高德汽车事业部总裁韦东：无人驾驶要「想清楚」再干
上周，高德发布了全新的一站式公共出行服务平台「 高德易行平台」，纳入了滴滴出行、神州专车、首汽约车、摩拜单车、飞猪等出行服务商。 关于全新平台，关于出行服务的未来趋势，关于人、车、路之间的关系，高德汽车事业部总裁韦东给出了自己的观点。 单体人工智能向全局人工智能转变 韦东认为，高德地图提供了大量的导航、地图服务，而这些服务最终也让他们收获了大量的服务数据，通过大数据分析后，高德可以获取用户在出行方面的需求。目前在广州，交警基本上可以把 7 分钟出警作为一个很重要的工作评比项目，而这其中高德就起到了重要的作用。 同时，一旦各种智能化设备全部实现联网，高德对于交通状况的管理能力、路径规划能力，以及路况预测能力也就都具备了。 而随着出行导航服务的进化，人们会发现过去是自己决定如何出行，而现在这些全部由云来完成，其实这就是自我引导向外界引导的一个过程。最终，大家会发现单体人工智能会向全局化人工智能转变，在这个过程当中，每个单体不需要变得那么智能，平衡就好。韦东认为单体人工智能可以作为「 小智能」，而全局人工智能更像是「 大智能」。 未来，随着车辆自动化程度越来越高，高德的地图导航服务可能会从引导人变为引导车、机器。 想要实现刚才提到的这种使用体验，韦东认为一共存在两项障碍：第一，联网车辆依然很少。而第二点则是定位能力太差，如今大家开车导航到目的地时，导航服务通常会播报「 您已到达目的地附近，本次导航结束」，其实车辆距离实际目的地依然有一段距离。 在这背后，主要原因就是将手机作为定位设备根本解决不了车辆出行服务的很多问题。今年下半年，韦东将会花大量精力去推动手机厂商以及车厂提高定位精度，现在通过室外采集到的数据来看，定位精度大约在 10 米左右，前提还是没有遮挡物。 一旦未来定位精度可以控制在 5 米以内或者是 3 米以内时，高德可以直接将用户车辆导航至停车位。 无人驾驶要想清楚再干 关于无人驾驶的发展趋势，韦东也给出了自己的看法，他认为无人驾驶突然由一个所谓的纯机器学习方向，又走回到用地图做引导的方向。不同场景下，比如遇到特殊情况时，感知能力可能会起很大作用。但是寻常路径下，并且是需要引导的时候，可能还是需要导航来起作用。 举个例子，无人驾驶汽车在高速公路上遇到拥堵时，自己是没有能力下小路绕回的，从某种角度上分析，无人驾驶与智慧交通之间的关系非常紧密。 韦东还认为，类似于博世、德尔福这样的 Tier 1 是真的下定决心做无人驾驶，反观一些其他企业则不好说。 如果是特斯拉这个价位的车型，做无人驾驶没有关系，同奔驰、宝马一样，无人驾驶更多是作为提升商品附加值的一项重要技术，高端人群对于高端技术是有支付能力和消费能力的。而到了 10 万元左右的家庭轿车上时，用户是否会为了无人驾驶技术这项附加值买单很难说，因此做无人驾驶真的需要实力，大家要想清楚再干。 在谈到与主机厂之间的合作时，韦东说：如今车厂已经不再把高德当做是供应商来看待，他们选择的是一个合作伙伴。他也相信，车厂们已经逐渐明白一个道理，从去年开始汽车行业逐渐进入买方市场，在这个时间节点上，韦东认为所有车厂都明白一点，只要用户满意我就能活下去，不是政府满意，也不是老板满意，是用户满意。 一句话概括就是：先让用户爽了，大家才能都爽。 关于车载移动互联，韦东的看法是，从明年开始，哪家车厂的车内大屏尺寸没有达到 10 英寸就会吃亏，同时车辆定位能力也将成为衡量车辆实力的重要标准。 从产业大局面出发，大屏加上核心传感器一定是爆点，所有的这一切对于未来智慧交通的影响都实际存在。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
重塑未来地图行业的秘密武器：摄像头+人工智能
