您若对参加本届论坛的主题有兴趣，可点击这里阅读详情并报名，届时亲自来听韩博士的讲演。下面取自搜狐狐新闻网新智元专栏对韩旭的专访报道。全文请点击这里阅读。
韩旭说，“之前大家普遍认可的无人车量产时间是 2025年左右。2015年12月14日，在百度自动驾驶事业部的成立大会上，被任命为事业部总经理的王劲提出了战略目标：‘三年商用，五年量产’。于是大家的时间表都跟着提前了。现在全球已经有19家企业宣布2021年推出无人驾驶汽车。但我坚信，在中国，我们会是第一家推出量产无人驾驶汽车的。”
针对自动驾驶领域目前存在的主要技术挑战，韩旭主要谈到了以下几点：
“首要也是最主要的一个问题是感知。另一方面，耐用性也是一个很大的问题。目前一辆家用汽车，至少要开10万、20万公里。自动驾驶车辆能够保证多长时间的正常行驶，这还需要持续去观察。自动驾驶使用的线控转向和刹车的耐损程度，还需要进一步考察。”
“关于计算能力，本质上说，计算能力是越高越好。但实际来看，有些车的供电有限制，导致我们无法使用最顶级的GPU。但实际上这不是太大的问题。我认为主要问题还是我说的这两点：感知和耐用性。”
关于终端的计算能力的问题，韩旭认为这并不会成为制约无人车研发的瓶颈：
“我认为终端的计算能力并不是自动驾驶发展的瓶颈。因为就我自己所看到的，现在自动驾驶的能力，没有受到终端硬件计算能力的制约。大家可能希望把计算能力在边缘上做得更加低功耗，成本更低一点。但实际上现在制约自动驾驶发展的原因，我认为主要还是算法，包括物体识别、尤其是特殊情况（corner case）的处理，而不是终端计算能力。目前的终端计算能力及其发展速度，参照英伟达（NVIDIA）公司开发硬件的能力，并没有对自动驾驶发展产生限制。瓶颈出现在算法上。如果提出一种需要很高计算能力的算法，现在的硬件是能够跟得上的。”
关于算法的瓶颈，韩旭举了个例子：“比如某条公路经过翻修，旧的车道线并未铲除干净，还有一些模糊的痕迹。对人来说这不是问题，但是对于无人车来说，它确实是一根车道线，这就会产生很大的问题。另外一点，极高准确率的障碍物识别也存在挑战。这就是我们为什么坚持走多传感器融合的路线。计算机视觉目前确实发展到了不错的程度，但在召回率达到99.9% 的情况下，准确度实际上还是很低的。所以，完全基于摄像头的物体检测和识别，还没有达到供自动驾驶安全使用的水平。”
“芯片级别的 AI 能力也是需要注意的问题。AI 的算法现在并没有固化，相关算法每天都在进化。ASIC（专用集成电路）的问题在于它非常不灵活。如果产生一种新的算法，ASIC 的升级是很大的问题。我不认为将来的第一代量产车型一定会上ASIC，很可能会是FPGA（现场可编程逻辑闸阵列）和GPU（图形处理器）相结合。就像英伟达的 Drive PX2（第二代辅助驾驶机器）里面也并没有 ASIC，但是已经在特斯拉上使用了。”
关于景驰的技术特点，韩旭说：“景驰的技术特点，首先是多传感器融合解决方案。在最理想的状态下，自动驾驶中的“感知”问题只要通过摄像头加GPS就可以解决。但实际上，从目前来看，摄像头还远没有达到完全解决所有物体识别、障碍物识别的地步。反观激光雷达，作为一种active sensor，它可以很稳定地告诉你障碍物在哪里，从而避免车祸的产生。从这一点上说，激光雷达和毫米波雷达具有不可替代的优势。”
“另外我们非常重视高精地图的应用。在高精地图方面，景驰有很深的积累。我们现在有了非常快速准确产生高精地图的方法。”
“同时，由于我个人的研究背景，我们不光是简单地运用传统的计算机视觉或者多传感器融合的方法来做自动驾驶，而是强烈依赖于深度学习的方法。之前我在深度学习方面做了很多工作，比如端到端的Deep Speech研发。景驰已经建立了一个非常大规模的模拟器，进行深度学习的模拟和测试。”
“因为我们的无人车已经开始上路，实际上我们现在已经开始大规模积累驾驶里程数，来进一步提高我们自动驾驶的安全性和智能性。”
No comments:
Post a Comment