<mark id="oztn4"></mark>
0
| 本文作者： 于勝越 | 2018-08-29 23:08 | 專題：2018 全球智能駕駛峰會 |
2022年，可以看作決定自動駕駛公司“生死”的一年。大多數自動駕駛公司都將2022年作為其自動駕駛汽車量產的時間節點。
距離玩家下注的日子越來越近，諸多關于自動駕駛汽車量產化、商業化的議題也被放大。
自動駕駛最先大規模應用的場景，如何應對智能駕駛中汽車大腦及執行機構帶來的挑戰，如何打造人人用得起的激光雷達，自動駕駛賦能物流科技需要注意什么......這些都是行業人士、關心的話題，也是智能駕駛生態圈中亟待解決的難點。
在此節點，智能駕駛領域的垂直媒體，雷鋒網新智駕將于10 月 26 、27 日在蘇州相城舉行“2018全球智能駕駛峰會”，此活動由蘇州高鐵新城管理委員會主辦，雷鋒網&新智駕（微信公眾號：AI-Drive）、數域承辦。屆時，25+ 智能駕駛重磅嘉賓、1000+ 業內人士齊聚，圍繞當下自動駕駛的熱點話題展開頭腦風暴，探尋智能駕駛產業未來發展。
更多大會內容點擊：https://gair.leiphone.com/gair/ad2018 了解詳情。
在往屆CCF-GAIR智能駕駛分會場上，雷鋒網新智駕曾邀請到20余位自動駕駛企業領頭人以及業內學者作大會報告，深度講述他們對自動駕駛技術與業務的理解與思考。
本文節選了其中26位行業大牛的獨到見解，讓更多人了解引領者遇到的智能駕駛難題與解決方法。
中科院自動化所復雜系統管理與控制國家重點實驗室主任 王飛躍：
目前交通正在走向交通5.0。最初，交通5.0是指城市交通、公共交通、靜態交通、物流交通，以及社會交通一體化。但后來IEEE專委會討論認為，應該從以前的機械化、電氣化，信息化、網絡化，進入到平行化，平行化就是智能化的技術途徑。
智能只是一個概念，如何實現虛實互動的平行智能，是我們需要思考的問題。將來，不僅會有交通的控制中心TOC，還會有車輛運控中心VOC，嚴格控制車輛上路，它將變得更加安全，甚至消除事故傷亡。
UC Berkeley人機交互專家 Anca Dragan：
當人類真正體驗自動駕駛車，并看到自動駕駛車是如何工作的，他們會逐漸習慣和建立這種認知模型。乘坐得越多，越了解自動駕駛車的工作原理，越不會在發生狀況時表現得太驚訝。
但事情不會都是這樣。如果自動駕駛車沒有發生很多交互行為，人類就無法從中了解信息。所以我們想的是，能否加速人類對自動駕駛車了解的過程，如果一個人來買自動駕駛車，他是否能提前了解自動駕駛車是如何工作的呢？實現這一點的方式是，如果自動駕駛車表現出某些行為，人類會通過真實道路或是模擬器了解到它，這不僅會影響物理中的交通、車輛，也會影響乘客對自動駕駛車的觀念。
現在我們找到了一種方式讓人類盡快理解自動駕駛車的工作原理，就是向人類展示自動駕駛車是如何進行模型分析的，參數展示了自動駕駛的決策模型。
2018 汽車工程學會（SAE International）主席、Velodyne的高級副總裁兼CQO Mircea Gradu：
出行市場出現了許多新的商業模式，有很多大型的科技企業，都在推動著自動駕駛技術的發展。而大數據、人工智能等技術都在自動駕駛中得到應用。自動駕駛中非常重要的一點是對這項技術的驗證，SAE的其中一項業務，就是對自動駕駛的驗證。
在傳感器方面，雷達和攝像頭做不到的，激光雷達都能做到，因此激光雷達是有優勢的。