天天在用手机玩自拍的你，肯定想不到有人已经用手机的摄像功能玩起了自动驾驶创业。近两年，大家出奇一致的盯上了「 摄像头+人工智能」 的玩法，目的包括提升机器视觉的识别率、完善高精度地图等等。这篇文章，我们就来梳理一下典型的利用「 摄像头+人工智能」 搞事情的大公司、小公司。 在《先别争吵人工智能的未来了，有人已经用它在修路了》文章中，我介绍了 Roadbotics 公司如何用手机摄像头+人工智能算法提升修路效率。 在更早的一篇文章中，我们介绍了一家名为 Lvl5 公司： 曾经在特斯拉负责 Autopilot 项目的两个哥们，离职创业成立了 Lvl5 公司。Lvl5 公司通过和 Uber、Lyft 的车队合作，让司机下载一款 App。这款 App 在拍摄视频的同时，记录 GPS 和手机陀螺仪数据，经过压缩处理后，这些数据被发往云端。Lvl5 公司利用这些数据，完善高精度地图。 Roadbotics 公司和 Lvl5 公司，都通过挖掘手机本身的处理和收集数据的能力，拿到了自己想要的东西。「 智能手机+汽车」 的超低门槛，让人人都能收集道路数据，简直就是人工智能时代的众包计划。 不过 Lvl5 公司更高明一些，因为和 Uber、Lyft 合作保证了由足够稳定的数据来源。如果仅依靠志愿者、普通用户来采集数据，基本不可行。因为这种 App 无疑是耗电大户，手机每次还要挂在挡风玻璃后方，用户新鲜感过去后，就会卸载 App。只有和专门的司机群体展开合作，才会有持续、稳定的视频来源。 在国内，其实也有公司用类似的思路玩摄像头+人工智能，比如我去年采访的国内 ADAS 公司 MINIEYE。 早在 2013 年，MINIEYE 公司和全国各地的车队合作，将车辆拍下来的视频寄回公司，每天一万公里。在拿到这些数据后，MINIEYE 公司通过深度学习来提升车型识别率，如今已经成熟。 以上，只是利用第三方设备的摄像头功能，来实现对前方道路数据的采集，目的是采集道路损坏点、采集高精度地图或用于完善 ADAS 系统。 其实这只是个过渡，最终极的目标还要看「 前装」。 在智能网联汽车时代，车载摄像头可以扫视道路一切情况，汽车本身收集数据的能力比手机强大多了。 特斯拉已经身先士卒，为我们诠释什么才是真正的「 智能网联」 汽车。今年 5 月 7 日，特斯拉在向美国车主推送第二代 Autopilot 的软件更新（版本号 17.17.4）时，希望车主同意车辆拍摄一段小视频并上传至特斯拉服务器。通过这些小视频，特斯拉来提升车辆对车道线、路标和红绿灯的识别能力。 当然，4G 流量消耗也蹭蹭涨… 敢这么干，能这么干的，有且只有特斯拉。其实在供应商层面，大家已经预判到了汽车作为终极移动终端，有强大的数据收集能力。 在 2016 年的 CES 上， Mobileye 发布了基于前置摄像头捕捉道路标识的定位服务 REM（Road Experience Management）。率先提出了利用民用车辆上所搭载的前置摄像头，收集道路标识数据，并辅助高精度地图定位的「众包」模式。 Mobileye 在地图领域内的最终目标，是联合各大车厂、图商一起构建一个覆盖全球的高精度地图体系。 迄今为止，在 REM 技术方面，Mobileye 已经和 Here、日本 Zenrin、大众、宝马等公司达成了合作。 巧合的是，在今年 4 月，博世也发布了自己的「 众包造图」 计划：BRS，即 Bosch Road Signature，合作伙伴包括百度、高德和四维图新，专门针对中国道路环境。 在 BRS 系统中，摄像头负责采集车道线、路牌和减速标识等数据，毫米波雷达负责捕捉隔离栏、电线杆、桥梁等道路基础设施。不同车辆捕捉到的信息将被上传到云端进行叠加和计算，从而生成能够定位的高精度地图层。 简单来说，博世 BRS 算是 Mobileye REM 的加强版，多了毫米波雷达数据。在地图方面，能把百度、高德和四维图新三个同行联合在一起，可见大家对自动驾驶时代的「 众包造图」 理念也是高度认同的。 只有博世这样的 Tier 1 供应商才有能力整合资源，打通一辆车从摄像头、雷达到云端的数据通道。 无论是利用手机还是车载摄像头，「 众包造图」 看似有变革时代之势，但在数据足够多之前，这项新技术并不会给自动驾驶技术带来实质性提升。可能再等十年，你的车都不会成为地图采集工。 出现众包造图的原因，一是手机、车载芯片的性能变得越来强大，足以应付地图采集工作，二是自动驾驶时代需要高精度地图来辅助车辆运行（有了刚需，才催生了供给）。 捋一捋你就会发现，近两年大家基本想到一块了，就是用人工智能+众包的思路来训练算法、完善地图数据。 当然，最为开心的，还是英伟达，因为大家都得买芯片来进行计算。 对了，国内的创业者们，受到启发了吗。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
