当前位置: 客车网 > 新闻 > 技术交流 > 清华张毅:用人工智能实现智能驾驶

清华张毅:用人工智能实现智能驾驶

2017-09-24 作者:鑫鑫 来源:中国客车网
  移动互联网、人工智能、大数据、云计算等新一代技术在汽车和交通领域的应用正在深度推动交通体系与出行方式变革,促进了新业态成长,并呼唤相关政策、法律、标准等的调整。

  2017年9月24日,中国电动汽车百人会·常州论坛聚焦探讨未来的交通体系与出行方式,具体讨论新技术如何应用于出行及交通;交通体系的重构需要哪些政策与法律法规调整;汽车产业如何适应这些新变革。

  清华大学自动化系系统工程研究所所长张毅在论坛上发表演讲,内容实录如下:

  各位领导,各位专家,下午好!我的题目是“人工智能与智能驾驶”,从题目上可以看见,我们今天的主题就希望通过现在最新的、最热的也是大家最关心的人工智能角度出发,去看待它对智能驾驶会产生什么样的影响和作用,同时也看到对我们的出行会产生什么样的变革。

  我是清华大学自动化系系统工程研究所的所长,从交通领域做了十几年、二十几年,尤其在今天上午大家提到的、国家的“865”,从科技部到交通部,以及今年开始的国家发展战略,都谈到很多的车路协同,我们作为国家第一个承担国家重点的车路协同项目的主持单位,走过了十几年的历程,我今天结合我们的发展情况给大家做一个简单的介绍,主要包含四个方面:

  第一,人工智能是现在最热的,也是大家可以听得见的,在智能驾驶中应用的最新技术,它是怎么和智能交通联系起来的。

  第二,怎么能够从人工智能角度实现智能驾驶。

  第三,人工智能的实现过程中,哪些技术是可以产生作用的。

  第四,现在怎么去实现。

  最后给大家一个比较能够落地的方案,使大家能够体会怎么来实现它。

  人工智能这个领域非常宽,人工智能在交通领域的应用也非常深入、非常吸引人的眼球,到底怎么去理解人工智能?从学术角度阐述是非常漫长的过程,但是简单来讲、系统来讲,人工智能就是希望研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的基础科学。不管技术怎么样,更多的是看如何实现它。

  人工智能的实现过程是非常漫长的,简言之大概有几个方面要考虑到。人工智能涉及这么多,怎么和实践结合起来?有什么方法可以实现它?简单来讲,目前比较实用的,大家看得见、摸得着、而且能够产生结果的就是机器学习,就是通过机器学习去仿真、去研究、去模拟人的一系列内容。什么内容?后边我会讲,我们达到了这个目的才叫人工智能。我们现在在交通领域、交通以外的其他领域,谈了很多,说人工智能已经发展到什么样的程度、已经应用到什么样的程度,但是通过我的报告大家可以看得见,实际上人工智能应用的路还非常漫长、任务还非常艰巨。

  我们说有机器学习是不是就能解决问题了?大家说还不太行,还不能有效地解决问题,于是我们说进一步推进它,叫机器学习不够,我们做一个深度学习,当然这里边大家从名称上来看,人工智能很高大上,下来是机器学习,机器学习不行了,来个深度学习。实际上大家如果学过控制会知道有这么一个概念,就是说有一个最传统的叫PID的控制,这是经典控制,现在有现代的状态空间法的控制,到最后又有另外一个控制,到这样的情况下还不能解决实际问题,于是我们又提出了新的方法,包括神经元网络、自适应控制等等,所以在控制里边大家有一种玩笑话的说,就是说我们什么方法都用完了,没有办法了怎么办,我们神经一下。神经还不行怎么办?再模糊一下,这就是在发展过程中我们会发现说,很多技术要真正应用,从理念到实际应用产生效果,是一个非常漫长的过程,也是不断调整的过程。

