吴甘沙：天外飞“厕”、红绿灯消失，未来无人驾驶将被重新定义

整理 | 夕颜

出品 | AI科技大本营（ID:rgznai100）

2019 年9 月 5 日至 7 日，由新一代人工智能产业技术创新战略联盟（AITISA）指导，鹏城实验室、北京智源人工智能研究院支持，专业中文 IT 技术社区 CSDN 主办的 2019 中国 AI 开发者大会（AI ProCon 2019）在北京顺利举行。 短短 3 天之内，60+ 人工智能领域专家和领导者相聚北京，加入了这场属于 AI 开发者的盛大狂欢，探讨机器学习、自然语言处理、计算机视觉、AI+DevOps 和 AI+ 小程序等多个不同技术专题里开发者最关心的问题。

在主会场上，驭势科技联合创始人、董事长、CEO 吴甘沙为大家分享了题为《无人驾驶产业化的 AI 挑战和机遇》的演讲。 吴甘沙从产业化的角度，从无人驾驶从业和研究的世界观谈到无人驾驶技术发展和变迁历史，再到无人驾驶商业化场景的探讨，全方位分析了当前和未来无人驾驶产业化的现状、挑战和机遇。

以下为演讲实录：

非常感谢CSDN的邀请，让我与大家相遇在 AI 开发者大会。

无人驾驶是 AI 密集型产业，也是未来 AI 落地的一个重要的大市场，今天我将更多地与大家分享无人驾驶真正实现产业化会遇到的 AI 挑战和机遇。

我们做任何东西一定要有世界观，我向大家分享一下驭势科技做无人驾驶的世界观。

2005 年，我当时还在英特尔，公司参与了 DARPA 无人驾驶挑战赛，赞助了两辆车，一辆是来自 CMU 的夺冠热门车 ，一辆是来自斯坦佛的黑马，但斯坦福的车身上 LOGO 位置全被占满了，没有给我们放 LOGO 的空间。 这时，一个天才提出可以在这辆车两侧后视镜边上的空窗上放 LOGO，反正没有驾驶员了。 这件事给了我一个启示： 无人驾驶是新物种，每个功能都被重新定义了，包括这面窗子，我们应该用重新定义的思路去思考，此后，这成为我们世界观的一部分。

到后面的比赛中，CMU 这辆车领先大半程，但在最后一刻却失速，被斯坦佛这辆车反超。 13 年以后，我们才知道原来是 CMU 这辆车因为引擎控制模块和燃油喷嘴间的过滤器坏掉了。 这件事让我有了关于世界观的第二部分的思考，即无人驾驶要尊重汽车产业长期存在的规律 ，要有敬畏之心。

我先说一下世界观的第一部分，一切重新定义。

我们如何重新定义？ 未来有了 AI、车联网以后，车在路上会编队出行，单个车道的使用效率会提升 3-4 倍，我们不再需要十字路口的红绿灯，因为在全局调度算法下，所有的车都能够高效通过十字路口。 停车也不再是问题，到目的地之后可以直接下车，出租车将会川流不息，晚上它可以默默地停到五环外，不用担心停车的问题。

高速公路上的大货车不再有车头。 末端配送会由一些小机器人完成，快递母舰开到社区以后，我们可以放出密密麻麻的小机器人出来挨家挨户送货。

我们很少在网上买鞋，因为脚是非标的。 未来鞋店可以开到你门口，你上车试鞋，下车买单，这使得未来物的流动更加自由。

更广义地说，很多今天的东西都可以动起来，比如你缺钱时一个无人驾驶 ATM 机可以突然现身。 在外面玩内急时一个无人驾驶厕所可以飞速驶来。 未来，车变成了空间，可以安营扎寨，车的底盘可以离开，在你需要时它自己开过来。 这些商业场景可以改变现在的很多产业，比如钟点房、汽车旅馆、支线航空等。

在新销售、新零售、新商业上也有很多创意，比如无人货架可以出现在车里，车还可以是 mini KTV，还可以是模拟按摩椅，它可以是一个个人健身房，车在路上跑，你在车上的跑步机上跑，甚至是个人影院，为你定制内容 。 经过测算以后我们发现，待无人驾驶产业发达之后还是要买茅台股票，因为酒类销售量可以增加 30%，不用担心酒价。

