阿波羅計劃揭開冰山一角：CES Asia上，百度為自動駕駛帶來了哪些成果？

雷鋒網按：6 月 8日，百度智能汽車事業部總經理顧維灝在 CES Asia 上帶來了主題為《自動駕駛新浪潮》。

在演講中，顧維灝詳解了百度在自動駕駛領域的兩大亮點成果——端到端的自動駕駛模型 Road Hackers, 以及與德賽西威、聯合汽車電子分別開發的、國內首個可量產的自動駕駛計算平台 BCU（Baidu Computing Unit)。

*長城汽車提供底盤控制技術，英偉達提供 DRIVE PX2 計算平台，百度提供自動駕駛技術

百度還在場館外進行了自動駕駛車輛的測試，該車最大亮點是採用了基於單目攝像頭、端到端深度學習自動駕駛解決方案。

百度一位工程師向雷鋒網透露，除了此次與長城汽車合作的兩款車型外，今年 8月，百度還將展示第三輛自動駕駛汽車——具備自定位、環境感知能力和決策控制能力。

今年 3 月，百度通過內部郵件宣布，對現有業務及資源進行整合，成立智能駕駛事業群組（IDG），由自動駕駛事業部（ADU）、智能汽車事業部（L3）、車聯網業務（Car Life etc.）共同組成。

作為百度智能駕駛事業群組的事業部之一，本屆 CES Asia 可以看成是智能汽車事業部（L3）整體發展成果的一個展示窗口。

眼下，百度的「阿波羅計劃」依舊沒有太多實質性的消息公布。在這次長達 45 分鐘的演講中，關於「阿波羅計劃」的介紹也僅在最後的 5 分鐘：「阿波羅計劃是一套開放、完整，安全的生態系統和架構，它包含了四個層次：參考汽車層，參考硬體層，軟體平台層、雲服務層。」

顧維灝表示，演講中的內容對於整個「阿波羅計劃」來說只是冰山一角。儘管如此，顧此次的演講依然值得咀嚼，他代表的是百度另一種自動駕駛解決方案的思路：如何用低成本、成熟的感測器和端到端的深度學習實現自動駕駛。

以下是顧維灝在 CES Asia 的演講，雷鋒網在不改變原意的基礎上做了編輯與刪減：

自動駕駛模擬技術

在這次展會上，除了高精地圖外，我們還帶來了更多面向智能汽車、自動駕駛或智能駕駛的新產品。

如果你到我們展台，會發現有一個互動的大屏，它展示的是自動駕駛模擬技術，這項技術主要解決的是自動駕駛測試問題。

我們相信未來的自動駕駛，它的能力一定會超過人類。但是，如何超過人類？我們需要在真實的道路和環境上實踐多少才能達到人類的水平？

有很多論文都在研究這個問題。其中我看到一篇比較著名的論文，通過各種可信度和置信度的計算，在理想情況下，汽車需要行駛兩億英里才能夠達到人類的水平。而特斯拉通過自己的計算，需要六億英里。

對中國來講，路況更加複雜，我們需要測試多少里程才能讓自動駕駛車輛趕上或者超過人類的水平？

這是一個非常艱巨的任務。所以我們展示一個模擬的環境：將高精地圖灌入到模擬環境里，再建立一個虛擬現實的 3D 環境。

同時，我們把自動駕駛演算法、車輛控制動力模型也加入到模擬器里——它可以隨時地、不停歇地進行測試。

有了這個模擬器，我們實際上就能更快、更好地加速自動駕駛的測試過程。

當我們在談人工智慧的時候，我認為有最關鍵的兩點：

第一，有沒有足夠多的數據，這是人工智慧基礎；

第二，有沒有能力將這些數據轉化為知識。

語音識別把聲音轉化成文字，這是一種知識能力的轉化，我們從圖像里去識別貓狗、汽車，這也是知識的轉化。所以，只有具備了數據，又有將數據轉化為知識能力，才能稱得上人工智慧。

過去十幾年，我們一直是最好的中文搜索引擎，也積累了大量的文本結構數據。現在的互聯網或者過去十幾年在互聯網上存在的每一個網頁，我們數據里都有存載。

有這麼大的數據後，如何將這些數據通過搜索引擎的排序演算法，更好的展現給不同的搜索者？

隨著人們對搜索的要求越來越高，我們對搜索引擎的演算法也提出了更多要求。百度是最早引入機器學習演算法作為搜索引擎的主演算法，同時加入了個性化——我們叫做「點擊調台」的能力，使得每個人看到的、搜索的結果，都會有針對個人特點的不同排序。

我們之所以說過去一段時間，識別的效果或搜索演算法不好，是因為我們在面對有限計算資源時，要做很多 trade off（取捨）：主動進行剪枝，讓搜索空間變小，更快拿出準確的結果，但這樣我們可能就會喪失一些好的結果。