激光雷達是一個非常好的工具，能夠提高數據的準確性以及自動駕駛的質量。3D激光雷達已經有了非常好的性能，并且得到了L3-L5自動駕駛市場大量的應用。當然這個領域也出現了非常多新的技術，呈指數級增長，像SAE這樣的專業學會也在推動自動駕駛的改革。
DARPA 挑戰賽冠軍隊成員 Adrian Kaehler：
很多人都擁有這樣的自信：將各類技術與深度學習融合在一起就能為我們提供有效的工具來打造可靠的自動駕駛汽車。理由在于，很多學術界的人更加在乎的是邊界，他們會說，“我們還需要其他的一些什么東西？除了不會撞到行人、會在停止線之前停車之外，整個自動駕駛行業還需要些什么呢？”
我把一些我曾經想過的問題列在了這里，里面有一些問題已經有一致性意見了。一是關于駕駛員應該怎么做的問題；二是駕駛員是否意識得到我們正在追蹤他們的眼睛、臉部，他們是否在到處看，他們在駕駛的時候是不是在注視前方；三是用視覺的方式構建地圖同時優化定位表現。
通用汽車全球視覺系統部門負責人 張文德：
*張文德博士（中）
通用這樣的企業需要與合作伙伴進行緊密合作，最終消除掉技術上的短板，把效果做到最好。特別是在自動駕駛車輛的成本方面，激光雷達這樣的傳感器現在還很昂貴，所以要考慮到量產之后如何去控制成本，當然也包括把傳感器很好地融合近車輛中，形成某種標準。
有很多一開始處在討論狀態的東西，最后都投入到了實踐中，還有很多合作。有時候我們會做一些合并收購的動作，OEMs 和一些新興科技公司合作，就像底特律與加州合作一樣。
小鵬汽車自動駕駛研發副總裁 谷俊麗：
在大規模量產的乘用車中部署機器學習框架，是與傳統研發路線最重要的不同之處。小鵬汽車今年在自動駕駛上的戰略重點之一，就是建立這種供自動駕駛不斷自學習的數據閉環。
從最上層的駕駛數據庫（也就是算法在其中得以生長的數據基因組），到云端的訓練和部署（將被部署在高性能GPU上），到車內的高性能計算單元，最終到車內的OTA軟件升級。只有在大規模部署量產車，形成數據閉環后，我們才有資格說我們的算法正在演化和迭代。
采埃孚工程技術中心總監 綦平：
傳統汽車剎車、轉向兩者之間獨立，但進入到自動控制過程中，汽車主要核心是以汽車動態學原理為導向，從行駛方向，如縱向和橫向的動態作為控制基礎。我們要將車控制到什么狀態，同是要兼顧執行器的動態，給汽車一定的指令，彼此之間要進行相互的關聯。
這時就需要強大的“大腦”進行處理，原來由駕駛員單獨控制的這些子系統的工作，需要由采埃孚的“協調員”—cubiX綜合管理。
偉世通首席架構師 王凱：
汽車行業發生了重大改變，自從英偉達的芯片使自動駕駛功能落地變現，整個產業鏈由以前的樹型結構逐漸向環形結構發生劇變。
環形結構是什么？其實就是OEM不再擔任核心角色，而是所有參與者漸漸地都能坐在圓桌上討論議題，尤其是汽車的自動化、輕量化、網聯化和智能化方面。今后汽車行業的發展情況是誰能夠把出行概念全部集成一體化，誰就會坐在圓桌的正中央，成為出行行業的NO.1。
我們預計到2025年，高速公路上的L3級車輛將成為自動駕駛最大的細分市場，因為它面向的是從OEM到普通用戶，發展趨勢非常明顯。
安波福電氣分配系統亞太中心產品工程總監 余寧：
未來的電子電氣架構如何支持 L4 自動駕駛汽車所需要增加的功能？如果我們在整車里增加傳感器、中央處理器以及各種 L4 自動駕駛所需要的元器件之后，整個車輛電子電氣架構會發生什么？答案是接近于崩潰。
