腾讯自动驾驶苏奎峰：聚焦四大技术，打造互联平台 | 厚势

腾讯自动驾驶苏奎峰：聚焦四大技术，打造互联平台 | 厚势

11 月 9 日，「开放·创想」2017 腾讯全球合作伙伴大会创想+汽车专场在成都举行。活动现场，腾讯自动驾驶实验室总监苏奎峰就「自动驾驶的关键路径」进行了主题演讲，而这也是腾讯自动驾驶的首秀。

「我们的自动驾驶希望能够从用户的体验出发。」苏奎峰表示，针对自动驾驶，腾讯愿意从用户需求出发，跟产业和各个环节的伙伴们一起进行深度合作，共同打磨产品，并利用腾讯优势资源积累场景数据，推动完全自动驾驶技术的快速进化，以实现自动驾驶的愿景。

苏奎峰指出，在自动驾驶领域，他最想强调的是自动网联的整个体系。在这个体系中，又包括了交互智能，服务场景智能，驾驶智能。

苏奎峰认为，想要实现自动驾驶，需要解决四个技术问题，分别是：在哪里、情况如何、接下来如何以及如何去做。而为了解决这四个问题，腾讯自动驾驶从高精度地图、场景数据、仿真平台等方面出发，构建起了一个平台。

以下为发言实录：

各位朋友下来好！首先感谢秋凤邀请我们来分享腾讯的自动驾驶。这是腾讯自动驾驶在相对公开场合里的第一次分享。我这里要强调的是，对于腾讯来讲，我们的自动驾驶希望强调从用户的体验出发，从用户的需求出发，跟合作伙伴们一同打造产品。我们会利用腾讯的资源优势和整合能力，在自动驾驶领域进行能力的输出。

在自动驾驶领域，我们当前想强调的是自动网联的整个体系。在这个体系里面，包括交互智能、服务场景智能、驾驶智能。在昨天的车辆专场里面有更多的交互智能和服务场景智能介绍。今天在这里跟大家分享一下，腾讯自动驾驶的技术。

在讨论自动驾驶之前，我想跟大家分享一下，在自动驾驶里面到底需要解决哪些技术问题？第一是解决在哪里的问题，第二是情况如何，第三是接下来如何，第四是如何去做。

第一在哪里，指的就是导航定位问题。我们要知道自己在何方。这对于自动驾驶来说，最大的挑战在于需要连续、实时、可靠的获取自身的位置，以及目标的位置。在感知良好的情况下这些都不是问题，一旦遇到特殊的场景，如果没有最后地图的保障一定会有安全问题。

第二就是环境感知，目标的检测跟踪、识别等等。

第三就是接下来如何。检测到周围环境以后，我们需要知道周围的目标，下一个时刻会发生什么事情。我们要预测下一个时刻周围环境的场景，自身的走向，这最具有挑战性。

我们希望在一定程度上，自动驾驶系统能够理解环境。比如在前面有一个骑自行车的人，骑自行车的人稍微一回头我们知道避让，否则会很容易碰撞，但是对于自动驾驶工况下需要很多技术来解决这个问题。除了感知以外，我们在预测方面也做了大量的工作。

接下来就是如何去做，它的挑战在于决策。根据场景、设备结果进行决策、规划，最终到车里面的实现自动驾驶的地方。

为了解决这 4 个方面的问题，腾讯自动驾驶就是我们构建的一个基本结构。从高精度地图、场景数据、仿真平台等方面，做了一个平台。

高精度地图是一个保证，本身也是一个补充。高精度地图更需要在感知失败的情况下，解决车辆行驶甚至是靠边停车的问题，我们希望它能在最后保命的十秒中发挥功能。无论是自动驾驶感知还是算法，一定存在各种各样的问题，解决不了这些问题的时候就需要用高精度定位来解决。

一说到数据我们就想到算法，想到硬件。数据就目前来说，人工智能的算法都是依赖数据，数据是作为算法的基础。我们的数据更强调场景，我们的工作就是在积累数据，所有的数据都是场景化，标签化。然后根据场景的标签化推动数据的演算。我们有高精度地图，VR 构成虚拟的仿真场景。对于硬件平台来说，我们更愿意跟合作伙伴一起打造云端和车端支持互联驾驶的平台。对于这些平台我们做感知决策，预测，算法。

