陜西省經(jīng)開一中 郭 旭

人工智能視角下的無(wú)人駕駛技術(shù)分析與展望

陜西省經(jīng)開一中 郭 旭

無(wú)人駕駛技術(shù)是當(dāng)前汽車產(chǎn)業(yè)發(fā)展的新方向，其目標(biāo)是解決人們對(duì)駕駛安全、舒適性和可靠性的更高需求。隨著人工智能廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語(yǔ)言處理、傳感器融合、語(yǔ)音識(shí)別等各個(gè)領(lǐng)域，無(wú)人駕駛技術(shù)取得了一定的突破性進(jìn)展。自動(dòng)駕駛初創(chuàng)企業(yè)、互聯(lián)網(wǎng)公司以及各大汽車廠商，都在積極探索利用人工智能技術(shù)實(shí)現(xiàn)最終的無(wú)人駕駛。本文就在此背景下，對(duì)無(wú)人駕駛中的人工智能技術(shù)進(jìn)行了相應(yīng)的闡述與分析，并指出了未來(lái)無(wú)人駕駛所面臨的問(wèn)題與對(duì)該領(lǐng)域的未來(lái)展望。

無(wú)人駕駛；深度學(xué)習(xí)；人工智能

一、無(wú)人駕駛技術(shù)概述

目前的自動(dòng)駕駛可分為兩類：一類是目前非?；鸨臒o(wú)人駕駛，屬于自動(dòng)駕駛類別中的L4階段[1]。無(wú)人駕駛更強(qiáng)調(diào)的是車的自主駕駛以實(shí)現(xiàn)舒適的駕駛體驗(yàn)和人力成本的節(jié)省，典型的例子為百度和谷歌的無(wú)人車；一類是高級(jí)輔助駕駛系統(tǒng)ADAS(全稱為Advanced Driver Assistance System），發(fā)展歷史已久，早在上世紀(jì)70年代就已進(jìn)入車廠布局中。不過(guò)，高級(jí)輔助駕駛系統(tǒng)可以視作無(wú)人駕駛汽車的前提，隨著ADAS實(shí)現(xiàn)的功能越來(lái)越多，漸進(jìn)式可實(shí)現(xiàn)無(wú)人駕駛。如表1所示，根據(jù)美國(guó)高速路安全管理局（NTHSA）的定義，汽車的自動(dòng)駕駛可分為四個(gè)階段，目前發(fā)展技術(shù)處于汽車自動(dòng)化程度的第二階段。

表1 汽車自動(dòng)駕駛階段劃分

谷歌是參與自動(dòng)駕駛研究的先驅(qū)，也是完全自動(dòng)駕駛的倡導(dǎo)者，代表了目前無(wú)人駕駛的最高水平。谷歌自2009年起推進(jìn)無(wú)人駕駛的開發(fā)，2015年有史以來(lái)第一輛全無(wú)人駕駛汽車開上公共道路。而百度于2013年開始涉及無(wú)人駕駛領(lǐng)域的研究，2016年11月與車廠合作打造的自動(dòng)駕駛車已體驗(yàn)運(yùn)營(yíng)，體驗(yàn)全程3.16km, 使用L4自動(dòng)駕駛技術(shù)實(shí)現(xiàn)紅綠燈識(shí)別、行人避讓以及超車并線等功能并且也獲得了加州無(wú)人駕駛牌照?？傊壳白詣?dòng)駕駛領(lǐng)域的先驅(qū)主要集中在互聯(lián)網(wǎng)企業(yè)，其中一個(gè)重要的原因就在于互聯(lián)網(wǎng)企業(yè)掌握了核心的技術(shù)，包括語(yǔ)音識(shí)別、圖像處理、語(yǔ)音識(shí)別等。

二、人工智能視角下的無(wú)人駕駛技術(shù)

自動(dòng)駕駛智能汽車作為一個(gè)機(jī)器人系統(tǒng)，所涉及到的技術(shù)主要有感知、路徑規(guī)劃和控制決策三大塊內(nèi)容。其中智能感知技術(shù)是前提，而路徑規(guī)劃和控制決策有賴于人工智能相關(guān)技術(shù)的研究與應(yīng)用。

（一）智能感知：傳感器技術(shù)和模式識(shí)別技術(shù)

