产学研一线专家纵论：怎样构建自动驾驶的核心技术？ | CCF - GAIR 2017

本篇文章3531字，读完约9分钟

2017年7月7日至9日，全球人工智能与机器人峰会ccf-gair会议在深圳举行。会议由中国计算机学会主办，雷(公开号:雷)和香港中文大学(深圳)协办。

在9日下午召开的智能驾驶专题会议上，由高技术研究院院长、高技术智能创始人张、清华大学计算机科学系教授邓志东、速腾聚创首席执行官邱春新、路达艾战略副总裁纳小川、智能行走技术首席技术官主持，围绕“打造自动驾驶核心技术”这一主题进行了圆桌讨论。以下是雷锋编辑的精彩内容。

“我相信对我们未来影响最大的是智能驾驶。”张对说，“你可以想象，将来我们可能都睡在车里而不找房间。它将改变我们的旅行，改变我们的房地产，让我们的生活更幸福。唯一让我感到难过的是，在美国我无法分辨它是警车还是无人驾驶汽车，因为它会装上激光雷达。”

张总结了本次圆桌讨论会的议题:一、智能驾驶技术将走哪条技术路线；第二，我们在中国的智能驾驶何时才能上路；第三，比较中外自主驾驶技术的发展。

清华大学计算机科学教授邓志东主要研究深度学习，包括深度卷积神经网络、强化学习和自动驾驶。自2008年在国家自然科学基金重大项目的支持下，邓志东教授开始开发自动驾驶汽车至今已有八年多的时间。“我们制造了三款汽车，包括软件和硬件系统的集成，并且在早期阶段就注重纯粹的感知。因为当时有句话说，人们靠纯粹的感知来开车，我们也可以用纯粹的感知来靠机器视觉来开车，但事实证明，这条路很难走。”

速腾首席执行官邱春新表示，许多公司都在研究激光雷达的布局，但目前的情况是激光雷达仍然供不应求。邱春新于2007年开始研究基于激光雷达的传感技术。在这个过程中，他觉得激光雷达传感器非常重要。如果他自己不做雷达，他就不能改变许多潜在的东西。因此，在2014年完成博士后工作后，我计划以激光雷达为业。那时，我开始做单线激光雷达，而不是多线。2015年下半年，根据整个行业的发展，计划做多线激光雷达。

Roadstar.ai是一家生产l4完整解决方案的公司。这三个主要的技术合作伙伴以前都在百度，他们以前都在苹果、微软、特斯拉和谷歌工作过。“我们的技术是多传感器集成，这是一种非常深入的集成。我们是一家技术解决方案公司，通过多传感器集成实现l4的完整解决方案。”

什么样的技术路线将成为未来中国的主流？

高技术产业研究院院长、高技术智能创始人张开始发问:自动驾驶的技术路线是将摄像机和各种传感器结合起来，聚焦于视觉还是激光雷达？

邓志东表示，目前的技术路线是以谷歌为代表的激光雷达引领的技术解决方案；还有一个以特斯拉为代表的面向愿景的解决方案。

但我认为这两条技术路线最终将会走到一起，并会合二为一:多传感器融合的方法。无论是视觉引导还是激光雷达引导，它最终都是一个融合方案。中国和外国在技术路线上没有区别，但中国在应用上可以走自己的路。

邱春新补充道，事实上，无论哪一个是主导者，都必须使用激光雷达。从硬件的角度来看，雷达和摄像机是两个独立的硬件，随着技术的发展，这两个硬件将逐渐成为一个硬件。但该硬件不仅具有摄像头的功能，还实现了激光雷达的功能。随着雷达成本的降低，其应用将越来越广泛。

小川奈那说他同意前两种观点。一体化是唯一的解决办法，中美之间没有区别。技术没有国界。

首先，激光雷达将变得坚固，因此降低价格是未来的必然趋势。对于任何制造无人驾驶汽车的公司来说，现在没有必要坚持成本，多输入一个传感器肯定是有益的；

第二，硅谷的一些公司声称只用相机就能实现l4，但他们都遭受了挫折并进行变革。

第三，激光雷达和照相机有一些物理限制，这使得没有它们不可能实现l4所要求的安全性。例如，激光雷达没有颜色或纹理，所以交通信号灯很难识别，因为没有办法识别颜色。还有一个问题。在谷歌的汽车经常经过一个地方之前，它会神秘地停下来。因为那个地方有风，当树叶被风吹走的时候，它们会到处飞。当激光雷达扫过的时候，它会告诉你那个地方有什么东西。它不知道它是什么。停下来。如果有照相机，它会告诉你它是一片叶子，所以你可以大胆地去。然而，相机也有问题。例如，当进入或离开隧道时，图像突然改变，起初是白色，突然变成黑色。这种不连续的变化很难用当前的算法识别，这是一个物理问题，无法解决。因此，整个无人驾驶不仅是雷达和摄像机，还有其他传感器。但是现在，从全球的角度来看，雷达和照相机对l4来说是必不可少的。

