刘玉超：首先感谢新智元杨静老师的邀请。指挥控制这个词可能好多来宾第一次听到，中国指挥与控制学会是2012年成立的国家一级学会，主要聚焦军民两用前沿技术，跟中国自动化学会、中国人工智能学会都是兄弟学会。我今天在这里主要是介绍下我们团队，也就是李德毅院士指导的猛狮智能车队，谈谈我们对智能驾驶的理解和我们的工作。

对智能驾驶的认识：感知+认知+行动

这张图，相信很多听过李院士报告的来宾并不陌生，没错，这就是我们对智能驾驶的理解，智能是来描述驾驶行为的，我们要把驾驶过程中的智能形式化出来，所以叫智能驾驶。在具体实现中，我们模拟脑认知将信息划分为瞬间记忆、工作记忆，以及由驾驶经验和驾驶地图构成的长期记忆。路径规划和人机交互对应到脑认知中的动机，自主决策对应到学习和思维能力。控制模块相当于小脑，是决策输出与车辆本体油门、刹车、方向盘操控之间的桥梁。整个过程跟人类感知、认知和行动过程是一致的。这是从智能的角度来看智能驾驶这件事。

下面我们从车辆本体来看，从第一辆汽车诞生到现在已经有130年的历史，汽车可以说是人类现代文明重要标志，改变了我们的社会形态。我们今天谈的智能驾驶一定是在汽车工业发展成熟的基础上，才有可能来谈智能驾驶这样一件事，如果车辆本体都不好的话，没法控制它，就跑不起来，就无从谈这件事，所以车辆本体发展到了今天是为智能技术提供了平台。

另一方面，汽车电子、移动互联网的发展把更多信息引入到移动生活中来，享受移动生活就需要把人们从驾驶行为中解放出来，开车的人都知道，80%的时候我们都是在沿着固定的道路跟车行驶、巡线行驶，这些都是相对比较低级、繁琐和持久的活动。我们希望借助传感器、自动化和人工智能等信息技术解放专职驾驶员，并实现零追尾、零碰撞，甚至改变整个社会的交通状况。

今天智能驾驶为什么这么火。信息技术和智能制造成为当今的热点，无论实现云计算、大数据、物联网、机器人，智能驾驶都成为非常好的载体，被推到了风口。上个月美国汽车工程师协会SAE对智能驾驶的分级刚才曹博士讲得很具体了，我简单说说我的理解。

• 0级是人类驾驶；

• 1级是手或者脚在限定作用域，即某个时刻、某个区域可以把一个动作解放出来；

• 2级是在限定作用域内可以同时解放手和脚，但是不能解放驾驶员的注意力，这也是为什么特斯拉在出现事故之后，强调说他们的说明书里有说手不能离开方向盘，准确应该是驾驶员注意力是不能转移；因此1、2级本质上还是人开车；

• 3级是限定作用域内，可以解放手、脚、注意力，但是需要人监督，这种监督可能在车里，也可能在车外通过车联网，就像地铁的运行；

• 4级已经具有高度自动驾驶能力，但是还不是全时间域和区域都能做到，比如雨雪等极端天气，或者非结构化野外道路；

• 5级是全时间和空间域的完全自主驾驶，可以完全替代人类驾驶，要实现这个目标还有一段相当的路要走。
  

我们李院士团队在一年前也对智能驾驶有了一个阶段划分，分了这样4级：最开始是离线辅助驾驶，第二阶段是在特定时段和区域可以自动驾驶，第三阶段是自驾驶/自主驾驶/无人驾驶，最终形态是车融入人类社会，可以与人类产生一系列不确定性交互。

我们认为最后两个还是人来负责驾驶，机器辅助，如果把机器比喻成马的话，随着辅助功能的不断增加，马的自主能力也会逐渐形成，具有一定认知能力的马可以沿着路走，可以避让，但最终马要融入人类社会，形成骑士与马的关系，智能车就要演变成轮式机器人，构建以人为本人机协同的关系。