所以在這種情況下，安波福創造性地提出了未來的智能電子電氣架構，以適應自動駕駛的需求。
針對未來的智能電子電氣架構，安波福提出了“大腦”與“神經”結合的方案。
Metawave CEO兼聯合創始人 Maha Achour：
LiDAR 對于自動駕駛汽車來說并非不可或缺。如果地圖精度足夠高，未來自動駕駛汽車上裝配 4 個毫米波雷達、4 個攝像頭便就足夠了。其中，毫米波雷達負責車身 360 度范圍以及上下角度的探測，攝像頭則觀察周圍環境，再配合 AI Engine 一起使用。這樣的方案 2030 年是有可能實現的。
速騰聚創 CEO 邱純鑫：
固態激光雷達是未來的方向，現在激光雷達做下來，我們覺得 MEMS 是最容易實現的。它的優點是在于它的高分辨率、長距離、車規級、易量產以及低成本。
現在的 32 線或者 16 線激光雷達，分辨率再往下做很大程度上受到物理體積的限制。但是 MEMS 激光雷達可以做到水平分辨率 0.09 度、垂直分辨率 0.2 度，往后能達到水平分辨率 0.1 度、垂直分辨率也是 0.1 度，再往后還能識別出 200 米外的 10*10 厘米大小的物體。
在車規級方面，目前的 MEMS 激光雷達已經在做車規級的認證，然后就是量產準備，它基本產品化之后，它的成本也會隨之降低。
Innovusion CEO及聯合創始人 鮑君威：
為了讓機器或者說自動駕駛汽車達到L4的水平，你需要讓機器的感知能力，錯誤識別率比人類更低。
如果激光雷達想要作為一種主要傳感器與其他的傳感器融合，來實現比人類更好的感知能力的話，那么激光雷達的垂直和水平角分辨率都需要在0.2°以內。對于今天的激光雷達來說，水平方向的角分辨率可以做到很高，但垂直角分辨率的提升有一定的難度。
這要讓自動駕駛車輛在高速路段上能檢測到150米/200米開外的物體，我們說到需要達到0.2°的角分辨率，我們假設一款激光雷達的垂直可視角是20°，也就意味著需要實現100線的效果。
Mobileye中國區總監 Boaz Sacks：
無人駕駛不只是一個產品，更是一個產業，關乎軟硬件技術、車廠、政府與大眾，利益方復雜交錯。如何實現安全的無人駕駛？對 Mobileye 來說，站在“巨人”身旁，都幾乎是“非如此不可的選擇”。
Mobileye產品已經完成 2700 萬輛車的裝載量，并與 26 家汽車廠商建立聯系，這給了 Mobileye 作為視覺駕駛技術龍頭的充分底氣。
Mobileye 的自動駕駛車隊一定會開到中國，但無人駕駛關乎生命安全，有嚴格的落地時間表，所有計劃都是循序漸進的，不過，對 Mobileye 來說，中國和以色列相像的一點在于，從決策到執行幾乎都是光速的，可能今天還在討論，明天就會馬上落地。
地平線 創始人 余凱：
無論是Mobileye還是英偉達，相對于他們的競爭對手，有一個共同點：他們充分地結合了算法和計算，進行協同設計，由此提供了完整的解決方案，在這一點上，其它競爭對手與這兩家的差距甚遠。
谷歌切入處理器領域的時間并不長，但很快就把TPU做出來了，不僅在AlphaGO大放異彩，還將其做成了一項AI服務，其商業潛力巨大。
這一現象的背后，折射出一個新的趨勢：深刻理解人工智能的軟件將促進處理器架構的研發效率。本質上講，這是一場由人工智能應用場景驅動的軟硬件技術革命。人工智能芯片的本質并不是硬件，而是軟硬結合的載體。人工智能芯片的發展，并不是單純的工藝和晶體管密度驅動，而是計算架構與算法的配合驅動，使其實際的計算效率不斷提升，追求極致效能。
