本文根據(jù)中科院深理工計(jì)算機(jī)科學(xué)與控制工程學(xué)院院長(zhǎng)、美國(guó)醫(yī)學(xué)與生物工程院院士潘毅在“2022智慧芽創(chuàng)新賦能大會(huì)”上的主題演講《人工智能與無(wú)人汽車駕駛》整理。

自動(dòng)駕駛是時(shí)下的熱門(mén)話題之一，已陸續(xù)在很多場(chǎng)景中得以應(yīng)用。從技術(shù)上看，自動(dòng)駕駛汽車是一個(gè)集環(huán)境感知、規(guī)劃決策、運(yùn)動(dòng)控制、多級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn)用了計(jì)算機(jī)、現(xiàn)代傳感、信息融合、V2X通訊、人工智能及自動(dòng)控制等技術(shù)，自動(dòng)駕駛的關(guān)鍵技術(shù)依次可以分為環(huán)境感知、行為決策、路徑規(guī)劃和運(yùn)動(dòng)控制四大部分。

AI在自動(dòng)駕駛領(lǐng)域的三大應(yīng)用

在人工智能系統(tǒng)中，第一代人工智能系統(tǒng)的特點(diǎn)是知識(shí)驅(qū)動(dòng)，即用機(jī)器來(lái)描述人類的知識(shí)。第二代人工智能系統(tǒng)的特點(diǎn)是數(shù)據(jù)驅(qū)動(dòng)，即利用深度學(xué)習(xí)找到數(shù)據(jù)背后的函數(shù)，具有理論的保證。而第三代人工智能系統(tǒng)，是將第一代的知識(shí)驅(qū)動(dòng)和第二代的數(shù)據(jù)驅(qū)動(dòng)結(jié)合起來(lái)，以構(gòu)造更強(qiáng)大的AI。簡(jiǎn)而言之，就是要將知識(shí)模型與數(shù)據(jù)模型兩者深度結(jié)合。數(shù)據(jù)上要有歸納能力，能夠舉十反一；知識(shí)上要有邏輯推理能力，能夠舉一反三。

當(dāng)下，人工智能技術(shù)在自動(dòng)駕駛領(lǐng)域主要應(yīng)用于三個(gè)部分：

第一，人工智能的數(shù)據(jù)融合。在自動(dòng)駕駛汽車行車過(guò)程中，將會(huì)產(chǎn)生各種各樣的數(shù)據(jù)，包括但不限于攝像頭視覺(jué)數(shù)據(jù)、毫米波雷達(dá)數(shù)據(jù)、激光雷達(dá)數(shù)據(jù)、超聲波雷達(dá)數(shù)據(jù)等。AI將主要用于融合上述各種傳感器的數(shù)據(jù)。

第二，人工智能的可解釋性。人工智能在自動(dòng)駕駛領(lǐng)域的應(yīng)用應(yīng)具備可解釋性，即能發(fā)現(xiàn)碰撞的問(wèn)題和原因，以增強(qiáng)信任度、透明度、可依賴性和公平性，從而改進(jìn)AI算法，避免今后出現(xiàn)同樣的問(wèn)題。

第三，人工智能的雙驅(qū)動(dòng)。目前，自動(dòng)駕駛的時(shí)空軌跡數(shù)據(jù)是數(shù)據(jù)驅(qū)動(dòng)的，但這還不夠，需要知識(shí)驅(qū)動(dòng)的加入。比如，當(dāng)汽車感知到前方地面上的人影，如果沒(méi)有知識(shí)驅(qū)動(dòng)，則汽車將仍然直行向前，但加入知識(shí)驅(qū)動(dòng)后，汽車便能辨別出這個(gè)三維的形象代表著前方有行人，從而避免碰撞。

自動(dòng)駕駛測(cè)試的難點(diǎn)與突破

今天的自動(dòng)駕駛技術(shù)仍存在一些安全隱患和待解決的行業(yè)難題，諸如高等級(jí)自動(dòng)駕駛面臨技術(shù)、驗(yàn)證、法規(guī)和倫理上的諸多挑戰(zhàn)，遠(yuǎn)未成熟；自動(dòng)駕駛本意是降低交通事故率，但是頻發(fā)的事故打擊了公眾信心；現(xiàn)行算法尚存在諸多缺陷，特別在評(píng)估方面的研究嚴(yán)重不足等。