隨著計算能力的提升，包括 FPGA，GPU、CPU 的發展，這個搜索空間可以變得更大，這個時候好的結果被砍掉的機率會變小，更相關的結果就排到了前面。

所以，我們在搜索引擎方面的能力積累，現在也應用在自動駕駛領域。

搜索麵臨的是一個結構化的文本數據，但自動駕駛面對的環境更複雜，遇到的也是完全不一樣的數據：更多圖像，更多感測器回傳的複雜數據。

比如 Lidar（激光雷達），傳回來的激光點雲；radar （雷達）傳回來的是探測結果數據；camera （攝像頭）傳回的影像數據。

更多現實環境的數據引入，讓整個數據變得更加複雜，規模更大，所需的計算資源也更多。這時候我們需要更多、更新、更快的新的深度學習演算法。

在過去的一兩年，我們看到自動駕駛所需要的數據、演算法和計算的能力，都在不斷地提高，這也讓自動駕駛更快速進入這個時代。

針對自動駕駛，有很多新的演算法出現，百家爭鳴，各不相同。但我認為現在自動駕駛還處在一個相對比較早期的階段。

如果對這個行業有所關注，你可能會看到不管是創業公司還是成熟公司，他們都演示過自己的自動駕駛技術。

他們在車上搭載的感測器都不相同：激光雷達、毫米波雷達、超聲波雷達、前視攝像頭、環視攝像頭、黑白攝像頭、彩色攝像頭等等。各種感測器不同，數量也不一。

你會發現這些自動駕駛汽車與現實世界的汽車非常不同。當然，不同場景所需要的感測器、所要求的演算法複雜度或者演算法的種類也不同。

比如，以圖像為主的解決方案，要處理圖像的數據，我們會選擇更加主流的卷積神經網路，它對圖像定型計算、目標識別、語義分割比較在行。

對 Lidar、radar 這種數據量要求更大的感測器，我們肯定需要不同的深度學習演算法。但如果我們的目標是希望自動駕駛儘快到來，就必須考慮一個非常現實的問題：用什麼樣的感測器才能讓自動駕駛更快到來？

我們的一個答案是：用更便宜、更成熟的感測器，用更先進的深度學習演算法來實現自動駕駛。

我們在這方面的實踐： Road Hackers，這是基於深度學習的自動駕駛解決方案。

我們的目標是通過一個消費級攝像頭、深度學習演算法實現自動駕駛。當然，這是我們最苛刻的一次實踐。我們不可能只依賴這一個方案實現自動駕駛，未來我們還是需要雷達或者其他感測器。

但如果我們今天對最苛刻的環境，實踐得更多，要求得更嚴，那在未來，自動駕駛對整個汽車的安全和擴展性也會更方便。

所以我介紹的這個實踐，就是通過一個感測器、深度學習的演算法和過去我們積累的大數據來實現自動駕駛的。

秉著這樣一個想法，我們在去年開始了一系列調研工作。在這個過程中，我們發現在過去的積累中，我們做了一件非常了不起的事。

2013 年，當時我還在百度地圖部門，那時我們升級了所有的地圖採集車輛，讓所有的地圖採集車輛都用上了最先進的感測器設備。

在地圖採集的過程中，我們記錄了所有影像，記錄了採集車上司機所有的駕駛行為，包括轉方向盤、踩油門、踩剎車的行為。去年，我們發現了這個寶藏。

*紅色的線代表方向盤轉向的角度。綠色的線代表用演算法預測出的司機對方向盤的轉動

我們每天都有幾百輛採集車在全國各地行駛，每年整體的採集里程達到數百萬公里。

我們開始用深度學習和機器學習的演算法去挖掘這些數據和行為。這是我們在今年 1 月份美國拉斯維加斯的 CES 上正式發布的視頻（如上圖）。在這張圖上，我們預測的行為和司機實際駕駛行為，在方向盤轉角上已經相對接近。

當然，我們也意識到，這樣的寶藏只靠我們去挖掘和實現是有限的，我們的速度還不夠快。

所以我們將這套數據開放出去：今年 1 月，我們開放一萬公里的 Road Hackers 原始數據，包含了採集車上收集到的所有數據，遇到的所有天氣：不管是晴天、雨天、陰天、雪天；不管是在一條揚長大路、一條曲徑小路、風景秀麗的景區、還是在滿地都是泥濘的道路。

光是開放數據還不夠，百度是一個技術信仰的公司，我們相信技術能夠改變一切。

每一個季度，百度都有一個技術比賽，我們叫做開發馬拉松：大家在有限的時間之內，設定有限的場景和環境，比拼誰的產品和演算法做得最好。

今年 1 月從 CES 回來後，我們在內部做了一個技術比武。大家一起在這個平台比賽，看誰的演算法能讓它的收斂變得更加明顯，誰的演算法能讓自動駕駛的訓練速度變得更快。

