澳门大学须成忠：「保守」无法推动智能驾驶行业进步 | 第四届全球智能驾驶峰会

2021年12月10日，由雷锋。com &由新智家主办的第四届全球智能驾驶峰会在深圳正式召开。

此次，以“智能驾驶的决战时刻”为主题，Leifeng.com新智佳将话筒交给了行业内19家标杆企业，辐射13项技术/场景，涵盖智能驾驶算法、芯片、感知、落地等多个维度，仅评选出每个领域最具代表性的企业。

遵循“基础理论与技术的创新”和“行业解决方案的落地”两大黄金标准，演讲嘉宾与业界分享了对过往经验的总结与回顾、对未来趋势的预测以及有效模式的分享。

峰会上方，澳门大学科技学院院长许成忠发表了题为“车路协同下的无人驾驶研究与展望”的精彩演讲。

许成忠在会上指出，智能驾驶催生了新经济和新时代，因此将对人们的生活和社会产生重大影响。

相比国外的市场环境，国内对智能驾驶事故的容忍度很低，所以业内人士都比较谨慎。但我们要知道，在保守策略下，事故少不代表技术好，我们也要记住，失败是成功之母。

为此，许成忠也呼吁业界大胆测试。如果一直坚持保守的策略，技术很难有实质性的进步。

至于如何推动技术创新，许成忠也强调了很多点。比如现阶段智能驾驶的实现很大程度上依赖于深度学习，但深度学习并不能完全保证系统的可靠性。我们应该利用多种信息源来构建可信环境的全息感知。

目前，许成忠已经带领团队搭建了自动驾驶测试巴士平台。经过不断调整和改造，自动驾驶巴士的稳定性和安全性也得到了快速提升，正在澳门大学校园内的公共开放道路上投入试运营。

此外，许成忠团队还搭建了面向未来交通的增强型仿真实验平台，覆盖自动驾驶中的大部分场景和边缘场景，可以实现自动驾驶算法测试、有人/无人混合交通、基于数字双胞胎的协同控制、自动驾驶算法挑战等。

以下为许成忠演讲全文。雷锋的新智慧司机。com在不改变初衷的情况下进行了整理和编辑:

大家早上好！我很惭愧。刚才主持人说我是行业领袖，但我不配。我看了一下今天早上的演讲嘉宾。我是唯一一个来自学术领域的人，也是开场嘉宾，所以我会告诉你更多关于技术的事情。演讲主题为“车路协同下智能驾驶技术的研究与展望”。

我来自澳门大学，该校有科技部智慧城市物联网国家重点实验室。我负责智慧交通，智慧交通包括智能驾驶。

现在大家都在说智慧城市，智慧交通，智慧出行。这些热门赛道非常重要的趋势是网络化、自动化、共享化、电气化。我们今天说的是联网和自动化，汽车如何自动驾驶，自动驾驶如何逐步与汽车、道路结合，这些都会对人们的日常生活、社会经济、道路安全等诸多方面产生影响。

我来给大家科普一下自动驾驶的历史。其实在汽车诞生之初，人们就已经对汽车的自动驾驶功能有所期待，但直到2004年的DARPA挑战赛才开始萌芽，开始了自动驾驶的新时代。

然而，在2004年，没有车队成功完成比赛；2005年有进步，5个自驾车队走到了最后；2007年，DARPA挑战赛将体育场从沙漠扩展到城市道路。当时两队在两个场景中夺冠，随后谷歌将两队收入囊中，开创了今天意义上的智能驾驶时代。

随后，各种智能驾驶玩家出现，各种技术路线风起云涌。在中国，百度在2013年就开始了自动驾驶的研究，包括今天在座的很多行业领袖都在做智能驾驶，他们都深耕于无人配送、无人出租车、无人货运、无人巴士等细分行业。这一切的核心是基于数据的智能驾驶。

有研究报告称，2023年，所有汽车或多或少都会有自动驾驶的功能，从自动泊车到辅助驾驶，再到智能驾驶甚至无人驾驶，这是不可避免的趋势。2021年，许多市场研究报告显示，智能驾驶方兴未艾，非常受欢迎，尽管之前经历了一轮高峰和低谷。

其实新技术的诞生都会有这样的坎坷经历。从最早的Waymo和优步到现在的特斯拉和其他车企，媒体一直在追踪报道与自动驾驶相关的事故。Waymo正在实验室进行测试，特斯拉的策略是让用户帮助测试。

