在智能汽車(chē)自動(dòng)駕駛領(lǐng)域 智能感知在落地時(shí)需要應(yīng)對(duì)不少挑戰(zhàn)

12月6-8日，為期三天的“2019世界創(chuàng)新者年會(huì)”在北京順利舉辦。本次大會(huì)由中國(guó)企業(yè)聯(lián)合會(huì)指導(dǎo)，由億歐·EqualOcean、工業(yè)和信息化科技成果轉(zhuǎn)化聯(lián)盟聯(lián)合主辦，本次大會(huì)以“科創(chuàng)4.0：共建全球化新未來(lái)””為主題，集結(jié)了來(lái)自美國(guó)、英國(guó)、印度、新加坡、印尼、尼日利亞、巴西、日本、以色列等十余個(gè)國(guó)家或地區(qū)的6000名創(chuàng)新者，總結(jié)2019年世界科技與產(chǎn)業(yè)創(chuàng)新的成果，預(yù)測(cè)2020年最新創(chuàng)新

其中，“科學(xué)企業(yè)家”論壇邀請(qǐng)了華為諾亞方舟實(shí)驗(yàn)室計(jì)算視覺(jué)首席科學(xué)家田奇教授、小鵬汽車(chē)首席科學(xué)家郭彥東博士、氪信科技創(chuàng)始人兼CEO朱明杰博士、文安智能創(chuàng)始人陶海教授、魔琺科技創(chuàng)始人兼CEO柴金祥教授、MINIEYE創(chuàng)始人兼CEO劉國(guó)清博士、聯(lián)想創(chuàng)投董事總經(jīng)理王光熙、達(dá)觀數(shù)據(jù)創(chuàng)始人兼CEO陳運(yùn)文博士、踏歌智行創(chuàng)始人兼首席科學(xué)家余貴珍教授，共同探討和分享作為科學(xué)家創(chuàng)業(yè)者在創(chuàng)業(yè)路上的收獲與感悟，探索科學(xué)技術(shù)與商業(yè)化的結(jié)合機(jī)會(huì)，助推產(chǎn)學(xué)研領(lǐng)域協(xié)同發(fā)展。

其中，小鵬汽車(chē)首席科學(xué)家郭彥東在大會(huì)發(fā)表題為《智能感知的車(chē)載量產(chǎn)之路》的演講，他認(rèn)為：

1、近年來(lái)，基于深度學(xué)習(xí)，人工智能在諸多領(lǐng)域中都取得了突破性的進(jìn)展。但是自動(dòng)駕駛技術(shù)在量產(chǎn)落地實(shí)際應(yīng)用中有遇到長(zhǎng)尾效應(yīng)的挑戰(zhàn)。需要“科學(xué)企業(yè)家”，利用有限的資源，高效的并有優(yōu)先級(jí)的解決可能有 “無(wú)限多種”現(xiàn)實(shí)場(chǎng)景的實(shí)際問(wèn)題。

2、自動(dòng)駕駛技術(shù)落地離不開(kāi)算法、數(shù)據(jù)、與硬件平臺(tái)。在“源動(dòng)力”數(shù)據(jù)方面，為了兼顧數(shù)據(jù)量，場(chǎng)景覆蓋度，成本，以及真實(shí)度，小鵬汽車(chē)有機(jī)整合了公開(kāi)的互聯(lián)網(wǎng)大數(shù)據(jù)、仿真數(shù)據(jù)、測(cè)試車(chē)隊(duì)數(shù)據(jù)以及本土真實(shí)用戶的脫敏數(shù)據(jù)形成閉環(huán)；并合理構(gòu)建知識(shí)圖譜。

3、就自動(dòng)駕駛技術(shù)落地路徑而言，其基礎(chǔ)是感知，核心是人機(jī)交互，難點(diǎn)是駕駛主體的切換?！翱茖W(xué)企業(yè)家”不僅需要推動(dòng)新技術(shù)落地，也需要從落地中提煉新問(wèn)題。

4、在將人工智能落地到現(xiàn)實(shí)場(chǎng)景中時(shí)，不僅需要量產(chǎn)為先，快速高效進(jìn)行新功能落地，更需要通過(guò)新功能推動(dòng)安全駕駛?！翱茖W(xué)企業(yè)家”需要通過(guò)量產(chǎn)正向影響社會(huì)駕駛習(xí)慣。

