qū)別在于L3實(shí)現(xiàn)了縱向和橫向的控制）。

　　不過，李升波同樣認(rèn)為當(dāng)前汽車運(yùn)動(dòng)也不“完美”。一方面是，傳感器有“噪聲”、執(zhí)行器有誤差、變速車輪非線形。在普通的路況較好的道路上運(yùn)動(dòng)控制是沒有問題的，但是在極限狀態(tài)下還達(dá)不到。

　　另外，如果自動(dòng)駕駛要實(shí)現(xiàn)商業(yè)化，卡車編隊(duì)控制是一個(gè)重要的商業(yè)化應(yīng)用場(chǎng)景。而在卡車編隊(duì)中，有時(shí)候?yàn)榱斯?jié)能需要把卡車間的距離控制在4-5米，而這種精度的運(yùn)動(dòng)控制已經(jīng)上升了一個(gè)量級(jí)。（文/汽車之家 鮑彬斌）

查看同類文章：

智能網(wǎng)聯(lián)

論壇峰會(huì)

更多精彩內(nèi)容：

海外諜照

商業(yè)模式

汽車之家行業(yè)-大數(shù)據(jù) 全領(lǐng)域 新視點(diǎn)