0
| 本文作者： 思佳 | 2017-07-16 20:08 | 專題：GAIR 2017 |
“自動(dòng)駕駛有可能是人工智能最具商業(yè)價(jià)值，而且最早落地的垂直領(lǐng)域。”7月10日，在由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)和香港中文大學(xué)（深圳）承辦的CCF-GAIR全球人工智能與機(jī)器人大會(huì)壓軸日的智能駕駛專場(chǎng)上，鄧志東如是說(shuō)。
鄧志東現(xiàn)任清華大學(xué)計(jì)算機(jī)系教授、博士生導(dǎo)師。自2009年起，鄧志東帶領(lǐng)團(tuán)隊(duì)開(kāi)發(fā)了三輛具有感知和自主決策功能的自動(dòng)駕駛汽車，在該領(lǐng)域積累頗深。如今，隨著人工智能技術(shù)的演進(jìn)和發(fā)展，人工智能在L4（SAE）級(jí)別自動(dòng)駕駛產(chǎn)業(yè)落地的進(jìn)程中發(fā)揮著不可替代的推動(dòng)作用。鄧志東的主題演講也是圍繞這個(gè)話題展開(kāi)，雷鋒網(wǎng)新智駕對(duì)演講內(nèi)容做了不改變?cè)獾恼砭庉嫛?/p>
*清華大學(xué)教授、博士生導(dǎo)師鄧志東
2016年9月20日，美國(guó)交通運(yùn)輸部最新發(fā)布自動(dòng)駕駛聯(lián)邦新規(guī)，已經(jīng)明確無(wú)人駕駛汽車以SAE的6級(jí)作為分級(jí)標(biāo)準(zhǔn)（L0-L5）。現(xiàn)在大家普遍感興趣的是L3和L4，L3即限定條件下的自動(dòng)駕駛，L4即高度自動(dòng)駕駛。
具體而言，自動(dòng)駕駛的第一個(gè)階段是輔助與半自動(dòng)駕駛（L0和L1），第二個(gè)階段是過(guò)渡期的無(wú)人駕駛（L2和L3），第三階段是真正的無(wú)人駕駛（L4和L5）。
作為過(guò)渡期的第二階段，也就是人進(jìn)行輔助的人機(jī)共駕階段，包括L2和L3。
L2是解放手腳，但人眼和人腦還要受累；
L3是解放人眼，解放人眼的關(guān)鍵是機(jī)器能夠代替人對(duì)包括極端與緊急情況下的環(huán)境進(jìn)行安全可靠的感知。
L4和L5是真正的無(wú)人駕駛階段，最鮮明的特征就是自主行駛的安全性得到了充分的保證。
L4是解放人腦，但仍要限定區(qū)域和限定功能；
L5不需要進(jìn)行任何限定，就跟人一樣，人可以去的地方，車也可以去，人不能去的地方，車也不能去。
所以L2是解放了手腳，L3解放了人眼，L4和L5把人腦也解放了，對(duì)車輛的自主行駛完全可以放心。L5甚至都沒(méi)有方向盤(pán)、踏板和后視鏡了。
從L2到L4，要考慮的一個(gè)核心的問(wèn)題就是限定區(qū)域和限定功能。
1、封閉區(qū)域的自動(dòng)駕駛
如限定速度，考慮空曠可視、交通流稀疏等特定的應(yīng)用場(chǎng)景，具體包括封閉場(chǎng)地的循跡自動(dòng)駕駛、沿著固定車道的自動(dòng)駕駛等。在這種情況下，我們可以采用軌跡跟蹤或車道線視覺(jué)跟蹤加上簡(jiǎn)單的障礙物檢測(cè)技術(shù)，比較容易就實(shí)現(xiàn)到L3、L4級(jí)別的自動(dòng)駕駛。只要能降低成本，就容易獲得商業(yè)模式，這就是現(xiàn)在很多人搞的低速車商業(yè)落地，這是較容易實(shí)現(xiàn)的。
2、結(jié)構(gòu)化道路與限定功能的自動(dòng)駕駛
如限定行車功能的高速公路和在部分城市道路區(qū)域的自動(dòng)駕駛。這種結(jié)構(gòu)化和半結(jié)構(gòu)化道路相對(duì)簡(jiǎn)單，再加上對(duì)自主行車功能的限制，如觸發(fā)條件非常苛刻的自主變道超車等，可能僅需要利用高精度地圖、障礙物檢測(cè)加上行為預(yù)測(cè)技術(shù)等，也是相對(duì)比較容易實(shí)現(xiàn)L3到L4的自動(dòng)駕駛能力。