汽車的環(huán)境感知通過(guò)集成視覺、激光雷達(dá)、超聲傳感器、微波雷達(dá)、GPS、等多種車載傳感器來(lái)收集數(shù)據(jù)，并根據(jù)所獲得的道路信息、交通信號(hào)的信息、車輛位置和障礙物信息做出分析和判斷。雷達(dá)和攝像頭是自動(dòng)駕駛的標(biāo)配，而更高級(jí)的無(wú)人駕駛的實(shí)現(xiàn)需要多種傳感器的融合：激光雷達(dá)分辨率高，是構(gòu)建精確的汽車周邊3D環(huán)境的基礎(chǔ)，但成本高，且尚未實(shí)現(xiàn)規(guī)模化生產(chǎn)；毫米波雷達(dá)康干擾能力強(qiáng)，穩(wěn)定性高，成本較激光雷達(dá)低，看好其在低端車型的普及；攝像頭可以很好的識(shí)別人物和交通標(biāo)識(shí)，以用來(lái)識(shí)別評(píng)估危險(xiǎn)，是自動(dòng)駕駛不可或缺的一部分。

通過(guò)傳感器進(jìn)行數(shù)據(jù)收集后就要進(jìn)行模式識(shí)別，其主要有兩個(gè)方面：光學(xué)信息識(shí)別和聲學(xué)信息識(shí)別。對(duì)應(yīng)到自動(dòng)駕駛中，光學(xué)信息識(shí)別包括對(duì)路況、行人等做出的判斷；聲學(xué)信息識(shí)別能夠?qū)崿F(xiàn)車與車，人與車之間的智能溝通。例如：在駕車過(guò)程中，駕駛員通過(guò)觀察前方就能輕易分辨出車道線的信息，若智能汽車獲取車道線信息，首先需要通過(guò)攝像頭獲取道路影像，但其本身并不具備映射到真實(shí)環(huán)境的物理含義。只有通過(guò)適當(dāng)?shù)乃惴◤挠跋褓Y料中提取能反映車道線的影像部分，并進(jìn)行映射。不同的傳感器由于環(huán)境感知原理的差異，識(shí)別算法上也存在著不同。

（二）人工智能：通過(guò)學(xué)習(xí)與優(yōu)化作出決策

目前，通過(guò)深度學(xué)習(xí)的方式讓無(wú)人駕駛汽車不斷地優(yōu)化自己的駕駛行為，是目前最有效的解決方案。每一輛無(wú)人車行駛過(guò)程中遇到各式各樣的交通情景和突發(fā)狀況將產(chǎn)生大量的數(shù)據(jù)，這些大數(shù)據(jù)被傳回云平臺(tái)用作深度學(xué)習(xí)的訓(xùn)練樣本，經(jīng)過(guò)大量樣本訓(xùn)練學(xué)習(xí)的“駕駛腦”，不僅僅獲得了自身行駛的駕駛經(jīng)驗(yàn)，同時(shí)也獲得了其他車輛的“學(xué)習(xí)、訓(xùn)練成果”，隨著樣本訓(xùn)練的不斷增加，“駕駛腦”的駕駛技術(shù)將呈現(xiàn)指數(shù)式的增長(zhǎng)，將大幅度提升無(wú)人駕駛技術(shù)的進(jìn)步，同時(shí)提高無(wú)人駕駛汽車的安全性[2]。尤其是隨著芯片巨頭NVIDIA于2017年推出了新一代針對(duì)自動(dòng)駕駛開發(fā)的深度學(xué)習(xí)的車載超級(jí)電腦——XAVIER，其可以用作自動(dòng)駕駛汽車的超級(jí)大腦，以深度學(xué)習(xí)算法來(lái)加強(qiáng)車輛的感知能力，識(shí)別出車輛行駛環(huán)境周圍的其他所有物體，包括行人、車輛、路標(biāo)、車道線、建筑設(shè)施等等，對(duì)車輛各類傳感器收集到的數(shù)據(jù)進(jìn)行處理與分析，進(jìn)而進(jìn)行判斷，再做出決策。

隨著深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域取得較大的突破，深度學(xué)習(xí)算法通過(guò)多層迭代對(duì)特征抽象進(jìn)行模式識(shí)別的學(xué)習(xí)，從而能夠以較高的精度實(shí)現(xiàn)對(duì)路況、物體的識(shí)別。在大數(shù)據(jù)和云計(jì)算時(shí)代，智能控制技術(shù)需依托深度學(xué)習(xí)，才能實(shí)現(xiàn)自動(dòng)駕駛所要求的安全性和精確度。深度學(xué)習(xí)是人工智能的一門學(xué)科，是通過(guò)計(jì)算機(jī)算法在機(jī)器上模擬神經(jīng)網(wǎng)絡(luò)，讓機(jī)器具備學(xué)習(xí)的能力。例如，卷積神經(jīng)網(wǎng)絡(luò)CNN在圖像識(shí)別領(lǐng)域具有了相當(dāng)高的精度被廣泛應(yīng)用在自動(dòng)駕駛領(lǐng)域。由于CNN在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)上針對(duì)視覺輸入本身特點(diǎn)做的特定設(shè)計(jì)，所以它是計(jì)算機(jī)視覺領(lǐng)域使用深度神經(jīng)網(wǎng)絡(luò)的不二選擇。無(wú)人駕駛的感知部分作為計(jì)算機(jī)視覺的領(lǐng)域范圍，也不可避免地成為CNN發(fā)揮作用的舞臺(tái)。而隨著各種改進(jìn)CNN的出現(xiàn)，其被廣泛應(yīng)用在物體檢測(cè)與3D感知技術(shù)中。

