年前,，GCP硅谷專家咨詢邀請了三星北美研發(fā)中心高級經(jīng)理王凡博士,，從自身專業(yè)角度解讀了在自動(dòng)駕駛中智能感知技術(shù)的三大因素以及車聯(lián)網(wǎng)V2X技術(shù),。

　　王凡博士，亞利桑那大學(xué)碩士和博士畢業(yè),，三星北美研發(fā)中心高級經(jīng)理,，負(fù)責(zé)自動(dòng)駕駛中的人工智能感知、路徑規(guī)劃和決策方向,，同時(shí)負(fù)責(zé)戰(zhàn)略部門投資收購的咨詢建議,。

　　以下為嘉賓觀點(diǎn)分享：

　　無人駕駛的核心技術(shù)有五個(gè)主要模塊：傳感器、定位,、AI感知,、路徑規(guī)劃和決策、車輛控制,。傳感器包括視覺,、雷達(dá)、通信,、定位等不同類型,，將信息傳遞給智能感知模塊，檢測車輛所處的環(huán)境,。根據(jù)以上的感知結(jié)果,，汽車決定最優(yōu)的路徑和決策，最后到達(dá)車輛控制和執(zhí)行,，完成整個(gè)流程,。此外定位是指車輛通過GPS或者是SLAM的方式確認(rèn)自己在地圖的位置,。

　　今天主要講的是人工智能感知，不過在此之前可以大概提一下行業(yè)內(nèi)發(fā)展比較大的方向,，比如從傳感器角度來說，Velodyne的激光雷達(dá)市場占有率和利潤率都很高,，成本都是在幾萬美元,，接近整車價(jià)格，所以硅谷有很多創(chuàng)業(yè)者計(jì)劃把激光雷達(dá)的成本降到1000美元以下,，實(shí)現(xiàn)類似性能,。定位方面，我們知道最好的是RTK（載波相位差分技術(shù)）這樣的實(shí)時(shí)定位系統(tǒng),，但這個(gè)價(jià)格是比較貴的,，比如市場常用的SBG定位傳感器大概有3萬美元，相對于整車而言成本很高,。硅谷同樣有公司以十分之一的價(jià)格實(shí)現(xiàn)類似的功能,。所以在傳感器方面有很多公司在做不同的研究。

　　自動(dòng)駕駛中的人工智能感知技術(shù)

　　在汽車上應(yīng)用人工智能感知的目的,，就是為了讓計(jì)算機(jī)具備對周圍車輛/行人的距離,、速度、朝向,，交通標(biāo)識等所有環(huán)境信息的獲取和認(rèn)知能力,，進(jìn)而進(jìn)行合理的規(guī)劃和決策。之所以自動(dòng)駕駛在近兩年有比較大的突破,，感知技術(shù)發(fā)揮了至關(guān)重要的作用,，其中深度學(xué)習(xí)的圖片識別能力甚至達(dá)到人眼的水平。這些更精確的算法成為自動(dòng)駕駛商業(yè)化的前提,。

　　主要有三個(gè)因素促進(jìn)了人工智能感知技術(shù)的發(fā)展：有標(biāo)注的結(jié)構(gòu)化數(shù)據(jù),、深度學(xué)習(xí)算法以及計(jì)算力/計(jì)算平臺。

　　在訓(xùn)練數(shù)據(jù)方面,，目前已經(jīng)有ImageNet,、Kitti、Cityscapes等公開數(shù)據(jù)集,，很多的初創(chuàng)公司都在用公有數(shù)據(jù)集進(jìn)行一些初始模型的開發(fā),。但這些數(shù)據(jù)集并不是很適合于自動(dòng)駕駛的需要，欠缺汽車行進(jìn)過程中的環(huán)境因素,。所以很多大的公司都在采集汽車駕駛的視頻影像,，構(gòu)建自己的私有訓(xùn)練數(shù)據(jù)。私有數(shù)據(jù)標(biāo)注主要有公司內(nèi)部標(biāo)注和外包標(biāo)注兩種做法,，根據(jù)公司自身的人力資源情況進(jìn)行選擇,。目前較大的外包數(shù)據(jù)標(biāo)注公司有數(shù)據(jù)堂,，和采取眾包形式的CrowdFlower。隨著深度學(xué)習(xí)運(yùn)用越來越頻繁,，數(shù)據(jù)標(biāo)注公司前景還是比較廣闊的,。

