2022年3月27日，在“全球智能汽車前沿峰會”上，清華大學(xué)教授鄧志東發(fā)表了演講，以下是演講摘要：

　　今天要分享的內(nèi)容主要有三個方面：

　　第一個方面，就是我們通過人工智能超算與預(yù)訓(xùn)練的巨量模型能否實現(xiàn)L3+的純視覺的自動駕駛。

　　第二方面，是走出單車智能與網(wǎng)聯(lián)新基建的協(xié)同創(chuàng)新發(fā)展與商業(yè)化落地之路。

　　最后，我們探討如何從L2輔助駕駛邁向L3+自動駕駛，它的技術(shù)實現(xiàn)路徑。

　　首先看第一個方面。我們現(xiàn)在看到特斯拉L2的純視覺的FSD自動輔助駕駛，它獲得了較好的用戶體驗，目前僅僅是對特定地區(qū)的少量推送就獲得了超過5萬規(guī)模的普通終端用戶，也是目前全球最大的L2車隊。它使用的純視覺，可以說也有優(yōu)勢的地方，就是避免了使用多模態(tài)的融合感知所帶來的技術(shù)挑戰(zhàn)，它實際使用了8個攝像頭。從2020年10月份啟動FSD的Beta測試版本以來，到目前還沒有出現(xiàn)什么事故。但是它畢竟是個L2的自動輔助駕駛，并非是L3、L4的純視覺的自動駕駛。我們認(rèn)為要提升到L3、L4的自動駕駛，需要最大限度地使用目前已有的數(shù)據(jù)驅(qū)動的人工智能，包括面向限定區(qū)域的自動駕駛應(yīng)用場景，極限使用巨量的標(biāo)簽大數(shù)據(jù)還有人工智能的超算，以及預(yù)訓(xùn)練的巨量模型。比如說充分利用具有自注意力學(xué)習(xí)機制的新一代神經(jīng)網(wǎng)絡(luò)，即用視覺Transformer模型，在這種超強算力支撐下，在巨量標(biāo)簽數(shù)據(jù)的驅(qū)動下，去使用現(xiàn)有的數(shù)據(jù)智能的方法。

　　為什么要使用這個Transformer神經(jīng)網(wǎng)絡(luò)模型?因為它具有性能的可擴展性和通用性。性能擴展就是它的模型規(guī)模增加，性能還有充分提高的可能，但這需要足夠的算力，同時還可以容納足夠巨量的數(shù)據(jù)，通過這種模型來結(jié)合深度強化學(xué)習(xí)，去構(gòu)建一個駕駛閱歷、駕駛技巧甚至優(yōu)于人類的人工智能自動駕駛。

　　第二方面，就是我們怎么走出一條協(xié)同創(chuàng)新發(fā)展與商業(yè)化落地之路?我們認(rèn)為，就是把單車智能與網(wǎng)聯(lián)新基建進行協(xié)同。

　　單車智能其實是基礎(chǔ)，發(fā)展單車智能可以說是當(dāng)務(wù)之急。我們需要鼓勵各種自動駕駛解決方案，并進行探索和創(chuàng)新。要追求L4甚至是L5級別的單車智能，鼓勵純視覺、視覺主導(dǎo)以及激光雷達(dá)主導(dǎo)的L3+傳感器解決方案，各種方案都要進行探索、創(chuàng)新。

　　我們都知道，視覺主導(dǎo)甚至是純視覺的解決方案，主要代表就是特斯拉的FSD。因為它是最早通過與Mobileye合作開始單目或者純視覺技術(shù)的研發(fā)，去年它甚至取消了毫米波雷達(dá)的使用，這是一個方面。另外一方面，我們看到其實目前絕大多數(shù)自動駕駛傳感器的解決方案都是采用激光雷達(dá)主導(dǎo)的技術(shù)方案。

　　具體采用哪種方案呢?我們覺得衡量感知方案的關(guān)鍵，就是能否帶來更高的安全性，這是最重要的。就是不論采用激光雷達(dá)、毫米波雷達(dá)還是攝像頭，基本上不是成本的考量，本質(zhì)上不論使用哪種感知方案，最核心的挑戰(zhàn)是：能否有效地解決制約自動駕駛落地的最大瓶頸，也就是我們常說的長尾感知問題、邊緣事件，還有由對抗性干擾樣本所帶來的安全問題。這個方面才是關(guān)鍵，不管什么樣的感知方案，就是你能帶來安全的增益，這是最重要的。我們看到的最新進展，除了特斯拉的FSD已經(jīng)發(fā)展到10.11版本，通用公司Super Cruise的Origin已經(jīng)沒有方向盤，并且開始預(yù)生產(chǎn)了。另外，今年3月4日，美國交通部國家公路交通安全管理局發(fā)布了《無駕駛控制裝置車輛乘客保護安全標(biāo)準(zhǔn)》，它歷史性地允許取消自動駕駛汽車的方向盤等手動駕駛控制裝置。

