對談清華大學鄧志東：初創企業自動駕駛落地首選低速場景，巨頭則應瞄準國外打｜CCF-GAIR 2018

去年 CCF-GAIR 大會，清華大學計算機系教授、博士生導師鄧志東受邀在智能駕駛分論壇上進行了演講，當時很多人慕名而來。「一年香、三年醇」，走到第三年的 CCF-GAIR 大會，將於 6 月 29 日至 7 月 1 日再度降臨深圳。今年，鄧志東將作為CCF-GAIR 2018智能駕駛分論壇（將在 7 月 1 日舉辦）的主席參與這場橫跨學術界、產業界及投資界三大領域的人工智慧與機器人盛會。

作為學術界的專業人士，鄧志東一直在關注著智能駕駛產業的發展，同時也在從事著智能駕駛前沿技術的研究，所以，他也積累了很多的發現以及觀點。雷鋒網新智駕則通過這次訪談，將這些發現和觀點傳遞給業界以及所有感興趣的人士。

鄧志東從 Uber 自動駕駛致死事故中看到了行業對於安全性的重視；也看到了自動駕駛多方面的技術有了躍進式的發展，包括車規級感測器以及計算單元性能的不斷提升；同時，也目睹了中國出台相關自動駕駛法規、政策，越來越多的自動駕駛汽車跑上公共道路。

對於國內掀起的自動駕駛車輛公開路測潮，他表達了他的擔憂，因為一次偶然的致命事故有可能阻礙甚至葬送自動駕駛產業的發展。所以，他更保守地認為，可以先建設自動駕駛小鎮或者是自動駕駛專用車道，在保證社會安全的前提下，先在這些場景中進行測試。

不過，他也非常強調數據的重要性，無論是採集還是後續的處理。他認為，自動駕駛要在開放環境中應用，需要不斷地積累大數據，需要有定力去做大數據本身。採集數據相對比較容易，但收集數據之後，你要對數據進行清洗、要做標籤，還要做質量審核，這個其實很難，需要投入很大的精力進去。

鄧志東透露，其團隊正在和國內某互聯網巨頭進行合作，在怎麼採集數據、怎麼清洗數據、怎樣做標籤，以及進行數據質量控制方面，進行自動駕駛大數據生產標準的制定。

在自動駕駛落地方面，鄧志東認為，初創企業是完全可以去做低速車這種商業模式的，但巨頭型企業，像 BAT 等應該瞄準國外打，去對標國外的量產型的 L4 級別的自動駕駛汽車，探索完全開放道路上的商業落地。而且，自動駕駛企業要特別重視與主機廠的結合，朝著量產走，才是正確的方向。

而他個人作為學術研究者，也一直在深入研究人工智慧及其在自動駕駛中的應用，在環境感知、自主導航、決策學習等領域進行積累。

實際上，鄧志東對於自動駕駛的發現和思考，還遠不止這些，下面這些訪談內容也許你會樂意一讀。如果還有更大的興趣，可以來深圳參與 CCF-GAIR 2018，來和鄧志東面對面交流。當然，你得先去官網選購一張入場券：https://gair.leiphone.com/gair/2018yr。

*清華大學計算機系教授、博士生導師鄧志東，CCF-GAIR 2018 智能駕駛論壇主席

以下是雷鋒網新智駕與鄧志東教授對談的內容：

雷鋒網新智駕：大概描述一下您的研究小組目前在做什麼樣的自動駕駛相關的技術？

鄧志東：我們主要是研究人工智慧及其在自動駕駛中的應用，包括各種改進型與創新型的人工智慧演算法以及面向環境感知、自主導航與決策學習的應用。例如，基於深度學習的可行駛路面檢測、車道線檢測、視差預估、機動與非機動車檢測、行人檢測、地面交通標識檢測以及信號燈檢測與識別等。同時也在利用深度學習進行激光雷達 SLAM、視覺 SLAM 甚至是彩色激光點雲 SLAM 的研究，涉及基於高精柵格與認知地圖的方法，這些都屬於自主導航技術。這是我們這一年來的研究重點，主要就是在感知領域和信息融合方向。