　　其次是深度學(xué)習(xí)算法。業(yè)界在做自動(dòng)駕駛的時(shí)候很多是從計(jì)算機(jī)視覺來入手的,，而計(jì)算機(jī)視覺包括了以CNN（卷積神經(jīng)網(wǎng)絡(luò)）為核心的各種模型,，比如YoLov2、SDD,、Faster R-CNN,、Mask R-CNN。這些算法有各自的優(yōu)勢,，但是僅能在PC端發(fā)揮較佳的效果,，在汽車行進(jìn)并需要高速運(yùn)算的過程中，這些算法的效率可能會打很大折扣,。這就需要對模型進(jìn)行優(yōu)化,。國內(nèi)的代表性公司有商湯科技和格靈深瞳，硅谷也有很多類似的公司,。

　　第三個(gè)是計(jì)算平臺,。目前有三個(gè)比較大的趨勢。大部分在用的NVIDIA的GPU,，比如DRIVE PX,、Xavier等計(jì)算力很強(qiáng)的平臺，不過它們的功耗也很高,。Google則針對人工智能框架TensorFlow發(fā)布了TPU計(jì)算平臺,，但目前該平臺主要還是對內(nèi)狀態(tài)。此外就是其他專用于深度學(xué)習(xí)的芯片,，在車輛的環(huán)境中以較小的模塊實(shí)現(xiàn)更強(qiáng)的感知計(jì)算功能,。國內(nèi)在這方面做的最大的兩家是地平線和寒武紀(jì)。

　　車聯(lián)網(wǎng)V2X

　　以上講的是比較傳統(tǒng)的單車人工智能方式,，即傳感器——人工智能的感知識別——路徑規(guī)劃和決策——控制的線路,。此外常提的就是車聯(lián)網(wǎng)（Vehicles to Everything，車與一切物體的信息交換）,。之所以車聯(lián)網(wǎng)會比較火熱,，主要原因是：單車的人工智能感知容易受限制，需要有極高的成功率才能上路駕駛,，此前特斯拉的autopilot系統(tǒng)就因識別錯(cuò)誤出了兩次車禍,，而V2X是提高感知成功率的發(fā)展方向。比如,，單車智能下的汽車無法看到走在前方車輛正前方的行人,，通過V2X技術(shù),，前車就能夠把感知到的信息傳遞給后車。還有紅綠燈檢測,，在夜晚,，自動(dòng)駕駛有可能會誤把前方車輛的剎車燈看作紅燈導(dǎo)致行車事故，一旦車與道路設(shè)施信號實(shí)時(shí)通信,，則避免了這個(gè)麻煩,。

　　總結(jié)而言，車聯(lián)網(wǎng)主要包括以下幾個(gè)需求：車與后臺服務(wù)器互聯(lián),，包括更新高清地圖、車載系統(tǒng)升級等,；車與道路設(shè)施直接互聯(lián),，比如紅綠燈、事故預(yù)警,；車與車互聯(lián),。目前，我國官方在智能網(wǎng)聯(lián)汽車的相關(guān)文件中已經(jīng)對車聯(lián)網(wǎng)發(fā)展等級做了以下劃分,，而歐美國家對此尚無清晰的定義,，可見中國在車聯(lián)網(wǎng)領(lǐng)域是走在前面的。