3、復(fù)雜場(chǎng)景的自動(dòng)駕駛
比如說(shuō)更大城區(qū)范圍乃至整個(gè)城市或各種路況的自動(dòng)駕駛。Uber現(xiàn)在在匹茲堡市的自動(dòng)駕駛免費(fèi)出租車路測(cè)與試運(yùn)行，就是真實(shí)城區(qū)范圍的自動(dòng)駕駛，這達(dá)到了很高級(jí)的階段，因?yàn)樾枰紤]全路網(wǎng)高精度地圖、障礙物檢測(cè)、行為預(yù)測(cè)、復(fù)雜決策等，盡管目前車上還保留有兩名安全工程師。這時(shí)要實(shí)現(xiàn)L3、L4比較困難，但是它的商業(yè)價(jià)值是巨大的，現(xiàn)在我們說(shuō)的無(wú)人駕駛就是要走到這個(gè)高級(jí)階段。
由此引申出百度的阿波羅計(jì)劃，它的目的是什么呢？
簡(jiǎn)言之，百度在開(kāi)放式軟件平臺(tái)方面與博世等Tier1（一級(jí)汽車零部件供應(yīng)商）合作，是否希望成為一家自動(dòng)駕駛?cè)斯ぶ悄芩惴ü荆客瑫r(shí)或希望將重點(diǎn)放在云端的數(shù)據(jù)服務(wù)平臺(tái)，退到后方做包括高精度地圖和大數(shù)據(jù)在內(nèi)的服務(wù)市場(chǎng)？
1、完全基于環(huán)境建模的自動(dòng)駕駛
相對(duì)封閉場(chǎng)地的循跡自動(dòng)駕駛和全路網(wǎng)的固定線路自動(dòng)駕駛，是一個(gè)完全基于環(huán)境建模的技術(shù)解決方案。
優(yōu)點(diǎn)：使用RTK厘米級(jí)精度的軌跡跟蹤，路面行駛可輕易實(shí)現(xiàn)高速高精度；
缺點(diǎn)：無(wú)環(huán)境適應(yīng)性，缺乏自主性。采用的RTK高精度組合導(dǎo)航設(shè)備，受差分基站的通信范圍、多徑效應(yīng)和收星數(shù)等影響，同時(shí)成本高昂。例如進(jìn)口的DGPS/IMU最便宜的二十多萬(wàn)，貴一點(diǎn)的要五六十萬(wàn)，且僅僅適合于視野開(kāi)闊的空曠與封閉場(chǎng)景。如果把組合導(dǎo)航設(shè)備的價(jià)格降低，它也可以實(shí)現(xiàn)商業(yè)模式。
進(jìn)一步，可利用高精度地圖來(lái)實(shí)現(xiàn)自動(dòng)駕駛，即綜合利用地圖匹配導(dǎo)航來(lái)降低導(dǎo)航設(shè)備的硬件成本，同時(shí)也更有利于實(shí)現(xiàn)全路網(wǎng)的自動(dòng)駕駛。
目前大多數(shù)的自動(dòng)駕駛汽車都是屬于這種類型的。
2、完全基于感知的自動(dòng)駕駛
即沿固定車道或道路的自動(dòng)駕駛。
優(yōu)點(diǎn)：全路網(wǎng)自主行駛，具有高度自主性和環(huán)境適應(yīng)性；僅依靠攝像頭或激光雷達(dá)，無(wú)高精度地圖，無(wú)RTK，成本低；
缺點(diǎn)：受車道線與路緣質(zhì)量的影響較大，車速較低，可靠性差。
這種途徑類似于人類的駕駛方式，完全靠感知進(jìn)行，顯然這種技術(shù)路線比較極端，對(duì)環(huán)境感知的要求非常之高，挑戰(zhàn)極大，也會(huì)帶來(lái)很多不確定性。
結(jié)論：環(huán)境感知必須與環(huán)境建模結(jié)合，以便同時(shí)獲得高性能路面行駛能力與局部自主性等。
目前，自動(dòng)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(jué)主導(dǎo)的多傳感器融合方案，另一種以低成本激光雷達(dá)為主導(dǎo)，典型代表如谷歌Waymo。
1、視覺(jué)主導(dǎo)，以特斯拉為代表：攝像頭+毫米波雷達(dá)+超聲波雷達(dá)+低成本激光雷達(dá)。
