0
| 本文作者： 易建成 | 2017-03-23 18:00 |
雷鋒網(wǎng)按：本文內(nèi)容來自吉林大學(xué)汽車研究院常務(wù)副院長，國家“”特聘專家鄧偉文教授在 2017 未來汽車峰會上的主題報告《智能汽車與智能駕駛》，由雷鋒網(wǎng)整理和編輯，經(jīng)鄧偉文教授親自審文。
有一種觀點(diǎn)認(rèn)為，無人駕駛可能很長時間內(nèi)與人工智能「沒什么關(guān)系」。因?yàn)闊o人駕駛的第一級形態(tài)是低速和固定場景應(yīng)用，這一階段人工智能的的參與感并不強(qiáng)烈。
對于無人駕駛與人工智能的關(guān)系，鄧偉文認(rèn)為這兩者將相輔相成，很多時候并不能完全區(qū)分開。他向雷鋒網(wǎng)表示：「人工智能技術(shù)對于提高環(huán)境感知質(zhì)量已經(jīng)顯示了它的優(yōu)勢，并將有助于推動自動駕駛技術(shù)的進(jìn)一步發(fā)展與應(yīng)用。」
在通往無人駕駛這條路上，我們究竟面臨什么樣的挑戰(zhàn)？
我們想討論的問題是關(guān)于人的挑戰(zhàn)。很多人會覺得有了自動駕駛、無人駕駛，好像人顯得越來越不重要了。其實(shí)不然，這是我的兩個主要觀點(diǎn)：未來汽車智能駕駛時代，
第一，我們比任何時候都更需要研究人：因?yàn)槿说囊蛩嘏c影響在未來智能汽車設(shè)計中扮演著重要的角色（人機(jī)交互與共駕、人性化與個性化智能駕駛）；
第二，我們比任何時候都更需要學(xué)習(xí)人：模仿人的聯(lián)想、推理、自學(xué)習(xí)及自適應(yīng)能力是未來智能駕駛或無人駕駛的關(guān)鍵技術(shù)（人工智能技術(shù)）。
傳統(tǒng)的汽車電控包括駕駛員、車輛和控制單元?！溉恕古c控制器之間的關(guān)系是「命令和執(zhí)行」的關(guān)系，因此并不存在所謂的人機(jī)「共駕」問題。整個系統(tǒng)看上去是一個相對比較簡單的控制系統(tǒng)。
我們知道，在汽車行駛過程中會遇到各種復(fù)雜的交通、道路和天氣狀況，但基本上都是由人負(fù)責(zé)處理。所以，在傳統(tǒng)的電控系統(tǒng)里我們有兩個基本假定：
假設(shè) 1，駕駛員操控「基本完美」：控制系統(tǒng)設(shè)計以實(shí)現(xiàn)駕駛?cè)说鸟{駛意圖為控制目標(biāo)（比如ABS/TCS/ESP系統(tǒng)）。整個汽車電控系統(tǒng)都是圍繞實(shí)現(xiàn)駕駛員駕駛意圖作為控制目標(biāo)。換句話說，我們認(rèn)為汽車人的駕駛意圖是正確的。
假設(shè) 2，行駛環(huán)境「基本無關(guān)」。由駕駛?cè)送耆袚?dān)對行駛環(huán)境的判斷與處理責(zé)任和任務(wù)。換句話說，人承擔(dān)了復(fù)雜的交通、道路和天氣等的判斷和處理。
因此，傳統(tǒng)汽車電控系統(tǒng)是一個相對簡單的機(jī)電一體化控制系統(tǒng)。從汽車電控角度而言，人在發(fā)號施令，控制系統(tǒng)跟隨人的控制命令實(shí)現(xiàn)人的控制意圖。
但是，當(dāng)我們談?wù)撈囍悄芑臅r候，我們知道「人」是有缺陷的、是需要幫助的。這樣使得智能汽車和智能駕駛系統(tǒng)引入了復(fù)雜的「人」與「環(huán)境」這兩個重要的因素。因?yàn)槿擞袝r會疲勞、分神，有時會酒駕，因此「人」是有問題的。相機(jī)和雷達(dá)等環(huán)境傳感系統(tǒng)把環(huán)境因素直接引入了這個系統(tǒng)。所以，智能駕駛系統(tǒng)變成了一個復(fù)雜的人、車、環(huán)境閉環(huán)控制系統(tǒng)。