最後一共 50 支隊伍報名，我們進行了為期一個月的技術比武。當然，這種技術比武最重要的是交流和共享。我們讓這些勝出的隊伍和我們的團隊工程師們充分進行交流，進而完善演算法。

通過這樣一個技術比武，我們發現，我們可以再引入一種具有時間記憶的新演算法，來實現縱向控制或者更好的橫向控制。

在這個網路結構里，我們可以從底層的圖像特徵本身進行自動提取，它仍然用卷積神經網路來自動處理。但在縱向控制上，我們引入了一個新的模型：它具有神經記憶功能，不僅僅是通過這張圖片，而是根據過去十張，二十張，甚至一百張圖片來預測出接下來該如何做。

這種技術最早也是用於語音識別的研究：LSTM （長短期記憶，long short term memory）。

只要是針對連續性行為來做預測，我們就會考慮這種深度記憶的模型，並引入到縱向控制中，這當中的新突破是：車的加速度、減速度變得更加流暢和舒服。

這是我們優化演算法之後，在北京測試的一段視頻（如上圖）。

鏡頭剛開始，我們看到一個司機，實際上是一個駕校司機，他繞著我們既定的路線在行駛，當他駕駛了幾次之後，我們把他的駕駛行為完整記錄，並訓練出一個深度神經學習的網路結構。然後我們再把這種網路結構經過剪層、剪枝、優化，放到汽車上。

*長城汽車、英偉達、百度三家一起聯合開發的只基於一個攝像頭和端到端深度學習的自動駕駛展示

在過去的兩年，我和我的同事們拜訪了幾乎所有中國或者是國外主流的 OEM。直到去年，有 OEM 的朋友對我說，「你們說的技術很牛，我也知道你們現在做的還不錯，但我不知道應該怎麼來使用。」

一個朋友跟我這麼講，我會覺得你為什麼會有這樣的問題，但是當多個 OEM 的朋友和我說同樣的問題時，我們就開始反思：我們的技術該如何應用到自動駕駛中？

汽車產業鏈非常長，我們進入這一領域之後，才知道 OEM 有 Tier1、Tier2。那麼，我們的定位是什麼？該如何與這個產業鏈融合？如何將我們的技術應用到量產的汽車上？

反思了這些之後，我們推出了一個新的概念：叫做 BCU（Baidu Computing Unit）。

在人工智慧時代，所有演算法、軟體都需要硬體的搭載，只有將這些能力寄託到硬體上，我們的能力才得以釋放。

原來我們更多在與 OEM 交流，在那之後，我們開始與汽車行業的 Tier1、Tier2 來交流這件事情。在與他們的交流中，我們也提出了演算法對硬體的要求：需要多大計算能力、多少存儲空間、多少功耗等等。

原來我們更多在與 OEM 交流。在那之後，我們開始與行業的 Tier1、Tier2 來交流這件事情。在與他們的交流中，我們也提出了演算法對硬體的要求：需要多大計算能力、多少存儲空間、多少功耗等等。

自定位是自動駕駛一個非常重要的基礎，它要告訴汽車本身在哪。我們定位的方法是基於物理標誌物、影像提取和高精地圖來做匹配。

橫向定位精度在 0.2 米以內，這樣的定位精度就可以保證汽車能夠在自己車道上行駛，我們現在能做到差不多 98% 或者 99% 的準確率。縱向的定位精度在 2 米，我們現在差不多是在 80% 到 90% 的準確率。對高速自動駕駛來講，這種定位精度其實已經足夠了。

我們把定位能力、感知能力、路線規劃能力與 Tier1 交流後，開發了一個適合於自動駕駛量產的 BCU 硬體。

BCU 硬體分為三種：BCU-MLOC（高精定位）、BCU-MLOP（高精定位+環境感知）、BCU-MLOP2（高精定位+環境感知+決策規劃）。

有了這種實實在在的硬體後，我們賦能汽車行業，讓整個行業加速的想法才能夠快速實現。

（今天）我介紹的所有事情，相比於在我們在 4 月上海車展公布的阿波羅計劃來講，其實都是鳳毛麟角。

阿波羅計劃是一套開放、完整，安全的生態系統和架構，它包含了四個層次：參考汽車層，參考硬體層，軟體平台層、雲服務層。

任何公司、個人，只要有能力，按照我們參考硬體設計，參考汽車設計，就可以開發出一輛與百度能力一樣的自動駕駛汽車。

自動駕駛是一個完全新增的市場，我們希望為行業提供自己的核心能力，加快整個產業發展，讓自動駕駛更快到來。

PS：關於顧維灝演講的完整視頻，請點擊此鏈接觀看。

雷鋒網推薦閱讀：

手掌大小、20W功耗，百度將量產國內第一款車載自動駕駛計算平台 | CES Asia 2017

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！