攝像頭視覺(jué)屬于被動(dòng)視覺(jué)，受環(huán)境光照的影響較大，目標(biāo)檢測(cè)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，8個(gè)攝像頭組成單目環(huán)視，有1個(gè)毫米波雷達(dá)和12個(gè)超聲波雷達(dá)，希望從L2跳躍到L4。
經(jīng)過(guò)半年的努力，特斯拉近期已經(jīng)完成了將路測(cè)大數(shù)據(jù)從Mobileye單目視覺(jué)技術(shù)過(guò)渡到基于Nvidia Drive PX2計(jì)算硬件平臺(tái)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(xué)習(xí)的方法在短期內(nèi)基本達(dá)到了Mobileye的技術(shù)水平，這是以前很難想象的。特斯拉的自動(dòng)駕駛技術(shù)究竟怎么樣，一個(gè)重要的觀察點(diǎn)就是看它能否在2017年年底，如期從洛杉磯開(kāi)到紐約，實(shí)現(xiàn)全程4500公里且無(wú)人工干預(yù)的完全自主駕駛。
2、激光雷達(dá)主導(dǎo)，以Google Waymo為代表：低成本激光雷達(dá)+毫米波雷達(dá)+超聲波傳感器+攝像頭。
激光雷達(dá)是主動(dòng)視覺(jué)，它的目標(biāo)檢測(cè)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(tuán)隊(duì)研發(fā)激光雷達(dá)的硬件，把成本削減了90%以上，基本上是7000美金左右，同時(shí)他們已經(jīng)開(kāi)始在美國(guó)鳳凰城地區(qū)對(duì)500輛L2級(jí)別的車進(jìn)行社會(huì)公測(cè)，大大地推進(jìn)了該類技術(shù)路線的落地實(shí)踐。
激光雷達(dá)主導(dǎo)的解決方案未來(lái)可以沿如下兩個(gè)方向繼續(xù)推進(jìn)商業(yè)化進(jìn)程：
一個(gè)是發(fā)展攝像頭與激光雷達(dá)的硬件模組，把兩者結(jié)合起來(lái)，既有激光雷達(dá)，又有彩色攝像頭，可以直接獲得彩色激光點(diǎn)云數(shù)據(jù)。
另一個(gè)是進(jìn)一步降低激光雷達(dá)的硬件成本，比如研發(fā)固態(tài)激光雷達(dá)并真正實(shí)現(xiàn)產(chǎn)業(yè)化，屆時(shí)成本會(huì)下降到幾百美金。
總之，現(xiàn)在自動(dòng)駕駛領(lǐng)域有三大核心問(wèn)題需要著力突破：即利用人工智能，尤其是利用深度學(xué)習(xí)進(jìn)行目標(biāo)識(shí)別、自主導(dǎo)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(jià)值的。
目標(biāo)識(shí)別：例如對(duì)交通流稠密的復(fù)雜城區(qū)，如何可靠地進(jìn)行周邊障礙物的檢測(cè)與行為預(yù)測(cè)，特別是對(duì)極端與緊急情況的感知與預(yù)測(cè)。
自主導(dǎo)航：激光SLAM或視覺(jué)SLAM及其與低成本組合導(dǎo)航的精準(zhǔn)融合；
信息融合：多傳感器如何進(jìn)行信息融合。
結(jié)論：自動(dòng)駕駛應(yīng)以信息化汽車作為底層平臺(tái)，其中信息化包括數(shù)字化或軟件化，也包括內(nèi)部總線化和外部網(wǎng)聯(lián)化，這是智能化的基礎(chǔ)和條件。像線控、OTA（空中下載）、SDU（軟件定義升級(jí)），應(yīng)該成為底層平臺(tái)的標(biāo)配。
自動(dòng)駕駛可能是人工智能最具有商業(yè)價(jià)值，而且是最早落地的垂直領(lǐng)域。
自動(dòng)駕駛是一個(gè)萬(wàn)億美元級(jí)別的巨大市場(chǎng)。如果考慮到共享無(wú)人駕駛汽車更重要的是提供增值服務(wù)，若計(jì)入增值服務(wù)市場(chǎng)，那它的市場(chǎng)價(jià)值可以乘以10，也就是可以達(dá)到10萬(wàn)億美元的級(jí)別。
