首页 > 智能网

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

来源:智能网
时间:2019-11-03 20:08:53
热度:81

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策新智驾按:10月26日至27日,2019第二届全球智能驾驶峰会暨长三

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

新智驾按:10月26日至27日,2019第二届全球智能驾驶峰会暨长三角G60科创走廊智能驾驶产业峰会在苏州高铁新城正式举行。峰会主要聚焦“自动驾驶的量产时代、单车智能和车路协同的共演之路、新型的车内交互探索”三大主题,共同探讨了智能驾驶的未来发展方向。

本次峰会由苏州市相城区人民政府主办,苏州高铁新城管理委员会、雷锋网新智驾承办,江苏省智能网联汽车产业创新联盟、江苏省人工智能学会智能驾驶技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等单位协办。来自主机厂、国内外一级供应商、自动驾驶解决方案商、自动驾驶核心零部件、出行运营商等智能驾驶上下游企业,车路协同专家学者、代表企业等1500余位业内人士莅临现场。

全球自动驾驶的“军备竞赛”加剧,奋力向量产和商业化落地冲刺。

从2018年L2高级辅助驾驶系统逐步出现在一些量产车型上,到2020年L3级自动驾驶成为百余家汽车厂商必谈的小目标。行业趋势已经明晰:自动驾驶汽车来了,各企业将迎来量产大关。

然而,自动驾驶领域仍处于早期发展阶段:产业标准、法规政策不成熟;且自动驾驶大规模落地需要整个产业链上下游分工合作,商业化之路还很长。

自动驾驶量产前夜,各公司如何应对现阶段的算法以及复杂路况的挑战,从而穿越“蛮荒时代”?

围绕上述问题,精彩峰会继续的第二天,演讲嘉宾展开了关于自动驾驶芯片、自动驾驶物流重卡、低速无人车、Robo Taxi、高精地图和人工智能等方面的主题分享。以下为各位嘉宾的演讲速记整理,雷锋网新智驾进行了不改变原意的编辑:

德国汉堡科学院院士张建伟:现在是智能驾驶推向量产的绝好时机

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

张建伟院士从30年前开始从事人工智能方面的研究,他表示,无论从计算硬件上和数据上,现在已经是可以把智能制造、智能驾驶推向实用推向量产的非常好的时机。

下一步人工智能与未来驾驶,是多种前沿技术的整合,包括AI,IOT,虚拟现实,机器人,5G等与整个传感行为的融合,这会比单独的人脸识别,用人工智能写诗带来更多系统级的突破。

目前,张建伟院士正领导一个研究项目,将多模态信息组合起来进行学习,把知识从上至下控制,经过跨模态的表达,最后做成可预测执行的系统。这套系统可以使自动驾驶车辆在变化的环境里大大提高自适应能力。他表示,在未来的几年,我们一定能够期待在L4/5级别自动驾驶量产的突破。

清华大学计算机系教授邓志东:急需发展下一代视觉认知智能方法

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

5G 将为无人驾驶带来什么、人工智能将为无人驾驶带来什么以及人工智能的短板,是邓志东教授演讲的三大主题。

5G 代表着超高速率、超高可靠性、超低延迟、超大连接数以及更广的覆盖。它与人工智能、云计算的结合,将实现移动端的智能化、轻量化与低成本。

5G 的实现可为边缘计算带来破局,将人工智能算力从移动端转移到边缘计算端,由此提供的公共人工智能服务,可低成本地为移动端赋予更大能力。

从 2012 年开始,以深度学习为主要标志的新一轮人工智能已经成为计算机视觉、语音识别、自然语言处理的主流方法。深度学习带来了很大的能力提升,但眼前的深度学习方法必须依靠大数据、大的计算能力,缺乏理解能力,缺乏知识推理、记忆常识、经验技巧与知识学习,也缺乏举一反三的小样本学习能力,下一代视觉认知的人工智能方法亟需发展。

比亚迪智能网联负责人刘亮:智能网联汽车是下个重要入口

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

智能网联近年来愈加普及,比亚迪汽车工业有限公司智能网联负责人刘亮认为,人们对智能网联的理解各有不同,从演变过程看,智能网联汽车搭载了更多的智能硬件和丰富的软件生态,且相较传统汽车更加安全。

