6月18日，以“新起點(diǎn)、新戰(zhàn)略、新格局”為主題的2021中國(guó)汽車論壇在上海開(kāi)幕。陸領(lǐng)科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官霍靜發(fā)表了主題演講。

在霍靜看來(lái)，城市端的智能、共享智能能夠使得單車智能大大降低成本，加快商業(yè)化的落地；其次，大量的人類行為數(shù)據(jù)可以為覆蓋率為導(dǎo)向的自動(dòng)駕駛研發(fā)貢獻(xiàn)巨大的價(jià)值。最后，也希望陸領(lǐng)科技的模仿學(xué)習(xí)方法可以提取數(shù)據(jù)中的價(jià)值，建立駕駛行為、決策模型，實(shí)現(xiàn)城市端路端廠端共享智能。

以下發(fā)言實(shí)錄：

首先非常榮幸我們這樣的初創(chuàng)科技公司，借這個(gè)寶貴的機(jī)會(huì)，跟大家分享一下基于自動(dòng)駕駛、人工智能和人類交通行為的研究基礎(chǔ)上我們的思考。

我是霍靜，來(lái)自Roman Roads陸領(lǐng)科技。今天我代表創(chuàng)始人邢舟博士跟大家分享關(guān)于覆蓋率為導(dǎo)向的智能駕駛開(kāi)發(fā)和驗(yàn)證的思考這個(gè)主題。這個(gè)也是基于我們?cè)谌暌詠?lái)，對(duì)于人工智能、自動(dòng)駕駛和人類交通行為研究過(guò)后，想跟大家共同分享的心得。

剛才王部長(zhǎng)也介紹了下我們這個(gè)創(chuàng)新公司，我再介紹一下，陸領(lǐng)科技是一支來(lái)自全球頂尖的高校，具有豐富的自動(dòng)駕駛和對(duì)數(shù)據(jù)深刻理解能力的初創(chuàng)團(tuán)隊(duì)，我們有具有出色的教育背景，同時(shí)也具有豐富的產(chǎn)品經(jīng)驗(yàn)，深耕車與人的行為模型算法，并且擅長(zhǎng)數(shù)學(xué)建模，用機(jī)器模仿人類，學(xué)習(xí)人類的邏輯思維思考。

大家可以看到我們的核心技術(shù)團(tuán)隊(duì)，主要畢業(yè)于斯坦福、耶魯和卡耐基梅隆、康奈爾和中國(guó)科大，并且都曾經(jīng)在特斯拉、蔚來(lái)、亞馬遜、寶馬、三星、福特工作過(guò)，并且深耕自動(dòng)駕駛、人工智能，擅長(zhǎng)數(shù)學(xué)和物理模型建設(shè)。

今天想分享的是基于我們創(chuàng)立到現(xiàn)在三年的時(shí)間，長(zhǎng)期耕耘在自動(dòng)駕駛、人工智能和對(duì)人類交通行為的基礎(chǔ)上，我們發(fā)現(xiàn)真正要想實(shí)現(xiàn)自動(dòng)駕駛的實(shí)現(xiàn)，其實(shí)有很大的挑戰(zhàn)。這其中表現(xiàn)在大家都在討論比較熱門(mén)的單車智能，單車智能巨大的挑戰(zhàn)在兩方面：一個(gè)是成本，第二是大規(guī)?？蓮?fù)制性?；谶@樣的思考我們提出了城市端、路端和廠端的共享智能。

首先陸領(lǐng)科技要解決什么樣的問(wèn)題？要解決的問(wèn)題很簡(jiǎn)單，就是研究人類到底怎么樣駕駛，研究真正的交通行為，包括車和人的交通行為。像Waymo長(zhǎng)期進(jìn)行路測(cè)，就是希望收集數(shù)據(jù)學(xué)習(xí)和研究人類的駕駛行為。

為什么要做這樣的工作？我們就是希望通過(guò)研究人類到底怎么樣駕駛，研究真正的交通行為，包括車和人的交通行為，像Waymo做長(zhǎng)期的路測(cè)，實(shí)際上是為了什么？大量的收集數(shù)據(jù)，希望通過(guò)這些數(shù)據(jù)學(xué)習(xí)和研究人類的駕駛行為。

