當前位置:
首頁 > 新聞 > PlusAI工程副總裁付強:自動駕駛賦能物流科技,需要注意什麼?

PlusAI工程副總裁付強:自動駕駛賦能物流科技,需要注意什麼?

雷鋒網按:2018 全球人工智慧與機器人峰會(CCF-GAIR)在深圳召開,峰會由中國計算機學會(CCF)主辦,雷鋒網、香港中文大學(深圳)承辦,得到了寶安區政府的大力指導,是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流盛會,旨在打造國內人工智慧領域最具實力的跨界交流合作平台。

在峰會的智能駕駛專場上,PlusAI(智加科技)的工程副總裁付強發表了題為「自動駕駛與物流科技」的演講,分享他對自動駕駛商業落地的一些觀點。

PlusAI成立於2016年,是最早獲得美國加州路測牌照的企業之一,目前,PlusAI在矽谷、北京、上海、西安都設有運營或者研發中心,並且與斯坦福大學和西安交通大學建立了合作關係,今年4月、5月PlusAI分別聯手一汽和蘇寧進行了港口和倉到倉的自動駕駛演示。

以下是演講全文,雷鋒網在不改變原意的情況下進行了編輯:

首先帶大家回顧一下什麼是物流科技。

物流產業在我國,尤其是改革開放以來,在我們國家走向市場經濟的發展過程中,一直扮演非常重要的角色。現在物流佔全國GDP的比重大約是16%,大家平時的吃穿住行都離不開物流的參與。如何通過物流科技去提升物流的效率就變得非常重要。

物流經歷了人工生產和機械化的過程,現在已經進入了一個自動化,甚至智能化的階段。所謂機械化,不過是採用大量車輛,原來用木牛流馬變成了在汽車、火車和飛機、貨船等等。但自動化的過程則產生了許多新的技術。比如在天貓、京東上購物,系統能夠迅速識別訂單,自動將貨物送上傳送帶進行打包,然後送到每個人手中。可能今天晚上11點下的單,明天一早就能拿到。

智慧化則是物流科技新的演進方向。因為越來越多的互聯網或者具有人工智慧背景的公司紛紛開始湧入,為物流行業帶來很多智慧化的改變。

具體來講,從最左側的供貨商到最右側的消費者,在不同的階段,物流科技智慧化過程大概滲透了三個環節:

在末端的是配送,現在配送已經有了許多自動化方式,有些物流公司也在強調最後一公里,即在配送的過程中,通過無人機、快遞櫃或者自動駕駛配送車完成最後一公里。

而在中間的,是倉儲,現在,許多智慧化的工作集中在倉儲,其中跟自動駕駛比較相關的是AGV,在倉庫里可以實現局部自動駕駛,完成貨物在倉庫內的移動。另外,基於RFID的技術、分揀、包裝、識別等,現在都應用得非常廣泛。

而從供貨端開始的運輸,則是PlusAI比較相關的一個環節。這一環節,除了車貨匹配、無車承運人、新能源汽車以外,很重要的一點就是無人駕駛。這一環節的運輸過程更多的是指倉對倉的運輸。貨品從供貨商運輸到消費者的路程中,不可避免會有從一個倉庫運送到另一個倉庫的過程,這裡存在著複雜的場景。例如從倉庫運輸到高速上,最終運送到另一個倉庫或者一個集散點,這就是一個典型的倉對倉的物流。

針對物流長途幹線運輸過程,有機構進行了以上成本拆分(如上圖)。

我認為自動駕駛在物流的中運輸能夠取得較大成果的原因是,在進入經濟領域之前,首先自動駕駛能讓運輸更加安全。

提到重型卡車,大家的第一反應可能就是網上流傳的那些非常慘烈的交通事故,大貨車一出事故就非常嚴重。據我自己走訪的統計,在大貨車的交通事故中,可能有一半以上是由疲勞駕駛造成的。因為大貨車司機一天要駕駛很長的時間,因此多少會產生疲倦,導致反應變得遲鈍,陷入間歇性的精神不集中,這些可能是造成事故的主要原因。

而自動駕駛,大家可以想像,演算法是不會疲勞的,一旦我們證明演算法的可行性,是一定不會存在隨著時間的增加效果有所衰減的狀況的。所以,需要強調的是,自動駕駛更安全。

除了安全之外,自動駕駛還能降低成本。物流幹線運輸的成本。很大一部分是來源於運輸費。而自動駕駛卻能節約燃油。通過改變整流罩和改裝的辦法,可以實現節油,這是一方面。另一方面,有統計表明,一個有經驗的司機比一個新手司機省大概15%的油。老司機對線路比較熟悉,哪個地方有轉彎、下坡他都比較熟悉,因此能夠提前控制,從而節省燃油。自動駕駛也可以實現接近老司機的使用成本。

另外一點是節約人力,現在,很多長線運輸通常是採用多名司機輪流駕駛的方式,避免產生駕駛疲勞的問題。而L4級的自動駕駛,即使是在高速上的實現,一名安全員也就夠了,顯著節約了人力。

我們曾經與蘇寧物流合作過一個項目,打造了一輛自動駕駛卡車,希望一方面減少了交通事故,另一方面能減少碰瓷的可能。

接下來講一些自動駕駛技術上的東西。自動駕駛大體上分成這幾個模塊:

首先是感測器,激光雷達就是一種感測器,它好比人的眼睛、耳朵。感測器收集周邊感知的信息,然後通過感知演算法,將這些信息抽象成計算機可以理解的概念。讓系統識別物體、車道線、紅綠燈,再決定該如何行駛。定位則是向系統提供具體的位置信息,距離目的地的路程。