這個系統(tǒng)意味著什么？系統(tǒng)的復(fù)雜性、不確定性、不可預(yù)知性大大增加。
人的復(fù)雜性和不確定性；
傳感器的誤差、噪聲與信息的不完整性（毫米波雷達(dá)、超聲波雷達(dá)、激光雷達(dá)、像機(jī)等等）；
環(huán)境的復(fù)雜性、不確定性與不可預(yù)知性；
我們說「人」是整個駕駛鏈中最重要的角色，這話從何談起？
截至 2016 年底，全國機(jī)動車保有量達(dá) 2.9 億輛，機(jī)動車駕駛?cè)?3.6 億人，其中汽車駕駛?cè)顺^ 3.1 億人；
駕齡不滿一年的駕駛?cè)?3314 萬人；
駕齡 3 年以下的發(fā)生道路交通事故 156295 起，造成 29743 人死亡，占駕駛員肇事總數(shù)的 45% 左右。
美國高速公路管理局2008年有一個調(diào)查報告對事故的原因做了一些細(xì)分。總結(jié)一下就是超過 90% 以上的事故原因是「人」的因素，包括磕睡、疲勞、精神/生理因素、駕駛單調(diào)與分神等等。
所以說，人是整個駕駛鏈中最薄弱的一環(huán)，也是汽車駕駛系統(tǒng)中的 BUG，包括狀態(tài)不佳、習(xí)性不良，技能不足；人也是駕駛鏈最危險的環(huán)節(jié)（事故原因占比：＞90%）；雖然行駛交通環(huán)境和車輛質(zhì)量可以改善，但是改變「人」是一件幾乎不可能的事情。
因此我們得出這么一個結(jié)論，汽車智能化是汽車發(fā)展的大趨勢，這意味著我們需要部分甚至完全替代人。而無人駕駛則是完全替代人的駕駛。
汽車智能化技術(shù)發(fā)展有不同的技術(shù)路線和分級，目前比較公認(rèn)的是美國的SAE分級。
從手動駕駛到全自動駕駛，中間有幾個環(huán)節(jié)，從輔助駕駛進(jìn)一步走到半自動和高度自動化駕駛，最終希望某一天它能夠?qū)崿F(xiàn)全自動駕駛。
我們看到這中間相當(dāng)長的一段時間里，人機(jī)是并存的。除了技術(shù)問題之外，從產(chǎn)品的角度看還有包括人以及社會對無人駕駛系統(tǒng)的接受程度，包括保險、責(zé)任以及法律制約等。
在整個智能駕駛過程中人機(jī)共駕是很重要的一個環(huán)節(jié)。我們講漸進(jìn)式智能駕駛發(fā)展，駕駛?cè)巳匀皇邱{駛的主體：
增強(qiáng)感知系統(tǒng)，輔助人的駕駛；
另一方面我們通過增強(qiáng)控制系統(tǒng)，包括控制和干預(yù)，從制動、驅(qū)動和轉(zhuǎn)向等方面幫助駕駛?cè)?。這些都是智能輔助駕駛概念。
人機(jī)共駕的概念即是駕駛?cè)撕蜋C(jī)器人共同駕駛車輛。雖然不是我們想象中的機(jī)器人，但它也是由傳感、控制和執(zhí)行機(jī)構(gòu)構(gòu)成的自動化系統(tǒng)：
駕駛?cè)诵枰獋鬟f駕駛意圖給機(jī)器人；
機(jī)器人則發(fā)出提示和警示。另外在人駕駛情況下，機(jī)器人可能會監(jiān)管和干預(yù)等。
這就構(gòu)成了人機(jī)共駕和人機(jī)交互。汽車控制系統(tǒng)包括傳感感知系統(tǒng)、規(guī)劃決策、控制器、執(zhí)行器等等，基于行駛目標(biāo)和理解行駛環(huán)境，制定駕駛決策，并操控汽車。