以下為演講實(shí)錄（有刪改）：

今天演講的內(nèi)容更多集中在智能汽車(chē)自動(dòng)駕駛領(lǐng)域，比如智能感知在落地時(shí)需要應(yīng)對(duì)哪些挑戰(zhàn)。

首先簡(jiǎn)單回顧一下，為什么人工智能這些年這么受關(guān)注？我列了幾個(gè)事件，2014年，在人臉識(shí)別的一個(gè)被廣泛認(rèn)可的任務(wù)（Labeled Faces in the Wild，（LFW））上，F(xiàn)acebook等公司的視覺(jué)模型首次超過(guò)了人類的表現(xiàn)；2015年，微軟研究院研發(fā)的神經(jīng)網(wǎng)絡(luò)在通用圖像分類的經(jīng)典任務(wù)ImageNet上超越了人類的表現(xiàn)； 2016年，谷歌人工智能在下圍棋的時(shí)候擊敗人類；同年，微軟的深度學(xué)習(xí)模型在對(duì)話語(yǔ)音識(shí)別方面首次達(dá)到了人類的水平。

人工智能已經(jīng)在這么多特定領(lǐng)域表現(xiàn)得比人更好了，為什么車(chē)不能讓機(jī)器去開(kāi)，為什么人工智能落地還有很多挑戰(zhàn)？這是我今天和大家分享的重點(diǎn)。

其實(shí)人工智能之所以能這么好的表現(xiàn)，主要來(lái)自于深度學(xué)習(xí)技術(shù)，大量的訓(xùn)練數(shù)據(jù)，以及高速并行運(yùn)算硬件的發(fā)展。但是，如果計(jì)算機(jī)面對(duì)一個(gè)沒(méi)有見(jiàn)過(guò)的不同的場(chǎng)景時(shí)，他在認(rèn)知方面的推廣能力常常遜于人類。以上這些人工智能超越人類的表現(xiàn)的特定任務(wù)中，測(cè)試用例往往是有限的。比如在人臉識(shí)別領(lǐng)域長(zhǎng)期被廣泛使用的LFW Verification Set，只有6000對(duì)圖像做比對(duì)。從多樣性跟真實(shí)性來(lái)說(shuō)，跟很多工業(yè)中的實(shí)際挑戰(zhàn)有一定的差距。比如在智能座艙中的人臉識(shí)別問(wèn)題，在成像波段，遮擋的嚴(yán)重性，極限光照，奇怪姿勢(shì)，極限曝光等等方面都會(huì)有新的挑戰(zhàn)，遠(yuǎn)遠(yuǎn)超出了LFW中的測(cè)試情況。這也是為什么現(xiàn)在有越來(lái)越多的新的測(cè)試任務(wù)被設(shè)計(jì)、發(fā)表，而定義針對(duì)指定應(yīng)用的測(cè)試集合非常有必要。

再繼續(xù)討論自動(dòng)駕駛中科研探索與量產(chǎn)落地的狀態(tài)有多大的區(qū)別。幾十年前美國(guó)的LIFE雜志就有一篇文章暢想道，通過(guò)車(chē)路協(xié)同技術(shù)和自動(dòng)駕駛技術(shù)，車(chē)就不需要司機(jī)了。早在2005年、2007年的第二、第三次Darpa挑戰(zhàn)賽上，就已經(jīng)有多個(gè)車(chē)隊(duì)可以完成Darpa設(shè)計(jì)的任務(wù)。然而，在現(xiàn)在頭部企業(yè)的量產(chǎn)車(chē)，仍然停留在輔助駕駛階段，要求司機(jī)用手抓著方向盤(pán)，如果司機(jī)手不抓方向盤(pán)就會(huì)從自動(dòng)駕駛當(dāng)中退出來(lái)，所以很多人在方向盤(pán)上面加個(gè)橘子等物品，就可以騙過(guò)車(chē)輛實(shí)現(xiàn)脫手。從上面三個(gè)側(cè)面，我們看到在文學(xué)作品的暢想，科研探索，以及量產(chǎn)落地上，自動(dòng)駕駛的形態(tài)有很大的不同。原因也是在于在科研探索上，對(duì)于成本，可覆蓋場(chǎng)景，耐久，或者是美觀上，與量產(chǎn)落地的考量都有不同。

