AIR 047 | 樂視倪凱：從另一個角度來看待智能駕駛的現狀和趨勢，以及為什么樂視要造車？

在CCF-GAIR峰會的第二天，來自樂視超級汽車的智能駕駛副總裁倪凱給我們分享了他對目前智能駕駛行業的一些理解，并且解釋了一下樂視想要造車的原因，和在此領域做的一些工作。

倪凱提到了特斯拉最近出過的兩次事故：一次是有一輛車拋錨停在了應急車道，而特斯拉沒有檢測到這輛車，直接插過去了。第二個事故更加嚴重而更有戲劇性：特斯拉的傳感器沒有檢測到一輛白色的橫在路中間正在轉彎的掛車而直接撞了上去。這場事故導致了一個生命的逝去。這讓他開始思考現在的自動駕駛，并感覺自動駕駛離非常成熟的被消費者使用還有一點差距。

倪凱認為，目前的人工智能并沒有強大到可以在獲取和人同等信息的情況下做到足夠好的自動駕駛體驗。解決這件事是提高自動駕駛的實用水平的一個關鍵。

針對這個問題，倪凱提出的解決方案分為軟硬件兩個方面：

硬件方面，一是把更多傳感器的數據結合起來作為判斷的依據。疊加其優勢，彌補各自的缺陷。這樣即使在其中的幾個傳感器失效的情況下，其他的傳感器仍然能輸出正確的數據。倪凱提到，LiDAR是一個很有潛力的解決方案。當傳感器的數量變多之后可能會產生一些額外的開發成本，比如說相機和雷達采集數據的時間點可能略有不同，需要通過各自數據上的標的計算出它們之間的空間關系，然后才能做融合，多雷達的數據之間也需要做標記等。不過這個成本都是必須要付出的。

二是更多的利用地圖信息。倪凱表示，他個人的觀點是：地圖可以視作一個附加的傳感器。使用地圖信息時最好是使用一些高精度的地圖信息，這個高精度不僅指準確度更高，還意味著其中有一些對駕駛有用的附加信息。

三是建立更高效的計算平臺。英特爾和寶馬最近成立了一個聯盟，英特爾作為一個傳統非汽車產業廠商也開始關注車載計算平臺，意味著大家都對這個平臺非常重視。而之前就專注智能駕駛的廠商如Mobileye則已經實現了自己的嵌入式計算平臺，大家都意識到，實現更優良的自動駕駛性能需要更好的計算平臺。

而軟件方面也有三大挑戰。一是計算框架，由于自動駕駛的軟件非常復雜，它們都需要一個良好的計算框架。相對于傳統的技術框架，現在有一種新型的框架：它的想法是把輸入的傳感器的數據，通過一個深度學習的網絡能夠直接得出最后的控制量，所以它跳過了所有的中間階段，包括中間的感知、規劃。這樣一種非常簡潔的方法看起來很美好，但倪凱認為它暫時還不能取代第一代網絡，因為它推出時間比較短，而且這種網絡本身因為它對于非常少量發生的場景的可能性變小，所以它要求訓練的數據量非常大，會有一個指數級的增長，現在的訓練數據并沒有達到非常滿意的程度下，使訓練數據變得更加遙不可及，所以短期來看這種訓練數據并不會成為主流，但長遠來說會變成一個非常有希望的軟件架構。 

二是由于汽車行業本身的要求，需要非常多的測試和驗證。自動駕駛由于其技術特殊性，對于測試場景的多樣性要求更高，除了在各種環境下測試，可能還需要在路況繁忙的時候去開一下，或者需要在行人多的時候開一下，所以不可能一個新的自動駕駛功能出來，能夠在很短的時間內讓所有的車完成路試，也就是說比傳統的輔助駕駛在整車測試上會提出更高的要求，這個要求要滿足，很大的可能是未來利用模擬器，通過采集的數據在這個模擬器進行更多的驗證，倪凱認為，這可能是未來的一個挑戰。

三是安全方面的挑戰，包括穩定性、系統安全性等安全方面的考慮。

倪凱最后介紹了一下樂視汽車目前的研發方向。倪凱表示目前樂視的研發一共分成五塊：第一塊是人機交互，倪凱認為，人機交互作為一個冰冷的技術走向成熟的產品中非常重要的一塊。第二塊是傳感器，關于這點，不同的廠商已經做了許多傳感器的工作，所以樂視在這個方面可能更多的是跟這些廠商進行適配，第三位和第四位是開發感知和規劃這樣的一些技術，倪凱表示，因為拿到傳感器以后樂視需要把這些信息進行處理，對周圍的環境和動態的靜態的物體進行識別跟蹤，包括需要根據現在駕駛的目標作出相應的車輛軌跡和行為的規劃。最后是希望能增強這項技術的兼容性，使其能適用于不同的車輛，比如你買一個激光雷達或攝像頭，它肯定也是會適用在不同的車輛上，倪凱表示，樂視希望他們的技術不僅僅為自己的車所用，也希望輸出給其它的合作伙伴，所以會研究跟更多車輛結合的技術。

倪凱還表示，樂視也選擇了使用電動車作為自己自動駕駛系統的承載平臺，是出于環境保護的考慮，而且還希望通過樂視所擁有的橫跨電視手機和汽車的操作系統，給用戶一個完整的無縫在不同的智能終端上切換的體驗。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。