2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了寶安區(qū)政府的大力指導(dǎo)，是國(guó)內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國(guó)內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。

在峰會(huì)的智能駕駛專場(chǎng)上，PlusAI（智加科技）的工程副總裁付強(qiáng)發(fā)表了題為“自動(dòng)駕駛與物流科技”的演講，分享他對(duì)自動(dòng)駕駛商業(yè)落地的一些觀點(diǎn)。

PlusAI成立于2016年，是最早獲得美國(guó)加州路測(cè)牌照的企業(yè)之一，目前，PlusAI在硅谷、北京、上海、西安都設(shè)有運(yùn)營(yíng)或者研發(fā)中心，并且與斯坦福大學(xué)和西安交通大學(xué)建立了合作關(guān)系，今年4月、5月PlusAI分別聯(lián)手一汽和蘇寧進(jìn)行了港口和倉(cāng)到倉(cāng)的自動(dòng)駕駛演示。

以下是演講全文，新智駕在不改變?cè)獾那闆r下進(jìn)行了編輯：

首先帶大家回顧一下什么是物流科技。

物流產(chǎn)業(yè)在我國(guó)，尤其是改革開放以來(lái)，在我們國(guó)家走向市場(chǎng)經(jīng)濟(jì)的發(fā)展過程中，一直扮演非常重要的角色。現(xiàn)在物流占全國(guó)GDP的比重大約是16%，大家平時(shí)的吃穿住行都離不開物流的參與。如何通過物流科技去提升物流的效率就變得非常重要。

物流經(jīng)歷了人工生產(chǎn)和機(jī)械化的過程，現(xiàn)在已經(jīng)進(jìn)入了一個(gè)自動(dòng)化，甚至智能化的階段。所謂機(jī)械化，不過是采用大量車輛，原來(lái)用木牛流馬變成了在汽車、火車和飛機(jī)、貨船等等。但自動(dòng)化的過程則產(chǎn)生了許多新的技術(shù)。比如在天貓、京東上購(gòu)物，系統(tǒng)能夠迅速識(shí)別訂單，自動(dòng)將貨物送上傳送帶進(jìn)行打包，然后送到每個(gè)人手中。可能今天晚上11點(diǎn)下的單，明天一早就能拿到。

智慧化則是物流科技新的演進(jìn)方向。因?yàn)樵絹?lái)越多的互聯(lián)網(wǎng)或者具有人工智能背景的公司紛紛開始涌入，為物流行業(yè)帶來(lái)很多智慧化的改變。

具體來(lái)講，從最左側(cè)的供貨商到最右側(cè)的消費(fèi)者，在不同的階段，物流科技智慧化過程大概滲透了三個(gè)環(huán)節(jié)：

在末端的是配送，現(xiàn)在配送已經(jīng)有了許多自動(dòng)化方式，有些物流公司也在強(qiáng)調(diào)最后一公里，即在配送的過程中，通過無(wú)人機(jī)、快遞柜或者自動(dòng)駕駛配送車完成最后一公里。

而在中間的，是倉(cāng)儲(chǔ)，現(xiàn)在，許多智慧化的工作集中在倉(cāng)儲(chǔ)，其中跟自動(dòng)駕駛比較相關(guān)的是AGV，在倉(cāng)庫(kù)里可以實(shí)現(xiàn)局部自動(dòng)駕駛，完成貨物在倉(cāng)庫(kù)內(nèi)的移動(dòng)。另外，基于RFID的技術(shù)、分揀、包裝、識(shí)別等，現(xiàn)在都應(yīng)用得非常廣泛。

而從供貨端開始的運(yùn)輸，則是PlusAI比較相關(guān)的一個(gè)環(huán)節(jié)。這一環(huán)節(jié)，除了車貨匹配、無(wú)車承運(yùn)人、新能源汽車以外，很重要的一點(diǎn)就是無(wú)人駕駛。這一環(huán)節(jié)的運(yùn)輸過程更多的是指?jìng)}對(duì)倉(cāng)的運(yùn)輸。貨品從供貨商運(yùn)輸?shù)较M(fèi)者的路程中，不可避免會(huì)有從一個(gè)倉(cāng)庫(kù)運(yùn)送到另一個(gè)倉(cāng)庫(kù)的過程，這里存在著復(fù)雜的場(chǎng)景。例如從倉(cāng)庫(kù)運(yùn)輸?shù)礁咚偕希罱K運(yùn)送到另一個(gè)倉(cāng)庫(kù)或者一個(gè)集散點(diǎn)，這就是一個(gè)典型的倉(cāng)對(duì)倉(cāng)的物流。

