您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
智能驾驶 正文
发私信给思佳
发送

0

清华大学研究所所长张毅:车路协同技术,如何从底层重塑自动驾驶方案?

本文作者:思佳 2017-09-25 22:10
导语:日前,以“交通变革与智能出行”为主题的中国电动汽车百人会·常州论坛召开,本文来自清华大学自动化系系统工程研究所所长张毅演讲整理。

清华大学研究所所长张毅:车路协同技术,如何从底层重塑自动驾驶方案?

雷锋网·新智驾按:9月24日,中国电动汽车百人会·常州论坛(2017)召开,会议主题为“交通变革与智能出行”。本文来自清华大学自动化系系统工程研究所所长张毅演讲,雷锋网·新智驾对内容做了不改变原意的整理编辑。

张毅:今天的题目是“人工智能与智能驾驶”,从大家最关心的人工智能话题出发,看看它对智能驾驶的影响和作用,以及对未来出行领域的变革。

我是清华大学自动化系系统工程研究所所长,从事交通领域工作二十几年,国家的一些重要发展战略我们都有参与,同时我们也是第一个承担国家车路协同重点项目的主持单位。今天分享的内容包含四个方面:

第一,人工智能与智能交通的结合思考。

第二,如何从人工智能的角度实现智能驾驶。

第三,在人工智能实现智能驾驶的过程中,哪些技术可以产生作用。

第四,如何落地与实现。

一、人工智能与智能交通的结合思考

人工智能领域非常宽,人工智能在交通领域的应用也非常深入。那么到底怎么去理解人工智能呢?

从学术角度阐述是非常漫长的过程,但是简单来讲,人工智能就是研究和开发用于模拟、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。

人工智能涉及这么多领域,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,而且能够产生结果的就是机器学习,即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,但是通过我的报告大家可以看见,实际上人工智能距离实际应用的路还非常漫长、任务还非常艰巨。

有机器学习是不是就能解决问题了?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。在这样的情况下,如何看待人工智能真正在交通领域中应用的困难呢?

大家知道,要从许多许多图片中辨识和找到一只猫,人用眼睛一看就知道了,但对机器而言却非常困难,即便如此,我们还是取得了非常多的进展。延伸到交通领域,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,那么对车辆的识别是否像对一只猫的识别这么简单呢?情况可能会发生很大的变化。

为什么?第一,从二维图像而言,汽车有不同的角度、不同的方向。第二,汽车会移动,给我们增加了辨识的困难。第三,实际交通环境十分混杂,在车流中像人一样快速、准确地辨识非常困难。

这就是为什么,真正要把人工智能应用到交通领域中,远比我们想象困难得多。

举个例子,比如视频识别或车牌识别,这是人工智能与图象识别中最经典的应用方式,大家会发现,它的应用是最完备、最有效、最准确的。所以目前而言,将机器学习甚至深度学习的最新技术应用在一些静止场景是能做到的。

至于移动场景中,如恶劣的交通环境下,即便用最新的人工智能技术都不能准确地识别。所以回顾看来,所有交通系统里,能够将基于人工智能的图像识别应用最好的场景也就是屈指可数,其他复杂的、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,用人工智能实现智能驾驶是非常具有挑战性。

再以很有名的特斯拉事故为例,当时采用了Mobileye配合雷达传感器,Mobileye也应用了人工智能技术,但算法配合传感器仍然出现了这种典型的事故,如何能将人工智能技术更好地应用呢?今天我们谈到的车路协同系统如果能实现,将提供车车通信、车路通信,就能某种意义上避免这种事故。

二、如何从人工智能的角度实现智能驾驶

人工智能能不能在交通领域很好地实现?做人工智能的资深院士张院士说,如果说一个系统具有人工智能能力,那么它应该具备三个条件:

第一,像人一样感知环境、感知社会。但人眼一看就知道了,其他的设备未必能行。

第二,能够像人一样进行思考,即具有思维的方式。不用多么复杂的思维,但是简单的思维要有。

第三,要模仿人的动作。但是人的一些动作是自然的、有条件的。

如果达到这三点,才是真正意义上的人工智能。

但目前我们看到的很多,严格意义上对这三点来讲距离还很远,还有很多工作要做。

而和交通领域结合起来、和车辆结合起来,要做到下面三点:

第一,环境感知。现在汽车上安装的所有传感器,都不能达到像人眼一样的实时环境感知能力。

第二,能判断、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得快,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,但是对智能驾驶系统来讲未必会这样,同时这也并非采用规则算法能理解和实现的。

第三,遇到各种事故后,能像人一样把车辆操作下去。

我们看到,SAE(美国汽车工程师学会)将自动驾驶进行了分级,从Level 0到Level 5,但其中是不是已经包含了人工智能?我的回答是并不包含。

目前,从业界情况看,人工智能如果按照上述的三条标准,那么在智能汽车中还没有应用。如果将Level 5实现,就是实现全自动化,那么它属于一个机器人,但要真正将人工智能贯穿进来,我们还会加两层,就是狭义上和完全意义上的人工智能,构成7级的模式,这是一种新的发展思路。

这样的情况下我们会遇到什么挑战?