刘亮说,真正的智能网联包含了智能开放软硬件平台、生态服务体系、大数据、AI、云端和终端服务的整合,通过技术创新和生态体系的搭建,实现车、人、社会生活的完美连接,为人们提供全新的智慧出行方式。

对比亚迪来说,智能网联是互联网衍生的超级终端,智能网联汽车也会成为继移动互联网时代后的下一个重要入口,汽车屏也会成为继电脑屏、电视屏、手机屏后的人机交互第四屏。

刘亮表示,过去十年,比亚迪从多媒体到导航,再到D-link 2.0智能网络系统的上市,其实就是智能网联产品超级终端的进化过程。到目前为止,比亚迪在车机系统、开放平台和安防系统方面均取得了突破性进展。

嬴彻科技副总裁于新瑞:商用车的自动驾驶量产之路

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

嬴彻专注于自动驾驶网络运营,以干线物流作为主要聚焦场景,致力于开发符合量产车规级的自动驾驶产品。

嬴彻认为,干线物流行业规模较大,市场规模在4.2-6万亿左右,但同时干线物流行业也面临着运输事故风险高、运营成本压力大、司机难招难管理和车辆利用率低的痛点。此外,L3级自动驾驶可以为物流行业带来较为明显的社会价值和经济价值。

基于这些判断,嬴彻将干线物流商用车的自动驾驶作为量产先机。

于新瑞表示,自动驾驶的车规级量产首先要满足卡车5 年的正常生命周期,满足各种地理条件、气候和使用工况的严苛环境要求和具有抗电磁干扰的能力;其次要实现功能安全与信息安全,为自动驾驶系统实现全面的冗余;最重要的是,商用车的自动驾驶量产也要坚持整车正向开发模式和前装量产的模式。将市场需求贯彻到设计理念中,在整车架构上考虑电子零部件的安置、电动系统的改造升级比如线控底盘和局部冗余等。

腾讯自动驾驶总经理苏奎峰:腾讯不做硬件,自动驾驶业务更多定位于软件和服务层面

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

在重要的技术变革中,AT 是不会缺席的角色。自动驾驶发展要看技术,也要看场景,对于乘用车,用户大部分的痛点集中于拥堵和驾驶疲劳,为了解决这些问题,腾讯也有自己的一系列动作。

苏奎峰称,腾讯不做硬件,自动驾驶业务更多定位于软件和服务层面,为产业提供助力。腾讯将自己定义为云平台,以模拟仿真和高精度地图作为基础支撑,支持车端算法与信息安全开发。

基于强大的游戏技术基础,腾讯在仿真平台建设上也拥有得天独厚的条件,其仿真平台不仅可以提供基本环境,还可利用概率方法和随机方法产生交通流,把现实中未遇到的场景逐步积累下来。

苏奎峰表示,腾讯的高精度地图仍在研发、测试阶段,它需要打通云端与车端,前者不只要求高精度地图的更新,还需要交通流信息的实时同步,来帮助完成车辆决策。

Momenta苏州经理夏炎:量产自动驾驶与完全无人驾驶两条腿走路

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

夏炎今天演讲的主题是“量产自动驾驶与完全无人驾驶两条腿走路”。

她表示,想要实现完全无人驾驶,算法一定要是数据驱动,数据驱动则需要通过众包的形式持续形成海量真实数据流,数据会回到算法迭代中,不断升级无人驾驶技术。

这种数据流与技术的循环迭代,就形成了量产自动驾驶与完全无人驾驶两条腿走路,而其中很重要的一环是使用统一的传感器方案让数据流动起来。为此,Momenta内部创造了“闭环自动化”,它是通过数据和数据驱动算法以及两者之间快速闭环迭代协调的一个不断高效运转的流程。

具体产品策略上,Momenta在量产自动驾驶上主要有三个场景,一是高速,一是泊车,一是城区。完全无人驾驶则主要是在城区做L4。

纽劢科技CEO徐雷:L2+自动驾驶方案需求迫切

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

作为一家自动驾驶方案供应商,纽劢科技从场景出发,采用了以视觉为主、多传感器融合的方案,目标是在复杂场景中实现载人和运货。

基于对安全的考量,纽劢科技的方案在功能安全、预期功能安全和网络安全三部分进行了重点设计。此外,通过三层感知融合实现了感知更全、识别更准、反应更快的效果。且可以提供自动驾驶测试体系和MaxOS自研平台,这些方案更加适应中国道路与国情。