这里我想说的是，中国市场没有这样的事故，不是我们的技术有多好多牛逼，而是我们的文化几乎不能容忍智能驾驶事故。但要知道，失败是成功之母，没有失败就没有成功。

今天在座的有很多业内的朋友，所以我要呼吁:要大胆的去测试。如果我们总是坚持保守的策略，我们的技术将很难进步。这是我个人的理解！关于智能驾驶，澳门正在开展一个名为“MOCAD”(Mocau Connected and Automatic driving)的智能驾驶技术研究项目，目前由我负责。我们团队有一个愿景，就是打造高可靠可信的无人驾驶核心技术，解决无人驾驶普及应用中存在的技术难题。同时，建设智能驾驶车辆平台和车路协同智能驾驶实验基地；目标是解决三个问题:如何帮助智能驾驶从封闭场景走向开放场景，如何帮助自行车智能实现协同智能，如何利用“云”智能实现自动驾驶的超级智能。

让我给你简单介绍一下我们正在做的一些工作。首先，我们搭建了智能驾驶公交车测试和R&D平台。经过不断的调整和改造，基于该平台的智能驾驶公交车的稳定性和安全性得到了快速提升，能够很好地应对突发事件。目前车辆在澳门大学测试运营，校园基本是公共开放道路。

并且，我们构建了面向未来城市交通的增强型仿真实验平台，该平台基于数字结对，覆盖智能驾驶过程中的常见场景和边缘场景，实现自动驾驶算法测试和有人/无人混合驾驶。

同时，我们还在校园内部署了基于V2X车联网的车路云协同技术，即澳门自动驾驶车路协同平台。

在一些关键技术上，我们也进行了探索和创新。对于智能驾驶来说，感知是不可或缺的一部分。我们希望车辆对环境的感知能够通过AI技术进行整合，从而实现正确的认知、规划和控制。另一个关键技术是车联网和边缘计算。我们也在探索这两种技术如何辅助道路感知，如何实现协同认知，如何做出最佳决策和方案。

目前从感知智能到认知智能再到规划智能，可以看作是基于数据驱动的横向发展，然后纵向发展是基于深度学习的模型训练、模型推理和边缘智能。

首先是可信环境的全息感知。单个传感器总是不确定和不可靠的。要学会利用多种信息源，整合各种传感器的优势，提高信息感知的可靠性。比如很多情况下，摄像头无法抵御外界干扰(雨雪天气或人为破坏)，可能导致“方向相反”的识别结果，从而导致系统可靠性的问题。

鉴于此，我们基于攻防的方法在人工智能峰会CVPR‘2021上以最高阅读的形式发表；同时，他还参加了CVPR的安全挑战，获得了第二名。

除了多传感器融合，还需要解决未知场景下精确定位的认知问题。现在行业内的智能驾驶车辆在上路前都会采集道路数据，建立高精地图，这就是所谓的前进。那么，在未知场景下，车辆如何自主学习呢？如何训练自学功能？如何提高整个系统的能力？这些都需要大家去思考。

还有地图导航。现在业内广泛使用地图，包括数据采集和拼接。那么，我们如何利用边缘计算和云计算进行高精度定位呢？在未知场景下，如何通过自己的探索方法建立地图？传统地图是2D，自动驾驶需要3D地图来更好地适应路况的变化。比如如何基于点云构建三维高精度地图？由于点云存储容量大，智能驾驶车辆的存储空间非常有限。如何表达高精地图可以让相关工作的存储和表达更加高效？针对所有这些问题，我们提出了一系列有针对性的高效方法，相关论文分别在IROS和ICRA的自动驾驶大会上发表。

在智能决策和规划方面，宏观的导航问题已经基本解决，微观的实时控制随着线控技术的发展也越来越成熟。相比之下，中观的决策规划更具挑战性。在道路的开放路段，要做好静态物体的实时检测、避障、交通标志的识别、符合交通规则等工作。当有其他交通参与者时，检测动态对象和解决道路共享问题更为重要。传统的方法是基于规则的，但适应性差。最新的想法是基于模型训练的深度学习方法。

当我们将训练好的模型应用于车辆时，还涉及到规划和决策的实时问题。这也与车辆的允许速度密切相关。之前和业内人士交流，大家普遍认为高速行驶是一个很大的挑战，因为要保证准确性和实时性。

在软硬件计算资源都非常有限的情况下，如何才能做得这么好？模型压缩，通过降低精度来获得决策的速度。关于这些问题，我们也总结了一些方法。首先我们对代码进行了压缩/裁剪，对有用的信息进行了加权，对无用的信息进行了裁剪，也就是特征提升的方法和硬件实现。该论文还发表在人工智能顶级年度会议ICLR 2019和neur IP 2020上。

我们非常自豪在智能驾驶技术方面做了很多研究，发表了很多相关论文，非常希望能给这个领域带来一些影响和启示。由于时间关系，今天就不详细说了。

智能驾驶必将带来一场深刻的出行革命。以AI技术为基础，进一步推进智能驾驶技术。但是我们的文化对失败的包容度不够，大家做智能驾驶都很谨慎，所以我们希望社会能对行业积极探索的可能出现的问题多一些包容。

