自动驾驶落地步骤明朗,18位大咖共话智能交通 | CCF-GAIR 2019

自动驾驶落地步骤明朗,18位大咖共话智能交通 | CCF-GAIR 2019

新智驾按:7 月 12 日-7 月 14 日,2019 第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。

CCF-GAIR 2019 延续前三届的“顶尖”阵容,提供了 13 个专场(人工智能前沿专场、中国人工智能四十年纪念专场、机器人前沿专场、智能交通专场、5G & AIoT 专场、AI 芯片专场、AI 金融专场、类脑计算专场、智慧城市专场、智能商业专场、智慧教育专场、AI 医疗专场、智慧城市·视觉智能专场)的丰富平台,意欲给三界参会者从产学研多个维度,呈现出更富前瞻性与落地性相结合的会议内容与现场体验。

大数据、5G通信、车路协同、人工智能等构成了新一代智能交通系统的基石。构建智慧交通基础设施、车路协同、自动驾驶的量产落地,这些都是行业人士所关心的议题。

7月13日,18位大牛在CCF-GAIR 2019智能交通专场上,就上述议题进行了行业探讨。新智驾将本次峰会的所有主题演讲进行了精华提取,冀望对各位智能汽车从业者有所启发与帮助。

同济大学马万经:网络环境下的智能交通管控

同济大学教授、同济大学交通运输工程副院长马万经分享了网联环境下交通出行发展的几大趋势。

目前,交通管控领域主要存在测不准、算不准、评不准等问题。

马万经认为,随着网联化的不断融合,交通系统将从假设走向真实,从局部走向整体,从单目标走向多目标。

届时,一旦有了网联环境,就可以提前知道出行方案的各种情况,甚至知道未来的方案会有什么变化,“这对信息输入、调控手段会发生重要变化,检测对象很可能变成检测工具。”

安波福韦峻青:自动驾驶如何商用落地?

安波福自动驾驶全球副总裁韦峻青分享了该公司的自动驾驶技术商用开发经验。据介绍,安波福在无人驾驶领域的独特优势是主动安全技术,通过这些技术的研发,该公司已经拥有了整套的传感器、计算能力和产品化的能力。

韦峻青认为,无人驾驶是一个生态系统,现在很多公司都在做垂直整合,包括从车的技术到出行的网络,所有东西都是自己做,这正是行业不成熟的标志,成熟的行业一般会出现很强的水平整合。

“我们在拉斯维加斯学到的东西首先就是安全性,然后再考虑舒适性等用户体验。对于我们的工程团队来说安全是第一位,我们在拉斯维加斯的运营中非常好地平衡了这两点,给公众一个信心,另外一方面我们也收集了很多数据。”韦峻青表示。

腾讯张云飞:5G车路协同助力智慧出行

从传统车联网,到智能网联,到智慧出行是一个逐渐的过程,其核心从目前汽车信息收集逐渐转向人、车、路、店的整体协同,最终是要建立以人为核心的个性化出行的全生命周期管理。

智慧出行产业链非常长,且协作规模大,经济产值高,所以构建行业生态至关重要。没有一家公司能够把这个产业链整个通吃。

环境数字化是实现车路协同、改善出行体验的重要方式。

腾讯未来网络实验室主任,国家“万人计划”特聘专家张云飞提到,车路协同在人、车、路、网方面仍存在较大问题。从人的角度看,无主流用户软件触达,即目前仍未有一家车路协同方案明确描述最终用户如何使用问题;从车的角度看,车载终端普及率低,小于20%;从路的角度看,运营方众多,道路信息碎片化;从网的角度看,5G没有被平台整合和利用,路侧设备信息通信能力小于200米,边边、边云协同尚未打通等等。基于上述考虑,腾讯在车端、路测、云端进行了一系列布局,包括5G边缘计算开源平台、车路协同的基础设施打造工作等等。

滴滴郑剑锋:滴滴智慧交通三部曲

平台运作效率和用户粘性的提高离不开新技术的支撑。人工智能、大数据、智慧交通等新技术的开发和运用,将滴滴这项产品进一步地渗透进生活场景的方方面面。

滴滴城市交通算法及研究负责人郑剑锋表示,在智慧交通的整个领域中,重点关注的还包括交通管理部分,以及未来智慧交通愿景主要规划分为三部分:

