自动驾驶男子天团齐聚CVPR，他们在顶级学术会议上讨论了什么？

本篇文章3429字，读完约9分钟

雷锋。今年的cvpr已经结束了。回顾这个cvpr，自动驾驶是聚光灯的焦点，不管它是会议的主题还是行业的流行。在今年的cvpr中，专门设立了一个研讨会(关于自动驾驶挑战的研讨会)。

在研讨会当天的圆桌讨论会上，几乎所有的中国自主驾驶领域的领军人物都聚集在了一起——未来图森首席技术官侯晓迪、矮种马艾首席执行官彭军、科技首席执行官吴甘沙、乐视智能驾驶副总裁倪凯、硅谷自主驾驶公司auto x的创始人肖、加州柏克莱深度驱动项目研究员余飞。

从左到右依次为:余飞雪、彭军、小熊健、倪凯、吴干沙、侯孝迪

由上述六人组成的自动驾驶男子日小组在cvpr圆桌会议上主要讨论了三个问题:

1.高精度地图在自动驾驶中的使用和重要性；

2.端到端学习的可用性和安全性；

3.系统冗余设计。

几乎所有在场的客人都同意高精度地图在自动驾驶中可以发挥重要作用。

吴干沙举了一个例子。当自动驾驶汽车想要超车时，高精度地图会提供前方车道和道路曲率等信息，从而使超车更加安全。但与此同时，每个人都面临的问题是，创建和维护高精度地图的成本太高，不可能在自动驾驶解决方案中包含全面完整的高精度地图。

autox的创始人x教授指出，由于环境可控，更新相对容易，某些特定场景下的高精度地图仍然可以做得很好。矮种马首席执行官彭军认为，高精度地图的定义需要进一步界定。与包含车道线、路标等信息的地图相比，静态物体的感知对于自动驾驶更为重要。在自动驾驶的实战中，静态物体的感知和描述可以发挥更大的作用。

什么是高精度地图的更新和维护？大多数客人的观点是，未来的制图员将提供地图的底层，而自动驾驶汽车将以众包的形式承担更新地图的角色。

第二个问题是关于端到端学习。

端到端学习表现出类似于人类驾驶行为的行为。人类可以通过积累驾驶经验下意识地驾驶，而端到端学习可以通过大量的数据训练获得类似的结果。但现在的问题是，我们没有足够的数据来使端到端的学习方案足够安全，以满足大规模生产的标准。

第三个问题是系统冗余的设计。

系统冗余可以分为许多级别，包括传感器级、硬件级、软件级等。，但同时，冗余并不意味着应该在系统中设计多个重复的模块。那么什么是合理设计的冗余呢？

以下是cvpr上自动驾驶男子日小组的对话。雷锋。(公开号码:雷锋。作为在场的少数媒体之一，他们将对话内容整理如下(对话被删除，内容未经讨论者本人确认)。

侯孝迪:第一个问题是关于高精度地图的重要性以及如何在自动驾驶中使用高精度地图。

肖:高精度地图对自动驾驶很有帮助。但问题是，你真的能拥有所有的地图吗？创建和维护高精度地图的成本非常高，这不仅是一个资金问题，而且也很难操作。如果现实环境稍有变化，将对高精度地图的数字世界产生巨大影响。我知道石喻正在做一些工作，以高精度绘制校园地图，这样环境相对可控，他实际上可以做得很好。所以这在很大程度上取决于你的申请。

侯孝迪:这个问题你也应该问詹姆斯。我看到你的演示在地图上有一个非常醒目的api。

彭军:在回答这个问题之前，我想更具体地谈谈地图的定义。我们常说的高精度地图是指车道、交通标志等。我们也认为这很重要，我们也在使用这种地图。但是还有另一种更重要的地图，很少有人知道。我们称之为静态地图，或对静态物体的感知。

我们都在努力使自动驾驶技术更加安全，但是车载计算硬件的性能远远不够。如果我们提前知道更多关于周围环境的信息，自动驾驶会更安全。因此，我们建立的地图是为了帮助自动驾驶汽车提前建立他们对外部世界的感知。

吴甘沙:我也认为高精度测绘是一项非常好的技术。因为大多数当前的自动驾驶解决方案不能保证对外界所有细节的实时和准确感知，所以高精度地图可以帮助补充这部分能力。从长远来看，高精度地图对于自动驾驶来说将是很好的选择。

正如詹姆斯所说，高精度地图是一种超越激光雷达的传感器。如今的自动驾驶仪解决方案依赖于激光雷达、毫米波雷达、照相机等，但每个传感器都有自己的传感范围限制。当自动驾驶汽车超车时，如果车前没有足够的环境信息，这种超车行为可能是危险的。高精度地图提供了车道线、道路曲率和前方岔道等环境信息，有助于自主车辆更安全地完成这一行动。