就自動(dòng)駕駛需要應(yīng)對(duì)的場(chǎng)景多樣性方面，我再來(lái)舉幾個(gè)例子。第一個(gè)圖片是一臺(tái)加州的油罐車(chē)。因?yàn)樘鞖夂芎茫凸捃?chē)表面光滑，就有很多其他汽車(chē)的倒影，如果使用單目視覺(jué)技術(shù)而不做傳感器融合或者立體視覺(jué)的話，就很容易有一些誤識(shí)別是非常危險(xiǎn)的；第二個(gè)是某個(gè)頭部企業(yè)把一臺(tái)貨運(yùn)車(chē)識(shí)別成了云彩，發(fā)生了慘案；最邊上的是美國(guó)農(nóng)村拍的行人照片，因?yàn)樾腥舜┝撕芷婀值姆b，造成有些識(shí)別技術(shù)有障礙，因?yàn)閺膩?lái)沒(méi)有見(jiàn)過(guò)這樣的訓(xùn)練樣本。阻礙人工智能賦能自動(dòng)駕駛困難和挑戰(zhàn)來(lái)自于長(zhǎng)尾分布，每一種情況發(fā)生的事件數(shù)量很少，但是事件種類卻非常多，這樣就給人工智能落地帶來(lái)了最大的挑戰(zhàn)。

除此之外，中國(guó)本土化的場(chǎng)景跟自動(dòng)駕駛技術(shù)主要起源的美國(guó)本地場(chǎng)景會(huì)有很多不同，例子包括一些特殊極端的天氣狀況、城市內(nèi)的人車(chē)混流、駕駛習(xí)慣包括但不限于遠(yuǎn)光燈的使用等。另外一個(gè)例子是交通牌。中國(guó)的交通牌安裝、擺放方式跟美國(guó)有很多不同。此外，交通牌的內(nèi)容、形狀也有不同的地方。中文的交通牌，需要中文的OCR模型來(lái)識(shí)別。為了應(yīng)對(duì)這些挑戰(zhàn)，我們?cè)O(shè)計(jì)了能夠識(shí)別所有中國(guó)國(guó)家標(biāo)準(zhǔn)定義的交通標(biāo)志的模型，巧妙的把多種類型的模型（分類，識(shí)別等）融合在一個(gè)完整的框架中去。這個(gè)跟很多學(xué)術(shù)研討里選擇一些特定種類的交通標(biāo)志來(lái)識(shí)別有很大的不同，難度也上了一個(gè)臺(tái)階。

正式因?yàn)橐陨咸魬?zhàn)的存在，我們把自動(dòng)駕駛分了級(jí)，從L0級(jí)到L5級(jí)。很多人也都知道L0到L3級(jí)的時(shí)候都需要人，L3雖然可以解放雙手解放雙腳，但還需要把注意力集中在路面，只有L4級(jí)人才可以不看路面，駕駛的主體從人切換到車(chē)。近期，量產(chǎn)L3普遍進(jìn)入了攻堅(jiān)階段，并且能夠通過(guò)L3的部署，大量得到用戶使用反饋，拓寬使用場(chǎng)景數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)閉環(huán)。這也是技術(shù)到量產(chǎn)的必由之路，分階段實(shí)現(xiàn)，最后達(dá)成目標(biāo)。

為了應(yīng)對(duì)以上挑戰(zhàn)，，兼顧數(shù)據(jù)量，場(chǎng)景覆蓋度，成本，以及真實(shí)度，我在小鵬汽車(chē)有機(jī)整合了公開(kāi)的互聯(lián)網(wǎng)大數(shù)據(jù)、仿真數(shù)據(jù)、測(cè)試車(chē)隊(duì)數(shù)據(jù)以及本土真實(shí)用戶的脫敏數(shù)據(jù)；并合理構(gòu)建知識(shí)圖譜。第一，互聯(lián)網(wǎng)大數(shù)據(jù)，最近20年人類在努力把所有事情都數(shù)字化，都放在互聯(lián)網(wǎng)上，互聯(lián)網(wǎng)本身就提供了大量數(shù)據(jù)；第二，仿真數(shù)據(jù)；第三，自有測(cè)試車(chē)隊(duì)數(shù)據(jù)；第四，本土用戶的脫敏數(shù)據(jù)形成閉環(huán)。