先别争吵人工智能的未来了，有人已经用它在修路了
美国是车轮子上的国家，不过据说路修得不怎么样，甚至有人直接说美国的公路简直就是一坨屎： 在美国，路坏了修不修取决于损坏程度和居民投诉多少。如果在闹市区路中间有个大坑，那肯定会优先修复。所以在人少的地方，出现坑坑洼洼的路很正常。 于是，一帮从卡耐基梅隆大学毕业的人看不下去了，他们组建了 RoadBotics 公司，打算用人工智能提升修路效率。 对了，卡耐基梅隆大学在自动驾驶、机器人和人工智能等领域研究颇深。 RoadBotics 公司研发了一款手机 App，用户需要把手机架在挡风玻璃后方，利用手机摄像头拍摄前方路况，每秒 30 帧。同时，手机陀螺仪也会记录汽车的颠簸状况。 有了这些视频和陀螺仪数据后，再利用人工智能算法，可以把道路损坏状况分为 5 级。随后用户可以在地图上看到所有的道路损坏程度：从绿色到红色，越靠近红色代表损坏程度越严重。 拿到这些数据的最大用处在于，可以精准判断哪些地方该立马修了（即标记为黄色的路段）。在产生更大破损之前修路，可以节省更多政府资金。 目前，RoadBotics 公司已经收集了部分道路的数据。其实手机+汽车的门槛非常低，完全能以「 众包」 的方式完成数据收集。这就出现了数据归属问题，用户收集到的这些道路数据，属于 RoadBotics 公司还是用户自己？对此，RoadBotics 公司给出了明确答案，说归用户所有。在未经政府批准之前，公司不会以任何形式出售这些数据。 RoadBotics 公司已经和 North Huntington、柏林、东京和墨尔本达成合作，共同推进这一项目。此外，RoadBotics 也和匹兹堡科斯塔交通管理局达成了合作。 一般来说，市政部门有两种办法勘察道路损坏状况：一种是工作人员开个皮卡逛一圈，哪的路坏了就记下来，完全靠个人主观判断。另一种同样是高科技手段，买或租一个带摄像头、激光雷达等传感器的专用设备去路上跑，由机器记录数据。 相比之下，RoadBotics 公司的手机+汽车的模式成本就低了很多。这种模式的精髓在于，当数据足够多，道路数据足够准确后，可以在道路产生更大破损前及时修复，避免更大损失。公司能不能赚钱，就看政府买不买单了。 用高科技手段解决城市道路修复问题，已经有城市付诸于实践了。堪萨斯城正在和数据公司 Xaqt 合作， 通过「 智慧城市计划」 预测道路是不是会产生更大破损，他们考虑的因素包括降水、温度变化、交通流量、通勤车辆类型等等。 堪萨斯城相关负责人介绍，他们将 2003-2012 年收集到的数据载入系统后，测算出来的数据准确度为 76%。目前，他们计划继续推进这项计划，将预测准确率提升至 95%，识别出半径在 5-10 英尺范围内的坑洼地带。 除了用数据提升修路效率，还有人从「 材料」 入手，研发了新型的「 磁性沥青」 可以自动修复裂缝。具体办法就是在沥青路面的裂缝中放入一种细菌，然后这些细菌就会产生碳酸钙填满裂缝。 回到我们前面说的 RoadBotics 这家公司，这家公司的出现，得益于「 外部环境」 的成熟，即手机有了更强大的摄像头、更快处理器和更大存储空间，这是一家典型的数据驱动型公司，数据越多越值钱。 接下来，就是号召大家装 App 了… 通过摄像头观察汽车前方路况，和奔驰的魔术车身原理类似。奔驰的魔术车身通过车载摄像头，观察前方路况，在遇到颠簸之前自动调节悬挂的软硬程度，保证车内成员的舒适性。 国内的创业者们，人人都有的手机摄像头+时下最火的人工智能，受到启发了吗？ 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
福特 CTO：自动驾驶之外，福特已组建机器人和人工智能研发团队
