0
| 本文作者： 胡晴 | 編輯：吳德新 | 2017-07-13 15:35 | 專題：GAIR 2017 |
2017年7月7日至9日，全球人工智能與機器人峰會CCF-GAIR大會在深圳舉行，大會由CCF中國計算機學會主辦、雷鋒網與香港中文大學（深圳）承辦。
在9日下午的智能駕駛專場，在高工產研董事長、 高工智能創始人張小飛主持下，清華大學計算機系教授鄧志東、速騰聚創CEO邱純鑫、Roadstar.ai戰略副總裁那小川、智行者科技CTO王肖四位學界產業專家帶來了主題為“自動駕駛核心技術構建”的圓桌討論，以下是雷鋒網整理的精彩內容。
“我相信對我們未來影響最大的就是智能駕駛。”張小飛說道，“大家可以想象一下，我們以后可能都會在車里睡覺了，都不用找房間了。它會改變我們的出行、改變房地產，會讓我們的生活更幸福。唯一讓我感覺比較不好的地方，就是現在在美國開車分不清楚它是警車還是無人駕駛，因為它上面會放一個激光雷達。”
張小飛如此總結這次圓桌討論的議題：第一，智能駕駛技術到底會走哪條技術路線；第二，我們中國的智能駕駛什么時候上路；第三，對比中外的自動駕駛技術發展狀況。
清華大學計算機系教授鄧志東目前主要研究深度學習方向，包括深度卷積神經網絡、強化學習，以及自動駕駛。鄧志東教授從2008年在國家基金委的重大項目支持下開始研發自動駕駛汽車，到現在已經有8年多了。“我們做了三個車，包括軟硬件系統集成，前期是關注純感知。因為當時有一個說法，人靠純感知開車，我們是不是也可以利用純感知的方法靠機器視覺來開車，但是最后證明這條路是很困難的。”
速騰CEO邱純鑫表示，現在很多公司都在激光雷達方面布局研究，但當前的情況激光雷達還是供不應求。邱純鑫從2007年開始做基于激光雷達的感知技術，在做的過程中感覺激光雷達傳感器非常重要，如果不是自己做雷達的話就改不了很多底層的東西。所以在2014年做完博士后之后，就打算去創業做激光雷達，那時候剛開始做的還是單線的激光雷達、不是多線的。2015年下半年，根據整個行業的發展開始打算做多線激光雷達。
Roadstar.ai是一家做L4全套解決方案的公司。三個主要技術合伙人之前都在百度，他們之前在蘋果、微軟、特斯拉、谷歌都干過。“我們的技術是多傳感器的融合，而且是一個非常深度的融合，我們是通過多傳感器的融合來實現L4的完整解決方案的技術方案公司。”
高工產研董事長、 高工智能創始人張小飛開場發問：自動駕駛的技術路線是攝像頭加上各種傳感器的融合，以視覺為主，還是是以激光雷達為主？
鄧志東說道，現在的技術路線，一種是以谷歌為代表的激光雷達主導的技術方案；還有一種是以特斯拉為代表的視覺主導的解決方案。
但是我想這兩個技術路線最終會走到一起，會歸為一條路線：就是多傳感器融合的方法。不管是視覺主導還是激光雷達主導，最終是融合的方案。從技術路線上沒有中國和外國之分，中國只是在應用上可能會走出自己的路。
邱純鑫補充說，其實不管是以哪個為主導，激光雷達肯定是要用的。從硬件的角度來看，現在是雷達跟攝像頭分離開來的兩個硬件，后面隨著技術的發展，這兩個硬件會逐步變成一個硬件。但是這個硬件不是只有攝像頭的功能，而是同時實現激光雷達的功能。而且隨著雷達的低成本化，它的應用會越來越廣泛。
那小川表示很同意前面兩位的觀點。融合是唯一的方案，而且也沒有中美的差異，技術是無國界的。
第一，激光雷達會變成固態，所以未來降價是個必然趨勢。對于任何一個做無人車的公司而言，沒有必要現在拘泥于成本，多一個傳感器的輸入一定是有益的；
第二，在硅谷有一些公司號稱只用攝像頭就可以做到L4，但紛紛都遭遇到了挫折，并且進行了轉型。
第三，激光雷達和攝像頭本身就有一些物理的局限，使得缺了任何一個都不可能達到L4所需要的安全性。舉個例子來說，激光雷達沒有顏色、紋理，所以紅綠燈是比較難識別的，因為沒辦法識別顏色。還有一個問題，之前谷歌的車經常經過一個地方就會神秘地停車，因為那個地方有風，一吹樹葉就到處飛，激光雷達一掃就告訴你那個地方有東西，它不知道是什么，它就停車；如果有攝像頭，它就會告訴你它是樹葉，你就可以大膽地過去。但是攝像頭也有問題，比如進隧道或者出隧道的時候，那個畫面是一下子就變的，一開始是白的，突然間變黑了，這個非連續的變化，用現在的算法是很難識別的，這是物理上的問題，這個是沒法解決的。所以整個無人駕駛不僅是雷達和攝像頭，還包括其它的傳感器。但是現在從全球來看，想做L4是少不了雷達和攝像頭的。