人也在做同樣的事情。人的感官通過對環(huán)境的感知（視覺、聽覺）等，通過視覺、觸覺和體感等反饋構(gòu)成了一個閉環(huán)控制系統(tǒng)，包括大腦決策和判斷等，這是「人」駕駛的概念。
機(jī)器人通過這個系統(tǒng)會發(fā)出提示或警示信息，或主動干預(yù)，構(gòu)成了一個人機(jī)共駕系統(tǒng)。在這個系統(tǒng)里，核心的部分是「人」，而「人」則是一個很復(fù)雜的概念。
首先，我們需要知道人的狀態(tài)如何，包括是否處在磕睡狀態(tài)、分神或酒駕狀態(tài)等等，這樣我們才知道駕駛?cè)耸欠裥枰獛椭?。因?yàn)閹椭^頭實(shí)際上就是干擾。其次，我們要知道人的駕駛風(fēng)格、習(xí)性或技能如何。
人機(jī)共駕，基本上是駕駛?cè)撕蜋C(jī)器人之間的博弈。
這個系統(tǒng)如果做得不好，就構(gòu)成了干擾，很可能駕駛?cè)藭⑾到y(tǒng)關(guān)閉。所以提供一個協(xié)同的人機(jī)共駕十分重要。
因此我們就需要對駕駛?cè)说男袨樘卣鬟M(jìn)行研究，包括他的意圖、駕駛狀態(tài)、駕駛習(xí)性和駕駛技能如何？這是一個富有挑戰(zhàn)性的關(guān)鍵問題。
另一方面通過對環(huán)境感知，規(guī)劃和決策等形成人機(jī)共駕基本模式：包括托管、糾偏、補(bǔ)償和協(xié)同。
所以，人機(jī)共駕這個命題將長期存在，友好、和諧、協(xié)同的人機(jī)共駕與人機(jī)交互至關(guān)重要，也將是汽車智能駕駛技術(shù)面臨的很重要的挑戰(zhàn)。
我們現(xiàn)在講無人駕駛，我把它分成兩類：一類是基于自動控制技術(shù)，一類是基于人工智能技術(shù)。它們都將會是未來的駕駛員。但兩者之間的區(qū)別是什么？或者帶來的機(jī)遇和挑戰(zhàn)是什么？
我們知道，自動駕駛是一個漫長的過程，但終極目標(biāo)是無人駕駛。
這話 5 年前講會非常有爭論，但是今天大家應(yīng)該有一個基本共識：無人駕駛是終極目標(biāo)。它應(yīng)當(dāng)具備「類人」的駕駛體驗(yàn)（即人性化）、體現(xiàn)「類我」的駕駛風(fēng)格（即個性化）。人性化和個性化的無人駕駛是最高境界。
人機(jī)共駕與人機(jī)交互是一個長期的挑戰(zhàn)：包括駕駛意圖識別、駕駛狀態(tài)檢測、駕駛行為辨識（駕駛習(xí)性和駕駛技能等）、以及友好、直觀的人機(jī)界面和人機(jī)交互體驗(yàn)等。
人機(jī)共駕將長期存在，即便是自動駕駛，實(shí)現(xiàn)擬「人」和類「我」駕駛是體現(xiàn)人性化和個性化駕駛的關(guān)鍵技術(shù)和應(yīng)用基礎(chǔ)。
駕駛員非專業(yè)，人數(shù)多，年齡、性別、駕齡各異，心理生理差異極大，是汽車駕駛環(huán)節(jié)中最危險、最復(fù)雜、也最不確定的因素。
駕駛員具有駕駛?cè)毕莺驼系K、具有駕駛習(xí)性和技能等特征。
行駛環(huán)境，包括道路環(huán)境、交通環(huán)境，還有天氣因素等。無人駕駛或自主駕駛我們把它歸成兩類：從基于自動控制的自動駕駛到基于人工智能的智能駕駛。
對基于自動控制技術(shù)的自動駕駛，這是它的典型技術(shù)路線：
我們有環(huán)境傳感，基于一系列常見的，比如視覺傳感（CCD/CMOS、紅外夜視）、雷達(dá)傳感（毫米波雷達(dá)、激光、超聲波）、無線通訊（DSRC、V2X 通信），定位導(dǎo)航（GPS、數(shù)字地圖、GIS）。
