無(wú)人駕駛如同高爾球比賽一般

在高爾夫球運(yùn)動(dòng)比賽中，隨著比賽各個(gè)階段的不同，球桿使用也需要根據(jù)比賽場(chǎng)地變化進(jìn)行更換；發(fā)球桿，沙坑桿，或者果嶺推桿等不同的球桿根據(jù)特定的環(huán)境幫助比賽者提供最佳的比賽表現(xiàn)。

一輛無(wú)人駕駛汽車需要用不同的處理器來(lái)進(jìn)行“驅(qū)動(dòng)”，如同選擇使用不同球桿來(lái)打完高爾夫球場(chǎng)上的18個(gè)球洞一樣。除此之外，選手們?cè)诟郀柗蚯虮荣愔型瑯有枰l(fā)揮更多智慧和創(chuàng)造力，無(wú)人駕駛汽車上不同類型的傳感器可以生成不同類型的數(shù)據(jù)：攝像頭生成像素，激光雷達(dá)生成點(diǎn)云，雷達(dá)生成模擬波形等等。不同傳感器接受的數(shù)據(jù)類型需要不同的處理方式，人們需要選擇適合每種數(shù)據(jù)類型的專用工具來(lái)開(kāi)發(fā)無(wú)人汽車的大腦，而不是用一個(gè)游戲處理器應(yīng)對(duì)一切任務(wù)。

人工智能支撐無(wú)人駕駛汽車

智能駕駛領(lǐng)域中有一種說(shuō)法：無(wú)人駕駛汽車中的人工智能所扮演的角色就是“計(jì)算機(jī)視覺(jué)”，一種特定類型的計(jì)算元素能夠用于無(wú)人駕駛汽車中的所有人工智能。其實(shí)，這句描述并沒(méi)有完整表達(dá)人工智能的應(yīng)用在無(wú)人駕駛技術(shù)上所面臨的挑戰(zhàn)，人工智能的特征遠(yuǎn)遠(yuǎn)不只是關(guān)系計(jì)算機(jī)視覺(jué)的處理，無(wú)人汽車駕駛技術(shù)中的人工智能應(yīng)用需要從自然語(yǔ)言處理到個(gè)性化處理，再到?jīng)Q策層面的整體需求去考慮。

從人工智能應(yīng)用中的感知、認(rèn)知、行為特征方面看，感知部分難度最大，技術(shù)應(yīng)用也是最多。感知技術(shù)依賴于傳感器，比如攝像頭，由于其成本低，在產(chǎn)業(yè)界倍受青睞。以色列公司Mobileye在交通圖像識(shí)別領(lǐng)域做得非常好，它通過(guò)一個(gè)攝像頭可以完成交通標(biāo)線識(shí)別、交通信號(hào)燈識(shí)別、行人檢測(cè)，甚至可以區(qū)別前方是自行車、汽車還是卡車。人工智能技術(shù)在圖像識(shí)別領(lǐng)域的成功應(yīng)用莫過(guò)于深度學(xué)習(xí)，近幾年研究人員通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和其它深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行訓(xùn)練，大大提高了識(shí)別準(zhǔn)確率。認(rèn)知與控制方面，主要使用人工智能領(lǐng)域中的傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)，通過(guò)學(xué)習(xí)人類駕駛員的駕駛行為建立駕駛員模型，學(xué)習(xí)人的方式駕駛汽車。

英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)認(rèn)為，人工智能包括深度學(xué)習(xí)，對(duì)無(wú)人駕駛技術(shù)而言至關(guān)重要，但仍需其他層面相應(yīng)的技術(shù)予以配合。目前，英特爾已經(jīng)和寶馬、Mobileye 等汽車企業(yè)進(jìn)行深度合作，提供諸如車內(nèi)計(jì)算、云和機(jī)器學(xué)習(xí)的解決方案，甚至還包括高帶寬、低延遲的連接系統(tǒng)、強(qiáng)大的內(nèi)存和 FPGA技術(shù)、人機(jī)接口，以及安全技術(shù)等。融入了這些技術(shù)的寶馬下一代無(wú)人駕駛汽車，能夠更為完整的體現(xiàn)出未來(lái)智能汽車的發(fā)展趨勢(shì)。