(编译自 medium) 近日，福特汽车公司研发与高级工程部门副总裁兼首席技术官 Ken Washington 在 Medium 撰文讲述了福特对未来的构想, 并介绍了其机器人和人工智能研究团队。 GeekCar 原文翻译如下： 如今，自动驾驶正吸引越来越多的目光和关注。但是，除此之外，计算机的计算能力以及传感技术还将以其他方式重塑交通行业。例如，机器人和人工智能在未来 5 到 10 年内对我们的出行方式就将产生不可估量的影响。 作为福特研究与前瞻工程部门副总裁兼首席技术官，我可以告诉你们，现在在前瞻工程领域正发生着很多事情。我们必须对最重要的东西保持清醒的意识，只有这样才能实现我们改变人们出行方式的梦想。正因如此，福特才宣布在研究与高级工程部门里组建机器人和人工智能研究团队。 机器人和人工智能研究团队整合了不同的学科，其主要任务是评估新的传感技术、机器学习方法，进入全球市场的技术要求，个人移动设备的发展，无人机以及其他空中机器人。团队的成立还将推动一些其他项目的进展，如自动驾驶。 之所以能够组建这个团队是因为福特与 Argo AI 建立了合作关系，为其第一代自动驾驶汽车项目研发虚拟司机系统（包括计算机平台、传感器和算法），这样福特自身就能抽身出来更好地投入到机器人和人工智能的领域里来。并且，这一领域里研发工作的进展将加速自动驾驶的到来。 目前，团队手头上已经有很多工作都在做了。在 Argo AI 负责为自动驾驶汽车的量产开发虚拟司机系统的情况下，机器人和人工智能研究团队可以更多地把精力集中在传感技术、深度学习等人工智能领域，而不影响汽车正常的生产计划。 自动驾驶将改变社会，但自动化和人工智能并不仅仅局限于汽车，而是同样可以运用到其他领域。现在，我们已经开始在制造业和物流业使用机器人了，对于能够帮助人类完成某些困难任务的协作机器人也一直保持着关注。在我们的全球数据和分析团队对销售、市场和财务的支持中，人工智能也扮演着重要的角色。所以，机器人和人工智能研究团队有望在未来帮助大家更好的做出决策，并给大家带来个性化的体验。 福特曾投资和收购了一些创业公司，或是与一些创业公司建立了合作关系，机器人和人工智能研究团队将与这些公司继续保持联系，因为他们在先进的传感器、深度学习、应用机器人等方面展示出了极大的潜能，促进双方的交流与合作对福特来说非常重要。例如，与 Nirenberg Neuroscience、Civil Maps、SAIPS 的深度合作就在可用于未来的技术上取得了不错的进展。 此外，机器人和人工智能研究团队还将与包括密歇根大学、斯坦福大学、麻省理工大学、弗吉尼亚理工学院、普渡大学、德克萨斯州 A＆M 大学、佐治亚理工学院等在内的多所大学开展交流与合作，这将使福特与这一领域的最新技术及前沿动态保持同步。 机器人和人工智能研究团队的成立是福特在自动化道路上的又一步伐。作为第一家参与 DARPA 挑战赛的汽车厂商，福特早就意识到了汽车自动化水平的提高可以提升汽车的安全性。未来，福特将在自动化上发力，努力成为未来的参与者而非旁观者。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
专访商汤科技 CEO 徐立：这家用 GPU 做深度学习算法的公司，能在自动驾驶领域弯道超车吗？
你玩过 Face U 吗？大眼瘦脸滤镜美颜无所不能；选择喜欢的贴纸，对着镜头卖个萌，大叔都能变成少女。 如果你是个鄙视美颜自拍的直男，那你可能用过招行或者其他金融机构的一些金融产品，你需要拿着身份证拍一张照片，传到后台等待审核。 而无论是 Face U 的「 造骗」 还是身份证审核，都是通过商汤科技的人脸检测和跟踪技术实现的。 商汤科技是一家主要做视觉识别和深度学习算法的本土 AI 公司，他们的技术已经应用在金融、商业、安防、和一些互联网产品上。就在今年，商汤也开始在自动驾驶领域开始布局，在 2 周前的 GTC 大会上，商汤的徐立博士和颜深根博士还做了演讲。一家用 GPU 做深度学习的公司在自动驾驶领域有何布局？我们在 GTC 现场采访了商汤的 CEO 徐立博士 (以下是采访整理，X 代表徐立博士，G 代表 GeekCar）。 G：请您谈一下商汤在汽车行业中可以提供的技术，以及在汽车供应链中的地位。 X：商汤在做的很多事情和视觉相关，但不限于视觉方面。在汽车中，我们可以提供基础的视觉模块。我们认为，视觉输入是未来无人驾驶的关键之一，当然还会有其他传感器。多源头数据的融合本身就是是深度学习的重要部分。行业内目前还没有成熟的多模态的深度学习框架，怎么把各种数据进行融合做一些深度学习训练，还是一个开放性的问题。我们也在做一些多模态的框架，这是商汤在底层框架上做的突破。如何把视频、语音、图像，甚至雷达、传感器收集到的不同数据融合在一个框架，是很重要的一件事情。