　　所以，我國在單車智能相對落后的情況下怎么發(fā)揮我們的獨特優(yōu)勢，加快推進面向L3、L4自動駕駛的5G-V2X新基建，特別是限定區(qū)域智能路網(wǎng)的構(gòu)建，通過單車智能與智能網(wǎng)聯(lián)協(xié)同，走出中國L3+自動駕駛創(chuàng)新發(fā)展與商業(yè)化落地之路。

　　最后一個方面，我們探索一下如何從L2輔助駕駛邁向L3+自動駕駛，它的技術(shù)實現(xiàn)路徑。

　　按照新的標(biāo)準(zhǔn)，L2與L3+或者說輔助駕駛與自動駕駛的關(guān)鍵區(qū)別，就是通過判斷主駕位置是否還有安全駕駛員。如果主駕位置沒有安全駕駛員了，而是放在副駕位置或者后座，甚至是車外或完全不用安全駕駛員，這才是真正的L3+自動駕駛。按照2021年5月國際汽車工程師學(xué)會SAE與國際標(biāo)準(zhǔn)化組織ISO發(fā)布的自動駕駛新的分級標(biāo)準(zhǔn)來判斷，實際上L2還屬于自動輔助駕駛，只有L3及以上才能稱之為自動駕駛。L3+顯然是不允許主駕駛位置還有安全駕駛員的。因為一旦主駕駛位置還有安全駕駛員，在技術(shù)上就相當(dāng)于把人類駕駛員的感知與決策能力引入到了智能汽車的感知閉環(huán)和決策閉環(huán)中，就是在感知閉環(huán)或者決策閉環(huán)中，是人在回路、人在閉環(huán)里面。因此借助人的認(rèn)知能力，就可以有效地解決感知的長尾問題，還有決策邊緣問題這樣一些核心挑戰(zhàn)，也能夠處理由對抗性干擾樣本所帶來的安全問題，原因是有人的感知進去，有人的決策在里面，特別是借助了人的認(rèn)知能力，這是一個方面。

　　但是對于L3的自動駕駛，因為主駕駛位置沒有人了，可能無法導(dǎo)入人類的具有知覺的感知能力在這個閉環(huán)里面。對于L4的自動駕駛，因為它完全不需要人的接管，不僅沒有人類的感知閉環(huán)，甚至還沒有人類導(dǎo)入的決策閉環(huán)。因此撤銷車載安全駕駛員，無疑會讓我們?nèi)ブ泵嬲嬲年P(guān)鍵核心技術(shù)，從而去推動自動駕駛大規(guī)模的商業(yè)化落地實踐。

　　具體來說，它的技術(shù)實現(xiàn)路徑會怎么樣呢?就是用邊云接管。這是輔助駕駛邁向自動駕駛的一個有效的技術(shù)路徑，涉及到的關(guān)鍵核心技術(shù)包括5G、6G支撐的AI邊緣服務(wù)，還有基于數(shù)字孿生與臨場感場景數(shù)據(jù)的平行駕駛，就是這個場景里面既有數(shù)字孿生系統(tǒng)也有臨場感現(xiàn)場來的場景數(shù)據(jù)，而且兩者之間、虛實之間還可以相互進行交叉驗證與預(yù)測，尤其是預(yù)測。這個預(yù)測就可以讓我們的邊云接管，我們的安全員在邊云上面，這樣有什么好處呢?通過平行駕駛、通過接管預(yù)測，可能剛開始一個邊云安全員代管一輛車，經(jīng)過技術(shù)迭代以后，可能一個云邊的安全接管員就可以去接管10臺車，然后再進一步可以接管50臺車，甚至接管100臺車，最后就變成了完全不需要任何遠(yuǎn)程的安全接管員了，這樣我們就真正實現(xiàn)了L4的自動駕駛。

　　另外，還有一個方面就是，我們有了數(shù)字孿生系統(tǒng)以后，還可以進行自動駕駛最優(yōu)決策規(guī)劃的深度強化學(xué)習(xí)。讓自動駕駛的規(guī)劃與決策能力像一個老司機一樣，當(dāng)然這其中還涉及到最優(yōu)策略怎么去進行虛-實的遷移。

　　我們說撤銷車載安全駕駛員的主要依據(jù)是，不管你是做RoboTaxi，還是做降維應(yīng)用的無人干線/支線貨運或者無人公交汽車，在確保絕對安全的前提下，為什么說這是一個近期的主要目標(biāo)呢?除了前面所說的，可以倒逼長尾問題、5G應(yīng)用、AI邊緣、數(shù)字孿生、邊云接管、下一代人工智能等關(guān)鍵核心技術(shù)的攻關(guān)以外，其實這也是一個商業(yè)模式迭代的真實需要。因為在一輛L2的車上，用一個算法工程師去做安全駕駛員，其成本肯定超過普通的網(wǎng)約車司機，因此這種商業(yè)模式是無法迭代下去的。同時，通過關(guān)鍵技術(shù)的真正突破、商業(yè)模式的不斷創(chuàng)新，才能去有效推動中國自動駕駛產(chǎn)業(yè)的落地之路。