目前,纽劢科技在L3、L4方案之外,还在涉足L2+领域。纽劢科技CEO徐雷表示,从前装角度看,L2+级别的自动驾驶方案有着很迫切的需求。而目前L2+及以上自动驾驶的难点在于如何满足安全、效率和经济性。

比如,一些公司缺少起初安全设计的考量,整个行业也暂时缺少针对高级别自动驾驶系统的安全测试体系,部分自动驾驶方案无法高效地处理中国独有的交通状况与习惯等等。

徐雷表示,针对上述难点,纽劢科技在系统冗余、传感器冗余、紧急情况应对措施以及备份的控制系统等方面进行了充分考量和设计。

高深智图大中华区总经理刘澍泉:数据的鲜活性至关重要

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

在峰会现场,刘澍泉通过自动驾驶面临的困难、什么是“高精地图”、AI 技术与高精地图、案例展示等方面深入展开。

基于成本的考量,高深智图采用低成本的激光点云融合技术方案,简单来说就是基于点云融合的算法,其应用场景较广,不仅限于 GPS 场景。这样的好处就是激光点云可以满足 L4、L5 级自动驾驶的需求。

最重要的更新上,他认为高深智图和许多创业公司一样,也是采用的众包模式,即当车停下来了以后,实时收集到的道路更新信息,会通过云服务上传到服务器端,然后服务器端会进行变化探测,基于探测得到和自动驾驶所需相关的关键特性,再去做某一块的更新。

同时,他也分享了公司商业产品的主要形式:

一是为主机厂、自动驾驶创业公司、Tir1提供高精地图定制化生产;二是为客户提供和高精地图息息相关的定位服务;三是多传感器的标定,低成本数据采集方案及设备;四是为车路协同公司提供高精地图以及交通信息流的服务。

采埃孚中国区研发负责人綦平:Tier 1 的自动驾驶量产“野心”

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

在汽车产业的变革节点上,Tier 1 几乎扮演着最重要的角色,每一家也都不吝于展露着自己的野心。

德国 Tier 1 厂商采埃孚有超过 15 个事业部,包括乘用车与商用车领域的变速器、制动器、转向机等一系列产品,覆盖了电动出行、车身动态控制、集成安全技术及自动驾驶四个大方向,綦平在现场主要分享了采埃孚在后四个部分的计划与成果。

电动出行是汽车产业发展的大势所趋,采埃孚的混合动力产品 EVPlus 可以中度混合,完全混合,插电式混合,缓解用户的里程焦虑。

在车身动态控制上,采埃孚正考虑对车身管理进行系统化的功能整合,融合底盘关键零部件,随时获取其状况,将之反映给域控制器,之后再给出唯一有效指令,由此形成智能化底盘的业务模式。

在自动驾驶系统的设计上,采埃孚使用了激光雷达、毫米波雷达和摄像头的融合方案,而这其中,一个好的域控制器将是至关重要的环节。

香港科技大学自主驾驶中心主任刘明:低速无人驾驶落地技术及场景展望

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

由于不同的天气状况和复杂场景,在实际的落地场景中,低速无人车需要应对动态环境中的不确定性。刘明认为,过去在无人驾驶的技术落地问题上,业内大多讨论的是端对端的控制问题,但在实际场景下,低速无人驾驶要解决的是全流程问题。因此如何通过人工智能或者深度学习的方法解决感知、决策和控制的全流程问题,是目前技术发展上的一个难点。

目前在感知方面,刘明的团队从激光雷达方案拓展到视觉方案,通过摄像头的原始输入,实现在不同环境、天气、早晚环境下的无人系统全局定位;在决策方面,可以将无人系统在虚拟仿真环境下学习得到的决策训练运用到真实场景;在决策之外,可以通过车载电子、机电系统来实现对车的最终控制,产生端到端控制的逻辑。