針對(duì)物流長(zhǎng)途干線運(yùn)輸過程，有機(jī)構(gòu)進(jìn)行了以上成本拆分（如上圖）。

我認(rèn)為自動(dòng)駕駛在物流的中運(yùn)輸能夠取得較大成果的原因是，在進(jìn)入經(jīng)濟(jì)領(lǐng)域之前，首先自動(dòng)駕駛能讓運(yùn)輸更加安全。

提到重型卡車，大家的第一反應(yīng)可能就是網(wǎng)上流傳的那些非常慘烈的交通事故，大貨車一出事故就非常嚴(yán)重。據(jù)我自己走訪的統(tǒng)計(jì)，在大貨車的交通事故中，可能有一半以上是由疲勞駕駛造成的。因?yàn)榇筘涇囁緳C(jī)一天要駕駛很長(zhǎng)的時(shí)間，因此多少會(huì)產(chǎn)生疲倦，導(dǎo)致反應(yīng)變得遲鈍，陷入間歇性的精神不集中，這些可能是造成事故的主要原因。

而自動(dòng)駕駛，大家可以想象，算法是不會(huì)疲勞的，一旦我們證明算法的可行性，是一定不會(huì)存在隨著時(shí)間的增加效果有所衰減的狀況的。所以，需要強(qiáng)調(diào)的是，自動(dòng)駕駛更安全。

除了安全之外，自動(dòng)駕駛還能降低成本。物流干線運(yùn)輸?shù)某杀尽：艽笠徊糠质莵?lái)源于運(yùn)輸費(fèi)。而自動(dòng)駕駛卻能節(jié)約燃油。通過改變整流罩和改裝的辦法，可以實(shí)現(xiàn)節(jié)油，這是一方面。另一方面，有統(tǒng)計(jì)表明，一個(gè)有經(jīng)驗(yàn)的司機(jī)比一個(gè)新手司機(jī)省大概15%的油。老司機(jī)對(duì)線路比較熟悉，哪個(gè)地方有轉(zhuǎn)彎、下坡他都比較熟悉，因此能夠提前控制，從而節(jié)省燃油。自動(dòng)駕駛也可以實(shí)現(xiàn)接近老司機(jī)的使用成本。

另外一點(diǎn)是節(jié)約人力，現(xiàn)在，很多長(zhǎng)線運(yùn)輸通常是采用多名司機(jī)輪流駕駛的方式，避免產(chǎn)生駕駛疲勞的問題。而L4級(jí)的自動(dòng)駕駛，即使是在高速上的實(shí)現(xiàn)，一名安全員也就夠了，顯著節(jié)約了人力。

我們?cè)?jīng)與蘇寧物流合作過一個(gè)項(xiàng)目，打造了一輛自動(dòng)駕駛卡車，希望一方面減少了交通事故，另一方面能減少碰瓷的可能。

接下來(lái)講一些自動(dòng)駕駛技術(shù)上的東西。自動(dòng)駕駛大體上分成這幾個(gè)模塊:

首先是傳感器，激光雷達(dá)就是一種傳感器，它好比人的眼睛、耳朵。傳感器收集周邊感知的信息，然后通過感知算法，將這些信息抽象成計(jì)算機(jī)可以理解的概念。讓系統(tǒng)識(shí)別物體、車道線、紅綠燈，再?zèng)Q定該如何行駛。定位則是向系統(tǒng)提供具體的位置信息，距離目的地的路程。

有了定位和感知之后，就需要進(jìn)行道路的規(guī)劃。A點(diǎn)走到B點(diǎn)，應(yīng)該走哪條路，是否在要立刻變道，是否要減速繞行等。規(guī)劃之后的控制，則是將規(guī)劃的結(jié)果轉(zhuǎn)化成給汽車控制系統(tǒng)的指令，進(jìn)行加速、減速，調(diào)整方向盤等。這嚴(yán)重依賴于車載平臺(tái)，實(shí)現(xiàn)它的線功能。