其次，在视觉方面，我们总结出了大概 20 多个视觉算法模块，从前端的相机，到相机成像、标定，背后的识别、理解、场景化，再到最后的路径规划，都包含在内。这些模块可以嵌在现有的 ADAS 系统里 ，也可以为未来的辅助驾驶、自动驾驶提供核心的技术支撑。 G：商汤和英伟达除了芯片的合作，还有什么其他合作吗？ X：我们和英伟达的合作更多是生态链的合作。他们在 GTC 上宣布商汤是其平台战略合作伙伴，因为我们可以在他们的底层架构上搭建应用，甚至是深度学习操作系统，这样的模式搭建的深度学习系统可以辐射到下游，如安防企业或者互联网企业，可能因为选择我们的方案而改为使用 GPU。英伟达推出新产品时，也会第一时间跟我们对接。 G：您刚才提到，和 NVDIA 的合作可能会向下辐射，带动更多人使用英伟达的产品。这种情况在汽车行业会发生吗？汽车行业是个比较特殊的行业，商汤现在有哪些汽车 oem 合作伙伴？ X: 我们有汽车 OEM 合作伙伴，国内、国际 OEM 都有。不过，大部分 OEM 还是有自己特殊考虑的。汽车是个封闭性的环境，对准确率有很高的要求。深度学习是个黑盒子，OEM 担心安全问题，会更慎重的选择方案。目前 AI 在汽车行业有市场，但无人车上路还很远。比如数据收集就是一个很大的问题，不同地方训练的场景并不是普遍适用的，所以深度学习系统在适配和数据反馈上还有很长的路要走。我个人认为，OEM 在某种程度上会进行自己的核心研发，或者和有能力的公司合作研发，共享 DEMO。 G：商汤在汽车领域有什么计划？ X：商汤有自己的平台和核心技术，可以帮助厂商打造自己的系统。我们可以把深度学习平台提供给合作伙伴，让他们用收集到的数据建立自己的应用。 G：未来 NVIDIA 架构的算法能力会越来越优化，他们会不会直接找 OEM 合作从而挤压算法公司的生存空间？ X：NVIDIA 是直接提供整套产品的，如直接给到车厂的 Drive PX 2。我们给车厂的是 GPU 集群，可以让他们搭建基于 GPU 的系统，并利用自己的数据做一些预测，和英伟达直接提供这样的模块不同。当然我们提供的方案也是要符合车规的。 G：汽车场景中，商汤的视觉识别技术和传统 ADAS 公司的深度学习有什么区别？ X：在汽车中，我们涉及 3 个部分：传统 ADAS 模块、DMS 系统和强化学习。DMS 是针对司机、乘客、后排乘客的算法。在无人驾驶场景中，对后排乘客进行预警也是很有必要的。而强化学习，可以进行路径规划。Mobileye 以前是用传统算法做，近两年也开始用深度学习算法，性能大幅度提升。如果算法还有大的突破，现有格局可能被颠覆。我们认为，深度学习底层网络若有颠覆式创新，行业将有洗牌。所以，我们只做算法优化和结构创新，至于数据，则是选择和 OEM 合作。在我们看来，想要做垂直领域必须要具备行业要素。汽车行业门槛比较高，要么有强大的地图数据，要么对车和司机有控制，否则很难真正推出一款实用的产品。我认为，目前具备这两方面能力的是 Uber、Google、博世以及一些 OEM，他们能真正把自动驾驶产品落地。其他互联网公司造车可能并不具备核心要素。 在徐立看来，中国市场 AI 需求大，会有很多企业做，但也不乏复制现有者。商汤有自己的深度学习平台，搭建的神经网络多达 1207 层，是目前最深的神经网络，也是目前公开的最好的结果。 在数据共享层面，徐立认为，AI 开放是趋势，但需要更多机构或公司去贡献数据，而不仅仅是享用。目前的平台可能是单向输出，车厂用了但反馈后的数据不会共享出来，单向输出可能不长久。 商汤的核心技术包括 SensePose、SenseFace、SenseVideo、SensePhoto 以及 SenseAR。其中，SenseVideo 系统可以进行行人检测、车辆检测、车辆分类等技术；而今年 GTC 上首次亮相的 SensePose 能通过单目摄像头进行动作估计，可以捕捉人体关节的 3D 图像。这两项技术都是基于商汤的视觉处理能力和深度学习神经网络进行的，可以应用在自动驾驶场景中。不过，当我们问到徐立对于深度学习、监督学习和强化学习的看法时，他并未做出回答，想必他们利用深度学习网络做路径规划也是处于起步阶段。 我们知道，自动驾驶的实现需要算法、硬件以及数据的结合。纵观行业内，国内的地平线一直深耕于深度学习算法，Mobileye 近两年也开始发力深度学习。商汤有英伟达强大的硬件支持，还有 OEM 合作伙伴共享数据，虽然进入汽车领域不久，不过如果他们的深度学习网络算法有颠覆式创新，在自动驾驶领域实现弯道超车也不是不可能。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