谢谢大家！雷锋网雷锋网雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。2021年12月10日，由雷锋。com &由新智家主办的第四届全球智能驾驶峰会在深圳正式召开。

此次，以“智能驾驶的决战时刻”为主题，Leifeng.com新智佳将话筒交给了行业内19家标杆企业，辐射13项技术/场景，涵盖智能驾驶算法、芯片、感知、落地等多个维度，仅评选出每个领域最具代表性的企业。

遵循“基础理论与技术的创新”和“行业解决方案的落地”两大黄金标准，演讲嘉宾与业界分享了对过往经验的总结与回顾、对未来趋势的预测以及有效模式的分享。

峰会上方，澳门大学科技学院院长许承忠发表了题为“车路协同下的无人驾驶研究与展望”的精彩演讲。

许成忠在会上指出，智能驾驶催生了新经济和新时代，因此将对人们的生活和社会产生重大影响。

相比国外的市场环境，国内对智能驾驶事故的容忍度很低，所以业内人士都比较谨慎。但我们要知道，在保守策略下，事故少不代表技术好，我们也要记住，失败是成功之母。

为此，许成忠也呼吁业界大胆测试。如果一直坚持保守的策略，技术很难有实质性的进步。

至于如何推动技术创新，许成忠也强调了很多点。比如现阶段智能驾驶的实现很大程度上依赖于深度学习，但深度学习并不能完全保证系统的可靠性。我们应该利用多种信息源来构建可信环境的全息感知。

目前，许成忠已经带领团队搭建了自动驾驶测试巴士平台。经过不断调整和改造，自动驾驶巴士的稳定性和安全性也得到了快速提升，正在澳门大学校园内的公共开放道路上投入试运营。

此外，许成忠团队还搭建了面向未来交通的增强型仿真实验平台，覆盖自动驾驶中的大部分场景和边缘场景，可以实现自动驾驶算法测试、有人/无人混合交通、基于数字双胞胎的协同控制、自动驾驶算法挑战等。

以下为许成忠演讲全文。雷锋的新智慧司机。com在不改变初衷的情况下进行了整理和编辑:

大家早上好！我很惭愧。刚才主持人说我是行业领袖，但我不配。我看了一下今天早上的演讲嘉宾。我是唯一一个来自学术领域的人，也是开场嘉宾，所以我会告诉你更多关于技术的事情。演讲主题为“车路协同下智能驾驶技术的研究与展望”。

我来自澳门大学，该校有科技部智慧城市物联网国家重点实验室。我负责智慧交通，智慧交通包括智能驾驶。

现在大家都在说智慧城市，智慧交通，智慧出行。这些热门赛道非常重要的趋势是网络化、自动化、共享化、电气化。我们今天说的是联网和自动化，汽车如何自动驾驶，自动驾驶如何逐步与汽车、道路结合，这些都会对人们的日常生活、社会经济、道路安全等诸多方面产生影响。

我来给大家科普一下自动驾驶的历史。其实在汽车诞生之初，人们就已经对汽车的自动驾驶功能有所期待，但直到2004年的DARPA挑战赛才开始萌芽，开始了自动驾驶的新时代。

然而，在2004年，没有车队成功完成比赛；2005年有进步，5个自驾车队走到了最后；2007年，DARPA挑战赛将体育场从沙漠扩展到城市道路。当时两队在两个场景中夺冠，随后谷歌将两队收入囊中，开创了今天意义上的智能驾驶时代。

随后，各种智能驾驶玩家出现，各种技术路线风起云涌。在中国，百度在2013年就开始了自动驾驶的研究，包括今天在座的很多行业领袖都在做智能驾驶，他们都深耕于无人配送、无人出租车、无人货运、无人巴士等细分行业。这一切的核心是基于数据的智能驾驶。

有研究报告称，2023年，所有汽车或多或少都会有自动驾驶的功能，从自动泊车到辅助驾驶，再到智能驾驶甚至无人驾驶，这是不可避免的趋势。2021年，许多市场研究报告显示，智能驾驶方兴未艾，非常受欢迎，尽管之前经历了一轮高峰和低谷。

其实新技术的诞生都会有这样的坎坷经历。从最早的Waymo和优步到现在的特斯拉和其他车企，媒体一直在追踪报道与自动驾驶相关的事故。Waymo正在实验室进行测试，特斯拉的策略是让用户帮助测试。

