在新一輪科技革命中，自動駕駛無疑是最具發展潛力的技術之一。然而，一個公認的事實是，與傳統汽車的研發不同，自動駕駛的實現並非靠一兩項技術的突破。
從信息安全問題、測試問題，到法律法規問題、控制問題和計算平台問題……都需要整個行業攜手突破。
2018年8月，清華大學車輛與運載學院接受了北京市科委委託，組建校企政府聯合技術團隊，開發面向冬奧會服務的L4級智能汽車，並研究為首鋼園區全天候多車型自動駕駛技術開發提供技術保障（以下簡稱“科技冬奧專項”）。
本期青年説邀請3位來自清華大學的“科技冬奧專項”項目組成員，從多個技術維度探討自動駕駛“落地”的關鍵點。
自動駕駛上架前還需“提質增效”
清華大學車輛工程專業博士後 楊濛濛
隨着自動駕駛汽車智能化程度的提高，車輛對環境感知能力的要求越來越高，環境感知能力是高級自動駕駛實現的關鍵，感知性能的優劣直接關係到自動駕駛車輛整體穩定性、可靠性與安全性，是自動駕駛體系架構中的關鍵環節。
當前，感知能力與硬件集成方案高度耦合，各種傳感器性能難以發揮最佳優勢，也難以滿足高級別自動駕駛的感知需求。
在“科技冬奧專項”中，我主要負責面向高級別自動駕駛的高精度地圖多源異構感知融合相關研究工作。
目前，我們正在面向高級別自動駕駛汽車的多源異構感知數據的智能融合機制展開研究。
一方面，基於自動駕駛高精度地圖，團隊構建一種新型超級感知容器，建立多源異構智能全息融合模型；另一方面，我們基於先驗地圖與人工智能算法建立動靜結合的全息行駛空間模型，實現目標智能識別與感知結果的一致性描述與表達，以突破高級別自動駕駛感知增強的技術瓶頸。
在不增加成本的基礎上，只有最大化增強高級別自動駕駛的感知能力，才能為高級別自動駕駛汽車傳感數據融合處理提供新的理論支持與技術支撐。
讓自動駕駛決策算法再“聰明”一點
清華大學機械工程專業博士生 曹重
在“科技冬奧專項”中，我主要負責無人駕駛汽車的自主決策算法開發及全棧算法平台搭建工作。
在該項目中，無人駕駛汽車決策算法是基於我們課題組提出的規則與人工智能自學習混合決策方法，該方法能夠充分發揮傳統的規則駕駛策略的可靠性與人工智能決策方法的自我提升能力，實現在真實複雜道路條件下的智能決策。
在無人駕駛汽車開發與測試過程中，我們發現真實世界的交通環境極其複雜隨機，實現在各種隨機場景中的連續長時間高度智能化決策仍然面臨挑戰。
儘管經典的規則決策算法目前已經能夠實現在大多數場景中駕駛，但面對少部分複雜場景由於沒有預先設計規則，無人駕駛汽車可能發生危險。
因此，引入人工智能技術對於無人駕駛高度智能化決策十分必要。事實上，人工智能自學習的駕駛策略需要長時間訓練，對數據量需求較大，未充分訓練的可靠性不足，這與無人駕駛汽車的高可靠性需求相矛盾。
課題組研究工作致力於突破規則決策與人工智能決策的融合難題，實現可學可控的無人駕駛決策，目前取得了一定的進展。
在我看來，“可學”是不夠的。如何能夠實現“快學”，“舉一反三地學”，並保證自學習的駕駛策略能夠具有高可靠性，是未來決策系統實現在各種複雜場景中可靠駕駛的重要基礎。
高精度地圖更新不妨試試“眾包”
清華大學機械工程專業博士生 温拓樸
自動駕駛技術毫無疑問將深刻改變人類的出行方式。實現自動駕駛，一個被廣泛認為是不可缺少的基礎技術便是高精度地圖。
高精度地圖區別於普通的導航地圖，它實現了對三維道路環境精確的重構，用釐米級的精度刻畫道路的信息，包括車道線交通燈等等，可謂是“自動駕駛眼中的地圖”。
目前，在主流車廠的智能駕駛硬件配置表中，高精地圖已經成為共同的選項。然而高精地圖存在着數據鮮度的問題，在中國的基建背景下，道路環境的變化頻率較快，因此地圖需要其能夠及時的更新來反應道路環境的變化。
值得注意的是，採用專門的地圖採集車進行更新僅僅能滿足月級別的更新頻率，相比自動駕駛以天為單位的實時更新要求難免有些捉襟見肘。
作為車輛學院的博士生，我在“科技冬奧專項”中的研究工作正是解決高精度地圖實時動態更新的問題。我們希望能夠利用量產車搭載的低成本視覺傳感器，通過大規模的車輛對環境的實時感知，來實現高頻率的眾包式高精度地圖更新。
在“科技冬奧專項”的自動駕駛平台上，我們的目標是通過研究的眾包式高精地圖更新技術，能夠使用車載的低成本單目相機來實現冬奧組委會園區的高精度地圖的實時更新，助力自動駕駛在冬奧的運營。
目前的研究成果已經支持了僅依靠單目視覺，實現對車輛20+cm的高精度定位。
在我國自主的自動駕駛道路上，我們有着獨一無二的先天優勢。我們擁有世界上最複雜的交通環境，也有着世界上最大的汽車市場。這也意味着我們的自動駕駛會面臨更多的挑戰與機遇。
我相信在不久的將來，高精度地圖的生產會逐漸大規模落地並趨於完善，為中國的自動駕駛保駕護航。
程鴻鶴 來源：中國青年報
來源：中國青年報·出行週刊