　　目前,，傳輸實(shí)時(shí)性,、可靠性要求較低的“網(wǎng)聯(lián)輔助信息交互”技術(shù)已經(jīng)實(shí)現(xiàn)，而網(wǎng)聯(lián)協(xié)同感知技術(shù)仍處于研究過程,，最高級別為網(wǎng)聯(lián)協(xié)同決策與控制技術(shù),。嘉賓認(rèn)為，當(dāng)?shù)缆飞嫌懈嗟淖詣?dòng)駕駛汽車時(shí),，車與車將在更大的交通協(xié)同下更合理地駕駛運(yùn)作,，但這對通信技術(shù)要求極高，落地時(shí)間會比較遠(yuǎn),。

　　國際上有兩條車聯(lián)網(wǎng)技術(shù)路線：DSRC和Cellular V2X（LTE-V或5G）,。前者即專用短程無線通信技術(shù)，可以實(shí)現(xiàn)在特定小區(qū)域內(nèi)對高速運(yùn)動(dòng)下的移動(dòng)目標(biāo)的識別和雙向通信,，可實(shí)時(shí)傳輸圖像,、語音和數(shù)據(jù)信息，該技術(shù)目前發(fā)展已相對成熟并開始應(yīng)用,，具有低延時(shí),、可靠性的特點(diǎn)。有不少公司已將DSRC作為自己的產(chǎn)品并開始使用,，自動(dòng)駕駛卡車車隊(duì)就是一個(gè)很好的案例（一名司機(jī)駕車領(lǐng)隊(duì),，后車自動(dòng)駕駛跟隨）,。

　　第二類是基于4.5G的無線通信行業(yè)標(biāo)準(zhǔn)推出，以LTE蜂窩網(wǎng)絡(luò)作為基礎(chǔ),，面向未來5G,，是車聯(lián)網(wǎng)的專有協(xié)議。就像手機(jī)一樣,，它有更廣的通信距離,，有更大的系統(tǒng)容量（一個(gè)基站可以支持上百輛車的通信需求），有成本優(yōu)勢,，有可靠性,、低延時(shí)的特點(diǎn)。該技術(shù)起步較晚,，但起點(diǎn)很高,，目前該類市場還不是很擁擠。

　　Q&A環(huán)節(jié)

　　Q：在感知方面最大的難點(diǎn)是什么,？

　　A：難點(diǎn)有很多,，嘉賓認(rèn)為最大難點(diǎn)在特殊情況（罕見場景）下感知能否發(fā)揮感知能力，我們目前的訓(xùn)練數(shù)據(jù)能基本涵蓋常見的路況,，但汽車遇到罕見的路況時(shí)還能否成果檢測出來,，特斯拉的事故就跟此有關(guān)。目前感知成功率已經(jīng)很高,，但最后1%的問題尚有待解決,。

　　Q：有什么方式在可預(yù)見的幾年能很好地解決？

　　A：在真實(shí)場景下有些情況我們很難遇到,，但在仿真環(huán)境下則能夠構(gòu)建,，改進(jìn)算法。

　　Q：車聯(lián)網(wǎng)在無人駕駛中的重要性,？

　　A：現(xiàn)在我們還在無人駕駛的起步階段,，大家在做的是如何推出一輛這樣的汽車，但在未來無人車變多的時(shí)候就需要考慮如何讓整個(gè)汽車交通更加安全,，車聯(lián)網(wǎng)在解決這個(gè)問題占很重要的位置,。

　　Q：車聯(lián)網(wǎng)目前有什么難點(diǎn)和機(jī)遇？

　　A：DSRC技術(shù)目前發(fā)展已比較成熟,，Cellular V2X起步較晚,，5G標(biāo)準(zhǔn)尚未確定，但大有可為,。

　　Q：三星在無人車的哪個(gè)領(lǐng)域布局,？

　　A：在今年的CES展，三星公司第一次公開無人駕駛的軟硬件集成平臺DRVLINE，面向車廠,。相比于同類產(chǎn)品,，DRVLINE具有開放性和模塊性，其他公司可以把自己的算法嵌入平臺,。三星在無人駕駛的投入很高,，此前花了80億美元收購哈曼電子，打入Tier1市場,，還有很多的戰(zhàn)略合作和投資合作,。