清華大學教授鄧志東：人工智慧如何加速自動駕駛產業落地 | CCF-GAIR 2017

2017年7月7日至9日，全球人工智慧與機器人峰會CCF-GAIR大會在深圳大中華喜來登酒店舉行。本次由CCF中國計算機學會主辦、雷鋒網與香港科技大學（深圳）承辦的大會聚集了全球30多位頂級院士、近300家AI明星AI企業 ，參會人數規模高大3000人，都是國內頂級陣容。雷鋒網記者在會議期間第一時間進行現場報告。

在9日上午的智能駕駛專場，清華大學計算機系鄧志東教授為我們帶來了主題為「人工智慧如何加速自動駕駛產業落地實踐」的演講。

鄧志東教授的演講是對自動駕駛全行業、全技術的一場概述。教授也開門見山，直接從不同級別自動駕駛間的區別開始，他的解析是，隨著自動駕駛級別的提高，駕駛員的手腳、眼、腦逐步得到了解放。

在他看來，其中有第一個大問題，就是「限定區域是一個坑」，可以把各個級別的自動駕駛解決方案都囊括在內，提供逐步發展的空間，比如封閉場地、循環軌跡、固定線路車道的自動駕駛，這是一種非常簡單的狀況，然後向簡單城市路況、特定區域高速駕駛，以及更複雜的城市道路自動駕駛、全部道路自動駕駛一步步進行更複雜的研發。

第二個問題是，「環境感知與環境建模之爭」，目前這兩種方案，完全基於環境建模的厘米級拓補RTK方案具有高精度的特點，但成本高、環境適應性差；鄧志東教授自己所在的實驗室就製作過許多基於RTK的自動駕駛汽車樣車。基於純感知的自動駕駛雖然成本低，但是受到地圖質量影響較大。鄧志東教授認為，環境感知和環境建模兩種方案未來將發生融合，以便同時獲得高性能路面行駛以及局部自主性。

第三個問題是，「是視覺主導還是激光雷達主導」。視覺主導方案的目標檢測與SLAM較不可靠，但是成本低，比如標杆企業特斯拉就是利用8個單目攝像頭，下面還有一個看點是能否完成洛杉磯到紐約的4500公里完全無人工參與駕駛。激光雷達主導方案比如Waymo，目標檢測比較可靠。新一代的系統肯定需要融合，那麼融合中有哪些問題呢？鄧志東教授認為有三大核心問題：如何在複雜環境下進行可靠目標識別、如何精準導航以及如何進行多感測器的信息融合。

第四個問題是，「如何通過人工智慧加速產業落地」。鄧志東教授認為自動駕駛可能是人工智慧落地最快的領域，而深度學習是環境感知與自主決策的決定性技術，其中路測與大數據就成為關鍵。

在具體的人工智慧技術與大數據方面，鄧志東教授也對相關項目進行了快速的概述。

鄧志東教授還展示了一張現場觀眾都很感興趣的圖，是現有各家自動駕駛方案的評分對比，谷歌的Waymo最為領先。

鄧志東還教授認為，基於深度學習的高精度地圖可能形成巨大的產業，因為這是數字化、網路化與智能化交通的基礎設施。

最後，鄧志東教授總結道：人工智慧的復興必將加速L4及以上無人駕駛產業的商業落地。

更多大會內容精彩報道、本演講圖文全文，請繼續關注雷鋒網。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！