傳統(tǒng)汽車搭載的是相對(duì)簡(jiǎn)單的機(jī)電一體化控制系統(tǒng)，而智能網(wǎng)聯(lián)汽車則是一個(gè)軟硬件相耦合的高度復(fù)雜智能體。面對(duì)后者，當(dāng)前基于里程的實(shí)車測(cè)試已落后于產(chǎn)業(yè)發(fā)展。首先，測(cè)試?yán)锍涕L(zhǎng)不代表安全性高。簡(jiǎn)單來(lái)說(shuō)就是一輛車開(kāi)一萬(wàn)公里沒(méi)出問(wèn)題，不代表它開(kāi)一億公里就不會(huì)出問(wèn)題。其次，大規(guī)模實(shí)車測(cè)試花費(fèi)巨大，如果要測(cè)一億公里，將付出高昂的成本。

因此，若想克服上述難點(diǎn)，必須要加強(qiáng)仿真測(cè)試，找出算法問(wèn)題。由此可見(jiàn)，基于場(chǎng)景的測(cè)試評(píng)價(jià)已成為潛在的解決方案之一。場(chǎng)景是行駛環(huán)境的數(shù)字化產(chǎn)物，Waymo公司通過(guò)仿真構(gòu)造了大量特異性仿真場(chǎng)景，測(cè)試效果等效于實(shí)車測(cè)試超過(guò)200億英里。未來(lái)，成功的自動(dòng)駕駛系統(tǒng)或?qū)⒅饕蕾嚮趫?chǎng)景的仿真測(cè)試，加上少量精心設(shè)計(jì)的封閉場(chǎng)地和實(shí)車道路測(cè)試（90%以上仿真，10%實(shí)車測(cè)試）。

針對(duì)上述難題的研究當(dāng)前主要集中于場(chǎng)景定義、場(chǎng)景分類以及場(chǎng)景生成三個(gè)領(lǐng)域。場(chǎng)景定義的特征是無(wú)限行駛環(huán)境的有限映射與參數(shù)重組。換言之就是在一個(gè)時(shí)空?qǐng)鲋腥ザx汽車的行為和運(yùn)行環(huán)境，如一棵樹(shù)倒下的場(chǎng)景、行人沖出來(lái)的場(chǎng)景、天氣變化的場(chǎng)景等，且上述場(chǎng)景可以交叉同時(shí)出現(xiàn)。

場(chǎng)景分類，主要包括典型場(chǎng)景和邊緣場(chǎng)景。其中，典型場(chǎng)景涉及了危險(xiǎn)事故場(chǎng)景（如人車事故、車車事故等），自然駕駛場(chǎng)景（如城市、鄉(xiāng)村等），法規(guī)標(biāo)準(zhǔn)場(chǎng)景（如ACC、APS等）。與此同時(shí)，邊緣場(chǎng)景，即參數(shù)重組場(chǎng)景，使用了很多人工智能算法，包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等。前者面向常規(guī)功能的測(cè)試，而后者則用于測(cè)試自動(dòng)駕駛能力的邊界。

此外，在場(chǎng)景生成上，為了更高效地測(cè)試，測(cè)試人員希望設(shè)計(jì)的問(wèn)題場(chǎng)景能一直快速出現(xiàn)。但現(xiàn)在的技術(shù)仍存在覆蓋度低下的問(wèn)題，仿真工作量很大，極大占用計(jì)算資源，且現(xiàn)行的技術(shù)以規(guī)劃控制驗(yàn)證為主，對(duì)真正容易失效的感知算法驗(yàn)證不足。改進(jìn)的方法有很多，例如從大量的感知測(cè)試數(shù)據(jù)中分析挖掘出致錯(cuò)原因及機(jī)理，作為知識(shí)指導(dǎo)魯棒人工智能算法的設(shè)計(jì)，不斷提高自動(dòng)駕駛的安全性。

為此，包括李慧云教授和博士生蔣拯民等的潘毅院士團(tuán)隊(duì)正在構(gòu)建全鏈條測(cè)試工具，其中“自動(dòng)駕駛算法嵌入于仿真工具中的測(cè)試平臺(tái)”可加快置入上述復(fù)雜場(chǎng)景；整車臺(tái)架測(cè)試環(huán)境，在固定汽車的情況下就能進(jìn)行道路模擬、天氣模擬、交通場(chǎng)景模擬等，由傳感器向計(jì)算機(jī)發(fā)送信息以進(jìn)行測(cè)試；L4級(jí)自動(dòng)駕駛技術(shù)驗(yàn)證原型車，允許實(shí)車道路測(cè)試，可用于真實(shí)交通數(shù)據(jù)采集、算法驗(yàn)證。