摘要：在今年的云棲大會上，阿里巴巴人工智能實驗室除了發布服務機器人天貓精靈太空蛋太空梭天貓精靈車載版，還重點推出了車路協同智能自動駕駛車。秒看懂智慧物流車和感知基站各位嘉賓，上午好我是王剛，我要介紹的是自動駕駛從單車智能跨到協同智能的進化。

在今年的云棲大會上，阿里巴巴人工智能實驗室除了發布AliGenie 3.0、服務機器人（天貓精靈太空蛋、太空梭）、天貓精靈車載版（TmallGenie auto），還重點推出了L4車路協同智能自動駕駛車。

阿里巴巴人工智能實驗室總經理淺雪稱，將利用感知基站，實現車與路對話，讓自動駕駛進入車路協同智能時代。

在阿里巴巴人工智能實驗室的構想中，不僅有聰明的車，還要有聰明的路。自動駕駛車+路側“感知基站”+云控平臺，實現云端、路端、車端一體的智能。其中，感知基站站得高看得遠，具備多種傳感器，分布在道路的關鍵節點。每個基站能照看到方圓400米范圍內的路面，把路面情況、交通情況等提前告訴車輛，從而解決道路擁堵、交通險情提前預警等問題，給了智能交通一個“上帝視角”。

作為阿里巴巴自動駕駛的領軍人物，阿里巴巴人工智能實驗室首席科學家王剛在云棲大會上詳細講解了“車路協同”自動駕駛的探索與實踐，以下為現場速記。

90秒看懂A.I. Labs智慧物流車和感知基站

各位嘉賓，上午好！我是王剛，我要介紹的是《自動駕駛：從單車智能跨到協同智能的進化》。可能在很多人的印象里，自動駕駛是一個非常新的研發領域。但其實不是這樣的，如果我們翻開歷史，會發現早在上世紀三四十年代的時候，美國就提出了自動駕駛概念車的理念，1984年的時候，cmu研發出了自動駕駛原型車，2004年的時候，就開始了百萬美金的自動駕駛挑戰賽，一直到現在。

看到這樣悠久的自動駕駛歷史，其實還是蠻有感慨的。為什么研發了這么久，我們還是沒有看到完全無人的自動駕駛汽車產品出現，還是沒有成功實現商業化落地？其中一個重要的原因當然是自動駕駛是一個非常困難的問題，但同時，我們也非常有必要去復盤，去思考，我們以往研發的技術路徑方向是否是最優的，是否有可以提高的地方？帶著這樣的疑問，我們也進行了一些探索。

在過去的幾十年里，我們數代人都專注于單車智能的研發。單車智能就是希望能讓車自身具有感知，決策，控制等能力，能處理路上所有的情況，以實現安全駕駛。但單車智能真的能達到我們所期望的結果嗎？帶著這樣的疑問，我們團隊對單車智能系統進行了充分驗證。單車智能的框架和模塊，各個公司都比較相似，我這里就不詳細介紹了。

在過去的一段時間里，為了進行驗證，我們開發了業界領先的單車智能系統，比如我們能實現全場景全天候的厘米級的定位；我們建立了大規模的仿真平臺，能每天進行數萬公里的模擬和測試；在感知這個模塊，大家知道KITTI數據庫的競賽在國際上是非常權威的，全世界的算法專家都在上面測試。我們也把研發的算法在上面進行了測試，發現我們是3D目標檢測的第一名。這是我們感知系統的一部分，我們在系統架構以及工程優化上都進行了極致的研發。同時呢，在過去的兩年里，我們單是在CVPR這個國際最頂尖的計算機視覺會議上就發表了12篇論文，這也充分說明了我們在算法上的先進性和前瞻性。我們把工程和算法做到了很好的結合，我可以非常自信和自豪的說我們的車載感知系統是業績一流的感知系統。

基于這些先進的技術模塊，我們開發了一整套自動駕駛系統，并且進行了反復的測試和驗證。這是一個我們在云棲小鎮，也就是我們會場外的開放道路進行測試的視頻。大家可以看到，全程中我們的安全駕駛員是沒有操控方向盤的。 這是一個非常非常典型的中國式的道路，有橫沖直撞的自行車、有慢慢的機動車還有穿梭的行人以及路邊停著隨時準備啟動的車輛。但我們的車能熟練的跟隨、避讓以及在十字路口的時候安全的匯入車道，這也表明我們的單車智能非常先進。

但即使是這樣一個先進的單車智能系統，我們越測試，心里是越慌的。因為里面有很多問題，也就是大家所說的cornercase。并且很讓人絕望的是，很多這樣的corner case是在單車智能這樣的技術路線下很難解決的。

這里我舉幾個例子吧。第一個例子是盲區和障礙物的遮擋，車上的傳感器由于視角和高度的限制，總是有盲區的，并且如果路邊有障礙物，它是不可能看到障礙物后面的情況，這樣的限制在真實場景里有非常大的安全隱患；第二個限制是感知距離，現在大部分激光雷達的有效感知距離都在幾十米左右，如果車速稍微高一點，前面有靜止物體的時候根本來不及做出反應的。其他的一些問題包括高精度地圖不能實時更新，決策規劃無法得到完整的信息等等。這些問題都是單車智能技術上很難或者根本不可能克服的問題。

單車智能的另外一個問題是成本不可控，我們為了讓車智能，需要給它配備非常多且昂貴的傳感器單元。據法國的一個公司統計，2018年目前每輛自動駕駛汽車平均價格是20萬美元，所以即使單車非常智能，但這樣高昂的成本在落地上是非常困難的。

