[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�,，F(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(yǔ)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(wú)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(wàn)張圖片需要5萬(wàn)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：

新車首次發(fā)布

818全球超級(jí)車展

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