王肖認為最根本的技術路線問題是非常模糊的。對自動駕駛技術來講，傳感器只是其中的一個工具，是外界獲取信息的手段。真正從技術流來講，最早是基于規則的自動駕駛算法，現在又發展到基于AI的增強學習的很多方法。自動駕駛有三個流派，第一個是傳統的機器人的流派，第二個是汽車的流派，現在又是模式識別+AI這個流派，每個流派都有自己的觀點，各自都有各自的強項，但是對我們做產品的來說，我們都不在意這些，對我們來說，什么東西最好，我們就拿來用。
張小飛進一步提到，智能駕駛的背后可能有各方面的制約，法規是一個制約因素、路況是一個因素，路況包含了基礎建設，以及人才的問題等等。從L3開始，到L4、L5，谷歌已經運行了500萬公里的無人駕駛。按單車來算，每天連續不斷的1500公里跑了8年。某種意義上說，我們國內的車跟谷歌相比，已經落后了很長的距離。
鄧志東回答到，首先一定要考慮應用場景，咱們說限定區域，要看這個區域有多大，如果是封閉環境，現在已經有L3、L4的車了。如果是一個城區范圍，多大的城區，是北京市還是某個區？如果以北京為例的話，應該要到2021年左右可以做到L4的水平。Uber現在已經在城區進行嘗試，谷歌也是。
邱純鑫認為，在北京這種宇宙中心真的能夠在城區完全全開放的無人駕駛，要走的路還很長，要到2030年左右。
那小川說，我們認為北京是最難的，硅谷就比北京容易很多。Mobileye是1999年成立的，它的產品大規模被接受是2007年，它得到大規模的認可用了8年時間。所以我估計從現在往后推，應該到2025年。
王肖提到，在內蒙鄂爾多斯之類的區域應該在2020年能實現。要是在北京的話，應該要在15年以后實現。
鄧志東老師補充說，我們不要把這個問題看得很神秘。這個問題的關鍵是障礙物檢測是不是可靠，如果是路面行駛的話，有高精地圖來加強，再加上車聯網等是沒有問題的。假如說極端環境和緊急情況下的障礙物檢測做好了的話，L3、L4是沒有什么問題的。
自動駕駛技術的國內外差距是張小飛老師主持下的第三個議題。
王肖認為，目前中國的最高水平和硅谷相比至少是5年以上的差距。中國計算水平的起步確實比美國要晚；激光雷達這一塊，我相信速騰應該能達到95%的水平，只差5%，我認為激光雷達是沒有問題的；視覺算法方面，國內的視覺技術已經不比谷歌差，我們差就差在積累。就像剛才說的，谷歌、特斯拉已經跑了幾百萬公里了，而中國的廠家可能只跑了幾百公里，差距最大的就在這一塊，而不是實驗室的算法。深度學習要靠數據，我們缺數據，而技術條件不一樣，不能借用美國的數據。
那小川談到，在國內我們會看到三種流派，在美國就只有一種流派，具體的做法不一樣。谷歌沒做那么多融合，但是谷歌的硬件體系大家都認可。任何一家L4公司都是這樣的硬件，但是它的軟件有很大的差異。我比較國內和國外的差異主要是在經驗上，硅谷在這無人駕駛方面已經有了很多年的積累；而百度在剛開始沒有基礎的時候需要看很多的論文，然后按論文實施會走一些坑；蘋果在這方面的起步也是比較晚的，但是它可以借鑒谷歌成熟的經驗，避免了很多坑。如果在一開始就知道正確的方向，這樣就能節省很多的時間。
邱純鑫認為，按照目前發展情況看，我們的激光雷達技術不比國外的差。從技術的角度來看，從4月份開始量產，到現在我們每個月都是在迭代的，我們專注把這個產品做下去，我相信我們一定會更有競爭力。
鄧老師從硬件、計算平臺、算法和系統集成方面來說。硬件上，我們和國外是有一定差距的，雖然邱總這一塊還在努力，希望能夠追趕上國外的先進水平，但是我們的產品還需要很多的迭代；從計算平臺的角度來講，中國在移動端這一塊已經有很大的進展，有很多做移動端產品的，但是我們在云端和離線訓練這部分跟國外的差距比較大。另外，我們車上能不能提供一個線控總線？線控總線的車都是Tier1的企業掌握的，這一塊的差距是比較大的；我們的算法技術是很牛的，一點都不比美國差；在系統集成上，我們確實起步比較晚，我們需要積累更多的大數據，因為深度學習需要依賴于數據。
張小飛最后總結，國內的智能駕駛可以走出思維定勢，不必唯國外技術馬首是瞻，我們的境界要高，要看得更遠。
雷鋒網推薦閱讀：
廣汽研究院CTO黃少堂：如何打造智能駕駛生態圈？ | CCF-GAIR 2017
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