為什么我們要做這樣的工作？我們希望車和機(jī)器像人類一樣思考能夠做到自動(dòng)駕駛，但是實(shí)際情況什么樣？

大家可以看到這張ppt最左邊這么多黃色圈子，這是我們從美國(guó)得到的研究報(bào)告，黃色圈子里面都是表明了車和人在左拐彎時(shí)候或者直行碰撞的現(xiàn)象。很有意思的現(xiàn)象，這個(gè)里面前面都是追尾事件，追尾事件所有的都是一個(gè)共性，前面第一臺(tái)車要么是Waymo，要么是其他的自動(dòng)駕駛車輛，后面一臺(tái)車追尾的全是人駕駛的車輛，這表示什么？所有自動(dòng)駕駛在某一個(gè)地方突然停止，或者某一個(gè)地方發(fā)生了一種行為，在后面人為駕駛的車輛來(lái)不及反應(yīng)，根本不知道你這輛車干什么，于是導(dǎo)致了很明顯的人駕駛的車和自動(dòng)駕駛車發(fā)生了碰撞事件。這也是大家可以看到每一次在Uber，包括Waymo、特斯拉發(fā)生的事件都是有原因的，很多時(shí)候智能的自動(dòng)駕駛無(wú)法像人那樣真正的人工的思考問(wèn)題。

這里有一個(gè)結(jié)論，就是我們的人工智能現(xiàn)在還達(dá)不到人類智能的思考，在這里我有一個(gè)簡(jiǎn)單的例子。大家可以看這張圖，這是什么意思？表明了藍(lán)色是自動(dòng)駕駛車輛的做決策的時(shí)間，彩色的是人在駕駛時(shí)候做的決策的時(shí)間，藍(lán)色的決策時(shí)間表示是自動(dòng)駕駛車在決策至少要有2秒以上的時(shí)間，而人，因?yàn)槿四X反應(yīng)很快，在做駕駛決策的時(shí)候，一下就過(guò)去了，這就是機(jī)器和人的區(qū)別。

另外一張就是交互事件，比如說(shuō)十字路口，兩臺(tái)車，如果人跟人交互的時(shí)候，比如說(shuō)你打一個(gè)手勢(shì)，眼神交流，都是一秒兩秒左右，紅色的就是自動(dòng)駕駛車交互時(shí)間一定是比人更長(zhǎng)，甚至達(dá)到5秒左右。

這里我們就想說(shuō)明現(xiàn)在的人工智能現(xiàn)在還達(dá)不到人的思考行為。

這是另外一個(gè)案例，這個(gè)紅色和藍(lán)色的是兩個(gè)城市的人類群體行為軌跡。藍(lán)色的我們叫做藍(lán)色城市，紅色的叫紅色城市。比如說(shuō)在日本，大家普遍很遵守交通規(guī)則，普遍行為是有規(guī)律可循的，這里就是藍(lán)色規(guī)矩的呈現(xiàn)。紅色比如說(shuō)是中國(guó)某個(gè)城市，很多人交通習(xí)慣、交通行為實(shí)際上差別非常大，沒(méi)有規(guī)律可循。大家可以看到Cut-in behavior就是變道，在紅色城市的人群變道行為，可以發(fā)現(xiàn)沒(méi)有規(guī)律可循，都是自己變自己的，可以導(dǎo)致軌跡線非常分散，藍(lán)色的比如說(shuō)日本城市軌跡線是有跡可循的。

這就導(dǎo)致了自動(dòng)駕駛是非常困難的：?jiǎn)诬囍悄苊媾R目前的挑戰(zhàn)成本高，剛才也有同仁講了單車智能做自動(dòng)駕駛成本是非常高的?，F(xiàn)在Waymo平均一臺(tái)車是40萬(wàn)美金搭載單車智能的自動(dòng)駕駛，Waymo在全球600多臺(tái)，如果1000多臺(tái)就是400M美金成本。另外就是即使在這車上裝滿了感知、裝滿了雷達(dá)，裝滿了毫米波，最多能感知6-8臺(tái)，這種效率是比較低下的。

對(duì)我們來(lái)講，我們覺(jué)得自動(dòng)駕駛要想實(shí)現(xiàn)，大家都希望生產(chǎn)低成本、可大規(guī)模復(fù)制的無(wú)人駕駛，而且在各種各樣的場(chǎng)景，包括礦山，包括無(wú)人卡車，包括小巴物流?？墒菍?shí)際是什么樣？各種各樣的傳達(dá)、雷達(dá)、傳感、帶來(lái)的是高成本、低效率，難以實(shí)現(xiàn)商業(yè)場(chǎng)景化落地。