現在基本上用的還是深度卷積神經網路演算法，但我們也在做一些新的與知識推理相結合的演算法，面向目標的檢測、定位、分割和分類等問題，不僅使其具有強大的特徵提取能力，同時還具有一定的推理能力和理解能力。

最近我們還改裝與測試了我們的第 4 輛自動駕駛汽車，其中很多環節都在和企業進行深度合作。

雷鋒網新智駕：新車的自動駕駛方案與以前的車輛相比，有什麼不一樣的地方？

鄧志東：不一樣的地方在於我們更加強調人工智慧在自動駕駛中的應用，這是我們堅定不移要做的事。因為其他的技術或路徑我們都做過了或已經擁有了，比如說高精地圖我們自己也有。當然，我們也希望用到更多的車聯網技術（V2X），還有智能交通系統，包括與自動駕駛測試基地或者小鎮結合，進行適合於無人駕駛自主行駛的道路改造與測試等。

雷鋒網新智駕：從去年您參加我們的 GAIR 大會，到今年即將擔任我們大會智能駕駛分論壇的主席，這一年當中，您所觀察到的自動駕駛產業發生的改變有哪些？

鄧志東：最近一年最大的變化就是，因為 Uber 自動駕駛致死事件的出現，大家對自動駕駛的安全性更加重視了。這種事故對我們搞自動駕駛的來說是遲早會出現的，因為自動駕駛還不能完全把致死性交通事故消滅，只是說能夠大幅度降低交通事故率。

第二個方面，產業化進程加快了。其實表現在好幾個方面，比如我們更加重視人工智慧在自動駕駛中的落地應用了，因為這一技術對自動駕駛產業發展具有決定性作用。

當然，我們也知道，用人工智慧或者目前的深度學習演算法畢竟不能解決語義理解的問題。我們人是在認知或理解的水平上開車的，不是僅靠視覺感知，所以從這個角度來講就需要其他技術來共同支撐。包括利用高精地圖進行環境建模，利用車聯網技術或V2X（V2X 可以是基於 5G 的，也可以是基於 NB-IoT 的），進行輔助導航、決策交互與智能增值服務等。另外還需要對道路基礎設施進行改造，即發展所謂智能交通系統 （ ITS），使目前僅適用於有人駕駛的道路交通設施，更加適合於無人駕駛汽車使用。此外，也還需要智慧城市的合力支撐。過去一年，這方面的認識加深了。

還有一個是車規級感測器和人工智慧車載計算單元，在過去一年也有很大的產業進展，這些基礎性產品的性能得到很大的提升。

最後，國內的主機廠開始更加重視與發力自動駕駛技術與產業，可以說是一年來最大的變化。

雷鋒網新智駕：您所看到的關於感測器、車載計算機向車規級的變化有哪些？

鄧志東：大家知道，比如說激光雷達，最早的是機械掃描式，之後有混合固態式，我們現在認為這些產品都是過渡性的，真正能夠對產業起到關鍵支撐作用的還是第三代純固態激光雷達。

純固態激光雷達因為採用全晶元的方法，比較容易做到車規，同時成本能夠大大降低，適合進行量產。同時技術指標，比如測距的範圍、測距的精度以及角解析度都會大大提高。純固態激光雷達現在已經有量產的計划出現了，之後會不斷地推出並進行產品的性能迭代。

國內出現了很多激光雷達創業公司，我數下來可能有 20 幾家在搞激光雷達，而且他們一開始就搞自己的混合固態激光雷達。第三代純固態激光雷達產品，部分初創企業也有工程樣機出來了，雖然沒有出現量產級產品，但這方面的研發進展很快。

還有自動駕駛晶元，比如說像地平線推出了征程 2.0 晶元，英特爾的 EyeQ4 預計今年量產，還有英偉達的 DRIVE Xavier 晶元及其 DRIVE PX Pegasus 自動駕駛平台等。