「活动总结」地平线：自动驾驶时代的数据怎么处理？
看过 GeekCar 文章的同学应该知道，自动驾驶离不开感知、地图、决策以及控制这四个环节，而这四个环节依靠人工智能的深度学习才能更有效的实现。 在感知环节，既需要高精度地图定位，也需要摄像头、激光雷达等传感器捕捉环境数据，而通过深度学习则能更有效的识别、分析传感器画面。在决策和控制环节，机器在不同路况环境下模拟人的行为，深度学习可以帮助它优化决策。这其实就类似于人的大脑，而我们以前报道过的英伟达 DRIVE PX 2 正是在扮演这样一个角色。 但实际上，除了英伟达之外，国内有一家创业公司——地平线机器人公司（Horizon Robotics, Inc），也在做深度学习。这家由 200 多位工程师组成的创业公司，成立两年来，一直深耕于深度学习算法，并且从最底端技术研发开始，搭建自己的架构 IP。他们想做的是软件、算法、硬件一体的自动驾驶解决方案。 在刚刚过去的上海车展上，我们将地平线的余轶南博士请到 GeekCar 主办的人工智能论坛，和我们分享了地平线在自动驾驶中应用的深度学习算法。 汽车有强大的能源和空间，不只要对外部环境进行感知，还要对内部驾驶意愿进行交互，可以说汽车是 AI 机器人的载体。 地平线提供的是嵌入式人工智能解决方案，将 AI 同自动驾驶结合。他们的「 汽车大脑」 包括算法软件架构、芯片的编译器和运行时间库以及硬件，还有模拟训练后台支撑前端的业务和技术，所以可以执行包括感知、定位、语义环境重建以及运动预估在内的全站式工作。 余博士提出，他们设计这套算法有三个目标： 1. 神经网络可以被用户理解。 神经网络由于包含隐层，经常被人理解成黑盒子，如何理解神经网络成为关键。地平线现在在做的贝叶斯网络（Bayes Networks），是神经网络中和控制决策相关的技术。通过深度学习，摄像头、激光雷达、毫米波雷达对汽车周围环境进行感知收集数据，然后进行环境重建及运动预估，最后通过贝叶斯网络做决策，给出路径规划。 现在主流公司会使用深度学习加强化学习，做「 端到端（end-to-end）」 训练，从传感器的输入直接导出控制器的输出，这使得深度学习缺乏透明性。你能看到输入层和输出层的数据和决策，但不知道输入的数据运用什么样的算法形成输出层的决策。如果输出了错误的决策导致驾驶事故，你甚至不知道为什么会出事故，这样一来，再多的数据积累都没有意义。而且，端到端的训练仅仅依靠相关性推理，推出的结果有一定的盲目性，运用在驾驶中可能导致严重后果。 地平线在收集到感知数据后，会进行人工标注，配合激光雷达、 毫米波雷达进行三维标注，区分出车道、行人、周围车辆，然后建立 3D 仿真模型，进行模拟训练，还会做出运动估计。这些模块会单独做端到端的学习，而神经网络会把各个模块串起来，形成一个整体网络。这其中还可以加入专家模块，形成冗余路径，能增加输出的可靠性。同时，贝叶斯网络采用因果推理，使整个系统更加通透。你能够分析决策的过程，就能找出导致错误决策的原因然后修改。 2. 系统可以自适应学习。 汽车每天面临着各种各样的驾驶环境，很难在一开始收集庞大数据库去训练各个模块，所以需要在不停变化的环境中不断学习，既要学习人类的驾驶行为，还要进行仿真训练。不正确的驾驶行为导致一些后果之后，地平线会利用其收集到的大量数据在云端进行控制，让汽车更加 smart，避免再出现同类型事故。同时，他们不只要让车「 被训练」，还要车内系统能够自适应学习。 对自动驾驶来说，足够强大的前端做实时的强化学习以及强大的后台保证系统的学习，很重要。 3. 算法和硬件平台相互迭代优化，使计算平台更加高效、节能。 地平线认为芯片在自动驾驶中占据很重要的地位。之前他们的神经网络都是在 GPU 跑浮点模型，不过功耗非常大。所以，他们在神经网络结构稀疏化上做了很多努力，希望「 在未来若干年，不增加计算量或在小功耗环境下，可以有更强大的计算能力和更好的效果。」 