自動(dòng)駕駛汽車是一種非常特殊的產(chǎn)品形態(tài)，必須考慮絕對(duì)的安全性和低成本，還要有整體的解決方案，形成產(chǎn)業(yè)生態(tài)，最終去找到它的商業(yè)模式。
深度學(xué)習(xí)源于原始的真實(shí)大數(shù)據(jù)，它的實(shí)時(shí)性已得到GPU、TPU、FPGA、ASIC和類腦芯片快速發(fā)展的支撐，已經(jīng)成為自動(dòng)駕駛感知、決策與控制的基礎(chǔ)技術(shù)。
深度學(xué)習(xí)是環(huán)境感知和自主決策的決定性技術(shù)，可望使自動(dòng)駕駛汽車具有類似于人類司機(jī)的駕駛技能自主學(xué)習(xí)與改善能力，其中大數(shù)據(jù)技術(shù)與路測(cè)成為關(guān)鍵。我們?nèi)祟愰_(kāi)車是先去駕校進(jìn)行有教師的監(jiān)督學(xué)習(xí)，然后從駕校出來(lái)之后到擁有幾十萬(wàn)公里的駕駛經(jīng)驗(yàn)，這是我們通過(guò)試錯(cuò)式的強(qiáng)化訓(xùn)練實(shí)現(xiàn)的。是不是可以讓機(jī)器也有同樣的深度監(jiān)督學(xué)習(xí)與深度強(qiáng)化學(xué)習(xí)能力，像AlphaoGo一樣？
總之，深度卷積神經(jīng)網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)可以廣泛應(yīng)用于自動(dòng)駕駛的感知、決策、控制、分析和學(xué)習(xí)等各個(gè)關(guān)鍵環(huán)節(jié)。
1、環(huán)境感知與基于認(rèn)知地圖的精準(zhǔn)自主導(dǎo)航
深度卷積神經(jīng)網(wǎng)絡(luò)近期的革命性進(jìn)展，帶來(lái)了人類水平的視覺(jué)檢測(cè)與識(shí)別能力，再加上低成本激光雷達(dá)、高精度地圖、5G通信、智能網(wǎng)聯(lián)以及智能交通系統(tǒng)和智慧城市的合力支撐，極有可能使極端環(huán)境與緊急情況的可靠感知與低成本、高精度自主導(dǎo)航成為現(xiàn)實(shí)，助推自動(dòng)駕駛從L2到L3的發(fā)展。
然而深度卷積神經(jīng)網(wǎng)絡(luò)有一個(gè)最大的缺陷，就是它目前還不能實(shí)現(xiàn)語(yǔ)義理解。在這樣的困境下，我們可以通過(guò)其他支撐，例如高精度地圖（包括柵格與認(rèn)知地圖），以及用5G通訊和NB-IoT移動(dòng)物聯(lián)網(wǎng)組成的車聯(lián)網(wǎng)，還有ITS等形成合力，來(lái)解決這個(gè)挑戰(zhàn)性問(wèn)題。
2、具有自主學(xué)習(xí)能力的自主決策與智能控制
由AlphaGo強(qiáng)力推動(dòng)的深度強(qiáng)化學(xué)習(xí)的最新進(jìn)展，有可能使自動(dòng)駕駛汽車擁有類似于人的自主學(xué)習(xí)能力，獲得包括具有緊急情況預(yù)測(cè)在內(nèi)的端到端的自主行為決策功能和數(shù)據(jù)驅(qū)動(dòng)型智能控制系統(tǒng)，助推自動(dòng)駕駛從L3跨越到L4。
3、人工智能有望使自動(dòng)駕駛落地成為可能
在自動(dòng)駕駛問(wèn)題中，弱人工智能主要涉及算法（深度卷積神經(jīng)網(wǎng)絡(luò)與深度強(qiáng)化學(xué)習(xí)），數(shù)據(jù)（目標(biāo)大數(shù)據(jù)，目標(biāo)行為大數(shù)據(jù)、駕駛行為大數(shù)據(jù)等），計(jì)算（如移動(dòng)端、云端、離線訓(xùn)練深度學(xué)習(xí)加速器），自動(dòng)駕駛細(xì)分場(chǎng)景（目標(biāo)與行為意圖感知、認(rèn)知地圖與導(dǎo)航、信息融合、自主決策、智能控制等）和垂直整合等5個(gè)維度。