第一部分是智能交通基础设施建设,包括红绿灯智能化、动态道路分配、智能路网设计等。

第二部分是单车智能,未来人们将会选择安全系数更高的自动驾驶车辆。

第三层则是智能出行优化,在缓解拥堵道路的同时提升整个城市的出行效率。

他提到,在大数据方面,滴滴每天新增的原始轨迹数据超过106TB,每天后台要处理4500TB以上的数据。

此外,滴滴研发的智慧红绿灯方案已经扩展至济南、苏州、深圳、武汉等城市,平均降低了10%-20%的拥堵。

高新兴吴冬升:5G车联网的技术、应用和商业探

车联网作为比较清晰的5G行业应用的场景之一。

高新兴科技集团首席方案架构师兼战略总经理吴冬升在演讲中表示:5G车联网的技术、应用和商业化发展目前在有序推进。车联网技术上需要人、车、路、网、云的多维配合。

在应用层面,可以在城市和城际两个大场景方向进行场景的挖掘,城市场景会包括城市路口交叉场景、城市公交、环岛、隧道、立交桥,以及主干道,和一些封闭的园区等典型场景。

在商业模式上,车联网可以为车企、运营商、行业客户和城市管理等对象提供解决方案。但吴冬升也认为,车联网的发展是一个多产业融合的过程,涉及政策、交通、通讯信息等行业,目前还面临着诸多的挑战。

四维图新-世纪高通熊继林:赋能智慧交通,位置大数据让城市“血脉”通畅

人还没到,信息先到,你要去的那条路堵没堵车,提前就能知道。

世纪高通副总经理熊继林提到,世纪高通作为位置大数据服务商,致力于构建全球位置服务生态,拥有海量、多源位置大数据,构建了全国位置数据仓库。

近年来,世纪高通在智慧交通及大数据领域持续发力,融合了AI、大数据和可视化等技术,结合交通部门实际业务需求,把信号灯优化,交通预测、全域路网分析、交通参数感知与态势评价及交通事件监测与管控等相关智能服务应用于交通领域。

在提升交通精细化管理方面,世纪高通支持多种信号控制模式,实现多目标协同优化。截止目前,交通智能产品已应用于北京、深圳、天津等城市。

其实,通过大数据分析,找出交通规律,为交通出行提供优质服务是未来的发展趋势。

爱立信刘云鹤:5G技术如何促进车路协同应用

多传感器融合的核心目的是实现环境感知的识别,获取环境数据。装传感器只是手段。而通过周围人的眼睛、通讯手段告诉车辆,这也是一种思路。

在该思路的触发下,出现了车路协同概念。传感器安装在路端,相应地车辆通过路端传感器获得周围的信息,但前提是有低时延、高可靠的网络。在爱立信中国区汽车业务首席技术官刘云鹤看来,在这种方案下,定位和通讯以及环境感知是三大核心技术,这是一个系统工程。

先进通讯技术的连接带来的是“简化”。例如夜晚某些场景下摄像头识别红绿灯依旧比较困难,识别率在50%左右,而通过通讯方式告诉车辆红绿灯状态,是一种确定性的方式,这简化了整体的技术。第二是管理复杂性,联网可以提升整体的交通效率。第三,连接可以促进很多创新,包括目前多是通过买汽车解决交通需求,未来可能是购买服务的方式。这都需要车联网和网络的巨大进步。

自动驾驶从概念走向落地

采埃孚綦平:采埃孚域控制器proAI助力未来出行

采埃孚工程技术中心总监綦平分享了该公司在自动驾驶方面的战略、设想和目前工作。他认为,对于以采埃孚来说,能否提供整体的自动驾驶解决方案至关重要。

雷锋网新智驾了解到,采埃孚目前主要提供 ProAI计算平台和cubiX软件产品等服务。同时,在实现自动驾驶的过程中,采埃孚这样的供应商会不断集成功能,并不断地根据需求生成新的功能,包括ADAS的功能均会被不断开发出来。

“我们发现,这几年中国城市化进程速度很快,目前已经接近60%。人多了就需要出行,出行多的话产生的废气污染就多。我们认为要把出行和人的生活质量联系起来,做一个平衡。”綦平说。

驭势吴甘沙:从1到1000的无人驾驶规模商业化探索

目前自动驾驶正处于从1到1000的过程。从1到1000其实比从0到1更难。

这两个事情究竟是做什么?驭势科技联合创始人兼CEO吴甘沙觉得从0到1要做的就是杂,有很多的场景训练,但你不知道哪个场景最好;而从1到1000就是要专,一定要把所有的能量都聚焦在一个点或者几个点。

从1到1000是驭势希望做的事情:一是选择场景,根据高频刚需、算得过账、真正无人三个重要的原则去选择场景;第二是五大要求,包括成规模、多客户、全交付、全无人、不停服。第三是驭势要做五大工作:包括顶层设计;安全(车端、云端、路测端、邻近干预);NOME设计(失效安全/可操作,OEDR/Fallback设计,整车电子电器架构设计);ODD使能;测试体系及工具链。

中智行张振林:5GAI如何打造“特色”自动驾驶?