由于單車智能的這些局限，我們相信要想打造安全，經濟的自動駕駛系統，我們不僅要研發聰明的車，也離不開研發聰明的道路和交通設施，讓它們相互配合去實現自動駕駛。所以我們開發了車路協同的智能系統，我們稱之為這樣的系統為協同智能系統。

協同智能有什么好處呢？從安全角度來講，很多單車智能很難處理的情況，通過智能的路和交通設施能非常容易的解決；剛才淺雪也提到了，我們通過建設道路，實際上可以共享智能能力，從成本角度來講，通過集約式的建設智能的道路，讓這樣的能力被所有跑在路上的車所共享，我們能給車減配，降低車的成本，從而降低整個自動系統的成本。基于這樣的兩個原因，我們相信，在中國，乃至世界，自動駕駛的落地離不開協同智能的發展。

剛才講到協同智能更安全，是協同智能能對單車智能的能力進行了全面升級。我們常說自動駕駛需要看，想，做，分別對應著感知，決策，和控制三個部分。其中感知和決策是最難的兩個點。 單車智能的感知只是基于自身傳感器，有盲區，有死角，而協同智能的看可以是基于路上的傳感器網絡，無死角，超遠距離，所以我們稱之為上帝視角；單車智能的決策只能基于自身的不完整信息來做，是無法考慮到別的車輛的，所以決策結果是局部最優；而協同智能能綜合的考慮到所有的車的下一步的運動情況，從而做出全劇最優的決策結果。基于這樣優勢，協同智能可以實現非常好的駕駛安全性。

我們團隊在非常早的時候就開始了協同智能的研發，我們現在的自動駕駛系統就是一個完整的協同智能系統。今天我想比較詳細的介紹其中的感知部分，我們稱之為上帝視角感知基站網絡。

前面提到過車的傳感器由于視角，高度，以及傳感距離的限制，都存在很多局限，我們另辟蹊徑，把車的傳感單元裝到了路上。左下角顯示的就是我們裝在云棲小鎮路邊的感知設備，我們命名為智能感知基站。這個智能感知基站能感知到交通場景里所有的信息，并發送給車。相對于車的傳感器，我們的智能感知基站有什么優點呢？第一，它高瞻遠矚，因為位置高，視野廣，所以幾乎無死角，能有效處理遮擋；第二，它是靜止在路邊的，以靜制動，所以在檢測下面的移動物體的時候有很高的準確率；第三，感知基站不是孤立的，路上的感知基站可以形成網絡，相互通信，從而它的感知距離可以達到無窮遠，任何有感知基站的地方，我們的車都能感知到。這樣的感知基站網絡就猶如給自動駕駛開啟了上帝視角，可以決勝千里之外。

基于以上的三個優點，我們認為這樣的新型設備開啟了3D視角，極大地的增強了感知的安全性。它包括了多模態的融合算法，開發出了基于網絡的感知算法等等。我們致力于打造自動駕駛領域產品級的智能感知基站，它在精度，實時性，以及可靠性上都達到了很高的要求。例如，單個感知基站的檢測范圍大，我們在感知基站的算法上也進行了深度的研發，開發了非常先進的的多模態感知算法。另外在硬件設計上，我們也進行了工業級的設計，感知基站可以防雨、防霧，可以應對一切的天氣情況。

我們把車和感知基站形成了非常好的融合，形成了一個高效統一的協同智能系統。下面這個video充分的顯示了我們的協同智能的能力。其中銀色的車是我們的自動駕駛汽車，紫紅色的框表示車身傳感器感知到的結果，綠色的框表示感知基站檢測到的結果。大家可以看到路面上有一個障礙物，這個障礙物是行人，如果沒有感知基站的幫助，車無法看到，但因為有了感知基站的幫助，車可以及時避讓，極大地的提高了安全性。

我們還做了大量的實際測試，我們發現，即使車是在30公里/小時的速度下，如果突然沖出一個行人，100%會撞傷，但有了感知基站的幫助，我們實現了100%的成功避讓率，這個例子充分證明了協同智能的威力。

同樣重要的是，協同智能不僅更安全，還能更經濟。截止到2017年底，全國汽車的保有量是3億輛，假如我們要把這些車通過單車智能的方式全部變為自動駕駛汽車，這將是一個天文數字。而中國的公路里程只有400多萬公里，其中的高頻路段的里程更是少之又少，我們建設智能化道路，這個花費是非常少的，道路智能化后，我們可以給車減配，讓車的成本大幅度降低，讓整體的自動駕駛成本降低，從而讓技術真正普惠大眾。所以總體算起來，協同智能給自動駕駛能帶來極大的總體成本的降低。

我們剛才提出來的道路智能化的方案不光能服務自動駕駛，也能服務現在人力駕駛的情況。比如提供安全警示、協助交通管控等等。打造整個智慧交通體系。

為了能持續的推動協同智能的研發工作，我們也非常榮幸和交通部公路院成立了車路協同聯合實驗室，雙方緊密合作，去研發先真正能落地的車路協同技術；大家緊密合作，探索真正可以落地的協同智能系統。

最后，我想說協同智能的出現必將會造福全社會，因為有了更安全的駕駛、有了自動駕駛，可以降低交通的事故率，能夠讓出行和貨物運輸更高效。但同時這是非常復雜的工程，它需要政府、企業、院校通力協同合作，所以我們也非常愿意希望和更多的合作伙伴一起，攜手共進，真正的改變這個行業，讓中國的自動駕駛變得不一樣。謝謝大家！

本文作者：車路協同

閱讀原文

本文來自云棲社區合作伙伴“阿里技術”，如需轉載請聯系原作者。