在年初的 CES 上，地平线和 Intel 联合推出 ADAS 系统。这套系统做了神经网络并联化和稀疏化，能耗低、运行快，能同时对车辆、行人、车道线和可行驶区域进行实时检测和识别，还能进行高密度的环境检测。他们曾在宇宙中心五道口进行过路测，利用他们的算法能准确的识别行人、汽车、街道、建筑、树木和标志。 和计算机视觉不同，做自动驾驶的关键在于获得结构化场景，而且还要对汽车的应用学模型、动力学模型、定位有所了解。余博士表示，一直在做计算机视觉的他，转做自动驾驶有点「 水土不服」。不过经过努力，地平线结合了车辆运动系统、语义感知，实现环境结构化，还能重建场景，使汽车运行更加游刃有余。并且算法优化可以直接在场景语义结构化中实现。 最后，余博士也表示平常机器训练更多用 GPU，前端 inference 会使用嵌入式结构。他们自己打造了低功耗的深度处理器 IP－－ BPU（Brain Processor Unit），它将会有三代架构，分别是高斯架构、伯努利架构和贝叶斯架构。目前第一代架构已用于和 Intel 联合打造的 ADAS 系统，第二、三代架构正在研发中。 此前我们也报道过，地平线在上海安亭成立了研发中心，这将方便地平线进行自动驾驶技术的测试，加快研发进度，而且安亭的地理位置更有利于地平线和客户进行接洽，让技术更快落地，实现商品化。 在自动驾驶时代，汽车将成为一个移动数据中心，数据的计算、处理能力将尤为重要。深度学习网络隐层、系统自适应学习以及降低计算功耗是地平线的深度学习算法的目标，也是当前自动驾驶研发亟需解决的问题。 目前，自动驾驶巨头在中国的数据积累几乎为空白，针对中国驾驶场景的算法优化也没有明显的优势，地平线可能也正是看中了这一点，所以一直深耕深度学习算法。不过，他们能不能在巨头进入、瓜分中国市场前积累优势，还要看他们的产品落地和数据积累情况。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
VOL.177：人工智能是如何影响自动驾驶的？
网易云音乐搜索歌单：GeekCar 叨逼叨 BGM。每期节目的背景音乐都能一次听到啦！还有，我们周四周日更新啊！记住了吗？！ 前几天，缺席了几期节目的大尧刚刚从 CES 回来。虽然非常疲惫，但他还是坚持爬起来给大家带来这样一期节目~（此处应有一阵热烈的掌声！）在上一期节目里，我们的 CES 小分队里的两名成员，和我们一起聊了聊他们去看展之后的一些见闻和想法，以及对于汽车科技领域的一些新认识。今天，我们就抛开展会本身，来说说关于我们都很感兴趣的自动驾驶的新进展。 很多小伙伴儿或许都已经知道了，自动驾驶的到来，势必和人工智能，也就是你常听到的 AI 技术分不开。但是究竟人工智能是怎样影响自动驾驶的实现的？并且自动驾驶中所用到的人工智能技术，和我们平时看到的阿尔法狗有什么不同？在自动驾驶实现的过程中，需要人工智能如何配合？又需要多长时间才能达到完美的契合？今天，让我们来好好和你们一起聊聊这个略费脑的问题。 好啦，听节目记得点赞打赏和评论哦！憋忘啦！最后我要再说一遍~我们爱你！❤ 本期人物介绍： 大尧——GeekCar 最具洞察力的运营官。北京土著外加 UK 留学背景，专业性极强又超接地气，一个能顶俩！记住：跟他聊什么都行，但就是千万别提吃饭的事儿，谁提谁 S*B！ 大白——GeekCar 最没节操的内容官。这是一只活生生的段子手，热爱科技但绝不乏味，五大三粗还常常害羞脸红。记住：千万别跟他聊天，小心你的节操被他说没了，这你找谁说理儿去！ 刘能叔叔——GeekCar 最不正经的铲屎官。虽然是个妹子，但非得给自己起个叔叔的艺名儿，而且自打公司来了三位猫爷，就变成了专注的铲屎官。记住：惹她可以，别说猫不好！别说！ GeekCar 有话说： GeekCar 叨逼叨是我们一次新的尝试，有任何意见和建议都可以直接留言告诉我们！你也可以表达你的观点你的态度，让你的声音也出现在我们的节目当中~欢迎吐槽欢迎么么哒~
汽车也能拥有情感？本田说他们的 NeuV 概念车可以