我們?cè)诜抡鏀?shù)據(jù)生成這個(gè)方向上做了很多的努力。第一個(gè)例子是為了DMS（駕駛員分神預(yù)警系統(tǒng)）生成訓(xùn)練數(shù)據(jù)。因?yàn)轳{駛員注意力識(shí)別中很重要的一個(gè)模塊就是從人臉圖像/視頻中估計(jì)人的頭部姿態(tài)（另一個(gè)是眼球方向）。然而，在采集頭部姿態(tài)的訓(xùn)練數(shù)據(jù)時(shí)，我們很難要求被采集人很精確的把腦袋轉(zhuǎn)到某一個(gè)指定的角度。我們通過(guò)視覺(jué)生成技術(shù)（3D reconstrucTIon + GAN），可以從一張人臉圖片出發(fā)，精確的生成多個(gè)特定頭部姿態(tài)的人臉圖像，從而得到大量的訓(xùn)練數(shù)據(jù)。此外，仿真數(shù)據(jù)的生成還包括一個(gè)相對(duì)比較新的技術(shù)就是跨模態(tài)數(shù)據(jù)生成。為了讓智能駕艙功能在不同的光照條件下都可用，需要采集大量近紅外的圖像做訓(xùn)練。但是近紅外外采集成本比較大，因此我們可以通過(guò)一些技術(shù)，把更常見(jiàn)的RGB圖象轉(zhuǎn)化為近紅外的圖像來(lái)低成本的獲得大量訓(xùn)練數(shù)據(jù)。

第二個(gè)構(gòu)建仿真數(shù)據(jù)的例子是識(shí)別車(chē)外環(huán)境識(shí)別。因?yàn)楹芏嗥?chē)的特殊場(chǎng)景是比較難采集的：在真實(shí)場(chǎng)景下，我們很難要求真實(shí)車(chē)輛嚴(yán)格按照我們的方式行駛、擺放，甚至有些場(chǎng)景是帶有危險(xiǎn)性的。為了解決這個(gè)問(wèn)題，我們就可以生成一些汽車(chē)放在路面上。需要注意的是路面的圖像生成也是比較困難的，包括路面紋理、磨損程度、特殊光照等。因?yàn)槁访嬗卸喾N多樣變化。大家可以看到現(xiàn)有技術(shù)路面的生成和真實(shí)的分布相差比較遠(yuǎn)。但是車(chē)輛的分布相對(duì)集中，對(duì)應(yīng)的生成技術(shù)比較成熟。所以我們?cè)谛枰绍?chē)外環(huán)境數(shù)據(jù)時(shí)候，路面的圖像是真實(shí)的，再在上面生成仿真出來(lái)的車(chē)輛，用這樣一種方式產(chǎn)生大量低成本的訓(xùn)練數(shù)據(jù)，提高訓(xùn)練數(shù)據(jù)的場(chǎng)景豐富度。

在真實(shí)路測(cè)方面，2019年Waymo的測(cè)試公里數(shù)達(dá)到2000萬(wàn)公里，在所有自動(dòng)駕駛技術(shù)公司里面排名第一。做為量產(chǎn)車(chē)交付企業(yè)，我們采用了影子模式來(lái)豐富測(cè)試，把模型部署在交付車(chē)輛上來(lái)收集采集數(shù)據(jù)來(lái)做生產(chǎn)驗(yàn)證，這能幫助我們發(fā)現(xiàn)非常多之前想象不到的例子。