三、所面臨的問(wèn)題與未來(lái)展望

目前，無(wú)人駕駛在業(yè)界獲得了廣泛的關(guān)注，但是也面臨著許多亟待解決的問(wèn)題，才能進(jìn)入最終的實(shí)用階段。

在技術(shù)方面，傳感器和算法模型是自動(dòng)駕駛技術(shù)的核心構(gòu)成，其技術(shù)先進(jìn)度、工業(yè)成熟度直接決定著無(wú)人駕駛的發(fā)展階段。傳感器：目前性價(jià)比較高的搭配方案為毫米波+雷達(dá)，但激光雷達(dá)+攝像頭的方式在傳感器精度方面表現(xiàn)更佳。未來(lái)如果實(shí)現(xiàn)無(wú)人駕駛，激光雷達(dá)將是必不可缺的傳感器之一。算法與決策：自動(dòng)駕駛的算法技術(shù)壁壘較高，涉及到定位技術(shù)、物體和場(chǎng)景識(shí)別、智能決策等。隨著人工智能技術(shù)的不斷發(fā)展與突破，該領(lǐng)域?qū)⒂性絹?lái)越多的研究成果出現(xiàn)，并極大的推動(dòng)無(wú)人駕駛的快速發(fā)展。

在道德和合法性問(wèn)題上，無(wú)人駕駛汽車也面臨著相當(dāng)大的挑戰(zhàn)。無(wú)人駕駛汽車是一個(gè)決策機(jī)構(gòu)，在行人避讓、超車決策等問(wèn)題上存在一定的道德問(wèn)題。另外，無(wú)人駕駛汽車上路的標(biāo)準(zhǔn)、交通事故的認(rèn)定、交通賠償?shù)呐袥Q等一系列問(wèn)題都有待于法律法規(guī)的完善，這些不是技術(shù)問(wèn)題所能解決的，也不是一朝一日通過(guò)法律能夠制定的，需要不斷的探索與完善。

無(wú)人駕駛面臨的另外一個(gè)比較重要的問(wèn)題是安全性問(wèn)題。無(wú)人駕駛在技術(shù)上存在著控制權(quán)被黑客攻擊并非法利用的可能，在這種情況下無(wú)人駕駛汽車甚至?xí)蔀椴环ǚ肿游：袢松戆踩墓ぞ遊3]。另外，技術(shù)的可靠性和安全性也是無(wú)人駕駛技術(shù)能否保證持續(xù)安全的重要問(wèn)題，系統(tǒng)的崩潰、反應(yīng)的延遲都有可能會(huì)造成重大的安全隱患。

無(wú)人駕駛汽車作為新事物，提高了人們當(dāng)前在出行中面臨的諸如駕駛舒適性、決策高效性、控制智能化等各個(gè)方面。它帶給我們的便利和產(chǎn)生的問(wèn)題在一定時(shí)間內(nèi)是并存的，并存在著某些難以解決的矛盾。但是隨著人工智能技術(shù)的不斷發(fā)展與完善，以及對(duì)無(wú)人駕駛技術(shù)的高投入與重視，無(wú)人駕駛技術(shù)將會(huì)變得越來(lái)越成熟。另外，在解決諸如道德、法律、安全等問(wèn)題上，隨著制度的完善和人們對(duì)無(wú)人駕駛技術(shù)的不斷接受與認(rèn)可，無(wú)人駕駛技術(shù)必將對(duì)人類的出行方式產(chǎn)生重大的影響與變革。

[1]余阿東,陳睿煒．汽車自動(dòng)駕駛技術(shù)研究[J]．汽車實(shí)用技術(shù),2017．

[2]楊震．自動(dòng)駕駛技術(shù)進(jìn)展與運(yùn)營(yíng)商未來(lái)信息服務(wù)架構(gòu)演進(jìn)[J]．電信科學(xué),2016．

[3]李付?。疁\談汽車自動(dòng)駕駛技術(shù)的發(fā)展與未來(lái)[J]．科技論壇,2016．

郭旭（1999—），男，陜西西安人，現(xiàn)就讀于陜西省經(jīng)開一中高中二年級(jí)，研究方向：人工智能。