您正在使用IE低版瀏覽器,為了您的雷鋒網賬號安全和更好的產品體驗,強烈建議使用更快更安全的瀏覽器
此為臨時鏈接,僅用于文章預覽,將在時失效
智能駕駛 正文
發私信給李安琪
發送

0

港科大劉明:低速無人駕駛落地有哪些技術要素和場景?|2019全球智能駕駛峰會

本文作者:李安琪 2019-10-31 22:23 專題:2019 全球智能駕駛峰會
導語:過去在無人駕駛的技術落地上業內大多討論端對端的控制問題,但劉明認為,在實際場景中要解決的是復雜的動態全流程問題。

語音播放文章內容

由深聲科技提供技術支持

港科大劉明:低速無人駕駛落地有哪些技術要素和場景?|2019全球智能駕駛峰會

雷鋒網(公眾號:雷鋒網)新智駕按:10月26日至27日,2019第二屆全球智能駕駛峰會暨長三角G60科創走廊智能駕駛產業峰會在蘇州高鐵新城正式舉行。峰會主要聚焦“自動駕駛的量產時代、單車智能和車路協同的共演之路、新型的車內交互探索”三大主題,共同探討了智能駕駛的未來發展方向。

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、雷鋒網新智駕承辦,江蘇省智能網聯汽車產業創新聯盟、江蘇省人工智能學會智能駕駛技術專業委員會、清華大學蘇州汽車研究院、中國移動通信集團等單位協辦。來自主機廠、國內外一級供應商、自動駕駛解決方案商、自動駕駛核心零部件、出行運營商等智能駕駛上下游企業,車路協同專家學者、代表企業等1500余位業內人士蒞臨現場。

大會現場,香港科技大學自主駕駛中心主任劉明發表了《低速無人駕駛落地技術要素及場景展望》的主題演講。

劉明認為,由于不同的天氣狀況和復雜場景,在實際的落地場景中,低速無人車需要應對動態環境中的不確定性。過去在無人駕駛的技術落地問題上,業內大多討論的是端對端的控制問題,但在實際場景下,低速無人駕駛要解決的是復雜的動態全流程問題。因此如何通過人工智能或者深度學習的方法解決感知、決策和控制的全流程問題,是目前技術發展上的一個難點。

目前在感知方面,劉明團隊把傳感方案從激光感知進一步拓展到視覺方案及融合方案,通過攝像頭的原始輸入,實現在不同環境、天氣、早晚環境下的無人系統全局定位;在決策方面,可以將無人系統在虛擬仿真環境下學習得到的決策訓練運用到真實場景;在決策之外,可以通過車載電子、機電系統來產生端到端控制的邏輯,最終實現對車的最終控制。

以下為劉明的演講全文。雷鋒網新智駕進行了不改變原意的編輯:

今天我介紹的課題是低速無人駕駛系統的一些落地技術要素,和對未來場景的展望。

過去的十年間,我們團隊主要圍繞無人系統展開。在這個過程中,技術也在不斷沿革,從最開始的基于幾何的方法,到目前基于深度學習的方法;從學習角度來看,我們也慢慢從傳統應激模型包括深度學習,發展到目前的深度強化學習,即從啟發式學習到自發式的學習。這其中的區別是,如果碰到不同場景,無人系統可以在大量的數據訓練過程中自適應各種復雜的環境。

為什么要這么做?目前我們團隊的低速無人車已經在一些場景落地使用。在實際的工況條件下,由于不同的天氣、環境動態,場景中的環境動態程度非常高。比如在園區的上下班時間段,經常出現人擠人的情況,但在這種情況下無人駕駛仍然要完成任務。

這個任務過程需要一些技術支持。目前在深度學習到深度強化學習的技術研究過程當中,重點要解決的是復雜全流程問題。而過去的三到五年間,業內一直在討論端到端的控制問題。

無人系統從傳感器的輸入到最終執行,其中的操作流程是非常復雜的。如果中間做一個簡要的區分,可以分為感知、決策到控制。因此如何通過人工智能尤其是深度學習的方法解決此全流程問題,這是目前技術發展的一個難點。

在感知方面,我們港科大和一清團隊本身就關注智能感知問題。感知方面我們前期有大量的經驗,包括早期以激光為主導的建圖和導航。即便沒有車本身提供的編碼盤信息,單靠激光雷達傳感器,也可以實現實時結構化或非結構化的環境建模。