上述傳感器對環(huán)境進(jìn)行感知，對信息進(jìn)行融合，形成對環(huán)境的理解，包括目標(biāo)跟蹤、障礙物識別、車道線識別、道路識別、交通標(biāo)記識別等等。
然后便是基于對環(huán)境的理解，形成決策與規(guī)劃，并對系統(tǒng)進(jìn)行控制，包括轉(zhuǎn)向、驅(qū)動和制動等，甚至人機(jī)界面也考慮進(jìn)去，這是一個典型的自動駕駛系統(tǒng)?；谶@些技術(shù)我們形成了自動駕駛功能，包括我們常見的一些警示功能、駕駛輔助功能，而未來則是無人駕駛功能。
從自動控制技術(shù)角度看，它有一些基本的出發(fā)點(diǎn)：被控對象可控、可觀測、可穩(wěn)定。
雖然系統(tǒng)具有內(nèi)部非線性機(jī)理的復(fù)雜性和外部環(huán)境的不確定性。一方面系統(tǒng)的輸入能控制系統(tǒng)的狀態(tài)變化；另一方面系統(tǒng)的輸出能反映系統(tǒng)的狀態(tài)變化；系統(tǒng)參數(shù)與結(jié)構(gòu)的不確定性以及外界干擾是有界的；
這是我們基于自動控制，也是目前絕大多數(shù)自動駕駛甚至無人駕駛系統(tǒng)基本的技術(shù)路線。自動控制的基本出發(fā)點(diǎn)：
1、建立系統(tǒng)的數(shù)學(xué)模型；
基于物理定律推導(dǎo)出對系統(tǒng)的數(shù)學(xué)描述（模型）；基于系統(tǒng)辨識理論利用系統(tǒng)輸入和輸出數(shù)據(jù)「反演」形成對系統(tǒng)的描述；基于信號濾波理論解決由于系統(tǒng)的許多狀態(tài)變量無法直接測量且伴有隨即噪聲的干擾問題；基于魯棒和自適應(yīng)控制理論解決由于系統(tǒng)結(jié)構(gòu)參數(shù)不確定和時變問題；
2、基于反饋機(jī)制或基于先驗(yàn)規(guī)則的控制策略；
基于模型或預(yù)先制定的規(guī)則，或基于誤差反饋調(diào)節(jié)；讓機(jī)器人按照人的思路去做，而不是像人一樣思考獲取智能。
這個系統(tǒng)中存在著大量的不確定性因素和隨機(jī)變量。駕駛員的操作是顯而易見的不確定因素，傳感執(zhí)行機(jī)構(gòu)、行駛環(huán)境的干擾，包括網(wǎng)絡(luò)傳輸、車內(nèi)網(wǎng)、車際網(wǎng)、車間網(wǎng)等等，這些都會對人車環(huán)境閉環(huán)系統(tǒng)構(gòu)成干擾，使得整個系統(tǒng)的性能帶來極大的不確定性。
因?yàn)檫@些不確定性，我們一般的處理方式：增加傳感，提高信息融合程度，以提高感知范圍和感知質(zhì)量；或者限定行駛區(qū)域。
一般的自動駕駛現(xiàn)在大多數(shù)都限于結(jié)構(gòu)化道路，或者是通過改造道路結(jié)構(gòu)、交通設(shè)施或使用專用道路結(jié)構(gòu)來實(shí)現(xiàn)自動駕駛。實(shí)際上，這就是減少自動駕駛的不確定性。
從自動駕駛的發(fā)展路線狀態(tài)來講，我們認(rèn)為有這么三種：
寶馬模式（通過與Intel和MobilEye的合作），在智能駕駛方面有它的特色。這也基本上代表了傳統(tǒng)汽車工業(yè)選擇的一種漸進(jìn)式模式；
Google 模式，一步實(shí)現(xiàn)無人駕駛，甚至把方向盤去掉；
Tesla 模式，介于第一和第二種模式中間。
這是目前典型的幾種自動化發(fā)展模式。作為產(chǎn)品都需要提供 360 度傳感感知和360 度的安全保護(hù)。但要實(shí)現(xiàn)全天候和全工況行駛環(huán)境下的自動駕駛技術(shù)仍是長期面臨的挑戰(zhàn)。