  人工智能里面刚才我说到,从人工智能的起步开始到机器学习,然后机器学习还不行,再来个深度学习,在这样的情况下我们怎么看待真正在交通里头应用的困难。大家知道在计算机里,要辨识一只猫,要从网络上识别出这只猫,很难的问题,就是说要从许多许多图片里找到这么一只猫,它具有什么样的特征,像人用眼睛一看就清楚了,但机器识别是非常困难的事情,即便这样我们已经取得了非常多的进展。但是同样的结果到交通里会不会产生同样的结果呢?同样的一只猫,换到交通里可能不是猫了,是车辆,同样的车辆是不是也能像搜索一只猫的图像这么简单呢?情况发生很大的变化。为什么?这辆汽车有很多形态的变化,第一,汽车有不同的角度、不同的方向,我们说简单的一维的角度出发。第二,汽车还会移动,我们所要探测的这个世界,汽车是快速行动的,给我们增加了辨识的困难。第三,当多辆车在一块,如车队、车流,这是一种状态,实际上情况这只是简单的结果,真正复杂的结果是混杂的交通环境、混杂的车流放一块的时候,我们还要能够像人一样快速、准确、优效地辨识出就非常困难。为什么我讲说,真正要把人工智能应用到交通里头,远比我们想象困难得多。就像刚才我举的简单的例子一样,这样的工作需要我们大家共同努力许多年。

  这样情况下都说拿人工智能技术去实现。我举个例子来说,比如视频的识别或者车牌的识别,这是一种人工智能与图象识别里最经典的应用方式,大家会发现,它的应用是最完备、最有效、最准确的,我们说带有机器学习甚至深度学习的、人工智能的最新技术在交通里,在视频应用、图像应用最成功的静止场景是能做到的。移动场景里面,刚才说了恶劣的交通环境下的视频方式,即便用最新的人工智能都不是那么有效,惟一准确、高效的是停车场的车牌识别。这种情况下是低速场景,视频光线简单,没有任何干扰情况。大家可以回顾看,所有交通系统里,能够把它应用最好的就是这么一个,其他的在复杂的、运动的条件下人工智能应用都还是非常困难的。因此,可以看得见,人工智能的方法实现智能驾驶非常具有挑战性。

  再举个例子,特斯拉的这辆汽车,在美国这个事故是非常有名的:当一辆处于自动驾驶状态的车辆通过路口的时候,对方正好一个拐弯的货车,这个货车比较高,特斯拉正好在它拐弯90度的时候,由于没有识别出这辆汽车,从这辆汽车的肚子下钻过去了,司机当场死亡了。对事故辨识和分析以后得出结论,因为汽车里边主要能够判断交通障碍物和交通运行条件的有两种工具,一个是大家都知道的很热的,Mobileye,还有毫米波雷达测距,这两种有效的传感方式。第一个,这辆汽车是白色的,大家知道美国的天气比较好,天是蓝色的,这辆汽车是白色的,而且有一点高度,于是Mobileye判断这是云,是漂浮在天空的一朵云,没有看成汽车。另一个,测距雷达,正好测的时候,传感器在车的前部,前部比较低,正好从车厢的下部两个轮子中间穿过去了,也没有探测到这辆汽车,于是产生了交通事故,这是典型的事故。我们说这么好的传感器、这么精密的传感器,没有探测到这个结果,我们会不会有其他的办法,人工智能的技术能不能更好的应用上去?Mobileye也用了人工智能的,但是它没有探测到。我们在想,如果这两辆汽车就是我们今天谈到的车路协同系统,会提供车跟车的通信、车跟路的通信,如果这信息通讯能够实现,这交通事故就可以避免,因为这两辆汽车离的距离很近,他们在有效的通行过程中完全可以避免这个事故,这是给大家极端的例子看这种应用的问题。

  第二方面,怎么实现。人工智能是不是在交通里面很好的实现?做人工智能的资深院士张院士说,如果真正具备人工智能具备三个条件,严格意义上讲,如果说一个系统具有人工智能应该具备三个条件:

  第一,像人一样感知环境、感知社会。但是人眼睛一看就知道了,其他的设备未必能行。

  第二,能够像人一样进行思考,就是说具有思维的方式。我们说不要这么复杂的思维,但是简单的思维要有。

  第三,要模仿人一样的动作。但是人的一些动作是自然的、有条件的。

  能不能做到这三点?如果达到这三点,才是真正意义上的人工智能。但是目前我们看到的很多的介绍,从严格意义上对这三点来讲距离还很远,还有很多工作要做。

  但是和交通结合起来、和车辆结合起来怎么做到这三点:

  第一,环境感知。现在汽车上装所有传感器,都不能达到像人的眼睛一看就能把环境感知清楚了。

  第二,刚才谈到了像人这样能判断说有思维。举个非常简单的例子,当你们在高速路上开车的时候,突然旁边有一辆汽车比你开的快,开过来了,从你旁边穿过去了,一般老司机都知道这个司机开车的时候有什么样的动作,在你前边简单超车还是并道都会有一个判断,但是对我们系统来讲未必会这样,这样又不能采用规则一样来实现。