有了定位和感知之後,就需要進行道路的規劃。A點走到B點,應該走哪條路,是否在要立刻變道,是否要減速繞行等。規劃之後的控制,則是將規劃的結果轉化成給汽車控制系統的指令,進行加速、減速,調整方向盤等。這嚴重依賴於車載平台,實現它的線功能。

接下來進入一些稍微細一點的領域,環境感知中的人工智慧。

感知大體上是這樣,自動駕駛車輛能夠感知到周圍的車,判斷出哪些有碰撞的風險,哪些沒與。自動駕駛車還能感知到了周圍車輛的速度,與周圍車的距離、車道線等等,這是一個簡單的感知。

人工智慧在感知系統上是有很多應用的。在自動駕駛這個領域,我首先想討論的就是大數據。大家知道在自動駕駛領域,數據量是很大的,一台車行駛幾公里後,就積累了大量的視覺數據。大數據強調的是規模。如何讓大數據達到規模呢?行業中大體有兩個方向,一個是追求一致性,一個是追求通用性。

所謂追求一致性,就是所有積累到的大數據,尤其是環境感知數據,都是用同一款攝像頭,安裝在同一個位置產生的。這樣保證了所有的數據都是高度一致的。接著,使用這種高度一致的數據做訓練,最後量產的時候,也同樣要求每一輛車將同樣的攝像頭安裝在同一個位置,所有的光圈、焦距都調校一致,最後也能夠取得一個比較好的成果。這樣做固然有其優點,但是或多或少會產生一些過擬合的問題。

還有一個是通用性,相信諸位在學習駕駛的時候,坐在車內,還是能夠識別車道線、紅綠燈的,因為大家在車外的時候就已經能識別這些東西了。當人類在識別車道線、障礙物的時候,是不需要調節光線、焦距的,即使是看照片,不同的攝像頭,參數差距很大,攝像視角也不同,人類能識別出物體。所以,在自動駕駛領域,更多的時候應該強調數據通用性。

在採集訓練數據的時候,我們不光有自採的來自不同攝像頭數據,也採取了來自合作夥伴的數據,甚至是自公開資料,比如說YouTube上的行車記錄儀數據。通過合理的標註的方式進行標註,這樣就能夠保證最終的模型,相比起一些過擬合的情況,能夠有更好的通用性。不會出現當攝像頭的生產製造工藝出現了偏差,或者焦距、可視角度不一樣,或者安裝位置的改變,就無法識別的情況。

大家看到現在很多的相關事故,自動駕駛失靈的原因就是一致性做得太強,通用性做得不夠。當過多地告訴計算機高度一致的信息的時候,當這個演算法處理稍微不一樣的數據時,就可能會失靈,與其這樣,我們不如更多地強調通用性。而研究人工智慧的目的。就是讓它更好地模擬人類思考、感知社會的方式。

第二點想要討論的,就是計算的開銷。精確度是現在很多演算法追求的指標,但延遲也很重要,現在很多成熟的公司也都注意到了這一點。實際上,在駕駛的過程中,尤其是在高速的場景中,幾十毫秒的延遲就會產生不同的結果,所以在演算法的考慮上,在精度要達到要求之外,還要降低計算的開銷。這其中還有很多計算加速的功能,應該如何建好,如何挖掘也非常關鍵。計算的精度至少要和它的演算法感知的精準度同等重要。

第三點想要討論的,是成本的控制。我們的計算單元、感知感測器要達到何種程度,才能夠保證在同樣的精準度下,數據都能跑通,而且不失準確性,同時把成本控制在範圍之內。

以上三大點是我們在自動駕駛上的一些思考,這也是需要行業人士應該花時間解決的問題。

我們的數據覆蓋了中國和美國都絕大部分省市和州。在中國的省級行政單位和美國的州級行政單位我們都有數據,這些數據的採集是非常大的工作,並不是靠自建一個車隊完成的。

再來看看多感測器融合,這裡舉一個我們遇到的例子,這個也是用激光雷達、攝像頭和毫米波雷達的方案。現在很多車廠在製作緊急制動的時候,更強調毫米波雷達的功能,但對於中距離雷達來說,例子中的物體有點遠,探測不到,對遠距離雷達來說,其視角比較窄。不管是通過視覺還是通過激光雷達,都可以對物體的檢測產生一個很好的彌補。

多感測器不光是感測器的冗餘,從功能安全的角度出發,當有一個感測器不能工作,即使是低成本感測器組合,也能夠達到規避風險的目的,實現真正安全的自動駕駛。只要採集的數據足夠多,這種說法是能夠被證明的。

我們採用的是前視為主的多感測器融合的技術,選用了成本比較低的攝像頭。當有正向的陽光攝入時,會有一道炫光,這時候我們可以進行動態的調整,提升毫米波雷達在感知中的比重,降低攝像頭的比重。當回到正常的光線中時,再將比重調回來,實現動態的對多感測器融合演算法的調整。

再回歸到自動駕駛與物流這個話題。回顧一些大事,2015年的時候,Uber首先實現了無人駕駛貨車的應用,用貨車運輸了一車啤酒;2017年,特斯拉也發布了L3級的卡車;2018年4月,我們和解放聯合發布了解放最新一代卡車J7。5月份,我們和蘇寧也發起了倉對倉物流的實現,在這個場景中,我們實現了從蘇寧的一個倉到另一倉的全自動化,當然,在離開這個倉庫之前,我們配了一名司機。

以上就是PlusAI(智加科技)工程副總裁付強在CCF-GAIR 2018智能駕駛專場上的演講。在演講過後,雷鋒網對付強進行了專訪,歡迎關注。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 雷鋒網 的精彩文章:

英特爾2020年將推獨立GPU,但CPU霸主研發高端GPU的歷史有些「辛酸」
IBM推出會辯論的AI,首戰擊敗人類頂尖辯手

TAG:雷鋒網 |