滴滴自动驾驶公司COO孟醒:自动驾驶安全及验证技术需要大量数据支持

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

孟醒表示,投资行业扑向自动驾驶领域,网约车运营经验所积累的数据化,可以用于训练自动驾驶车辆,使自动驾驶车辆变得更加安全。

9月份,上海市政府首次给了上汽、宝马、滴滴三家公司颁发载人测试牌照。

孟醒表示,获得路测牌照,改装的自动驾驶汽车在规定线路之内测试,跟其他人或车辆进行互动,这是第一步。第二步,不仅仅是路测,是载人路测应用示范,可以真的带一个人乘车,这是运营的工作,未来需要更多路径。需要监管机构、政府给我们指引一起推进。

“自动驾驶首要任务是保证安全。通过滴滴目前的网约车运营网络,可以分析出哪些订单适合分配给自动驾驶车辆,哪些超出测试距离范围或者技术范围的订单需要分配给驾驶员。这个混合派单的过程,可以保证每一步都是循序渐进的。只有当安全标准达到相当高指标以后,才会逐步推进。而网约车运营经验所积累的数据化,可以用于训练自动驾驶车辆,使得我们自动驾驶车辆变得安全和智能,以及适应各种出行场景。”孟醒提到。

四维图新高级副总裁孟庆昕:高精地图有三大应用场景

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

围绕高精地图的发展现状和未来方向,四维图新高级副总裁孟庆昕进行了逐一介绍。

她表示,智能驾驶对地图的要求是精度高、要素全、协同全和更新快。基于这一特点,四维图新通过车载雷达,对路面要素和点云进行采集,再通过自动化提取的算法将所有要素反映出来,然后进行分类。

据孟庆昕介绍,四维图新面向高精度自动驾驶的地图现在已经可以达到20厘米精度,成为传统导航电子地图、ADAS地图后的又一重要产品。除了用于应用于车端场景,高精地图还可以应用于云平台和仿真测试。

孟庆昕认为,当前行业生态尚未成型,没有形成真正有效的产业链条,高精度地图作为基础数据,希望无论是车厂、车路协同技术服务商,还是公路建设部门等,都可以依托智能地图进行测试,早日实现面向未来的自动驾驶。

英伟达自动驾驶中国区负责人董方亮:汽车驶入AI时代

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

董方亮的演讲主题是“汽车驶入AI时代”,他分享了英伟达在帮助实现自动驾驶上的最新进展。

人工智能从算法开发到部署已经有一套相对成熟的方法论,从依托数据进行平台训练,验证后得到深度学习模型,到将数据模型进行推理,然后在场景中运行人工智能算法和模型。

董方亮表示,智能驾驶汽车上的人工智能技术应用会有非常类似的过程。英伟达自动驾驶开发平台提供了一套端到端的流程与方法,分为数据采集,数据训练,数据模拟验证及算法部署四个方面。每个阶段都有完备的方案,比如在多传感器融合感知上,依托其强大的计算平台,开发出了底层操作系统,算法库与应用算法。

董方亮表示,英伟达作为一个开放平台,会与全球合伙伴,包括算法公司,Tier 1,车厂,地图厂商等合作共同打造安全的自动驾驶方案。

觉非科技CEO李东旻:避开高精地图硬件复杂、采集成本高的现实问题

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

对于汽车而言,高精地图是否涵盖了这个汽车所有要求呢?

李东旻的答案是否定的。他认为高精地图高精两个字是数据准入门槛,是一个技术的条件要求,而真正能够参与决策、规划和径指导这样一个数据平台,除了精度以外,至少满足两个必要条件:能够低成本规模化,能够低成本把全中国道路不断进行刷新和革新。

自动驾驶未来,一定是重数据和强融合的,不依赖于单一传感器,不依赖于实时感知,应该是静态、离线、实时、在线之间融合的结果。李东旻表示,我们认为现在测试阶段模式车辆,真正进入量产的时候,不能在车后面背一个服务器,插无数电源方式,实现自动驾驶的量产。

地平线副总裁张玉峰:车规级AI芯片加速自动驾驶量产落地

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

张玉峰认为,自动驾驶的量产非常具有挑战性,但目前还属于研发和验证阶段。自动驾驶的量产要逐步实现车规级的传感器和计算平台、逐步实现功能安全、逐步拿掉安全员。从算法角度来看,自动驾驶在量产过程中面临着三个挑战:有无足够高的性能硬件支撑、海量数据下的时延够不够低、功耗够不够低。 自动驾驶对于算力的提升要求是以万亿次来计算的。