倪凯:高精度地图对未来的自动驾驶汽车非常有用。目前，批量生产的l2的功能已经在一些车型上实现，这些车型可能不依赖于高精度的地图，但是在未来l3和l4的自动驾驶中，高精度地图的重要性将会越来越高。

其次，为了补充高精度地图的维护和更新，我们还需要考虑哪些模块使用高精度地图。如果在感知模块中使用高精度地图，此时一些滞后的错误信息可能会带来混乱；然而，如果是违规模块判断，例如通过交通灯和车道线的信息来判断车辆是否遵守交通规则，则缺少交通灯的信息可能不会带来非常严重的后果。

余斐雪:最终，路上的每辆车都会自动驾驶。我们可以协调这些车辆收集数据，并在路上一起处理数据。但问题是谁将推动这一进程？我想今天它可能是一个超级司机或者职业司机。

吴甘沙:我认为在未来，地图供应商将会创建基本的地图，它不会经常改变。自动驾驶汽车也能更新基本地图，就像今天的mobileye一样。因此，高精度地图最终将由地图供应商提供基本的地图服务，各种自动驾驶汽车将更新和维护地图，这就是实时地图的概念。

侯晓迪:我知道费舍尔在伯克利的深度驱动项目正在做一些关于端到端强化学习的研究，那么我们如何保证端到端学习的安全性呢？

余志稳:我们一直在尝试探索技术的前沿。如果我们有足够的驾驶数据和足够的驾驶视频，我们希望在未来引入更有效的机制来处理这些数据。也许在未来的五年里，我们可以建立一套冗余机制来确保紧急情况下的驾驶安全。

彭军:我们的目标是制造一辆安全的自动驾驶汽车，所以我们将采用不同的技术，并从头到尾学习有趣的技术。我们将在未来做一些探索，特别是与一些学院和研究机构。

小熊健:从头到尾学习解决交通问题很难。因为实际交通状况下的场景非常复杂。

倪凯:在现阶段，我们都在努力把技术原型变成大规模生产的产品。但是对于端对端学习，我认为没有足够的数据和R&D资源将端对端学习转化为大规模生产的技术。

吴甘沙:就我个人而言，我对端对端学习非常感兴趣。每个人都说它需要大量的数据。我对这项技术感兴趣的原因是它非常接近人们的驾驶行为。当人们积累了足够的驾驶经验后，他们可以根据自己的潜意识来驾驶。《快速思考和慢速思考》一书的作者提到人们有两个系统，一个“快速”系统和一个“慢速”系统。自动驾驶汽车和人一样，有着快速和慢速的系统，它们可以在任何时候接管并做出理性的决定。

小熊健:就人们而言，当人们用潜意识开车时，他们可能会动动空的大脑或者做一些像和朋友聊天之类的事情，但是电脑100%专注于开车。因此，此时，我选择通过端到端学习来节省计算能力。我对这个策略没有把握。因为如果通过工程手段可以增加系统的计算能力或减少计算量，它就可以解决自动驾驶的问题(不一定依赖于端到端的学习)。

侯晓迪:我们的自动驾驶系统设计中采用了哪些冗余措施，比如时宇现有的一些原型设计？

吴甘沙:我认为冗余应该分层次设置。例如，在传感器级别，我们将使用激光雷达、毫米波雷达、照相机等来配置系统。您可能不需要配置所有的传感器，但您至少需要2-3种传感器。

在硬件级别，电源可能需要冗余，计算硬件可能需要冗余，甚至在执行级别，例如，制动系统需要冗余。

在软件层面，我们可能还需要不同的算法或不同的过程来计算相同的结果并实现相同的目标。这种冗余非常有价值。

倪凯:首先，我们注意传感器水平。多传感器集成非常重要，因为我们将有许多不同的传感器，这将为您提供在不同距离和不同天气条件下的感知能力。

在l3和l4的自动驾驶中，在系统层面上，我们应该设计至少两个不同的系统，其中一个是更成熟的系统来处理99%的路况。当这个系统出现故障时，不管芯片或电源有什么问题，还有另一个应急系统可以接管并确保安全。

彭军:我们应该注意的一点是，冗余设计并不意味着你的系统中有许多重复的模块。我完全同意倪凯的观点。在系统级，我们需要设计不同的系统来提供冗余。

对于我们来说，我们将设计一套紧急制动(停车)系统来处理普通的驾驶情况，我们还需要一套系统来完成车道保持和减速等驾驶动作。

雷锋。com推荐阅读:

在深度学习集体瓶颈和加速工业化的时代，简历研究的出路在哪里？| cvpr 2017

雷锋原创文章。严禁擅自转载。详情请参考转载说明。