支撐自動(dòng)駕駛發(fā)展的算法中，包括環(huán)境感知、障礙物檢測(cè)、行為預(yù)測(cè)、自主導(dǎo)航、自主決策和智能控制等。
環(huán)境感知：主要是考慮一些極端情況，如路面有雨雪、存在高強(qiáng)度反光以及車道線或路緣嚴(yán)重缺失或存在大量遮擋等。
障礙物檢測(cè)：目前可以用幾百層的深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)做像素水平的檢測(cè)、分割和識(shí)別。
行為意圖預(yù)測(cè)：障礙物的行為預(yù)測(cè)與障礙物檢測(cè)同等重要。
自主導(dǎo)航：強(qiáng)調(diào)低成本、高精度和高環(huán)境適應(yīng)性的方法，例如基于SLAM的解決方案，把成本降下來(lái)。
認(rèn)知地圖：人類開(kāi)車時(shí)使用的就是認(rèn)知地圖，而非柵格地圖。
自主決策和控制：自主決策即基于深度學(xué)習(xí)的端到端自主決策方式，輸入一系列視頻圖像信息，然后輸出一個(gè)自主決策而非直接是執(zhí)行機(jī)構(gòu)的控制量，后者也是一種極端的技術(shù)方案，實(shí)際上存在著嚴(yán)重的安全隱患。基于強(qiáng)化學(xué)習(xí)的控制算法從90年代發(fā)端，進(jìn)一步可以研究基于數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)的無(wú)模型智能控制技術(shù)。
*深度學(xué)習(xí)的開(kāi)源代碼框架
大數(shù)據(jù)之于自動(dòng)駕駛非常重要。目前，谷歌已累計(jì)擁有超過(guò)500萬(wàn)公里的路測(cè)大數(shù)據(jù)，2016年還有10億英里的模擬大數(shù)據(jù)產(chǎn)生；特斯拉則積累了3.57億公里的大數(shù)據(jù)。
如上圖所示，截至目前，加州已經(jīng)有36家企業(yè)被批準(zhǔn)合法路測(cè)。全球范圍內(nèi)自動(dòng)駕駛企業(yè)競(jìng)爭(zhēng)激烈，目前產(chǎn)業(yè)競(jìng)爭(zhēng)的焦點(diǎn)集中于以下兩點(diǎn)：
自主行駛大數(shù)據(jù)里程數(shù)；
緊急情況的人工干預(yù)頻率。
最新排名顯示，從目前技術(shù)水平來(lái)看，谷歌Waymo做得最好，達(dá)到5分，它的研發(fā)團(tuán)隊(duì)或人才也是最好的，獲4.5分。Uber的商業(yè)模式做得最好，因?yàn)樗谄テ澅な腥菂^(qū)進(jìn)行無(wú)人駕駛出租車測(cè)試，它的商業(yè)模式評(píng)分得到了5分。特斯拉的技術(shù)評(píng)分為3.5，在技術(shù)的先進(jìn)程度上全球排名第二。
深度學(xué)習(xí)方法采集與喂食的大數(shù)據(jù)越多，就越能獲得更好的駕駛直覺(jué)，所以科技巨頭都在瘋狂追逐大數(shù)據(jù)。可以說(shuō)，誰(shuí)擁有與利用的自動(dòng)駕駛大數(shù)據(jù)越多，誰(shuí)的技術(shù)成熟度就越高，或者說(shuō)離產(chǎn)業(yè)落地的距離就越近。
在深度卷積神經(jīng)網(wǎng)絡(luò)中使用大數(shù)據(jù)，必須要解決大數(shù)據(jù)的完備性問(wèn)題。但實(shí)現(xiàn)完備性是很困難的，必須要將各種極端與緊急的情況都跑出來(lái)。中國(guó)的道路交通情況是全世界最為復(fù)雜的，很容易出現(xiàn)極端與緊急路況，所以我們具備可能是最好的路測(cè)環(huán)境與自動(dòng)駕駛大數(shù)據(jù)。另外需要指出的是，為了將自動(dòng)駕駛汽車的障礙物識(shí)別率從 99.999% 提高到 99.99999%，需要的是規(guī)模為指數(shù)級(jí)增長(zhǎng)的大數(shù)據(jù)，因?yàn)橛兴^的長(zhǎng)尾效應(yīng)，這需要極大的資源付出。