最近我們把傳感方案從激光感知進一步拓展到視覺和融合方案。在視覺感知過程中,通過攝像頭的原始輸入,可以實現不同環境、天氣、早晚環境區分下的無人系統全局定位和路徑產生。

相對一些像素級分割、白天夜晚的環境遷移學習等傳統問題,我認為,感知方面的關鍵問題還是自適應性問題,即通過感知算法了解周圍場景情況、定位信息之后,怎么產生合理的決策。

而在決策過程中,可以將車輛放到虛擬場景中,通過端到端強化學習、深度網絡學習實現一些簡單的決策。然后將車輛在虛擬場景里學到的經驗應用于真實場景中。

在這些基本訓練中,可以通過學習人類駕駛員操作系統,包括人的注意力模型和眼球跟蹤系統,來進一步增強訓練的效率。在不同的動態條件下,車輛可能存在不同的決策模型:跟車、超車等。我們團隊利用多傳感器融合方案,無人車在低速駕駛的條件下,基于對動態場景完整的理解可以產生相對合理的決策。

在決策之外,最重要的是怎么實現系統的控制,通過車載電子、機電系統來產生端到端控制的邏輯,最終實現對車的最終控制。過去這些年,我們團隊的這部分工作獲得了20余項全球性獎項。我們團隊基本上是圍繞著三維感知、場景理解來展開工作。

目前這些科研結果顯得極其復雜,在實際場景中到底能解決哪些問題?科研問題作為一個起點,可能會產生一系列可落地的技術,從技術最終到產品、展示場景、補充場景、替換運行,最后成為主力場景這一系列過程。事實上任何技術的發展、新的科技產品應用,例如Email、智能手機等等都要經歷一個從展示到補充、到最終主力的發展過程。

結合目前港科大及一清創新的整體戰略,我們團隊稱之為“12345戰略”,最終會形成一個無人駕駛技術高地,這里面包含了無人車應用技術研究院和新動力系統兩個研究院,圍繞無人車、關鍵部件和動力系統三個產業,希望能夠形成四到五家上市公司,最終形成比較大規模的產業鏈。目前我們的解決的問題還是以低速場景為主,尤其是低速物流場景和監控場景。

過去大家可以看到,物流業對勞動力的需求是不斷增長的。但2016年之后,勞動力人口數量在不斷下降。在這種情況下,實際上還有很多場景采取大量勞動力的解決模式。在勞動力人口不斷減少的背景條件下,無人系統是唯一的答案。

這需要一個過程,需要不斷通過產業化能力進行探索。目前已經有一些園區場景通過無人車實現內部比較大范圍的點到點運輸。我們的一清創新團隊也研發一些對應的APP。一清創新結合了無人車、云和5G技術,最終使一套完整的無人駕駛解決方案能夠產生真正的生產力價值。

同時隨時5G技術的落地,我們跟華為也有一些比較直接具體的合作。在其園區里面進行無人接駁車及物流車等等示范性項目,展示遠程駕駛、遠程數據監控等場景,針對目前5G CPE系統及基站系統也進行了比較完整的測試。

實際上,我們是從科研開始入手,到技術、產品、到目前逐步替代和協同,我們希望最終能夠打造“政、產、學、研、金、服、用”的七通閉環,也就是將從政府支持、到產業、人才、金融、服務,一直到用戶的閉環打通。

目前我們團隊最大的優勢還是在于領先的無人系統導航技術,同時在行業落地方面也進行了相對領先的場景探索與實景運力替代,實現了TaaS(運力即服務)系統。我們也會把自身的優勢技術及生產制造能力以合理方式與外部進行服務和交流。

雷鋒網原創文章,未經授權禁止轉載。詳情見轉載須知

港科大劉明:低速無人駕駛落地有哪些技術要素和場景?|2019全球智能駕駛峰會

分享:

文章點評:

表情
最新文章
請填寫申請人資料
姓名
電話
郵箱
微信號
作品鏈接
個人簡介
為了您的賬戶安全,請驗證郵箱
您的郵箱還未驗證,完成可獲20積分喲!
請驗證您的郵箱
立即驗證
完善賬號信息
您的賬號已經綁定,現在您可以設置密碼以方便用郵箱登錄
立即設置 以后再說
老重庆时时开奖号码360