可以說，應用場景決定算法，算法定義芯片，軟硬件協同設計，這就是AI時代的新摩爾定律。誰理解了應用場景并掌握了算法，誰就掌握了核心優勢。
西井科技 CEO 譚黎敏：
關于什么樣的成本能讓自動駕駛芯片走向量產的問題，可以分兩個維度，一個是降成本，我們會通過壓縮算法、減小芯片的面積，以及量產來降低成本。另一個維度是幫助用戶發現芯片的價值，減少用戶對成本的敏感度。在初始階段我們不會過于關注成本問題，當然成本在產品中一定是越來越重要的衡量指標。
黑芝麻智能科技芯片架構副總裁 齊崢：
自動駕駛SOC已經成為了最具有挑戰性的邊緣芯片，主要表現在幾個方面，首先是芯片的設計和驗證非常復雜，集成了大量第三方的IP，需要集成很多軟件模塊；其次，汽車應用對于功耗、可靠性和功能安全的要求非常高；高性能芯片需要用最先進的封裝設計，這給芯片的加工、生產和測試帶來了很大的挑戰。
只有自動駕駛獲得穩定、可靠的感知和認知后才能保證安全。要達到這一目的，要有清晰的圖象和視覺，以及優化的算法對獲得的圖象的視覺進行智能化的分析。此外，還需進行多傳感器融合的技術，對芯片的要求就非常高。
Righthook 聯合創始人兼CTO Righthook.io Jon Mullen：
新的問題在于，自動駕駛汽車開發中最復雜的部分在于軟件。軟件的開發周期跟硬件很不一樣，軟件的開發其實沒有盡頭，整個過程中將不斷更新。而測試是開發周期中一個重要的環節，所以當你在等待其他硬件系統的開發進度時，你怎樣讓軟件繼續保持提升，怎樣快速地測試不同的傳感器組合，怎樣建立不同的測試環境。我們認為解決方法是，在虛擬仿真環境中進行自動駕駛測試。
我們在高精度地圖的基礎上（比如DeepMap）開始建立虛擬仿真的世界，從高精地圖開始建立三維世界，同時我們也在環境中嵌入傳感器仿真所需要的參數。我們會給一些主流的傳感器建立仿真模型，同時也給主流的車輛平臺建模。我們現在也提供密集車流以及道路基礎設施的建模數據。
最后，我們連接到ROS這樣的中間件平臺上，通過ROS的可視化工具來展示仿真的畫面。
DeepMap COO及產品負責人 羅維：
傳統地圖授權的方式，是地圖廠商通過運營測繪車隊掃描道路繪制地圖，然后它會向所有的客戶授權同一份基本一致的地圖。在這種情況下，客戶其實是得到了一份使用授權，但并不具有數據的所有權。同時這些客戶也不具有數據相關的一些衍生權限，這不止是針對傳統像TomTom、Here這樣的傳統廠商，比如Mobileye的客戶遇到的情況也是這樣的。
Mobileye的案例也說明，在地圖領域，有時候整個系統就像一個黑盒子，你看不到地圖的原始數據，也無法拿到基于原始數據衍生的一些信息。這對自動駕駛來說是一個很大的挑戰，而自動駕駛的技術核心是怎樣獲取到更多的數據，來不斷訓練你的系統，來進行測試和模擬等等。
Roadstar.ai 創始人兼 CEO 佟顯喬：
Roadstar.ai的傳感器方案大概只有百度方案1/3的價格，未來方案還有大幅的降價空間，我們認為在2020年每套系統的方案大概會降到5萬人民幣以下，屆時在法律法規成熟的情況下，無人駕駛的出行服務就有真正大規模的實現的土壤。
未來5年，傳感器可能會變成一個固態的傳感器，會融到車體里面。固態的傳感器方案會優化無人駕駛汽車的美觀度、同時汽車的安全性和可靠性也會有更高的保證。自動駕駛的最后一個階段是2025年以后，屆時無人駕駛的技術會變成一個非常成熟的操作系統或者解決方案。在進入了最后一個階段后，汽車已經演進成移動空間。