以基于智能雨量識(shí)別的雨刮功能來(lái)探討影子模式。我們不需要像傳統(tǒng)車(chē)一樣搭載一個(gè)傳感器，只要用車(chē)的攝像頭就能看到有沒(méi)有雨滴，這樣可以減少一個(gè)額外傳感器的成本，并且準(zhǔn)確率要遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)的雨量傳感器。第二個(gè)好處自動(dòng)駕駛像守門(mén)員一樣能夠告訴你攝像頭成像的效果好不好，是不是符合自動(dòng)駕駛的工況。特斯拉前一段時(shí)間發(fā)推特把這個(gè)作為非常重要的工作來(lái)做。但是這樣的功能遇到的場(chǎng)景束縛非常多，雨滴也有很多的不規(guī)則性。右邊的圖可以看到某種馬賽克墻磚的紋理和雨滴非常像，包括特定的落葉造成的光影也會(huì)和雨滴比較像，這樣的情況（corner case）在實(shí)驗(yàn)室做，不真實(shí)的去量產(chǎn)車(chē)上去跑，人是想象不出來(lái)的。只有通過(guò)大量量產(chǎn)車(chē)驗(yàn)證，才能夠把人想象不出來(lái)的案例收集回來(lái)，快速迭代，在用戶真正使用之前把這些問(wèn)題都解決掉。以智能雨量識(shí)別功能研發(fā)為先導(dǎo)，我們搭建了自動(dòng)駕駛整體的數(shù)據(jù)閉環(huán)系統(tǒng)，在中國(guó)量產(chǎn)車(chē)企業(yè)內(nèi)是首批實(shí)現(xiàn)的

此外，做落地一定要落到車(chē)上去，就離不開(kāi)模型優(yōu)化、量化到車(chē)載芯片。車(chē)能夠選擇的芯片種類目前是小于手機(jī)的，根據(jù)不同車(chē)配置的成本和定位的不同，我們聚焦在三款芯片上：TI、Qualcomm、Nvidia。其中，我們選擇了一款低成本的TI芯片，算力比較弱。但是我們通過(guò)模型優(yōu)化和定點(diǎn)化技術(shù)，就可以在10幾個(gè)M的空間里面放進(jìn)去幾十個(gè)模型，并且能夠保持較高的精度。

實(shí)際上，模型的優(yōu)化和量化，不僅僅是優(yōu)化量化本身，實(shí)際上是根據(jù)車(chē)不同的芯片種類來(lái)有針對(duì)性的量化，在量產(chǎn)車(chē)上跑得快的算法才是好算法。其中核心工作就是利用非常有限的資源，實(shí)現(xiàn)高效創(chuàng)新和迭代，解決無(wú)線的問(wèn)題，實(shí)際的生產(chǎn)生活中，人工智能要實(shí)現(xiàn)落地，要解決的問(wèn)題是無(wú)窮無(wú)盡的。

落地路徑的基礎(chǔ)是感知，核心是人機(jī)交互，難點(diǎn)是切換。為什么基礎(chǔ)是感知？因?yàn)榍懊嬗袥](méi)有車(chē)，知道安全線在哪是行車(chē)最基礎(chǔ)的信息，包括車(chē)內(nèi)感知要做到千人千面，以及對(duì)司機(jī)疲勞分神的感知，這些都是做汽車(chē)的基礎(chǔ)。為什么交互是核心？L3級(jí)自動(dòng)駕駛中，人還是駕駛的主體，人和機(jī)器是在不停交互的，如何做好交互是產(chǎn)品力的核心所在。那為什么切換是難點(diǎn)？因?yàn)長(zhǎng)3級(jí)自動(dòng)駕駛車(chē)在行駛過(guò)程中，會(huì)遇到一些車(chē)覺(jué)得自己控制不了的突發(fā)情況，就要把駕駛主體換到人。什么時(shí)候做切換，需要汽車(chē)對(duì)于自己駕駛的可靠性、對(duì)于檢測(cè)的可靠性以及執(zhí)行度都有比較清晰的判斷，同時(shí)對(duì)司機(jī)狀態(tài)也有清晰的判斷。切換是難點(diǎn)，切換的基礎(chǔ)就是對(duì)車(chē)的理解。

對(duì)于科學(xué)家，或者科研工作者而言，在企業(yè)中要做的不僅是現(xiàn)有科技成果的轉(zhuǎn)化，還要從實(shí)際落地場(chǎng)景中找到一些新的問(wèn)題，從新的問(wèn)題中再去探索新的答案，這本身也是科技創(chuàng)新的重要方面。