这里我想说的是，中国市场没有这样的事故，不是我们的技术有多好多牛逼，而是我们的文化几乎不能容忍智能驾驶事故。但要知道，失败是成功之母，没有失败就没有成功。

今天在座的有很多业内的朋友，所以我要呼吁:要大胆的去测试。如果我们总是坚持保守的策略，我们的技术将很难进步。这是我个人的理解！关于智能驾驶，澳门正在开展一个名为“MOCAD”(Mocau Connected and Automatic driving)的智能驾驶技术研究项目，目前由我负责。我们团队有一个愿景，就是打造高可靠可信的无人驾驶核心技术，解决无人驾驶普及应用中存在的技术难题。同时，建设智能驾驶车辆平台和车路协同智能驾驶实验基地；目标是解决三个问题:如何帮助智能驾驶从封闭场景走向开放场景，如何帮助自行车智能实现协同智能，如何利用“云”智能实现自动驾驶的超级智能。

让我给你简单介绍一下我们正在做的一些工作。首先，我们搭建了智能驾驶公交车测试和R&D平台。经过不断的调整和改造，基于该平台的智能驾驶公交车的稳定性和安全性得到了快速提升，能够很好地应对突发事件。目前车辆在澳门大学测试运营，校园基本是公共开放道路。

并且，我们构建了面向未来城市交通的增强型仿真实验平台，该平台基于数字结对，覆盖智能驾驶过程中的常见场景和边缘场景，实现自动驾驶算法测试和有人/无人混合驾驶。

同时，我们还在校园内部署了基于V2X车联网的车路云协同技术，即澳门自动驾驶车路协同平台。

在一些关键技术上，我们也进行了探索和创新。对于智能驾驶来说，感知是不可或缺的一部分。我们希望车辆对环境的感知能够通过AI技术进行整合，从而实现正确的认知、规划和控制。另一个关键技术是车联网和边缘计算。我们也在探索这两种技术如何辅助道路感知，如何实现协同认知，如何做出最佳决策和方案。

目前从感知智能到认知智能再到规划智能，可以看作是基于数据驱动的横向发展，然后纵向发展是基于深度学习的模型训练、模型推理和边缘智能。

首先是可信环境的全息感知。单个传感器总是不确定和不可靠的。要学会利用多种信息源，整合各种传感器的优势，提高信息感知的可靠性。比如很多情况下，摄像头无法抵御外界干扰(雨雪天气或人为破坏)，可能导致“方向相反”的识别结果，从而导致系统可靠性的问题。

鉴于此，我们基于攻防的方法在人工智能峰会CVPR‘2021上以最高阅读的形式发表；同时，他还参加了CVPR的安全挑战，获得了第二名。

除了多传感器融合，还需要解决未知场景下精确定位的认知问题。现在行业内的智能驾驶车辆在上路前都会采集道路数据，建立高精地图，这就是所谓的前进。那么，在未知场景下，车辆如何自主学习呢？如何训练自学功能？如何提高整个系统的能力？这些都需要大家去思考。

还有地图导航。现在业内广泛使用地图，包括数据采集和拼接。那么，我们如何利用边缘计算和云计算进行高精度定位呢？在未知场景下，如何通过自己的探索方法建立地图？传统地图是2D，自动驾驶需要3D地图来更好地适应路况的变化。比如如何基于点云构建三维高精度地图？由于点云存储容量大，智能驾驶车辆的存储空间非常有限。如何表达高精地图可以让相关工作的存储和表达更加高效？针对所有这些问题，我们提出了一系列有针对性的高效方法，相关论文分别在IROS和ICRA的自动驾驶大会上发表。

在智能决策和规划方面，宏观的导航问题已经基本解决，微观的实时控制随着线控技术的发展也越来越成熟。相比之下，中观的决策规划更具挑战性。在道路的开放路段，要做好静态物体的实时检测、避障、交通标志的识别、符合交通规则等工作。当有其他交通参与者时，检测动态对象和解决道路共享问题更为重要。传统的方法是基于规则的，但适应性差。最新的想法是基于模型训练的深度学习方法。

当我们将训练好的模型应用于车辆时，还涉及到规划和决策的实时问题。这也与车辆的允许速度密切相关。之前和业内人士交流，大家普遍认为高速行驶是一个很大的挑战，因为要保证准确性和实时性。

在软硬件计算资源都非常有限的情况下，如何才能做得这么好？模型压缩，通过降低精度来获得决策的速度。关于这些问题，我们也总结了一些方法。首先我们对代码进行了压缩/裁剪，对有用的信息进行了加权，对无用的信息进行了裁剪，也就是特征提升的方法和硬件实现。该论文还发表在人工智能顶级年度会议ICLR 2019和neur IP 2020上。

我们非常自豪在智能驾驶技术方面做了很多研究，发表了很多相关论文，非常希望能给这个领域带来一些影响和启示。由于时间关系，今天就不详细说了。

智能驾驶必将带来一场深刻的出行革命。以AI技术为基础，进一步推进智能驾驶技术。但是我们的文化对失败的包容度不够，大家做智能驾驶都很谨慎，所以我们希望社会能对行业积极探索的可能出现的问题多一些包容。

谢谢大家！

雷锋网雷锋网雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：特斯拉

汽车资讯热门资讯