雷鋒網新智駕：我們看到今年很多地方出了自動駕駛路測法規、政策，而且還發了很多的牌照，企業的車現在有些已經可以上到公開道路上開跑。您怎麼看目前的政策環境？

鄧志東：從官方的角度來講，這是一個很明確的政策信號，就是全力支持自動駕駛產業的發展。

這個事情在美國 2012 年就有了，谷歌第一個在加州拿到路測的牌照，我們晚了好幾年，至少有 5、6 年的差距。美國今年甚至允許路測時車上沒有安全駕駛員，比我們更加超前和大膽。

其實，我覺得更好的方式，是建設自動駕駛小鎮進行測試，這樣能兼顧公眾的擔憂或社會安全性以及加快自動駕駛產業發展對大數據的強烈需求，我覺得這個特別具有中國特色，是推動中國自動駕駛產業快速發展的非常好的手段或捷徑。比如在自動駕駛小鎮或者相對封閉的環境裡面，真實模擬各種複雜的道路交通場景，允許沒有安全駕駛員、完全無人的 L4 級別的自動駕駛汽車進行測試，以快速跟上美國的技術水平。

雷鋒網新智駕：所以您更傾向於在自動駕駛小鎮上測試自動駕駛汽車？

鄧志東：如果小鎮上評測或路考得很好，就可以到社會上的專用車道或完全開放的道路上去。政府在這方面應該大有可為，除了目前已推出的必須具有安全員的道路測試法規以外，其實還可以推出在自動駕駛小鎮進行各種自動駕駛評級或分級考試的法律法規。

自動駕駛小鎮就相當於「駕校」—— 自動駕駛的駕校。規定車輛通過哪一級的考試之後，可以在特定的開放道路場景中落地，比如在點到點的專用道路上進行商業落地。更高級別的話，車輛再到人車混雜或到有人駕駛和無人駕駛混雜的開放環境中進行社會公測，這樣不斷地往前推進產業化發展的進程。

雷鋒網新智駕：現在自動駕駛行業非常熱，除了一些真的有技術實力的團隊在做，也有很多聞風而上的公司，想要拿投資、騙估值。您作為學術界人士，怎麼看這些現象？

鄧志東：毫無疑問，這裡面確實有泡沫。而且真正踏踏實實做技術落地、產業落地的企業還不是特別多，而且去硬碰硬的解決複雜場景裡面的關鍵技術挑戰的企業還真不多，這是大問題。

可以看到，國內不管是巨頭型的科技企業還是初創企業，哪一個敢說自己有別人沒有的殺手鐧技術？不管是技術實現路徑還是商業模式，實質上現在我們還是在跟隨，沒有自己獨特的創新技術，同質化非常嚴重。所以企業有沒有把核心團隊和高端人才布局在核心技術突破裡面，是否掌握到自主的核心技術，這些都會最終體現在產業落地速度和未來的全球產業競爭大勢之中。

所以，不是拿錢做 PR，而是拿錢去真正的招人、建團隊，紮根做技術突破和場景落地，我覺得這個很關鍵。

雷鋒網新智駕：您覺得還有哪些自動駕駛技術方向值得重點關注？

鄧志東：其實技術圖譜早就清晰了，在高精地圖、車聯網、智能交通系統、智慧城市支撐下更多地去關注人工智慧技術的落地，包括在環境感知、自主導航、運動規劃、自主決策和智能控制上面都可以全方位地應用。

這些說起來很簡單，但目前我們還是很難看到真正落地的人工智慧技術。針對人工智慧，如果說前年是人工智慧產業的喚醒年，去年是準備年，那麼今年應該就是落地年。

人工智慧遲遲落不了地，究竟是什麼原因呢？我個人認為，目前的深度學習演算法需要大數據的支撐，技術落地需要專註於大數據，在大數據上面，在我看來至少要花 80% 以上的時間、精力以及資金的投入，去做好帶標籤的、高質量的大數據。