接下來(lái)進(jìn)入一些稍微細(xì)一點(diǎn)的領(lǐng)域，環(huán)境感知中的人工智能。

感知大體上是這樣，自動(dòng)駕駛車輛能夠感知到周圍的車，判斷出哪些有碰撞的風(fēng)險(xiǎn)，哪些沒與。自動(dòng)駕駛車還能感知到了周圍車輛的速度，與周圍車的距離、車道線等等，這是一個(gè)簡(jiǎn)單的感知。

人工智能在感知系統(tǒng)上是有很多應(yīng)用的。在自動(dòng)駕駛這個(gè)領(lǐng)域，我首先想討論的就是大數(shù)據(jù)。大家知道在自動(dòng)駕駛領(lǐng)域，數(shù)據(jù)量是很大的，一臺(tái)車行駛幾公里后，就積累了大量的視覺數(shù)據(jù)。大數(shù)據(jù)強(qiáng)調(diào)的是規(guī)模。如何讓大數(shù)據(jù)達(dá)到規(guī)模呢？行業(yè)中大體有兩個(gè)方向，一個(gè)是追求一致性，一個(gè)是追求通用性。

所謂追求一致性，就是所有積累到的大數(shù)據(jù)，尤其是環(huán)境感知數(shù)據(jù)，都是用同一款攝像頭，安裝在同一個(gè)位置產(chǎn)生的。這樣保證了所有的數(shù)據(jù)都是高度一致的。接著，使用這種高度一致的數(shù)據(jù)做訓(xùn)練，最后量產(chǎn)的時(shí)候，也同樣要求每一輛車將同樣的攝像頭安裝在同一個(gè)位置，所有的光圈、焦距我都調(diào)校一致，最后也能夠取得一個(gè)比較好的成果。這樣做固然有其優(yōu)點(diǎn)，但是或多或少會(huì)產(chǎn)生一些過擬合的問題。

還有一個(gè)是通用性，相信諸位在學(xué)習(xí)駕駛的時(shí)候，坐在車內(nèi)，還是能夠識(shí)別車道線、紅綠燈的，因?yàn)榇蠹以谲囃獾臅r(shí)候就已經(jīng)能識(shí)別這些東西了。當(dāng)人類在識(shí)別車道線、障礙物的時(shí)候，是不需要調(diào)節(jié)光線、焦距的，即使是看照片，不同的攝像頭，參數(shù)差距很大，攝像視角也不同，人類能識(shí)別出物體。所以，在自動(dòng)駕駛領(lǐng)域，更多的時(shí)候應(yīng)該強(qiáng)調(diào)數(shù)據(jù)通用性。

在采集訓(xùn)練數(shù)據(jù)的時(shí)候，我們不光有自采的來(lái)自不同攝像頭數(shù)據(jù)，也采取了來(lái)自合作伙伴的數(shù)據(jù)，甚至是自公開資料，比如說YouTube上的行車記錄儀數(shù)據(jù)。通過合理的標(biāo)注的方式進(jìn)行標(biāo)注，這樣就能夠保證最終的模型，相比起一些過擬合的情況，能夠有更好的通用性。不會(huì)出現(xiàn)當(dāng)攝像頭的生產(chǎn)制造工藝出現(xiàn)了偏差，或者焦距、可視角度不一樣，或者安裝位置的改變，就無(wú)法識(shí)別的情況。

大家看到現(xiàn)在很多的相關(guān)事故，自動(dòng)駕駛失靈的原因就是一致性做得太強(qiáng)，通用性做得不夠。當(dāng)過多地告訴計(jì)算機(jī)高度一致的信息的時(shí)候，當(dāng)這個(gè)算法處理稍微不一樣的數(shù)據(jù)時(shí)，就可能會(huì)失靈，與其這樣，我們不如更多地強(qiáng)調(diào)通用性。而研究人工智能的目的。就是讓它更好地模擬人類思考、感知社會(huì)的方式。

