0
| 本文作者： 胡晴 | 编辑：吴德新 | 2017-07-13 15:35 | 专题：GAIR 2017 |
2017年7月7日至9日，全球人工智能与机器人峰会CCF-GAIR大会在深圳举行，大会由CCF中国计算机学会主办、雷锋网与香港中文大学（深圳）承办。
在9日下午的智能驾驶专场，在高工产研董事长、 高工智能创始人张小飞主持下，清华大学计算机系教授邓志东、速腾聚创CEO邱纯鑫、Roadstar.ai战略副总裁那小川、智行者科技CTO王肖四位学界产业专家带来了主题为“自动驾驶核心技术构建”的圆桌讨论，以下是雷锋网整理的精彩内容。
“我相信对我们未来影响最大的就是智能驾驶。”张小飞说道，“大家可以想象一下，我们以后可能都会在车里睡觉了，都不用找房间了。它会改变我们的出行、改变房地产，会让我们的生活更幸福。唯一让我感觉比较不好的地方，就是现在在美国开车分不清楚它是警车还是无人驾驶，因为它上面会放一个激光雷达。”
张小飞如此总结这次圆桌讨论的议题：第一，智能驾驶技术到底会走哪条技术路线；第二，我们中国的智能驾驶什么时候上路；第三，对比中外的自动驾驶技术发展状况。
清华大学计算机系教授邓志东目前主要研究深度学习方向，包括深度卷积神经网络、强化学习，以及自动驾驶。邓志东教授从2008年在国家基金委的重大项目支持下开始研发自动驾驶汽车，到现在已经有8年多了。“我们做了三个车，包括软硬件系统集成，前期是关注纯感知。因为当时有一个说法，人靠纯感知开车，我们是不是也可以利用纯感知的方法靠机器视觉来开车，但是最后证明这条路是很困难的。”
速腾CEO邱纯鑫表示，现在很多公司都在激光雷达方面布局研究，但当前的情况激光雷达还是供不应求。邱纯鑫从2007年开始做基于激光雷达的感知技术，在做的过程中感觉激光雷达传感器非常重要，如果不是自己做雷达的话就改不了很多底层的东西。所以在2014年做完博士后之后，就打算去创业做激光雷达，那时候刚开始做的还是单线的激光雷达、不是多线的。2015年下半年，根据整个行业的发展开始打算做多线激光雷达。
Roadstar.ai是一家做L4全套解决方案的公司。三个主要技术合伙人之前都在百度，他们之前在苹果、微软、特斯拉、谷歌都干过。“我们的技术是多传感器的融合，而且是一个非常深度的融合，我们是通过多传感器的融合来实现L4的完整解决方案的技术方案公司。”
高工产研董事长、 高工智能创始人张小飞开场发问：自动驾驶的技术路线是摄像头加上各种传感器的融合，以视觉为主，还是是以激光雷达为主？
邓志东说道，现在的技术路线，一种是以谷歌为代表的激光雷达主导的技术方案；还有一种是以特斯拉为代表的视觉主导的解决方案。
但是我想这两个技术路线最终会走到一起，会归为一条路线：就是多传感器融合的方法。不管是视觉主导还是激光雷达主导，最终是融合的方案。从技术路线上没有中国和外国之分，中国只是在应用上可能会走出自己的路。
邱纯鑫补充说，其实不管是以哪个为主导，激光雷达肯定是要用的。从硬件的角度来看，现在是雷达跟摄像头分离开来的两个硬件，后面随着技术的发展，这两个硬件会逐步变成一个硬件。但是这个硬件不是只有摄像头的功能，而是同时实现激光雷达的功能。而且随着雷达的低成本化，它的应用会越来越广泛。
那小川表示很同意前面两位的观点。融合是唯一的方案，而且也没有中美的差异，技术是无国界的。
第一，激光雷达会变成固态，所以未来降价是个必然趋势。对于任何一个做无人车的公司而言，没有必要现在拘泥于成本，多一个传感器的输入一定是有益的；
第二，在硅谷有一些公司号称只用摄像头就可以做到L4，但纷纷都遭遇到了挫折，并且进行了转型。
第三，激光雷达和摄像头本身就有一些物理的局限，使得缺了任何一个都不可能达到L4所需要的安全性。举个例子来说，激光雷达没有颜色、纹理，所以红绿灯是比较难识别的，因为没办法识别颜色。还有一个问题，之前谷歌的车经常经过一个地方就会神秘地停车，因为那个地方有风，一吹树叶就到处飞，激光雷达一扫就告诉你那个地方有东西，它不知道是什么，它就停车；如果有摄像头，它就会告诉你它是树叶，你就可以大胆地过去。但是摄像头也有问题，比如进隧道或者出隧道的时候，那个画面是一下子就变的，一开始是白的，突然间变黑了，这个非连续的变化，用现在的算法是很难识别的，这是物理上的问题，这个是没法解决的。所以整个无人驾驶不仅是雷达和摄像头，还包括其它的传感器。但是现在从全球来看，想做L4是少不了雷达和摄像头的。