AutoX 創始人兼 CEO 肖健雄：
自動駕駛行業有一個特殊點，就是技術要求非常高，包括人工智能技術。雖然載人與載貨車、高速與低速場景，最終都是自動駕駛要落地的場景，但是每個場景中都有很多的難點需要突破，例如低速載貨車，它的路況就非常復雜，尤其是低速場景下的行人，還有大量穿梭馬路上的摩托車和自行車。當然低速載貨車也不是沒有好處，假如發生事故，不會造成很嚴重的人員傷亡。
所以說，有些場景可以用來實驗，真正落地恐怕困難重重。因為無論任何情況下，安全是首位的，沒有安全的保證，就無法落地實現。
Drive.ai 聯合創始人 王弢：
*王弢（中）
我們認為（自動駕駛）很重要的重的指標之一是可靠性，而我覺得冗余則是我們實現穩定性的關鍵。舉個例子，假如單個激光雷達一年內失效的幾率是千分之一次，這已經是一個比較樂觀的數字了。那么，這對自動駕駛來說，是不是就足夠優秀了呢？
可能不是，因為自動駕駛是如此重要的，大家知道激光雷達可以用于很多功能如定位、檢測等等。
我們已經建立起了自己的系統，在車輛的頂部裝配有六個激光雷達，假設其中有兩個激光雷達失效了，我們還有其它四個來保證系統運作，處理重要的任務，這樣的事情發生的概率是多少呢？0.1% 的立方，也就是十億分之一，系統失效發生的概率只有十億分之一，這將造就 100 萬倍的穩定性。
擁有更多的冗余性，系統的穩定性也將會得到顯著提升。
Renovo.auto 創始人 Chris Heiser：
當被問到是否擔心有太多公司從事自動駕駛技術開發而使得行業競爭非常激烈時，我的答案是否定的。
因為自動駕駛涉及的問題廣泛，當車輛在不同環境中駕駛，不同地區的駕駛文化和法律的差異讓自動駕駛變得非常復雜。
一項無人駕駛的用車服務，要在多輛無人駕駛出租車和眾多的地理位置上，去共享數據和實時信息，是一個很大的挑戰。
酷哇機器人 CEO 何弢：
我們都知道 L3 到 L4 的關鍵一步取決于高精地圖，高精地圖是從靜態規則的環境進行梳理、標注，加入非常多信息。這里面有個問題，當汽車在一條馬路上開的時候，什么時候會去看紅綠燈？只有當 GPS 信號告訴它到達一個路口的時候，它才會把攝像機打開，在設定好的方向上做感知，這是高精地圖帶來的作用：不用時時刻刻去觀察攝像機，不用時時刻刻觀察紅綠燈，提高了可靠性。
這里也帶來了問題，比如說深南大道突然加了一個紅綠燈，高精地圖上沒有標注出來，這種情況很危險，汽車直接就過去了，因為高精地圖上沒有標識出這個地方有紅綠燈，這就是我們解決的不依賴于 GPS 的感知定位和規劃。
PlusAI 工程副總裁 付強：
在自動駕駛領域，數據量是很大的，一臺車行駛幾公里后，就積累了大量的視覺數據。大數據強調的是規模。如何讓大數據達到規模呢？行業中大體有兩個方向，一個是追求一致性，一個是追求通用性。
大家看到現在很多的相關事故，自動駕駛失靈的原因就是一致性做得太強，通用性做得不夠。當過多地告訴計算機高度一致的信息的時候，當這個算法處理稍微不一樣的數據時，就可能會失靈，與其這樣，我們不如更多地強調通用性。而研究人工智能的目的，就是讓它更好地模擬人類思考、感知社會的方式。
iSee 創始人 趙一彪：
當自動駕駛汽車上路的時候，它們要面臨的狀況是要與人類司機駕駛并存，其中一大挑戰在于如何讓自動駕駛汽車真正理解人類。