所以，一切可以重新定义。

再看世界观的第二部分，我们为何要对汽车产业有敬畏之心？ 我们把 AI 分成 4 个象限： 实体、虚拟 、关键任务和非关键任务。 比如小冰是虚拟的非关键任务，炒股机器人是虚拟的关键任务，如果处理不好会导致指数骤然下跌 。 扫地机器人是实体的非关键任务，而无人驾驶是实体的关键任务，也是最难的AI。

我们简单看一下训练一个无人驾驶“老司机”要做哪些事情。

首先是感知和理解，就像一个新司机一样，无人车要懂得规矩和规则，车不能撞到别人； 第二是要认路，这里面涉及地图和定位； 第三是更高的要求，司机要机灵，有一定的决策能力，才能保证开得不“肉”，同时在见到没见过的东西时不会慌。 这是 AI 中重要的三块，但是要达到老司机水平还需要开得平稳，这又涉及很多非AI的传统控制算法。

在感知领域，使用最多的是激光雷达和视觉。 前者基于 3D 点云对多个目标进行检测和跟踪。 典型的视觉算法采用一个多任务网络，多任务网络能够检测无限延伸的车道线，同时检测可行驶区域，以及路面上的各种物体和标识，特别是将所有车用立体的框标识出来，对其跟踪、测速、测距。 此外，无人车还需要一点预测和想象能力，比如道路蜿蜒延伸的方式。

除了感知，无人车还需要一点认知能力和理解能力。 理解有很多层面，比如在理解了这是一个车道线之后，下一步还要对车道线的语义有更多理解。 特斯拉曾发生一起车祸，这次车祸的原因在于两条车道线组成的并不是一个车道，而是主路与匝道之间的分隔区域，但是视觉算法不能理解这个语义，把这个区域认成车道，一路向前开，结果撞到水泥墩上了。

往往理解还需要配合高精度地图，告诉无人车这不是车道而是分隔区。 高精度地图涉及到如何用今天的传感器，比如激光雷达和摄像头采图并进行语义标注。

有了高精地图以后，下一步要处理在复杂空间中的定位。 这时不能只靠 GPS定位，在没有 GPS 时也需要高清地图和其他的定位手段，比如SLAM，配合使用。

无人车最大的难点在于决策，那么决策难在哪里呢？ 维基百科上的事故数据显示，中国每 10 万辆车每年造成 105 人死亡，但是在美国这个数据只有 13 个人。 我们在看Waymo的人工接管数据，感知错误导致事故发生的比例是 25%， 基本决策错误占 46%，预测错误占 4%，碰到不讲理的司机和行人占 19%，跟决策相关的错误达到了69%，也就是说感知不再是重要的问题，决策才是最关键的难点。

再看另一个数据，在对 10500 起Waymo试乘的乘客调研发现，乘客不满的问题包括不舒服、陷入在车流动不了、碰到自行车和行人紧急刹车等，其实这些情况都涉及到决策 。 与中国相比，美国 Waymo 的工作环境相对简单，人少车少，而中国的无人驾驶汽车环境更复杂，存在各种“中国特色”问题。 另外，数量级的不同也要求中国的无人车进行不同的算法处理。

这对我们是很大的挑战，传统上 无人驾驶是基于规则做决策，以后更多地是需要基于学习，甚至基于搏弈，比如学习 Model-based、model-free。 现在，我们要加入两个新的东西，一个是竞争性，因为在中国，竞争性不够是无法获得路权的； 另一个是社会性，不要让人在车流中一眼就看出是很笨很傻的无人车。

最后，无人车的诊断能力非常重要，这涉及很多后台数据分析，前台数据回传以后实时分析车的零部件工作是否正常，是否可以做预测性、实时性的维护等。

过去10年，上述这些技术都有了长足的发展，但为什么自动驾驶这么难呢？

首先是木桶效应或者短板效应，只要一个零部件还不成熟，整个无人驾驶就无法发挥效用。 其次，关键任务开发有一个规律，叫做“90/10”原则，指的是完成了 90% 的任务，但是剩下的 10% 还需要 90% 的时间和精力，无人驾驶不能简单地依靠资本堆砌。 第三，还有一个类似于“鸡和蛋”的问题，量上不去，供应链就不会随之优化，便宜不下来，所以量还是上不去。

