機器學習在無人駕駛中的現(xiàn)狀及挑戰(zhàn)

　　1月10日，在青島舉行的2019國家智能產(chǎn)業(yè)峰會智能駕駛平行論壇上，孫振平研究員結(jié)合國內(nèi)外機器學習相關(guān)技術(shù)在智能駕駛領域的研究現(xiàn)狀和課題組近年來的一些研究成果，向與會人員分享了題為《機器學習在無人駕駛中的應用現(xiàn)狀及面臨挑戰(zhàn)》的精彩報告。

　　國防科技大學智能科學學院無人系統(tǒng)研究所副所長孫振平

　　談到國內(nèi)自動駕駛研究的起源，總繞不開一所有名的高?！獓揽萍即髮W。20世紀80年代末，國防科技大學先后研制出基于視覺的CITAVT系列智能車輛。1992年，國防科技大學成功研制出中國第一輛真正意義上的無人駕駛汽車。2011年7月，由一汽集團與國防科技大學共同研制的紅旗HQ3無人駕駛汽車完成了286km的面向高速公路的全程無人駕駛試驗，而在背后主持研究紅旗無人駕駛汽車實現(xiàn)高速長距離無人駕駛的，便是國防科技大學智能科學學院無人系統(tǒng)研究所副所長孫振平研究員。2012年，孫振平研究員作為技術(shù)負責人，組織團隊研制了我國第一臺邊防無人巡邏車。同時，他作為主要技術(shù)骨干或負責人與團隊一起參加了十余次國家自然科學基金委委主辦“中國智能車未來挑戰(zhàn)賽”和軍隊“跨越險阻”無人系統(tǒng)挑戰(zhàn)賽，多次獲得冠軍。

　　1月10日在青島舉行的2019國家智能產(chǎn)業(yè)峰會智能駕駛平行論壇上，孫振平研究員結(jié)合國內(nèi)外機器學習相關(guān)技術(shù)在智能駕駛領域的研究現(xiàn)狀和課題組近年來的一些研究成果，向與會人員分享了題為《機器學習在無人駕駛中的應用現(xiàn)狀及面臨挑戰(zhàn)》的精彩報告。

　　孫振平研究員在報告中表達了一下觀點：

　　機器學習對解決無人駕駛問題很重要，但不是全部;

　　深度神經(jīng)網(wǎng)絡是場景建模與理解的有力工具;

　　統(tǒng)計學習、增強學習對于解決行為決策問題會有所幫助，前提是人工建立合適的決策模型;

　　用機器學習方法解決動力學控制問題似乎并不簡單;

　　能夠?qū)崿F(xiàn)任務、本體狀態(tài)、環(huán)境信息并行輸入的網(wǎng)絡結(jié)構(gòu)是研究的重點;

　　現(xiàn)有計算能力仍不足以支持深度神經(jīng)網(wǎng)絡在無人車中的大規(guī)模應用

　　以下是孫振平研究員在2019國家智能產(chǎn)業(yè)峰會的報告，智車科技在不改變原意的基礎上進行了修改：

　　大家好，非常榮幸能在這兒跟大家一塊聊無人駕駛，因為機器學習在無人駕駛應用方面比較熱，針對這個事情跟大家分享一點思考。

　　大家可能不知道，國防科大在無人駕駛方面應該說做的歷史也比較長了，這些年有一些成績也有很多不足，特別是最近幾年我們看到整個社會對無人駕駛特別追捧，我們參與其中，肯定是非常非常的高興，但是在熱的過程中，我們也得認真地去思考，是不是無人駕駛到現(xiàn)在已經(jīng)比較好的被解決了，這個我們還是要冷靜地去思考的。我個人就針對這方面的一些情況跟大家一塊兒分享一下。主要就是目前國內(nèi)外的發(fā)展情況，以及我們自己在這方面做的一些工作。

　　丨無人車的控制結(jié)構(gòu)

　　說到無人駕駛，從概念上來，大家對這個事情應該都非常清楚了，無非就是給車裝上各種各樣的傳感器，讓它能夠自己理解周圍的環(huán)境，自己做規(guī)劃，自己選擇運動的路徑，直到控制自己的運動。在這個過程中，希望人不參與或者說盡可能少的參與，這么多的傳感器到底怎么組成無人駕駛的系統(tǒng)?這個事如果拿人來類比的話，比較容易理解。一個駕駛員開車感知周圍的環(huán)境，往往是通過我們的眼睛、耳朵等一些感覺器官。在感知的基礎上當然要做決策規(guī)劃，主要是大腦來完成的，決策規(guī)劃的結(jié)果就是怎么樣控制車，操作機構(gòu)來實現(xiàn)對車輛的控制。