王肖认为最根本的技术路线问题是非常模糊的。对自动驾驶技术来讲，传感器只是其中的一个工具，是外界获取信息的手段。真正从技术流来讲，最早是基于规则的自动驾驶算法，现在又发展到基于AI的增强学习的很多方法。自动驾驶有三个流派，第一个是传统的机器人的流派，第二个是汽车的流派，现在又是模式识别+AI这个流派，每个流派都有自己的观点，各自都有各自的强项，但是对我们做产品的来说，我们都不在意这些，对我们来说，什么东西最好，我们就拿来用。
张小飞进一步提到，智能驾驶的背后可能有各方面的制约，法规是一个制约因素、路况是一个因素，路况包含了基础建设，以及人才的问题等等。从L3开始，到L4、L5，谷歌已经运行了500万公里的无人驾驶。按单车来算，每天连续不断的1500公里跑了8年。某种意义上说，我们国内的车跟谷歌相比，已经落后了很长的距离。
邓志东回答到，首先一定要考虑应用场景，咱们说限定区域，要看这个区域有多大，如果是封闭环境，现在已经有L3、L4的车了。如果是一个城区范围，多大的城区，是北京市还是某个区？如果以北京为例的话，应该要到2021年左右可以做到L4的水平。Uber现在已经在城区进行尝试，谷歌也是。
邱纯鑫认为，在北京这种宇宙中心真的能够在城区完全全开放的无人驾驶，要走的路还很长，要到2030年左右。
那小川说，我们认为北京是最难的，硅谷就比北京容易很多。Mobileye是1999年成立的，它的产品大规模被接受是2007年，它得到大规模的认可用了8年时间。所以我估计从现在往后推，应该到2025年。
王肖提到，在内蒙鄂尔多斯之类的区域应该在2020年能实现。要是在北京的话，应该要在15年以后实现。
邓志东老师补充说，我们不要把这个问题看得很神秘。这个问题的关键是障碍物检测是不是可靠，如果是路面行驶的话，有高精地图来加强，再加上车联网等是没有问题的。假如说极端环境和紧急情况下的障碍物检测做好了的话，L3、L4是没有什么问题的。
自动驾驶技术的国内外差距是张小飞老师主持下的第三个议题。
王肖认为，目前中国的最高水平和硅谷相比至少是5年以上的差距。中国计算水平的起步确实比美国要晚；激光雷达这一块，我相信速腾应该能达到95%的水平，只差5%，我认为激光雷达是没有问题的；视觉算法方面，国内的视觉技术已经不比谷歌差，我们差就差在积累。就像刚才说的，谷歌、特斯拉已经跑了几百万公里了，而中国的厂家可能只跑了几百公里，差距最大的就在这一块，而不是实验室的算法。深度学习要靠数据，我们缺数据，而技术条件不一样，不能借用美国的数据。
那小川谈到，在国内我们会看到三种流派，在美国就只有一种流派，具体的做法不一样。谷歌没做那么多融合，但是谷歌的硬件体系大家都认可。任何一家L4公司都是这样的硬件，但是它的软件有很大的差异。我比较国内和国外的差异主要是在经验上，硅谷在这无人驾驶方面已经有了很多年的积累；而百度在刚开始没有基础的时候需要看很多的论文，然后按论文实施会走一些坑；苹果在这方面的起步也是比较晚的，但是它可以借鉴谷歌成熟的经验，避免了很多坑。如果在一开始就知道正确的方向，这样就能节省很多的时间。
邱纯鑫认为，按照目前发展情况看，我们的激光雷达技术不比国外的差。从技术的角度来看，从4月份开始量产，到现在我们每个月都是在迭代的，我们专注把这个产品做下去，我相信我们一定会更有竞争力。
邓老师从硬件、计算平台、算法和系统集成方面来说。硬件上，我们和国外是有一定差距的，虽然邱总这一块还在努力，希望能够追赶上国外的先进水平，但是我们的产品还需要很多的迭代；从计算平台的角度来讲，中国在移动端这一块已经有很大的进展，有很多做移动端产品的，但是我们在云端和离线训练这部分跟国外的差距比较大。另外，我们车上能不能提供一个线控总线？线控总线的车都是Tier1的企业掌握的，这一块的差距是比较大的；我们的算法技术是很牛的，一点都不比美国差；在系统集成上，我们确实起步比较晚，我们需要积累更多的大数据，因为深度学习需要依赖于数据。
张小飞最后总结，国内的智能驾驶可以走出思维定势，不必唯国外技术马首是瞻，我们的境界要高，要看得更远。
雷锋网推荐阅读：
广汽研究院CTO黄少堂：如何打造智能驾驶生态圈？ | CCF-GAIR 2017
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
