清華大學鄧志東：如何構建自動駕駛汽車的技術與產業生態？

*清華大學教授，博士生導師鄧志東

雷鋒網新智駕按：10月26日至27日，2018 全球智能駕駛峰會在蘇州召開，本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網&新智駕和數域承辦，邀請到來自主機廠、科技公司、資本機構和產業研究機構等領域的多位專家，共同打造了一場智能汽車和自動駕駛領域的頂級峰會。

清華大學計算機系教授，博士生導師，中國自動化學會理事，中國自動化學會智能自動化專業委員會主任鄧志東發表《如何構建自動駕駛汽車的技術與產業生態？》的主題演講。以下是鄧志東演講全文，雷鋒網新智駕進行了不改變原意的編輯（有刪減）：

主要包含三個方面的內容：一是初具規模的自動駕駛產業生態；二是人工智慧時代，須重點突破自動駕駛關鍵核心技術；三是自動駕駛核心技術的突破為何如此重要？

自動駕駛產業的發展需要跨界融合，科技企業與車企共同發力。科技企業的使命是進行智能化、無人化；傳統車企、新車企以及Tier 1的主要使命是發展信息化汽車平台；車企的發力點包括開放線控，完成執行機構的冗餘，開發OTA空中下載、雲平台以及軟體定義升級（SDU）。

除電動化外，還需數字化、軟體化汽車，通過OTA的方式進行軟體升級，內部匯流排化，外部網聯化，統稱為信息化，是進行智能化的基礎和條件。

目前的發展狀態，圍繞自動駕駛的產業生態正在快速形成之中，統稱為產業布局的鏈條。

可以看出，如今自動駕駛技術和自動駕駛汽車正處在中游位置。上游是車規級的純固態激光雷達、AI晶元及車載計算機、雲平台、大數據、高精地圖、V2X、5G和NB-IoT等。下游包括遠程安全監控、測試基地、智能交通系統、智慧城市、共享無人貨運運營商、共享無人出行運營商和智能增值服務商。

其中，上游關鍵零部件產業包括車規級的激光雷達和多模態感測器融合模組。第一代激光雷達為機械掃描式樣，第二代是混合固態雷達，第三代是純固態激光雷達。前兩代為一種過渡狀態，第三代純固態激光雷達易達到車規級，方便量產，低成本，例如Quanergy公司的S3，Velodyne的Velarray、速騰聚創的RS-LiDAR-M1Pre等。

此外，車規級的人工智慧、自動駕駛晶元及低功耗的車載計算機，主要包括英偉達的PX系列， Nvidia DRIVE PX、PX2、Xavier和Pegasus。

下游產業包括基於雲平台的遠程安全監控、測試基地、無人駕駛小鎮、智能交通系統、智慧城市等。

智能交通系統涉及面向自動駕駛的道路交通基礎設施的適應式改造。例如，在自動駕駛測試小鎮可建設無人駕駛專用車道，開展面向無人駕駛的智慧空間建設，以及共享無人駕駛大數據等，從而快速催生共享生態的建設。

一直強調，人工智慧助力自動駕駛的產業落地，原因是基於深度學習的計算機視覺方法，在大數據和超強計算能力的支撐下，相對於傳統計算機視覺有更加接近於人類的檢測、分割與識別能力。

但目前的大數據人工智慧缺乏認知理解能力。人們在駕駛車輛時，不僅需要感知，還要有認知，是憑藉對道路、交通環境都有正確理解的情況下，駕駛車輛。

最後總結，車規級的安全性、低成本與量產目標是自動駕駛產業落地的關鍵。

AEB、LKP、L3與L4成為目前全球自動駕駛產業關注的焦點，自動駕駛產業生態正在快速形成之中，落地速度不斷加快；

車規級的安全性、低成本與量產目標是自動駕駛產業落地的關鍵，多感測信息融合是必須著力解決的共性關鍵技術；

在大數據和超級計算能力的支撐下，基於深度學習的計算機視覺更接近於人的感知能力，儘管大數據人工智慧視覺尚缺乏認知理解能力；

開放式道路交通環境下不存在完備大數據，但須儘可能多地積累與運用大數據；

人工智慧是環境感知、自主導航、信息融合、自主決策與智能控制的基礎性技術，在環境建模（高精地圖）、車聯網V2X（基於5G通信、NB-IoT/LoRa等）、ITS（面向無人駕駛的道路交通設施改造）以及智慧城市的合力支撐下，可望使自動駕駛汽車具有類似於人的環境感知與駕駛技能學習能力，其中大數據里程與干預頻度成為落地測評的關鍵；

開放、高動態與嚴重不確定環境下自動駕駛研發所突破的感知和認知技術，是人工智慧產業應用的核心賦能力量，可望推動其他無人平台、個人機器人等未來顛覆性產品形態的發展。

總之，從「後裝」到「前裝」，通過標準化模塊化研發，提供軟硬體垂直整合的行業整體解決方案。必須聚焦大數據的海量積累，特別重視新一代人工智慧技術的細分應用，以期有效提升面向環境感知與精準定位的計算機視覺與多感測器的信息融合能力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！