　　對于我們的無人駕駛系統(tǒng)來說，很顯然從原理上也是一樣的，我們必須去構(gòu)建它的眼睛。這個主要兩大類，一類是環(huán)境感知的傳感器，二是運動感知的傳感器。其中大腦是什么?對于無人駕駛來說，當然就是運行在計算機上人工智能的程序，這個程序它綜合了傳感器信息和用戶的任務輸入，最后產(chǎn)生控制命令，控制命令就控制相應的一些執(zhí)行機構(gòu)來控制整個車的運動，這個我想從原理上來說就是這樣的。

　　無人駕駛的技術(shù)真正困難就是人工智能的程序。我們怎么去設計它，說到設計，實際上在人工智能應用在移動信息研究中，有一些基本的方案，大家不妨一起簡單地回顧一下。

　　在人工智能研究中，有幾種基本的控制結(jié)構(gòu)，一是慎思形式的，什么意思?我們要去顯示做決策規(guī)劃和執(zhí)行控制這樣的環(huán)節(jié)，對應的是一個一個程序模塊。當然要設計一個這樣的結(jié)構(gòu)，或者設計這樣的軟件系統(tǒng)，需要很多人參與，需要人的智力的投入，這個很顯然我們覺得做起來非常麻煩。

　　另外一個比較直接的想法，當然就是所謂的反應式，我們最好能夠設計一個簡單的程序，不需要知道它內(nèi)部是怎么工作的，能夠直接從傳感器到執(zhí)行器的映射，這就是所謂的反應式。

　　當然實際在研究過程中，最后大家都發(fā)現(xiàn)不管是慎思式還是反應式做來做去都不能夠很好的解決問題，怎么辦?人類最大的本事就是把各式各樣的方法混在一起就是混合式，反應式大家很容易理解，如果有一個控制方向我們用一個狀態(tài)方程組就能夠很好地描述它，當我設計一個簡單的控制器就能夠?qū)崿F(xiàn)對這樣對象的控制。對于我們說的機器人和無人車也不例外，我們能夠很好地描述清楚，就可以設計出一個簡單的控制器出來。最早在1948年的時候，當時控制論剛剛產(chǎn)生，就有人設計了一個移動的機器人系統(tǒng)。這個慎思式，實際上大家關(guān)注的最典型的可能是世界上第一個自主的機器人，就采用這種慎思式的研究。SHakey研究了一個機器人只要能夠不碰撞運動就可以了，這是1968年做出來的，這個也是我們現(xiàn)在智能機器人(無人車)研究真正的現(xiàn)代意義上的開端。

　　在這些研究基礎上，到了1986年的時候，MIT提出了一種所謂的包容式結(jié)構(gòu)，這個包容式結(jié)構(gòu)，大家仔細去分析一下就會發(fā)現(xiàn)，它實際上是一種混合式的結(jié)構(gòu)。如果只是把行為定義為行走的話當然很簡單，我們就可以設計反應式控制來實現(xiàn)。隨著反應式變得越來越復雜，就很難用反應式結(jié)構(gòu)去實現(xiàn)了。這個事情我個人在看了這么多文獻之后，大概同樣是在1980年代，美國的James他提出了所謂4D/RCS結(jié)構(gòu)，已經(jīng)是非常完備的或者非常好的方法或者是一個體系了，甚至他們也給出了一套工程化的方法，怎么設計一個復雜的機器人系統(tǒng)或者是無人車，我們自己也是基本上參照4D/RCS這樣復雜系統(tǒng)的控制結(jié)構(gòu)來設計我們的無人車的。

　　這是我們的無人車采取的一種結(jié)構(gòu)，下面最基本的就是底層的執(zhí)行結(jié)構(gòu)以及到上面的交通，對交通場景的認知、決策等等。只有知道了結(jié)構(gòu)，我們反過來才能說機器學習在無人車中怎么用，我們剛才說了，對于無人車來說，它的核心就是人工智能程序，機器學習又是人工智能里面的一個重要的內(nèi)容，大家當然就想著，是不是能夠把機器學習用在無人車上，讓無人車能夠變得越來越聰明，能夠越來越好的去適應環(huán)境，我們就一起來看一看機器學習在無人車上到底能怎么用。