理論上因為現在的演算法依賴於完備的大數據，開放環境裡面是沒有完備大數據的，因為數據永遠沒有到頭的時候。但是，自動駕駛就是在開放環境中應用的，所以就需要不斷地積累大數據，需要有定力去做大數據本身。採集數據相對比較容易，但收集數據之後，你要對數據進行清洗、要做標籤，還要做質量審核，這個其實很難，難在需要投入很大的耐力進去。

舉個例子，比如交通信號燈的檢測與識別，若使用人工智慧的方法，每天就需要標註很多的數據，數據利用之後性能會提高一點，也可以處理更複雜的場景。如此不斷地標註與學習，最後你會發現數據對深度學習演算法是如此的重要。

當然，另一方面還需要在演算法上進行原始性創新，通過知識推理增強它的理解能力或泛化能力。

雷鋒網新智駕：現在很多公司都在想，我怎麼把我們的技術商用化起來，因為創業公司目前也需要找這樣一個模式，比如說做卡車、商用車，也有在港口和碼頭做，還有最近智行者和首汽 GoFun 在智能駕駛的共享汽車方面進行落地。您怎麼理解這些趨勢？

鄧志東：因為自動駕駛在中國的產業落地，其實最關鍵的問題就是選擇好一個特定的應用場景，遵循從簡單到複雜這麼一個商業模式或者技術發展途徑。現在看起來是低速的、相對比較封閉的、交通流比較稀疏的簡單場景或專用車道，肯定是首先落地的。

現在我們很多的初創企業是完全可以去做低速車這種商業模式的，但巨頭型企業，像 BAT 等應該瞄準國外去競爭，去對標國外的量產型的 L4 級別的自動駕駛汽車，探索限定區域的、完全開放道路上的商業落地。

雷鋒網新智駕：我們知道，汽車行業典型的關係是主機廠和供應商。而在自動駕駛這個領域，這樣的關係並沒有那麼明確，很多企業沒有找到自己非常明確的定位，特別是做整體解決方案的公司。

鄧志東：我覺得尤其是初創企業，要特別重視與主機廠、Tier-1 的深度合作。

因為自動駕駛汽車是一個「演算法+軟體+硬體」垂直整合的複雜的工程系統，而且裡面不能有任何短板。搞自動駕駛的科技企業如果不做量產，是沒有任何意義的，但是量產顯然不是互聯網企業能做的事情，所以要創新體制機制跟主機廠等深度整合起來。這些互聯網企業最有可能成為自動駕駛方案的技術提供商，當然最好能直接做到「前裝」去。

雷鋒網新智駕：去年您也參加了我們的 GAIR 大會，還進行了演講。即將作為智能駕駛分論壇主席參與 2018 年 GAIR大會，您又有哪些期待呢？

鄧志東：我覺得今年的 CCF-GAIR 大會可能會更加體現產業發展的新特點、新趨勢，比如說推動自動駕駛產業加快發展需要更多資源的整合，需要更加寬闊的國際視野。相信也會涵蓋更多產業落地的實踐案例以及對創新性技術的前瞻等。

同時，也會反映自動駕駛產業發展的其他要素，例如車規級的感測器、人工智慧車載計算單元、高精地圖、車聯網、5G 通訊以及共享出行、智能增值服務等內容。大會報告也將涉及到自動駕駛對安全、法律和倫理的挑戰以及對道路基礎設施的無人駕駛改造與自動駕駛小鎮的建設等。

總之，今年的大會特別注重對自動駕駛產業發展起重要推動作用的全要素的資源整合，同時更加關注產業落地實踐，這些和去年的視野是有所不同的。

CCF-GAIR 2018智能駕駛專場「聚焦智能駕駛，對話頂級智囊」，人工智慧如何改變城市交通與物流網路？智能駕駛技術將如何定義未來的汽車？自動駕駛將從哪些地方最先落地？我們將呈現產業研三界對人工智慧、智能駕駛技術的思考與實踐。

本專場邀請了清華大學鄧志東教授擔任主席，中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任、中國自動化學會副理事長兼秘書長、青島智能產業技術研究院院長王飛躍將出席智能駕駛專場並作大會報告。更多詳細議程與重磅嘉賓，請關注雷鋒網新智駕後續更新。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！