51VR CTO王立峰：自动驾驶，任重道远

2018年06月14日，由亿欧主办的“2018全球智能+新商业峰会——AI产品峰会”在上海长宁世贸展馆盛大召开。51VR CTO兼首席科学家王立峰博士以AI赋能下的自动驾驶仿真实践为背景，发表了《自动驾驶，任重道远》的精彩演讲。

峰会现场，王立峰博士首先对自动驾驶的前景与商业落地进行分析，由此提出自动驾驶研发过程中的四套系统--感知、决策、控制及体验，以此来分析介绍自动驾驶的风险评估，以及51VR对于人工智能下的自动驾驶仿真训练的实践。王立峰提到仿真中AI模型到概率模型的必然联系，强调了智能化在仿真中的重要性。

【王立峰现场演讲实录（有删减）】

谢谢主持人，感谢主办方亿欧的邀请，非常高兴有机会参与AI产品峰会，我今天会和大家分享在自动驾驶领域，51VR的落地实践以及人工智能落地方面的一些见解。目前，人工智能确实迎来了春天，但是自动驾驶领域，它将很多人工智能技术、交叉学科融合在一起。在这里，我们可以看到人工智能、自动驾驶离实际落地到底多远？我们又可以起到什么样的作用？

自动驾驶是人工智能未来5-10年最核心的技术及应用

自动驾驶被公认为未来5到10年之间最核心的技术应用，因为自动驾驶代表了一个产业的革新，是集中了无数产业技术的结晶。自动驾驶是未来很长时间内，我们所能看到最具有前景的方向，但实际上目前公众对自动驾驶商用化在L4、L5里面的商业化时间有点过于乐观。让我们从自动驾驶的工作流程涉及了感知系统、决策系统、控制系统以及体验系统来了解一下。

感知系统可以把自动驾驶当做机器人，前段时间跟朋友聊天，他说澳大利亚车非常少，应该是自动驾驶可以快速落地的地方。后来通过监测发现，有自动驾驶车开上马路牙子把人家花坛撞了。这是因为每年地球版块会有漂移，澳洲移动的更多，每年大概有20公分的移动，导致之前的高精地图精确度不准，这个差别导致自动驾驶车偏离。而且澳洲袋鼠很多，如果一个袋鼠窜出来，对自动驾驶车的决策系统是非常重要的考验，往往没有得到很好的锤炼，就很容易撞车。从感知系统里看，自动驾驶离开放应用场景还有一定距离。

那么，决策系统又是用来干什么呢？碰到会动的东西，预测下一步要干什么，决定一条路径怎么开，以及控制这个车辆输出油门、刹车、方向等等。在自动驾驶研发的过程中如果我们没有考虑到这些点，就无从决定我们的行车路径和策略。我们需要考虑到让用户定制场景，例如车速是多少？我们需要从自动驾驶目前的痛点来考虑，要如何识别出视频和图像里面的物品，从而决定决策考量。

目前，人工智能不智能的地方需要大量的训练数据，而采集、标注成本太高，如果这些问题不解决，很多自动驾驶识别训练还会面临这些难题。

自动驾驶路测暗藏风险，仿真训练为必经之路

自动驾驶最大的痛点是路测，在自动驾驶算法没有完成商业化运营的情况下会有风险。所以这个训练周期非常长，而且撞车引发的事故会比普通事故更吸引眼球，在路测时发生撞车事故会被无限放大，同时也会严重影响到自动驾驶发展及落地的进程，实际路测还存在很大社会伦理问题。

例如，车辆在自动驾驶状态上路时，特斯拉每3公里，人必须接管一次，不然发生事故不好掌控。这方面做的最好的是Waymo，5千多英里需要接管一次。但是从2016年的每5000英里接管一次到2017年的5596英里的里程时，一年之内数据有效性只提高10%。当自动驾驶系统有95%的自信希望能够超过人类驾驶水准，则需要110亿英里的测试，100辆车开500年，那么我们有生之年这样去路测，可能会看不到。

