姚丹亚教授：人工智能与智能驾驶

11月23日，由中国智能交通协会、国家智能交通产业技术创新联盟主办的2017’第十二届中国智能交通年会“人工智能+交通”创新发展论坛上，清华大学自动化系姚丹亚教授发表《人工智能与智能驾驶》的演讲，本文为演讲速记整理，未经演讲者本人审核。

清华大学自动化系 姚丹亚 教授

人工智能与智能驾驶的研究应用主要包含以下四方面。第一个是人工智能与智能交通，其次是人工智能实现的智能驾驶，第三是服务智能驾驶的人工智能，另外就是基于车路协同的技术方案。
　　首先是人工智能与智能交通方面，什么是人工智能？不同的研究学者有不同的定义，如学术上指研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，技术科学定义为计算机科学的分支，揭示智能的本质与表现形式，应用实现是指提供一种与人类智能相似的方式做出反应的智能系统，代表作有机器人、语言识别、图象识别等，技术实质是对人的意识、思维的学习过程的模拟，机器希望能像人那样思考，甚至拥有超过人的智能。这实际上也是对人工智能的担忧指出，但是我认为尚可不必，机器是永远也不可能超过人的。
　　人工智能、机器学习和深度学习三者间的从属关系如下图所示。

图1 人工智能、机器学习和深度学习的关系

机器学习是人工智能的一部分，深度学习是机器学习的一部分。从人工智能角度来讲，是为机器赋予人的智能，主体可以分为强人工智能和弱人工智能。目前我们的科研大多是弱人工智能方面，就是用人工智能解决简单局部的问题，比如说图像分类和人脸识别。
　　人工智能这一轮的兴起实际上很大的程度取决于机器学习当中的深度学习的发展，当然也得益于计算机本身技术的发展，深度学习是实现机器学习的技术，借助人工神经网络的学习机制，将学习的过程多层化进一步推进。
　　人工智能与智能交通，最开始人工智能比较热的时候是对猫的识别处理，通过深度神经元网络，将大量图片进行学习，学习完之后就可以达到识别任务。在交通领域运用较多的就是车辆识别。
　　所要识别的不仅仅这辆车形态，还有有针对运行行为的分析，这个难度就会增加很多。如果考虑复杂环境，即使是人工智能也很难分析清晰明了，如果是非常复杂的混杂车流，拿人工智能去做就有更大的难度。
　　下图展示了计算机视觉在交通管理中的应用。

图2 基于计算机视觉的交通管理应用

对于静止场景如停车场、匝道口等目前技术可以很好的处理，但如果把糊上一堆泥巴的车辆识别出来很难，人可以看的清楚，但是计算机却很难分析出来。在移动场景当中，特别是针对大车流的识别分析处理，有些情况机器很难处理，可以识别道路网的畅通或拥堵交通状态，但若想识别在这种情况下的某一辆车就会有难度。在大雾等恶劣天气的情况下识别处理就变的几乎不可能了。
　　将人工智能应用在交通中就是自动驾驶。特斯拉曾因识别错误而发生过事故，如图3所示。

图3 特斯拉因识别发生事故示意图

实际场景是右下方一个大货车左转弯，左上角一辆处于自动驾驶状态的直行车，用了两个视觉传感器，视觉传感器误将一辆白车分析成了一朵云而导致了悲剧的发生。机器学习的技术有可能将处在自然环境的白云识别成一辆车而导致误判。张钹院士曾提出计算机模拟人的理性思考，对周围环境的感知和动作的实现是人工智能研究的三大任务。对于智能驾驶，首先就要模仿人感知环境。其次是模仿人去思考，环境感知。现在我们了解较多的是被动感知、主动感知、激光雷达、V2X平台，而未来利用人工智能技术模仿人感知环境，是人工“视觉”关系，还有一个是环境的重构，重构成人看到的周边的环境场景，还是重构成一个智能驾驶或者驾驶的机器，或者驾驶的车希望理解的一个场景，我觉得这就是一个需要探讨的问题，因为感知完以后要重构，如何重构，重构的模型是什么样，这是未来的研究重点。
　　第二，模仿人去理性思考，现有技术是基于机器学习的决策，未来是模拟人理性去做决策，没有情绪的自然决策，以及具备类人的意识思维，这都是未来需要研究的任务。目前可采用单体的自动控制或者单体自主控制完成执行任务。未来则是模仿人去执行动作，是群体的协调控制的内容。
　　现在比较流行的智能驾驶的分级五级：没有、辅助、有条件的自动驾驶、高度和完全自动驾驶。

图4智能驾驶分类及分级

但是我们利用人工智能技术是不是可以发展到基于弱人工智能的自动驾驶的第六级，甚至发展到最终一个基于强人工智能的自动驾驶。
　　服务智能驾驶的人工智能技术会面临一些棘手的问题，比如说智能交通的驾驶层次，有传统辅助驾驶、智能网联驾驶、无人自动驾驶、人工智能驾驶和有人无人的混合驾驶，从发展过程中间，有人、无人的混型是可能出现的场景，但是处理难度完全高于自动驾驶的汽车，人工智能驾驶的时候会涉及到三个方面的内容，仿人环境的感知、仿人思维决策和仿人动作实现，这是任重道远的任务。
　　基于车路协同的一个方向是智能车路协同系统。将来真正的人工智能驾驶一定是有一条智能的道路，一批足够的智能的车辆及足够的智能网络，不是某一个具体网络的支持，而是智能服务基础上共同构造人工智能的大体系。
　　具体的发展过程，我们认为还是遵循循序渐进的过程，从安全性来讲，从被动式的就是安全带、安全气囊发展到主动式的驾驶辅助系统，先进的驾驶辅助系统或者自适应的辅助系统，再发展到协同式的辅助系统，最后是基于人工智能的驾驶辅助系统。
　　至于基于车路协同的交通管理协同控制，是从单车的车速做引导，使车辆适时适速通过路口，节能减排绿色出行，发展成多车协同引导，协作高效通过的交通会合点，最后是信号配时的主动控制。
　　基于车路协同还有一个方向是自动驾驶，在自动驾驶中自车传感器和车路协同协作是未来的发展趋势，比如车辆自动跟驰、路口协同通行等。
　　我们研究的一个基本成果就是车路协同的平台，它采用的即插即用的多模通信灵活架构，可以支持驾驶辅助各种各样的应用，包括智能车载系统和智能路测系统，共同构成一个应用于交通和车辆的V2X的应用系统和平台。首先是自主式的自动驾驶，以及网联汽车，加上人工智能形成一个智能网联系统，将人工智能与智能驾驶的完美结合在一起。