成立一年多中智行,希望成为L4级自动驾驶出行服务商, 2021年实现L4级别全天气条件下自动驾驶的商业化。

什么是“5G AI”?中智行技术副总裁兼技术委员会轮值主席张振林认为,他们将5G AI渗透到自动驾驶技术的感知、智能规划、云地精图、边缘车控、系统安全等各个方面,从而提升自动驾驶技术的算法、算量和算力。

在现场,他分享了他们的具体技术路线,首先是超强感知,在激光雷达、毫米波雷达、摄像头等传感器的基础之上,增加5G无线传感器,实现车与路、人、车等万物互联。

其次是边云车控,一方面在边缘车控上实现规划轨迹、姿态定位、横纵向控制、悬架控制,另一方面加入5G云控实现云控制计算、控制意图分类、路面播报、个体化控制,从而确保自动驾驶汽车更安全、舒适。

魔视智能虞正华:自动驾驶量产之路

在魔视智能创始人兼CEO虞正华看来,要实现量产有四个关键点是必须解决的:第一,所有自动驾驶回到核心一点是依赖于算法,人工智能算法是否有足够的先进性,能够适应外界纷繁复杂的交通路况和各种各样的目标。第二,量产必须要有车规级、嵌入式,而且是低成本的运算平台来承载所有的计算。第三,所有这套系统从开发到设计、验证、生产,必须按照汽车工程规范执行。第四,离不开海量测试数据和验证。

首先,今天的市场需要一个全栈式供应商,不是只做前视或者只做泊车,未来一定是融合的产品。第二,必须满足从L1到L4完整的覆盖。第三,是从安全性上需要提升等级。如果就ADAS出身的团队而言,从ADAS到L4自动驾驶,至少在系统性能上需要提升一个等级。第四,成本,目前车上可能有一套前视系统或者超声系统,未来量产的L3/L4一定比所有系统加在一起还要便宜50%。

比亚迪王欢:自动驾驶开发升级之路

比亚迪智能驾驶首席专家王欢表示,自动驾驶要有一个正向的开发模式和验证体系,而且主机厂迫切地需要自动驾驶系统架构。

作为主机厂,比亚迪更注重预期功能安全,甚至可以认为自动驾驶危险的产生主要是由于场景的不足,而非系统的不安全。

王欢认为,要做到自动驾驶安全,首先必须要有一个场景库,这个场景库是开发团队的核心数据库。其次是功能安全标准必须成熟。第三,针对信息安全,信息安全要解决的问题是怎么抵抗黑客攻击和网络攻击。在信息安全上应该关注如何验证外来数据的完整性、外来数据的真实性、信号来源的可靠性等。

香港科技大学刘明:低速无人驾驶系统的应用关键要素

从落地角度来看,香港科技大学自主驾驶中心主任刘明认为,自主物流系统是无人驾驶领域最容易落地的行业,进一步细化可以包括最后一公里的递送、监控、和仓内的点到点运输。

目前无人驾驶技术分为两大类,一类是以深度强化学习为主的模式,另一类是工程模块化系统,但两者各有优劣势。

因此刘明认为,将两者结合在一起是低速无人驾驶的技术路线的最佳选择。这个无人系统模块化的技术结构包括了感知系统、决策与预测系统、规划与控制等算法以及相对应的产品形态等内容。其感知系统可以通过三维感知建图与定位、利用多视觉信息来解决无人车、无人船的控制,通过单个的实时雷达来实现全套的场景。

雷锋网新智驾注:本次峰会上,菜鸟ET物流实验室主任张春晖、图森未来副总经理薛健聪、禧涤智能总裁高进、驭势科技联合创始人兼CEO吴甘沙、西井科技CEO谭黎敏5人也展开了一场大讨论,针对2019年自动驾驶的关键词-落地进行了探讨。

寻求最合适的落地场景,并找到落地到规模化量产之间的的里程碑。有关于这场圆桌讨论的有趣的结论,请期待我们后续的报道。

© 2019 爱讯头条 秀色女神

京ICP证140141号 邮箱: joy611@126.com