王晓认为最根本的技术路线问题非常模糊。就自主驾驶技术而言，传感器只是工具之一，是外界获取信息的一种手段。从技术流程来看，基于规则的自动驾驶算法最先发展起来，现在已经发展成为许多基于人工智能的强化学习方法。自主驾驶有三个学校，第一个是传统的机器人学校，第二个是汽车学校，现在是模式识别+人工智能学校。每个学校都有自己的观点和优势，但是对于我们制造的产品，我们并不关心这些。对我们来说，什么是最好的，我们就用它。

l4和l5将于哪一年登陆中国？

张进一步提到，智能驾驶背后可能有各种约束。法律法规是制约因素，道路条件是因素，道路条件包括基础设施、人才等。从l3到l4和l5，谷歌已经运行了500万公里的无人驾驶。用自行车计算，我连续8年每天跑1500公里。从某种意义上说，与谷歌相比，我们的国产汽车已经远远落后了。

邓志东回答说，首先，我们必须考虑应用场景。当我们说有限区域时，它取决于这个区域的大小。如果是封闭环境，现在有l3和l4车。如果是一个市区，它有多大，北京还是某个地区？如果以北京为例，应该在2021年左右达到l4水平。优步已经在城市地区尝试过，谷歌也是如此。

邱春欣认为，像北京这样的航天中心真的可以完全向城市地区的无人驾驶汽车开放，而且到2030年左右，还有很长的路要走。

正如小川奈那所说，我们认为北京是最困难的，而硅谷比北京容易得多。美孚国际成立于1999年，其产品于2007年被大规模接受。它花了八年时间才被广泛认可。因此，我估计应该从现在推迟到2025年。

王晓提到像内蒙古鄂尔多斯这样的地区应该在2020年实现。如果是在北京，应该在15年后实现。

邓智东老师补充道:“我们不要把这个问题当成神秘的问题。这个问题的关键是障碍物检测是否可靠。如果它在路上行驶，高精度地图和汽车网络没有问题。如果在极端环境和紧急情况下障碍物检测做得好，l3和l4将没有问题。

就软件和硬件而言，目前国内外技术有什么不同？

国内外自主驾驶技术的差距是张老师主持的第三个课题。

王晓认为，中国目前的最高水平至少落后于硅谷五年。中国的计算水平确实比美国起步晚；就激光雷达而言，我认为速腾应该达到95%的水平，只差5%。我认为激光雷达没问题；就视觉算法而言，国内的视觉技术并不比谷歌差，但我们正在积累。正如我刚才所说，谷歌和特斯拉已经跑了数百万公里，而中国制造商可能只跑了数百公里。最大的区别在于这个领域，而不是实验室的算法。深度学习依赖于数据。我们缺少数据，技术条件不同，所以我们不能借用美国的数据。

小川奈那说，我们将在中国看到三所学校，但在美国只有一所学校，具体做法是不同的。谷歌没有做太多的整合，但每个人都认可谷歌的硬件系统。任何l4公司都有这样的硬件，但它的软件却大不相同。我比较国内和国外的差异主要是在经验上。硅谷在无人驾驶方面积累了多年经验；百度需要在一开始没有基础的时候读很多论文，然后根据论文的执行情况走一些坑；苹果在这方面起步较晚，但它可以借鉴谷歌的成熟经验，避免许多陷阱。如果你一开始就知道正确的方向，你可以节省很多时间。

邱春信认为，从目前的发展情况来看，我们的激光雷达技术并不比国外差。从技术角度来看，自从4月份开始大规模生产以来，我们每个月都在迭代。我们专注于生产这种产品，我相信我们会更有竞争力。

在硬件、计算平台、算法和系统集成方面。在硬件方面，我们和国外有一定的差距。虽然秋总还在努力工作，希望能赶上国外的先进水平，但我们的产品还需要大量的迭代；从计算平台的角度来看，中国在移动方面已经取得了很大的进步，有很多移动产品，但是在云计算和离线培训方面，我们与国外还有很大的差距。另外，我们能在车上提供一辆线控公共汽车吗？线控公交车的车厢由一级企业掌握，这一块的差距比较大；我们的算法技术很好，一点也不比美国差；在系统集成方面，我们确实起步较晚，我们需要积累更多的大数据，因为深度学习依赖于数据。

最后，张总结说，国内的智能驾驶可以走出思维定势，我们的境界应该更高，我们应该看得更远，而不是被国外的技术带动。

雷锋。com推荐阅读:

广州汽车研究所首席技术官黄绍堂:如何构建智能驾驶生态圈？| ccf-gair 2017

雷锋原创文章。严禁擅自转载。详情请参考转载说明。