以驾驶辅助系统为例,这是一个从定速的巡航逐渐过渡到变速功能的系统,即我们所说的ADAS。但随着车路协同引进后,自动驾驶又提出了新的条件,就是单车的驾驶辅助还可以与多车结合起来,于是我们就做了CDAS(协助式驾驶辅助技术),之前工信部已经报道说目前初步实现了CDAS,它的实现基础就是车路协同平台。

而人工智能引入之后就不是CDAS,还会升级成AIDAS。如今,巡航控制已经在许多车型上体现,但系统对前车的动作是不理解的,只是通过对距离和速度的判断,来判断前车可能在做什么。

下一个发展阶段,不论是车路协同还是自动驾驶,我认为前车或周边车辆的任何动作,都要反馈一个信息,而不是单单猜测你在做什么,人工智能和车路协同是完全可以结合起来的。

三、车路协同系统在智能驾驶中的应用

基于此,如果用刚才的三个条件去评断人工智能在交通领域的应用和发展,我们说这条路还很漫长,任重道远。

目前国内,我们有幸作为国家项目牵头单位,当时联合了10家单位、7家高校、2个研究院、1个汽车企业,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的典型应用,目前在上海、重庆、北京、无锡等城市,都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。

车路协同,其实是提供一个平台,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,在这个基础上对交通出行的驾驶安全和交通管理提供一个新的手段。我们发现,现阶段一些信息不平衡的情况通过我们做的工作完全可以得到提升,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,但是车路协同更多强调的是交通整体集成功能的实现。

车路协同系统的搭建,将带来两个改进:

第一,驾驶安全的改进。在车路协同平台下,可以阶段性地实现一些交通安全需求的功能,如刚才提到的协助式驾驶辅助技术CDAS,就是现在发展中一个能看得见、摸得着、能够实现的应用。

简单来说,在传统的安全措施之上,我们提供了V2V平台,就使得所有车辆之间信息,包括操作信息可以共享,这种情况下,就改变了原来的安全模式。比如安全带、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,因为出现事故之前可以主动避障,但还是单机版的,不是多机协作的,到了CDAS,就实现了多辆车的协作,甚至把人工智能的技术引入,我们可以做到AIDAS。

第二,交通控制领域的革命性变化。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还是美国的系统,这些系统都是在传统的平台上搭建,现在我们给你一个新的平台,让你知道所有车辆在道路上行驶的位置、速度、加速度、方向,就可以很好地调整、变换你的控制侧,这样的情况下我们可以实现什么呢?要等到所有车都装上了设备,所有路侧设施都搭建好了,这是一个过程。

现阶段,我们能做到简单的单车引导,由于车和信号灯有交互,车辆在哪种行驶速度下达到路口正好绿灯,对这个信息可以做一个引导。单车可以引导,那么多辆车也可以,甚至多辆车和信号灯之间的信息也可以交互。新的控制系统中,整个交通系统的信号机完全不再起到决定性的作用,甚至可以让它消失,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,我总结下来基本包括两条技术路线。

第一,靠车载传感器探测车辆周边的交通环境信息,指导自动驾驶。 

第二,不完全依靠于传感器,用高精度地图加高精度定位技术,结合近距离传感器,实现自动驾驶。

而利用车路协同平台,完全可以给自动驾驶车辆提供周边的交通环境信息,比如局部的交通以及所有道路的交通信息,并且可以做到高精度的。

传感器探测周边的环境,目前来说还是有很多局限性,路侧设备同样也可以探测,路侧设备探测比移动过程中的探测精度、可靠性都要高很多。基于此,可以使得自动驾驶完全依赖传感器的技术路线摒弃掉,完全依赖车载高精度地图信息就可以做到自动驾驶,而且靠基础设施的建设,可以大幅度降低车辆的成本。

四、落地与实现

此次我们项目组来到常州论坛,也带来了我们今年刚刚实现的两辆自动驾驶汽车,就是基于车路协同平台去实现的。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的信息交互,能够完全实现。

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,那剩下全是传感器的成本。但可以跟大家透露的是,我们买的车就是常用的乘用车,改装成自动驾驶功能后,不需要装配很昂贵的传感器,目前实验阶段,即便不要传感器,也能实现自动驾驶。

由于车路协同平台的出现,我们也给自动驾驶带来了一种新的技术路线,在这种情况下,对于我们现阶段的自动驾驶实现会缩短很多的时间。因此车路协同不单单是技术管理和交通管理,对交通安全、出行方式也会产生革命性的变化。

雷锋网推荐阅读:清华大学研究成果:如何用博弈论解决自动驾驶路口的会车决策问题?

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

编辑

相信文字的分量。多多交流,微信(859258333)。
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说