這個挑戰(zhàn)來自什么地方？
第一，系統(tǒng)可控、可觀測性假設(shè)并不永遠(yuǎn)成立：控制系統(tǒng)高階、高度非線性和不確定性；模型的離散與連續(xù)混雜性；系統(tǒng)或擾動隨機(jī)性；
第二，運(yùn)行環(huán)境的確定性假設(shè)并不永遠(yuǎn)成立：自然環(huán)境復(fù)雜和不可預(yù)知；突發(fā)或危險工況難以歸納、難以窮盡；對環(huán)境的測量信息充滿誤差、延遲和不完整性；
第三，基于模型和先驗(yàn)規(guī)則的控制策略無法預(yù)先制定應(yīng)對方案、難以處理預(yù)設(shè)駕駛場景以外事件；由于模型缺乏「學(xué)習(xí)」和「識別」能力，對環(huán)境和擾動的變化缺乏「適應(yīng)性」和「魯棒性」。
第四，難以滿足（低成本約束下）全天候、全工況的準(zhǔn)確、快速和可靠的環(huán)境傳感感知和自主安全可靠運(yùn)行。
我提出了一個從 AC（自動控制技術(shù)）到 AI（人工智能技術(shù)）的技術(shù)路徑。
研究智能化程度更高的控制方法以處理日益復(fù)雜的動力學(xué)系統(tǒng)是控制理論的發(fā)展趨勢；
智能控制理論為解決具有更大不確定性和復(fù)雜性系統(tǒng)提供了一條有效途徑。
基本上，從經(jīng)典控制理論、現(xiàn)代控制理論出發(fā)，基于人工智能和運(yùn)籌學(xué)理論，形成了智能控制理論，這是控制系統(tǒng)里一個很重要的突破。我們可以看到，像神經(jīng)網(wǎng)絡(luò)、分列式控制等等。目的是試圖解決一個對控制對象不知道或者不確定的、高度非線性、和復(fù)雜決策問題，特別是自學(xué)習(xí)和自適應(yīng)能力。
自動控制技術(shù)實(shí)際上主要是基于知識，智能不是知識，而是想象、是創(chuàng)造、是獲取知識和應(yīng)用知識的能力。所以，基于人工智能的智能駕駛就是要模仿人類大腦神經(jīng)活動，產(chǎn)生類人的智能功能。
聯(lián)想推理、自學(xué)習(xí)、自適應(yīng)；深度神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)的結(jié)合以突破傳統(tǒng)模型的局限；基于數(shù)據(jù)而不是基于算法的思路，在本質(zhì)上就是消除系統(tǒng)的不確定性。
基于人工智能的智能駕駛，可以概括成 3 個方面：計算智能、感知智能和認(rèn)知智能。
我們知道，機(jī)器人的計算與記憶能力遠(yuǎn)超人類，機(jī)器人的感知能力已經(jīng)接近人類，人工智能技術(shù)就是試圖模仿人的觀察、思考和學(xué)習(xí)能力。這一方面，還有很長的路要走。
回到報告之初我的兩個觀點(diǎn)：在未來智能駕駛時代，
第一，我們比任何時候更需要研究人：人的因素與影響在未來智能駕駛汽車設(shè)計中扮演做非常重要的角色（人機(jī)交互與共駕、人性化與個性化智能駕駛）；
第二，我們比任何時候都更需要學(xué)習(xí)人，模仿人的聯(lián)想推理、自學(xué)習(xí)及自適應(yīng)能力是未來智能駕駛或無人駕駛的關(guān)鍵技術(shù)（人工智能技術(shù)）。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