本田最近发布了一款概念车的官图，这款概念车将在明年 1 月份的 CES 展会上正式亮相。本田将它命名为「NeuV」。 这辆车主要为城市上班族打造，采用了一套纯电动的动力系统，此外还配备了自动驾驶功能。 NeuV 最大的亮点就在于，整车内部包含了一套叫作「 情感引擎」 的人工智能系统，根据本田的描述，这台情感引擎可以让汽车拥有自己的情绪。通过情感引擎，车载系统助手可以计算整车续航里程并且在合适的时候通知用户。此外，用户在驾驶 NeuV 进行超车变道时，情感引擎还将分析出用户驾驶行为是否会激怒路上的其他司机。 其实本田在造车的同时，一直也在人工智能领域慢慢耕耘。早在 2000 年，本田就曾推出过第一版的「ASIMO」 机器人。如今，最新款的 ASIMO 机器人已经拥有视觉和听觉的整合能力，还可以自己跑步前往充电站。 而这一次通过 NeuV 概念车上的情感引擎，我们也能看出，本田其实早就计划好将人工智能技术运用到汽车上。未来，本田还希望与其他科技公司合作，将人工智能系统与汽车进行一个更紧密的结合。 在 CES 上，GeekCar 也会现场看看这辆车，到时候再带来更详细的报道。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
「GeekCar Weekly」你躲不过人工智能
过去的这一周，对人类来说意义非凡。很多人在这一周里陷入恐慌以及对未来的极度担忧中。围棋九段李世石面对 AlphaGo 连输三局，大伙儿本来以为第四局李世石仍然会输，但是结果相反，这反而更加重了阴谋论患者的病情：这机器人绝对是故意输的，太可怕了。 这周，朋友圈、媒体的话题基本上都是这场围棋赛，以及由此展开的对人工智能的讨论。不管结果谁输谁赢，AI 这次是给自己做了个大广告，也让很多原本不太熟悉人工智能的人，有了初步的科普认知。 AlphaGo 火了一周，结果是那些原本应该上头条的消息，或多或少都被围棋大战抢走了风头。就拿汽车圈来说，要是没有 AlphaGo，好多事本来应该更火的。 受影响最小的应该是互联网造车团队智车优行发布奇点汽车的事。他们在北京开发布会展示了自己的功能样车，而且是一辆能开的车，而且是一辆用了鸥翼门的能开的车。他们的造车思路也挺有意思：和众多的供应商、合作伙伴合作，比如三电系统和日本 GLM 合作，屏幕和夏普合作，核心是自己做的人机交互系统。让人意外的是，在北京发布会的同时，他们在上海也展示了一辆车，采用对开门设计。从默默潜行到如今的高调发布，智车优行完成了一个阶段性工作。在媒体几乎一边倒的好评声里，接下来他们该挑战更困难的事了。 另一家不为人知的初创公司——威马汽车也在这周被曝光出来，他们也造车，CEO 是原来沃尔沃、博泰的沈晖。关于他们的信息，我们现在就说这么多，静静等待他们主动发声就好。从目前的迹象来看，这不是一个简单的团队。 因为这两件事，让互联网造车这个话题又开始被广泛讨论。但是在传统汽车领域，这周大家讨论更多的还是宝马的百年庆典。如果看了庆典的视频，你会被他们舞台的光影效果震撼，比我国的春晚不知高到哪里去。至少面子上，这个生日没谁了。另外他们发布的那辆 VISION NEXT 100 概念车，也成了那几天讨论的热点。总之，祝宝马老爷爷生日快乐，不过人家可是 100 岁的人，20 岁的心。 关于自动驾驶，这周的新闻也不少。那个破解过 iPhone 的黑客 Geohot 为了更好的研发自动驾驶技术，成立了一家名为 Comma 的公司，并且引来德尔福和英伟达的关注。同样是自动驾驶初创公司，Cruise Automation 在这两天被通用以 10 亿美金的价码收购。三年时间，从 0 到 10 亿美元，这个故事估计会让不少人心潮澎湃了，在国内做类似的创业没问题，但关键是，怎么把技术做到极致。 那个承载了很多人梦想的众泰，也说要做无人驾驶了。他们和南京理工大学达成合作，将要进行信息融合技术和传感器技术的研发，而这些正是无人驾驶的必要条件。莫非以后能不能实现无人驾驶梦，也要看众泰的脸色了？ 其实这又说回到人工智能了。就在很多人讨论 AlphaGo 的时候，也同时提到了自动驾驶、无人驾驶的问题。未来，人工智能会从各个角度渗透进我们的生活，在交通出行领域，也一定避免不了。没必要担心机器会反过来控制人类，罗振宇说的对，科技的本质，从来都是人的延伸。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。