這是我自己的推論，我所在的 MIT 實驗室，我們自己建立起理論基礎以及研發了諸多技術來驗證我的推論，是一種人的能力能明白其他人的思維狀態。
因此，挑戰在于，因為我們能得到的信息來自于傳感器數據，有一些能夠被觀察出來的狀態，比如車輛位置、速度等狀態，然后，還有一些隱藏起來的內容，比如意圖、欲望、專注和信任，這些內容是不能被直接觀察出來的，人類具備超復雜、超強大的理解這些事情和與預測其他人行為的能力。
目前，如何理解其他的人，如何建立一個計算架構來做這件事，我認為這是非常開放的問題。
G7 總裁 馬喆人：
目前OEM也在為轉型積極做準備，而且OEM所積累的實力不容小覷。如果簡單地把自動駕駛分層級：第一層級是技術應用，把自動駕駛技術具體應用在車輛上；第二層級是把成熟的自動駕駛車輛合理運用到市場中，實現落地運營。
針對第一層級，未來自動駕駛公司假如沒有找到合適的場景實現落地運營，可能會和OEM之間回歸到Tier1和主機廠的關系，OEM做主導，掌握數據。
2018全球智能駕駛峰會將圍繞智能汽車商業化應用、智能駕駛關鍵技術應用、智能駕駛核心傳感器應用展開探討。我們將邀請 25+ 位嘉賓，聚集汽車行業智能化產業資源，匯聚中、美、日、韓、以色列頂尖智能駕駛研發力量：不僅有學術領域，還涵蓋車企、零部件供應商與自動駕駛領域創新公司，他們的演講將從眾多應用場景出發，為行業呈現最前沿的智能駕駛技術思考與落地方案。
除了在全球智能駕駛峰會聆聽嘉賓們的技術分享與行業洞見外，我們還精心準備了 3 個保留節目。
1、自動駕駛試乘體驗
全球智能駕駛峰會期間，我們將舉辦一場為期兩天的自動駕駛汽車乘坐體驗，目前正與相關自動駕駛公司敲定路測以及體驗細節。屆時參會觀眾將有機會試乘體驗自動駕駛車輛。
2、嘉賓晚宴
在全球智能駕駛峰會（10 月 27 號下午 4 點）結束后，我們將在陽澄湖畔舉辦嘉賓晚宴：飲茶品蟹，賞陽澄湖美景，與行業專家縱論智能駕駛未來趨勢。
3、【新智駕會員】兩份重磅研報發布
今年 4 月，新智駕推出了為智能駕駛行業定制的年度內容服務計劃——新智駕年度會員。在這次的全球智能駕駛峰會上，新智駕將發布傾力打造兩份重磅研報。
總結來說，為期兩天的全球智能駕駛峰會將包括：2 場大會報告、20+ 主題演講以及 1000 人次到場參會。
時間：2018.10.26（周五）- 10.27（周六）
地點：蘇州相城區高鐵新城電競館
規模：1000 人
門票&報名鏈接：https://gair.leiphone.com/gair/ad2018
另外，全球智能駕駛峰會早鳥期間，499 元= 1 年「新智駕年度會員」權益+全球智能駕駛峰會門票。新老「新智駕年度會員」可領取 499 元峰會立減優惠券（會員專享），會員定向免費參與峰會，限量放出。部分 Pro 老會員可升級 VIP 門票，先到先得，領完即止。
領取步驟：
1、加入「新智駕年度會員計劃」（掃描上方海報二維碼）；
2、微信添加小慕（微信 ID：moocmm），備注會員信息領取優惠碼；
3、使用優惠碼購買門票。
注：大會門票優惠形式不可疊加，本次活動的解釋權歸官方所有。
想了解智能駕駛領域最新動向，與諸多學術大師、一線自動駕駛企業代表面對面進行頭腦風暴，那就不要錯過這場年度智能駕駛技術盛宴！
雷鋒網推薦閱讀：
25+ 智能駕駛重磅嘉賓、1000+ 業內人士齊聚，蘇州相城到底有什么吸引力？
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