第二點(diǎn)想要討論的，就是計(jì)算的開銷。精確度是現(xiàn)在很多算法追求的指標(biāo)，但延遲也很重要，現(xiàn)在很多成熟的公司也都注意到了這一點(diǎn)。實(shí)際上，在駕駛的過程中，尤其是在高速的場(chǎng)景中，幾十毫秒的延遲就會(huì)產(chǎn)生不同的結(jié)果，所以在算法的考慮上，在精度要達(dá)到要求之外，還要降低計(jì)算的開銷。這其中還有很多計(jì)算加速的功能，應(yīng)該如何建好，如何挖掘也非常關(guān)鍵。計(jì)算的精度至少要和它的算法感知的精準(zhǔn)度同等重要。

第三點(diǎn)想要討論的，是成本的控制。我們的計(jì)算單元、感知傳感器要達(dá)到何種程度，才能夠保證在同樣的精準(zhǔn)度下，數(shù)據(jù)都能跑通，而且不失準(zhǔn)確性，同時(shí)把成本控制在范圍之內(nèi)。

以上三大點(diǎn)是我們?cè)谧詣?dòng)駕駛上的一些思考，這也是需要行業(yè)人士應(yīng)該花時(shí)間解決的問題。

我們的數(shù)據(jù)覆蓋了中國(guó)和美國(guó)都絕大部分省市和州。在中國(guó)的省級(jí)行政單位和美國(guó)的州級(jí)行政單位我們都有數(shù)據(jù)，這些數(shù)據(jù)的采集是非常大的工作，并不是靠自建一個(gè)車隊(duì)完成的。

再來(lái)看看多傳感器融合，這里舉一個(gè)我們遇到的例子，這個(gè)也是用激光雷達(dá)、攝像頭和毫米波雷達(dá)的方案。現(xiàn)在很多車廠在制作緊急制動(dòng)的時(shí)候，更強(qiáng)調(diào)毫米波雷達(dá)的功能，但對(duì)于中距離雷達(dá)來(lái)說，例子中的物體有點(diǎn)遠(yuǎn)，探測(cè)不到，對(duì)遠(yuǎn)距離雷達(dá)來(lái)說，其視角比較窄。不管是通過視覺還是通過激光雷達(dá)，都可以對(duì)物體的檢測(cè)產(chǎn)生一個(gè)很好的彌補(bǔ)。

多傳感器不光是傳感器的冗余，從功能安全的角度出發(fā)，當(dāng)有一個(gè)傳感器不能工作，即使是低成本傳感器組合，也能夠達(dá)到規(guī)避風(fēng)險(xiǎn)的目的，實(shí)現(xiàn)真正安全的自動(dòng)駕駛。只要采集的數(shù)據(jù)足夠多，這種說法是能夠被證明的。

我們采用的是前視為主的多傳感器融合的技術(shù)，選用了成本比較低的攝像頭。當(dāng)有正向的陽(yáng)光攝入時(shí)，會(huì)有一道炫光，這時(shí)候我們可以進(jìn)行動(dòng)態(tài)的調(diào)整，提升毫米波雷達(dá)在感知中的比重，降低攝像頭的比重。當(dāng)回到正常的光線中時(shí)，再將比重調(diào)回來(lái)，實(shí)現(xiàn)動(dòng)態(tài)的對(duì)多傳感器融合算法的調(diào)整。

再回歸到自動(dòng)駕駛與物流這個(gè)話題。回顧一些大事，2015年的時(shí)候，Uber首先實(shí)現(xiàn)了無(wú)人駕駛貨車的應(yīng)用，用貨車運(yùn)輸了一車啤酒；2017年，特斯拉也發(fā)布了L3級(jí)的卡車；2018年4月，我們和解放聯(lián)合發(fā)布了解放最新一代卡車J7。5月份，我們和蘇寧也發(fā)起了倉(cāng)對(duì)倉(cāng)物流的實(shí)現(xiàn)，在這個(gè)場(chǎng)景中，我們實(shí)現(xiàn)了從蘇寧的一個(gè)倉(cāng)到另一倉(cāng)的全自動(dòng)化，當(dāng)然，在離開這個(gè)倉(cāng)庫(kù)之前，我們配了一名司機(jī)。