智能驾驶跨界创新到底难在哪里

第二点讲智能驾驶跨界创新到底难在哪里。

规模化生产、精细化管理、高可靠运行这是百年汽车工业成功的三大要素，很多时候我们跟车企谈智能车，车企很少说话，听完就问可靠性、批量化如何，甚至提出一些刺激IT人自尊心的尖锐问题。从车辆本体角度来讲，加到车上的每个器件，要符合车规级是要求非常严格的。因此从汽车行业往往从演进的角度看待智能车，完全无人驾驶可望不可及，还涉及到法律法规、伦理等一系列问题。但是可以通过不断增加驾驶要素提高主动安全，现在大家买车就发现逐步增加了各种各样的功能。

当然还有一拨人在做颠覆性的事情，就是以提高人类移动生活品质为目标，要创造人类的移动伴侣，不一定非是快速的汽车，可以把速度回归到人的速度，可以成为办公室用、家里用的移动助手。从形态上来讲是轮式机器人，这个速度和行驶的区域决定了轮式机器人需要达到什么样的等级指标，这可以称为逆方向IT人的颠覆性路线。

这两个方向有没有交汇点，现在来看，尽管智能驾驶的实践近乎火爆，形态多样，方法各异，但也趋向形成共识。现在看到智能驾驶创业也好，演示也好，都是在围绕一个个典型的场景，比如快速公交车、园区、旅游景点、码头、港口等，这种在特定场景下智能驾驶的L3级智能车正在逐步成为市场的切入口，而且在围绕这个也在逐步建立智能车产业的生态环境。

从这个公式可以看到智能车产业化必须要考虑的三个方面：性能，特斯拉的解决方案是不采用激光雷达，但是不采用激光雷达，其他传感器性能能达到多少，现在仅依靠视觉和毫米波雷达显然是没法应对路上各种不确定性情况的。再一个可靠性，现在采用的传感器可靠性如何，我们的算法连续运行的可靠性能到多少，当前还缺少很明确的测试方法。下面是成本问题，对车企增加一个千元级的部件都是非常昂贵的一件事，所以这三点产业化问题也是跨界创新的难点所在。

猛狮智能车团队

最后一部分讲讲我们团队在智能驾驶领域从起步到现在做的一些工作。

李德毅院士指导的猛狮智能车团队，最早是2007年开始，我还在清华读博士，在飞思卡尔平台上加载传感器和智能算法，搭建了缩微城市交通环境开展科学实验，2009年开始在真车上做无人驾驶研究，到现在团队的猛狮系列车有十多辆了。2012年军交猛狮3号完成了京津高速无人驾驶，第三方测试，电视台全程直播;去年8月29号宇通智能公交车在河南完成了郑开大道无人驾驶，当时是周六，郑开大道上车辆比较多，这是一条开放的城际道路，还有三轮车、摩的违章穿行。今年团队北京联大的小旋风巡逻观光车，接待了前苏联政治局委员、乌克兰首任总统的来访和体验，目前这个车在北京动物园常态化试验。

总结我们团队十年来做智能车的经验，这不仅仅是技术性问题，汽车是工匠精神的产物，所以需要系统工程的思维。如果把智能车研发比作武功修炼的话，那么这就是我们李德毅院士总结的心法口诀，每句话都有团队的一段故事，时间原因我就不详细说了。模块化架构、柔性化配置、AB角编程。矩阵式组织、常态化试验、交叉式验证；离线调程序、再线调参数；递进调模块、增量调智商；多握手、少招收。最后这句的意思就是在软件模块之间是弱耦合，但模块开发人员必须强耦合，要互联了解。

李院士提出利用三个1/3试验方法来实现系统解耦，我们把其他传感器都关掉，先跑RTK，看性能和可靠性，再对视觉和雷达两路感知通道传感器分别测试，最后进行组合和综合测试，就这样一步一步开展试验。

我们在北京园博园地区有两个试验场，一个在中国北方车辆研究所内部1公里封闭的本体动力学测试场，一个在园博园3公里包含路口和红绿灯的开放测试场。这是我们实验的一些实况录像。左边是宇通智能客车完全依靠视觉巡线行驶、检测红绿灯和障碍物，右边是完全依靠雷达沿马路边缘行驶，我们在前面有一辆干扰车，测试它的避障和换道能力。

我们团队去年编写了一本科普读物《智能驾驶一百问》，大家有兴趣读下。谢谢大家！

文章转自新智元公众号，原文链接