无人驾驶如何进行产业化？ 无人驾驶领域的前两个难点意味着它的商业化周期非常长，这需要我们采用“撸串”的策略。 一台很大的自动烤串烤台不可能只烤一根串，Robo-taxi是一根要烤 5-7 年的串，烤台空着是没有意义的，所以你可以烤多根串，也就是寻找多种场景进行商业化，让研发平台适应多场景。 但是另一方面，我们也需要专注，因为烤串时所有精力会聚焦在快熟的那根串上，要注意别烤焦了，因为产品化资源会放在最先熟的那根串上。

什么串最先熟？ 要先找场景，我认为这些规律对于所有 AI 普遍适用： 第一，它是否是高频刚需，是否能解决客户的痛点，而不是弄两台车秀科技感； 第二，法律上和技术上是否实现无人化运营； 第三，是否能算得过来账，是替换掉 1 个驾驶员还是 3 个驾驶员？ 一个地方有 5 台车还是有 500 台车？ 这些都会影响算账。

无人驾驶的商业化场景包括高速公路巡航，停车场的自动代客泊车等。 自动泊车这套系统不用激光雷达，只要 6 个摄像头和 12 个超声波，用小几千元的成本基本就能够实现停车场无人泊车。 去年，我们已经把这套系统交付了 50 个种子用户。 它们一旦进入真实世界，可能会遭遇很多人的“挑逗“，这是非常危险的，因此这项技术需要足够可靠。 目前，我们已经运营这套系统 10 个月，支持 10 多个停车场，成功率非常高。

另外，无人驾驶的高频场景还包括机场的物流拖车，现在一个典型的国际机场有近千辆拖车，而为了运营这近千辆拖车需要 3000 多个司机。 在这个场景中应用无人车有很多挑战，比如如何真正实现无人化。 今年开始，我们实现了机场物流拖车的无人化运营，无人车可以端到端地从停机坪或码头开到行李中心，再调个头往行李中心室内开下去。

另外一个场景是无人小巴，今年博鳌论坛上，我们与宇通和一汽合作做了两款无人小巴，与宇通合作的这款今年 5 月17 号开始在郑州的一条公交线上运营，这是无人化公交系统最早应用到现实世界的案例之一。

这几个场景要求一套源代码和一套工具链，未来将会面临巨大的挑战。 我们做这个系统经常要与两个“R”搏斗，一个是 Reliability，在指定边界里它是非常可靠、不出错的，一个是Robustness，就是在未知情况、开放不收敛的环境里做到可靠。 这是最大的挑战。

解决Robustness，目前仍然需要更多的数据。 我们可以通过哪些更好的办法获得数据？ 其中一个方法是通过众包获得丰富多元的数据，有了数据下一步是大规模的标注能力 ，而且需要进行细粒度标注，而不是简单的bounding box。 现在有很多支持半自动标注的方法，比如谷歌推出的流体标注等。 既有激光雷达数据，又有视觉数据时还可以用自标注法。 再下一步是大规模的快速训练，数据经过实时训练后回到车里，形成一个永不停止的数据闭环 。

值得注意的是，对数据的关注点在不断变化。

• 最早是 Bounding Boxes，后来慢慢演变成分割，从粗粒度进化到细粒度，最开始只需要认出是车即可，现在细粒度标注需要知道车型（是否大型车、警车、救护车）和车辆的状态（是否打开转向灯、门是否开着）等；

• 从静态图片到动态视频，原来只关注静态图片里的对象，现在要关注动态视频里的时空关系、比例动态情况；

• 从简单的物体识别到行为的识别；

• 从行为识别和跟踪到理解和预测；

Robustness，对测试有很高的要求，我们用实体化的结构性测试来模拟现实世界的各种corner case，但这种测试方法既危险，成本又高。 接下来，我们要思考的是如何加速这样的测试，最好的方法其实就是仿真，通过生成性对抗网络等技术，我们可以构建出逼真的仿真模拟环境，从而降低风险。

有了结构性测试，还需要路测，在真实的状况下经受考验。 到底经过多少路测，能够证明无人驾驶比人好20%呢？ 兰德公司推导出来需要110亿英里，如果有100辆车，一天到晚不吃不喝不休息不停地跑，要跑500年。

解决这一难题的办法是Shadow mode，即“影子模式”，在已经大量部署的车上进行“影子”下的AI驾驶，把人类驾驶的情况与 AI 驾驶的结果进行比较，如果不同，就把数据发回来，在云端进行标注 、训练、仿真、训练、验证，再把模型送回去。 有了它，1000 万辆车装着“影子模式”，每辆车只需要开1100英里，就能达到110亿英里，而这只需要不到一个月，根本不需要 500 年。