自动驾驶车目前要类比人类驾驶的安全性，实车测试需数百亿英里。即使数百辆车全年无休也会耗费几百年时间实测，数据的平均价值密度越来越稀疏、采集成本越来越高，导致算法有提升瓶颈，要弥补这种理想与现实的差距，必须在仿真环境中测试自动驾驶系统。

我们认为，仿真环境要用软件的方法来模拟出足够真实的环境，让自动驾驶车在上面测试，训练决策系统和感知系统。51VR面向自动驾驶训练的仿真平台，它可以仿真光照、天气、传感器、交通、车辆动力学等，通过云计算技术让自动驾驶的算法在平台上测试。51VR自动驾驶仿真平台提供了硬件、软件以及用户在环测试。这样，我们才可以避免刚才所说的所有风险，做一个完整的闭环测试。

这里介绍一下51VR静态数据模型，我们可以创造一个足够真实、可提供自动驾驶的环境。我们还可以对各式各样的传感器进行仿真，自动驾驶车有不同的配置，需要很多摄像头共同完成自动驾驶的任务，而我们要模仿出各种真实场景。我们基于路上的真实数据，通过虚拟数据训练集进行深度学习、产生一个识别算法，这个识别算法会用到真实数据和虚拟数据，如果这两方面都能工作，说明这种训练可以用到真实世界中。如果不工作，我们会拿一些自动或手工的标注丰富训练，再放到平台中进行闭环迭代。在自动驾驶领域，我们证明是可以用虚拟训练值进行仿真测试的。

决策仿真是自动驾驶非常重要的组成部分，自动驾驶的决策，实际上是博弈的过程，是有很多的参数的复杂输入，受内在因素和外在因素的影响，如驾驶员和环境等。别的车怎么开，可以是保守、稳健的策略，也可以是一个激进的策略。同时天气、环境、光照都在决策考虑范围内。人工驾驶或自动驾驶车行驶是选择一个博弈，它并没有一个完全安全的决策，而是牺牲一些安全性达到行车的目的。完全不同的地方在于，在驾校学车拿到驾照以后，是在外面的路上进行经验积累，但自动驾驶则必须在商用之前就完备这些能力。

动态案例是51VR自动驾驶仿真的核心，我们提供了两种案例的生成，一种是基于人工智能的学习模型，基于 Intelligent driver model并与真实数据对比，也就是说通过智能化的模型产生各式各样的案例。其次是基于真实危险工况泛化制作的案例库，通过超过数百个危险工况真实场景数据，并利用AI技术合成新的案例，这也是一个关键的应用。

更进一步讲，大家可以想想什么是交通事故，本质是什么？当你的车按照路线行驶，旁边的车不都是理性方，也许会碰到复杂工况。驾驶环境越不理性，越趋向一种概率模型。交通事故的本质就是一种概率模型，在我们不改变世界，不改变物理学定义的前提下，也会发生很多不确定的、难以预测的事情。

所以，从交通案例角度来看，从AI模型到概率模型一定是我们案例生成中的必经过程。我们所要做的是从智能化的控制到概率的过渡，来产生足够多的案例训练自动驾驶。同样，在动力学仿真领域，通过人工智能的决策算法介入动力学系统，让路径、刹车、油门、方向的输出可以使用户体验更加舒适。其中51VR做了很多路径规划的工作，以此证明动力学仿真实际可以替代外面的路测。

此外，51VR基于VR+AI技术，还为自动驾驶公司提供了体验仿真，通过一个基于Stewart-6自由度平台、力反馈技术，借助VR的高性能体感模拟器，提供沉浸式的、逼真的虚拟驾乘体验。同时，通过数据采集了解消费者驾乘反馈，快速迭代人车交互体验。

通过以上几个方面，整个自动驾驶从感知、决策、动力学，一直到用户体验，51VR做了一个闭环的系统，真正在计算机软件平台上模拟实现自动驾驶。目前，51VR已与国家智能网联汽车（上海）试点示范区、阿里巴巴、宝马、景驰、汽车之家、威马汽车等知名企业达成合作。同样，我们也在自动驾驶仿真领域提供了很多的模块内容，希望今天的演讲能给大家一些有意义的参考，大家可以关注51VR进行交流互动，谢谢大家。