我們提出的思考和我們的目標(biāo)就是怎么樣大規(guī)模更多更高效采集數(shù)據(jù)，讓機(jī)器像人類一樣大量的用數(shù)據(jù)學(xué)習(xí)人類的思考模式和邏輯模式，我們的思考就是更多的從路端、城市端，我們目標(biāo)是利用無(wú)人機(jī)、攝像頭、紅綠等來(lái)收集數(shù)據(jù)。

我們提出的想法是什么？那就是希望單車智能越來(lái)越便宜，越來(lái)越減少成本，最后減少到能夠單車進(jìn)行決策，單車思考，而城市端能夠大量的用數(shù)據(jù)的算法，用城市端共享智能，均攤自動(dòng)駕駛車輛減少成本，更多的進(jìn)行商業(yè)落地。

剛才我們說(shuō)大量采集數(shù)據(jù)以后，也是我們陸領(lǐng)在做的：用模仿學(xué)習(xí)算法來(lái)識(shí)別、學(xué)習(xí)人類行為、策略。這是我們?cè)诩又萋迳即壊扇〉臒o(wú)人機(jī)和路邊攝像頭采取的，24小時(shí)監(jiān)視著整個(gè)路面的情況，用算法和模仿學(xué)習(xí)不斷地在看和思考車是怎么行走，人是怎么行走，來(lái)幫助機(jī)器更好的加強(qiáng)算法的數(shù)據(jù)。

剛才我所講的就是提出了一個(gè)概念，叫CDV概念，就是覆蓋率，我們希望大量的數(shù)據(jù)的采集、數(shù)據(jù)的算法用覆蓋率來(lái)驗(yàn)證，讓計(jì)算機(jī)像人類一樣思考。我們提出這個(gè)覆蓋率在自動(dòng)駕駛領(lǐng)域上的使用并不是我們最早提出來(lái)的，也不是我們唯一在做的，行業(yè)當(dāng)中有很多家在做。大家看到Foretellix，包括LATENT，LATENT現(xiàn)在已經(jīng)被Waymo收購(gòu)了，當(dāng)時(shí)Waymo也是看中了他們用CDV的概念來(lái)做自動(dòng)駕駛覆蓋率。

覆蓋率的概率提出來(lái)是什么？動(dòng)力源泉說(shuō)白了就是兩種，一種就是大量的單車跑采集數(shù)據(jù)，希望用量取勝，覆蓋率是質(zhì)取勝，用大量的數(shù)據(jù)演練算法，用模仿學(xué)習(xí)，像人類一樣思考，讓我們采集各種各樣的異常場(chǎng)景，更接近人類思考，使安全率達(dá)到比較熱衷說(shuō)的99.99%的目的。

這個(gè)是我們無(wú)錫做的案例，在無(wú)錫交通路口采取了無(wú)人機(jī)和路邊的設(shè)想和城市端的攝像頭采集到的數(shù)據(jù)進(jìn)行模擬的城市和交通，演練了模仿學(xué)習(xí)去找到了各種各樣的交通行為，幫助我們的進(jìn)行大量的數(shù)據(jù)采集和訓(xùn)練，提升我們的算法。

如果做到這件事情，說(shuō)實(shí)話這不是一家行業(yè)做的是需要行業(yè)、政府一起來(lái)做的，我們需要無(wú)人機(jī)、攝像頭一起來(lái)做，包括市政的數(shù)據(jù)、互聯(lián)網(wǎng)共同采集數(shù)據(jù)，大量的數(shù)據(jù)采集到以后才可以進(jìn)行這樣的演算。

最后我們的結(jié)論就是：1、城市端的智能、共享智能能夠幫我們的單車智能大大降低成本，加快商業(yè)化的落地；2、大量的人類行為數(shù)據(jù)可以為覆蓋率為導(dǎo)向的自動(dòng)駕駛研發(fā)貢獻(xiàn)巨大的價(jià)值；3、希望我們陸領(lǐng)科技的模仿學(xué)習(xí)的方法可以提取數(shù)據(jù)中的價(jià)值，建立駕駛行為、決策模型。做這件事情是工程比較巨大的事情，我們也感謝上海汽車城給我們初創(chuàng)公司這么好的機(jī)會(huì)，讓我們?cè)谶@里能夠充分學(xué)習(xí)、研究、展示自己的貢獻(xiàn)。

返回第一電動(dòng)網(wǎng)首頁(yè) >