针对人工智能在边缘侧应用的高效推理设计,地平线致力于从算法角度来进行设计和优化。张玉峰表示,同样的芯片,地平线可以用于ADAS视觉更新,也可以用于基于视觉的高精地图建图与更新。今年8月,地平线推出中国第一款车规级人工智能芯片,张玉峰表示,地平线的核心能力在于车规级处理器,可以结合视觉或声音的前端感知,加上基础服务,赋能不同玩家和客户。

文远知行COO张力:走进量产时代,以产品力将无人驾驶出租车开进现实

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

张力表示,文远知行专注于L4级自动驾驶的技术研发,同时也在关注L4自动驾驶智能出行服务,其中的一个业务场景就是自动驾驶出租车。当下自动驾驶已经过了Demo阶段,文远知行认为,真正的量产是在保证安全的情况下,将安全员从车上拿下来。但在量产的过程中,自动驾驶技术、车队运营规模、商业模式的落地以及法律法规都是自动驾驶亟需突破的内容。除了政策法规,文远知行在其他三方面的布局都在稳步推进。

目前,文远知行已经完成了80万公里的里程测试,其Robotaxi 接待的乘客人数逾2000人。在固定的园区内,其Robotaxi能让体验者通过APP自动唤车、乘车、结账等内容,为商业化落地打下基础。张力表示,文远知行于2020年在广州的限定区域里开展自动驾驶出租车的载客试运营。

智加科技高级副总裁容力:量产自动驾驶是一个过渡的工程化过程

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

自动驾驶量产必然是一个过渡的过程,与手机的发展历程相似,需要好几年才能成为老百姓都使用的东西。

容力提到,大部分自动驾驶公司车辆已经可以上路了,要经过设计验证、前装设计、生产验证,最后建立生产线,最后再生产,这是一个相当长的过程。这个过程不像互联网,是一个工程化问题,这个逐渐过程是必须经历的。

自动驾驶落地还要经历一个协同化的过程。容力在现场表示,协同化是指自动驾驶,它作为生活中一部分,作为社会中一个不可分割单元,是有多方面的合作,首先是技术产业链,其次就是车联网,实际上有了这个车联网,很多问题迎刃而解,车联网能够给自动驾驶提供千里眼和顺风耳,很多问题都能通过千里眼和顺风耳来简单解决,比人工智能更简单的去解决。

博世计算机视觉专家徐浩:前视智能视频系统+后视与环视摄像头系统

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

徐浩从视频产品的角度,介绍了博世在两大方向的布局。

由于车道保持系统、倒车辅助、智能速度控制等系统的需求越来越大,且多与视频产品相关,博世布局了两套视频系统,一是前视智能视频系统,二是后视与环视摄像头系统。

在前视智能系统上博世有单目前视摄像头与立体摄像头两种产品定位,单目可以以低成本的价格实现智能辅助驾驶,双目可以在比较高度的自动驾驶系统中扮演重要角色。在技术上,博世从光学部分,算法部分和芯片部分都进行了深入的研究,一个亮点是,真正实现了针对嵌入式系统的深度学习,这对智能驾驶是一个重大挑战。

在环视系统上,博世已经有了成功的案例,2015年其第一代系统在宝马7系上量产。这套系统有360度全景展示,可以实现自动泊车。通过超声波与视觉的融合,还能实现车道线识别,行人识别,动静态物体识别等功能。

仙途智能联合创始人史庭佳:需要技术的持续迭代

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

史庭佳的话题主要聚焦无人驾驶的商业化,即可实现商业盈利、满足客户需求的商业运营。

2017 年成立的仙途技术落地方向主要以自动驾驶清扫车、垃圾转运车、洗扫车为主。环卫垂直场景是团队找到的可以更早实现商业化的无人驾驶应用。

老龄化在增加着各行各业的劳动成本,这在环卫行业尤其突出,无人驾驶可以帮助节约人力成本,且 24 小时的作业也更加安全、高效。

中国包括封闭和开放道路的环卫市场在 3000 亿左右。要实现无人驾驶的商业化,需要低成本的传感器方案、复杂场景下的准确路径规划、更精确的高精地图,同时也需要技术的持续迭代。

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策

量产前夜,这些因素卡住了自动驾驶:理解、推理、学习、决策