  第三,遇到各种事故以后像人这样操作下去,真正要把人工智能应用到交通里面应该体现这三个方面。

  于是我们可以看到,现在自动驾驶不是都有5级标准了吗,12345条都有了,是不是这个上面已经包含了人工智能?我的回答是应该还不包含,目前大家用的情况下看,人工智能按刚才三条标准的要求,他还达不到具有人工智能的作用,于是这5条的基础上,全自动的基础上,全自动就是一个机器人,简单讲,就是个机器人的动作。真正要把人工智能引进去,我们还会加两层,就是说一种狭义的和完全意义上的人工智能,于是说我们甚至把人工智能用到自动驾驶里去,应该在后边还要加上2级,构成这样一个7级的模式,这也是一种新的发展思路。

  这样的情况下我们遇到什么样的挑战问题?

  第一,驾驶辅助系统。这是一个定速的,进一步能够变速,实现ACC,实现我们说的ADAS。但是随着车路协同引进以后,自动驾驶又提出了新的条件,就是单车的驾驶辅助还可以和多车结合起来,于是我们做CDAS,如果工信部这几天有一个报导说现在已经可以初步实现了CDAS,它的基础就是后边我要说到的车路协同平台。人工智能进来以后就不再是CDAS,还会升级变成了AIDAS,同样道理,刚才我说到了有一个巡航控制,巡航控制目前用到一些新车上,ACC已经体现了,但是ACC还是实现自身车的巡航,前车做任何动作是不知道的,只能通过距离和对速度的判断来判断前车可能在做什么事情。基于下一个发展,车路协同也好、自动驾驶也好,我希望前车或者周边车辆做任何动作、包括决定要做,或者说已做了,至少做了以后,车辆动作信息要给我,而不是我再去猜测你是什么,于是这样情况下有了CACC,以及加上人工智能以后的AIACC,于是这样的情况下我们说人工智能和车路协同是可以完全结合起来的。

  这样情况下我们可以看得见,基于刚才我说的三个条件去判断人工智能以及现在交通领域的发展和自动驾驶的发展,我们说人工智能在智能交通、在自动驾驶过程中的路还非常长,任重而道远。

  你说画的景象非常美丽,但是我现实怎么办?我跟大家说,由于我们现在国内的发展,各个行业,在座的各位企业的努力,我们还是有把这个梦想和现实结合起来的途径。也有一个桥梁,这个就是今天领导们谈的很多的车路协同,非常有幸清华大学作为国家级项目的一个牵头单位,当时联合了10家单位、7家高校、2个研究院、1个汽车企业,我们通过4年的努力,把车路协同的关键技术做了一个突破,形成了一个具有一定规模下情况下的典型应用,目前在上海、重庆、北京,包括无锡等等几个城市,都已经有典型的示范应用了,现在也在不断往新的领域和更大规模拓进。

  这样情况下我们可以看得见车路协同。车路协同主要一个就是给大家提供一个平台,让所有的交通主体,人、车、路在这个平台上都可以实时的全方位的交互信息,于是在这个基础上对我们的交通出行的驾驶安全和交通管理完全提供一个新的平台,就是说在现有情况下这些信息都不知道不平衡的情况下我们做的一些工作,完全可以提升,于是我们发现,包括我说的车联网、网联车和车路协同实际上是殊途同归的,但是车路协同更多的是强调的交通整体集成功能的实现。

  这样的情况下可以看见,刚才谈到有两个改进,我稍微说一下,什么改进?

  第一,驾驶安全。于是这样情况下进行车路协同的平台,我们就可以阶段性地、不断地实现一些交通安全需求的功能,这里说到的协助式驾驶辅助技术,就是刚才说的CDAS,就是现在发展中一个能看得见、摸得着、能够实现的。简单说法就是,在传统的安全措施之上,我们提供了V2V的平台,就使得所有车辆之间信息,包括操作信息可以共享,于是在这样情况下,就改变了原来的安全模式。比如说像安全带、安全气囊,这是被动式安全模式,我们现在说的ADAS属于主动式的,因为出现事故之前可以主动避障,但是还是单机版的,还不是多机协作的,于是到CDAS就实现了多辆车的协作,甚至把人工智能的技术领域引入,我们可以做到AIDAS,这是说安全方面。

