凤凰网汽车

如何让自动驾驶更安全、更高效、低成本地规模化落地

​作者 ｜ 郭 振

编辑 ｜ Jane

出品 ｜ 帮宁工作室（gbngzs）

随着中国自动驾驶产业不断壮大，华人创新企业在全球舞台上开始扮演越来越重要的角色。

在不久前闭幕的美国移动出行（Mobility）行业盛会MOVE America上，ROMAN ROADS（陆领科技）创始人、CEO邢舟博士发表《利用智慧城市构建协同、高效的智能学习系统》主题演讲。通过分析人类和AI在驾驶行为上的差异，介绍实现高级别自动驾驶普及面临的瓶颈和挑战，提出以智慧城市赋能自动驾驶的全新路径。

得益于AI感知技术突破，L2级自动驾驶技术已经广泛商用落地，但对更高级别自动驾驶而言，仍面临经济成本高、效率低下、安全性不足等问题，很难解决实际道路中复杂和极端场景挑战。

邢舟博士认为，人类决策能力和AI在驾驶行为上的差异，是这些问题产生的根本。ROMAN ROADS（陆领科技）通过对海量驾驶行为统计发现，同样行驶速度下，自动驾驶或高级辅助驾驶系统自主做出超车、并线、刹停等决策，往往需要比人类驾驶员多花费2~3秒，甚至更长时间。

而当车辆遇到转弯处会车等交互问题时，人类驾驶员往往可以通过眼神、手势交流形成默契，但自动驾驶系统之间并不具备这样的交互能力，做出合理判断同样需要更多时间。

自动驾驶车辆的决策能力还达不到人类智能水平，一方面是因为当前AI尚未能完全学习和掌握人类驾驶经验和习惯，从而导致决策时间增加；另一方面存在因视觉、毫米波雷达、激光雷达等不同传感器之间的感知信息产生冲突，进而导致决策延迟或决策错误。

邢舟博士表示，这不仅是当前单车智能最难解决的棘手问题，往往也是当前很多自动驾驶车辆造成交通事故的主要原因。

不仅如此，全球不同国家和地区、不同地域文化、不同法律规定、不同道路地形，都会导致在平均车速、跟车距离、超车变道和礼让的习惯和规范上，产生巨大差别。这种人类驾驶行为的多元化，进一步加剧了高级别自动驾驶的实现难度。

AI与人类在驾驶行为上的巨大差异，可能会阻碍自动驾驶技术的大规模普及。对此，ROMAN ROADS（陆领科技）提出通过智慧城市赋能自动驾驶的新主张。

通过综合城市端、路端、场端的大规模数据，利用模仿学习（Imitation Learning）技术识别、学习大量人类行为和策略，以覆盖率为导向，全面掌握人类驾驶习惯、车辆行人的运动轨迹，进而建立驾驶行为和决策模型，实现城市端、路端、场端的共享智能。

相较于单车智能因人类行为不确定性导致决策能力瓶颈问题，ROMAN ROADS（陆领科技）的驾驶行为和决策模型将综合动态环境、城市道路、高速公路以及不同车辆等多种维度信息智能分析，通过协同智能均摊“决策”成本，降低单车“决策”难度。这将从根本上降低单车智能各类感知硬件的部署成本，降维式推动自动驾驶的普及。

在邢舟博士看来，人工智能与人类智能共存需要更好地理解人类行为，更好地协调多智能、多行为，最终才能让车真正做到像人一样思考和决策，让自动驾驶更安全、更高效、低成本地规模化落地。

ROMAN ROADS（陆领科技）源于硅谷、立足中国、展望全球，其核心团队来自斯坦福大学、耶鲁大学、卡耐基梅隆大学等知名高校，拥有深厚的科研基因。自2019年年底在中国落地以来，专注于让人工智能、机器人更好地理解人类行为，打造以“机器模仿人类学习”为核心的城市端智能解决方案。

​