大規(guī)模的深度學(xué)習(xí)模型，高達(dá)數(shù)百層，可以利用超級(jí)GPU/TPU集群服務(wù)器進(jìn)行離線訓(xùn)練。目前全球芯片巨頭都在全面布局人工智能芯片，面向自動(dòng)駕駛車載移動(dòng)端與云端的深度學(xué)習(xí)芯片尤其成為兵家必爭(zhēng)之地。現(xiàn)在看來(lái)，谷歌似乎也要利用其TPU加入全球AI芯片大戰(zhàn)。
*英偉達(dá)芯片陣營(yíng)
與汽車主機(jī)廠、與自動(dòng)駕駛科技企業(yè)、與Tier1，各個(gè)芯片巨頭目前都在布局自己的AI芯片產(chǎn)業(yè)生態(tài)或陣營(yíng)，可謂縱橫捭闔。目前英偉達(dá)芯片陣營(yíng)最大，許多車企與互聯(lián)網(wǎng)企業(yè)都在使用英偉達(dá)硬件平臺(tái)，后者馬上還要進(jìn)行新一代Xavier平臺(tái)開(kāi)源。其他的AI芯片陣營(yíng)，包括英特爾及其由英特爾收購(gòu)的Mobileye所組成的Intel/Mobileye聯(lián)盟以及圍繞谷歌Waymo的AI芯片陣營(yíng)等。
在支撐自動(dòng)駕駛落地的其他基礎(chǔ)條件方面，高精度柵格地圖和基于深度學(xué)習(xí)的高精度認(rèn)知地圖可能形成巨大的產(chǎn)業(yè)。數(shù)字化、網(wǎng)聯(lián)化與智能化的交通基礎(chǔ)設(shè)施會(huì)逐步建成。
此外，由于深度學(xué)習(xí)目前存在不能實(shí)現(xiàn)語(yǔ)義理解的缺陷，因此必須借助于5G和NB-IoT等作為基礎(chǔ)的智能網(wǎng)聯(lián)技術(shù)（支持云端和路測(cè)設(shè)備通信），智能交通系統(tǒng)和智慧城市等，形成合力，以便解決極端和緊急情況下的可靠感知問(wèn)題。
最終目標(biāo)，是實(shí)現(xiàn)共享化的無(wú)人駕駛和人工智能增值服務(wù)。
限定區(qū)域是一個(gè)坑，什么都可以裝進(jìn)來(lái)。技術(shù)等級(jí)達(dá)到L3甚至L4并非多么不可思議的事情，關(guān)鍵是這個(gè)級(jí)別是針對(duì)哪個(gè)限定區(qū)域的，是港口、機(jī)場(chǎng)、園區(qū)的，還是高速公路、部分城區(qū)的，或者是整個(gè)城市的，甚至是全國(guó)的，因此一定要考慮區(qū)域，當(dāng)然也要同時(shí)考慮對(duì)其行車功能的限定。反過(guò)來(lái)說(shuō)，限定區(qū)域也是自動(dòng)駕駛商業(yè)模式逐步演變過(guò)程的真實(shí)體現(xiàn)，即要從簡(jiǎn)單到復(fù)雜逐步推進(jìn)。
環(huán)境感知必須與環(huán)境建模（高精度地圖）相結(jié)合，在5G通信、NB-IoT、車聯(lián)網(wǎng)以及ITS和智慧城市的支撐下形成合力，實(shí)現(xiàn)極端環(huán)境與緊急情況下的可靠感知，助推L2跨越到L3，為自動(dòng)駕駛產(chǎn)業(yè)的落地實(shí)踐，邁出最為重要的一步。
高可靠、低成本是視覺(jué)或激光雷達(dá)主導(dǎo)技術(shù)路線的共同要求，多傳感器信息融合是必須要著力解決的共性核心技術(shù)。
深度學(xué)習(xí)是環(huán)境感知和自主決策的決定性技術(shù)，可望使自動(dòng)駕駛汽車具有類人的自主駕駛學(xué)習(xí)能力，其中路測(cè)與大數(shù)據(jù)成為關(guān)鍵。
最后，人工智能的新一輪復(fù)興必將加速L4及以上無(wú)人駕駛產(chǎn)業(yè)的商業(yè)落地。
雷鋒網(wǎng)推薦閱讀：清華大學(xué)鄧志東教授：國(guó)內(nèi)研究氛圍浮躁，原創(chuàng)性算法太少
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專題
本專題其他文章