从整个技术架构来说，我们强调的是车端和云端的打通。我们目前用 4G 以及短距离的热点网络来构建通道。也会利用腾讯在流和数据压缩方面的技术优势，提供整个数据交换速度，实现关键场景的数据传输。我们会有一些关键的场景数据传到云端，而底层的传感器和计算平台是依托其他的第三方。

我们的重点在于资源调度、架构以及算法层和用层。在资源调度层我们能进行多任务实时调度就是框架机制，通过算法，通过实时的数据交换机制来保证个人间能进行有效的通信，并快速同步。

核心算法层是大部分公司都要去做的，我们也需要去创新。在服务层，除了高精地图服务以外，我们还在人机交互，健康管理，数据记录等方面进行思考。实际上本身在服务层，刚才提到的交互智能和服务场景智能，在腾讯的智能网联汽车里集成在自动驾驶的层面。

对于云端来说，下面这三个层级，做自动驾驶也好，做其他 AI 的场景分析也好，基本上是类似的。在整个体系架构当中，对于我们团队来说，我们更强调的是讲高精地图，数据仿真，数据平台的打分，实现自动驾驶的研发和技术验证的支持。

我们的数据平台，通过仿真产生数据，通过数据标注场景分析，再通过迭代更新，新收集数据评测，其中我们所有收集的数据我们有大量的人工先处理一遍，通过人工筛选的方式。把处理不了的场景标注出来。我相信它一定是快速的增长。

对于仿真来说，实际上利用游戏引擎的搭建完全再现自己的仿真环境。我们这个仿真环境最大的区别在于虚和实的打通。我们建立的 3D 环境，和实际场景测试的场地是一样的，有感知决策，规划，控制以及车辆的动学模型，AI 等等都集成在一起。

同时我们又建立了一些场景数据库，以及系统的评测，还有自动的、批量的处理和评测性。这是一般的仿真机都会做的，同时还使用了 AI 技术。人可以通过 VR 看到仿真的场景，人可以参与到自己的车辆控制。在这个过程当中，我们最大的优势在于你可以通过这样的系统，进行极端案例的体验测试，这样做也更有利于打造更好的用户体验。因为在这种仿真环境下，不单可以做仿真验证，更重要的是可以进行系统的闭环验证，能够把所有场景数据放在其中进行测试。既可以进行整个场景的测试，也可以进行各种案例的测试。

刚才主要分享了在自动驾驶方面的路线。实际上，从产品来说，大家都区别分 L1，L2，L3。我们更多是看用户真正的需求痛点在哪里。我们有各种场景道路，目前更关注客户在高速公路的行驶，类似于 L3 的解决方案。我们认为就目前的技术成熟度，已经足够支撑自动驾驶的应用。

我们可以想像一下，如果在上班和下班的路上，需要花费的时间大概是 2 个小时，这其中又有 80% 的时间都是在半封闭道路或者高速路上的。如果把这 80% 的时间解决掉，把驾驶的时间省下来，让驾驶者能专注于更美好的事物上去，这是非常有价值的。

所以我们当前会以这个为切入点，跟合作伙伴共同打造产品。同时我们也会针对 L4，L5 这种未来的核心技术，进行算法研发以及数据上的积累，两条路线都在走。在当前阶段核心的问题还是从客户出发，为后续的经济提供更好的数据支撑。

腾讯自动驾驶和腾讯的理念是完全一样的。我们也秉持开放的态度，包容的愿景，希望跟大家一起合作。我们更愿意跟科研院所一起进行算法上的探索创新，探索更优秀的算法和方向。我们更愿意跟产业和各个环节的伙伴们一起合作。从用户出发，从产品出发，打磨产品，积累能力，共同实现自动驾驶的愿景。

对于自动驾驶来说，当前它的未来已经来到了，我们已经能看到，在一定的应用场景下，有很多的场景去实现。对于更理想的自动驾驶来说，或者达到理想的 L5 的驾驶还需要一段时间。我们更相信自动驾驶的未来一定会来，所以我们一定会去努力，向着完全理想的自动驾驶目标去努力，去耕耘。

本文来源：腾讯汽车

-END-

企业家

新能源汽车

厚

势

汽

车

点击阅读原文，查看文章「拉奎尔·厄塔森——Uber自动驾驶的秘密武器」