  交通控制方面也会发生革命性的变化,现在大家所知道的,信号控制的控制侧,不管你是中国的系统、美国的系统等等,这些系统都是在传统的平台上,现在我们给你了一个新的平台,让你知道所有车辆,在道路上行使的位置、速度、加速度、方向,就可以很好的调整、变换你的侧,这样的情况下我们可以实现什么?要等到所有车都装上了,所有路侧设施都建了,这是一个过程。现在我们做到简单的单车引导,由于车和信号灯有交互,车辆行使到什么样的速度的时候到路口正好路灯,多快的速度合适可以做一个引导,单辆车引导,那多辆车也可以引导,甚至多辆车和信号灯之间信息可以交互,当我知道所有车辆对他进行引导以后,于是我可以调整我的信号配时,就不再是以前的配时方案了,这就是说在现阶段逐步进步,我们既能够看到现在的实践,也可能看到今后五年的。新制控制系统里,在整个交通系统中,信号机完全不再起到决定性的作用,甚至可以让它消失,都做协同系统了,这是理想的状态。

  有了车路协同,传统的自动驾驶会不会发生变化?同样也会发生变化。为什么说传统的,我们现在大家关注的自动驾驶,两条技术路线我总结下来,两条技术路线。

  第一,靠车载的传感器去探测车辆周边的交通信息,来决定自动驾驶。

  第二,不全依靠于传感器,用高精度的地图加上高精度的定位技术,再结合近距离的传感器,实现自动驾驶。这是目前自动驾驶最常用的方法,你们可以看现在最热门的自动驾驶的公司做的,基本上这个是路线。

  我们有了车路协同,利用这个车路协同的平台完全可以给自动驾驶的车辆提供周边的交通环境,比如说局部的交通所有道路的信息,可以做到高精度的。传感器探测周边的环境,包括刚才看的特斯拉事故,要探测这些障碍物是有困难的,同样路侧设备也可以探测,路侧设备探测比移动过程中探测精度、可靠性都要高很多,这样的程度上使得自动驾驶完全依赖于传感器的技术路线可以去掉,完全依赖于车载高精度的信息也可以做到,而且靠基础设施的建设,可以大幅度降低车辆的成本。

  我们这次项目组来常州论坛,也带来了我今年刚刚实现的两辆自动驾驶汽车,就是基于车路协同的平台去实现的。我们不用传感器,照样做自动驾驶,利用车载设备和路侧设备之间交互信息以后,能够完全实现。必要的语音测试过了,一些典型性的应用已经通过了,于是可以出现一些新的应用。这样的情况下给大家说,我们的自动驾驶车辆,如果说常规情况下自动驾驶车辆,90%的经费都在传感器,比如一个自动驾驶车辆200万—300万,车20万,剩下全是传感器的成本。我们买的常用的就是大家自己开的车,我改装成自动驾驶的功能以后,我不用装配很大的传感器,现在我们做实验,即便不要传感器,也能实现自动驾驶。

  由于车路协同出现,我们也给自动驾驶带来新的天地、一种新的技术路线,这样的情况下,对于我们现阶段的实现会加快很多的步伐,也能缩短很多的时间。因此车路协同,不单单是技术管理,和交通管理、交通安全、出行方式要产生革命性的变化。

  怎么来实现?具体怎么弄?我们今天早上签约加入我们的基地建设的星云互联这个企业,就是接收了我们这个技术转移以后出现的一个企业,能够提供系列的产品,包括承载的路侧设备,在整个已经提升了一系列的解决方案。时间关系不展开了,大家可以看一下材料。

  总之,由于有了车路协同系统,这个企业根据我们技术的发展,产生了一系列的产品,这样的情况下利用这些产品和系统,可以使我们整个交通更快的进入新的时代。

  谢谢大家!

阅读量:
技术交流
中国客车网[www.chinabuses.com]版权及免责声明:
1、凡本网注明“来源:www.chinabuses.com” 的所有作品,版权均属于中国客车网,未经本网授权,任何单位及个人不得转载、摘编或以其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:www.chinabuses.com”。违反上述声明者,本网将追究其相关法律责任。
2、凡本网注明 “来源:XXX(非中国客车网)” 的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的,请在30日内进行。
※ 有关作品版权事宜请联系:copyright#chinabuses.com
品牌推荐 更多>>
  南京金龙公司总部新厂区位于南京溧水开发区,旗下有大客车、轻型车、乘...
新闻专题 更多>>
2017年8月9日-11日,作为客车产业界最翘首以盼的客车与公交及产业的亚洲顶...
10年前,作为我国第一家获准从事新能源汽车整车、动力系统总成及关键零部件...
微信 分享 咨询 电话 顶部
×
中国客车网微信二维码
×
×
010-64863249