智能驾驶的场景_港科大刘明：低速无人驾驶落地有哪些技术要素和场景？|2019全球智能驾驶峰会

译文:港科技大学刘明:低速无人驾驶着地有哪些技术要素和场面？|2019世界智能驾驶峰会

以前，无人驾驶技术着地行业常常探讨端对端的控制问题，但刘明认为，在实际情况下应该解决的是复杂的动态全过程问题。

安琪

大会现场，香港科技大学自主驾驶中心主任刘明发表了题为《低速无人驾驶着地技术要素与场景展望》的演讲。

刘明认为，由于不同的天气情况和复杂情况，在实际着陆时，低速无人驾驶车需要应对动态环境的不确定性。 以往，在无人驾驶的技术着地问题上，业界曾讨论过端对端的控制问题，但在实际情况下，是低速无人驾驶需要解决的复杂的动态全流程问题。 因此，采用人工智能或深度学习的方法解决感知、决策和控制的全过程问题是当前技术发展的难点。

目前，在感知方面，刘明队将感知方案从激光感知扩展到视觉方案和融合方案，通过相机原始输入，在不同环境、天气、早晚环境下实现无人系统全球定位的决策方面， 除了能够将无人系统在虚拟仿真环境中学习到的决策训练应用于现实场景的决策外，还能够通过车载电子机电系统生成端到端控制逻辑，最终实现车辆的最终控制。

以下是刘明演说的全文。 新智驾驶进行了原意不变的编辑

今天我介绍的课题是对低速无人驾驶系统的一些着陆技术要素和未来场景的展望。

过去十年，我们队主要以无人系统为中心开展。 在这个过程中，技术也在继续沿革，从最初的几何学方法到现在的深度学习方法，从学习的角度来看，我们也逐渐从传统压力模型到深度学习，从现在的深度强化学习，即从启发式学习到自发式学习。 这种差异在于无人系统在大量数据训练过程中能够适应不同的复杂环境。

为什么要这么做呢？现在我们队的低速无人车在一些场合着陆使用。 在实际情况条件下，由于不同的天气、环境动态，场景中的环境动态程度非常高。 例如，在住宅区的上班时间段，人很多，在这种情况下无人驾驶还需要完成任务。

这个任务过程需要一些技术支持。 目前，在从深度学习到深度强化学习的技术研究过程中，要重点解决的是复杂的全过程问题。 在过去的3~5年间，业界一直在讨论端对端的控制问题。

无人系统从传感器的输入到最终执行，其中的操作流程非常复杂。 中间简单的划分可以分为知觉、决策和控制。 因此，采用人工智能，尤其是深度学习的方法解决这一全过程问题，是当前技术发展的难点。

在感知方面，我们港口科技大学和一清队自己关注智能感知问题。 在知觉方面我们前期有很多经验，包括早期主导激光的建筑图和导航。 即使没有汽车本身提供的代码盘信息，也能够仅通过激光雷达传感器实现实时结构化或非结构化的环境建模。

最近，我们将传感方案从激光感知进一步推广到视觉和融合方案。 在视觉感知过程中，通过照相机的原始输入，可以实现不同环境、天气、早晚环境划分中无人系统的全局定位和路径的产生。

对于一些传统问题，如像素级别划分、白天和夜晚环境迁移学习等，感知的关键问题是适应性问题，在感知算法理解周围情况、定位信息后，如何做出合理的决策。

决策过程中，可以将车辆放在虚拟场景中，端到端加强学习，深入网络学习，实现简单的决策。 然后，将车辆在虚拟场景中学到的经验应用于实际场景。

在这些基本训练中，通过学习驾驶员的操作系统、人的注意模型和眼球跟踪系统，可以进一步提高训练的效率。 在不同的动态条件下，车辆可能存在不同的决策模型:车、超车等。 我们的团队利用多传感器融合方案，无人驾驶在低速驾驶的条件下，可以在完全理解动态场景的基础上作出比较合理的决定。

除决策外，如何实现系统控制至关重要，通过车载电子、机电系统产生端到端的控制逻辑，最终实现汽车的最终控制。 近年来，我们队的这一部分工作获得了20多项世界性奖项。 我们的团队基本上以三维感觉、场景理解为中心展开工作。

目前，这些科研结果非常复杂，实际情况下能解决哪些问题？ 科学研究问题作为一个起点，产生了一系列可着陆技术，从技术的结尾到产品、展示场景、补充场景、交替运行，最后可能成为主力场景的一系列过程。 实际上，任何技术的发展，新技术产品的应用，如邮件、智能手机等都要经历从展示到补充、到最终主力的发展过程。

结合现在的香港科技大学和清新的整体战略，我们队称之为“12345战略”，最终形成无人驾驶技术高地。 包括无人车应用技术研究院和新动力系统两个研究院，围绕无人车、关键部件和动力系统三个产业，形成4~5家上市公司，最终形成较大规模的产业链。 目前我们解决的问题以低速场景为主，特别是低速物流场景和监控场景。

曾经发现物流业对劳动力的需求在增加。 2016年以来，劳动力人口不断减少。 在这种情况下，实际上很多场面采用了大量劳动力的解决模式。 在劳动力人口减少的背景下，无人系统是唯一的答案。

这需要进程，需要以产业化能力不断探索。 目前，一些园区场景实现了无人车内部较广泛的点对点运输。 我们的创新团队还开发相应的APP。 清洁的创新结合了无人车、云和5G技术，最终使完整的无人驾驶解决方案产生了真正的生产力价值。

同时，5G技术的落地，与我们华为也有比较直接具体的合作。 在会场内进行了无人公共汽车和物流车等典型项目，展示了远程驾驶、远程数据监控等场景，对当前的5G CPE系统和基站系统也进行了比较完整的测试。

事实上，我们希望从科学研究开始，到技术、产品、现在阶段性的替代合作，最终形成“政、产、学、研、金、服、用”的七封闭环，即从政府的支持到产业、人才、金融、服务，形成用户的封闭环。

现在，我们队最大的优势在于业界领先的无人系统的导航技术，同时在业界着地点也进行了比较领先的场景探索和实景运输的替代，实现了TaaS (运输即服务)系统。 我们以合理的方式与外部服务交流自己的优势技术和生产制造能力。