2021年6月17日-19日，由中國汽車工業(yè)協(xié)會主辦的第11屆中國汽車論壇在上海嘉定舉辦。站在新五年起點上，本屆論壇以“新起點 新戰(zhàn)略 新格局——推動汽車產(chǎn)業(yè)高質(zhì)量發(fā)展”為主題，設(shè)置“1場閉門峰會+1個大會論壇+2個中外論壇+12個主題論壇”，全面集聚政府主管領(lǐng)導、全球汽車企業(yè)領(lǐng)袖、汽車行業(yè)精英，共商汽車強國大計，落實國家提出的“碳達峰、碳中和”戰(zhàn)略目標要求，助力構(gòu)建“雙循環(huán)”新發(fā)展格局。其中，在6月18日下午舉辦的主題論壇“智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)生態(tài)的融合與升級”上，陸領(lǐng)科技聯(lián)合創(chuàng)始人兼首席執(zhí)行官霍靜發(fā)表了精彩演講。以下內(nèi)容為現(xiàn)場演講實錄：

  謝謝王部長，最后一個發(fā)言嘉賓，我將用最簡潔的，大家聽得懂的語言，跟大家分享一下我們的思考。

  首先非常榮幸我們這樣的初創(chuàng)科技公司，借這個寶貴的機會，跟大家分享一下基于自動駕駛、人工智能和人類交通行為的研究基礎(chǔ)上我們的思考。

  我是霍靜，來自Roman Roads陸領(lǐng)科技。今天我代表創(chuàng)始人邢舟博士跟大家分享關(guān)于覆蓋率為導向的智能駕駛開發(fā)和驗證的思考這個主題。這個也是基于我們在三年以來，對于人工智能、自動駕駛和人類交通行為研究過后，想跟大家共同分享的心得。

  剛才王部長也介紹了下我們這個創(chuàng)新公司，我再介紹一下，陸領(lǐng)科技是一支來自全球頂尖的高校，具有豐富的自動駕駛和對數(shù)據(jù)深刻理解能力的初創(chuàng)團隊，我們有具有出色的教育背景，同時也具有豐富的產(chǎn)品經(jīng)驗，深耕車與人的行為模型算法，并且擅長數(shù)學建模，用機器模仿人類，學習人類的邏輯思維思考。

  大家可以看到我們的核心技術(shù)團隊，主要畢業(yè)于斯坦福、耶魯和卡耐基梅隆、康奈爾和中國科大，并且都曾經(jīng)在特斯拉、蔚來、亞馬遜、寶馬、三星、福特工作過，并且深耕自動駕駛、人工智能，擅長數(shù)學和物理模型建設(shè)。

  今天想分享的是基于我們創(chuàng)立到現(xiàn)在三年的時間，長期耕耘在自動駕駛、人工智能和對人類交通行為的基礎(chǔ)上，我們發(fā)現(xiàn)真正要想實現(xiàn)自動駕駛的實現(xiàn)，其實有很大的挑戰(zhàn)。這其中表現(xiàn)在大家都在討論比較熱門的單車智能，單車智能巨大的挑戰(zhàn)在兩方面：一個是成本，第二是大規(guī)模可復制性?；谶@樣的思考我們提出了城市端、路端和廠端的共享智能。

  首先陸領(lǐng)科技要解決什么樣的問題?要解決的問題很簡單，就是研究人類到底怎么樣駕駛，研究真正的交通行為，包括車和人的交通行為。像Waymo長期進行路測，就是希望收集數(shù)據(jù)學習和研究人類的駕駛行為。

  為什么要做這樣的工作?我們就是希望通過研究人類到底怎么樣駕駛，研究真正的交通行為，包括車和人的交通行為，像Waymo做長期的路測，實際上是為了什么?大量的收集數(shù)據(jù)，希望通過這些數(shù)據(jù)學習和研究人類的駕駛行為。

  為什么我們要做這樣的工作?我們希望車和機器像人類一樣思考能夠做到自動駕駛，但是實際情況什么樣?大家可以看到這張ppt最左邊這么多黃色圈子，這是我們從美國得到的研究報告，黃色圈子里面都是表明了車和人在左拐彎時候或者直行碰撞的現(xiàn)象。很有意思的現(xiàn)象，這個里面前面都是追尾事件，追尾事件所有的都是一個共性，前面第一臺車要么是Waymo，要么是其他的自動駕駛車輛，后面一臺車追尾的全是人駕駛的車輛，這表示什么?所有自動駕駛在某一個地方突然停止，或者某一個地方發(fā)生了一種行為，在后面人為駕駛的車輛來不及反應(yīng)，根本不知道你這輛車干什么，于是導致了很明顯的人駕駛的車和自動駕駛車發(fā)生了碰撞事件。這也是大家可以看到每一次在Uber，包括Waymo、特斯拉發(fā)生的事件都是有原因的，很多時候智能的自動駕駛無法像人那樣真正的人工的思考問題。

  這里有一個結(jié)論，就是我們的人工智能現(xiàn)在還達不到人類智能的思考，在這里我有一個簡單的例子。大家可以看這張圖，這是什么意思?表明了藍色是自動駕駛車輛的做決策的時間，彩色的是人在駕駛時候做的決策的時間，藍色的決策時間表示是自動駕駛車在決策至少要有2秒以上的時間，而人，因為人腦反應(yīng)很快，在做駕駛決策的時候，一下就過去了，這就是機器和人的區(qū)別。

  另外一張就是交互事件，比如說十字路口，兩臺車，如果人跟人交互的時候，比如說你打一個手勢，眼神交流，都是一秒兩秒左右，紅色的就是自動駕駛車交互時間一定是比人更長，甚至達到5秒左右。

  這里我們就想說明現(xiàn)在的人工智能現(xiàn)在還達不到人的思考行為。

  這是另外一個案例，這個紅色和藍色的是兩個城市的人類群體行為軌跡。藍色的我們叫做藍色城市，紅色的叫紅色城市。比如說在日本，大家普遍很遵守交通規(guī)則，普遍行為是有規(guī)律可循的，這里就是藍色規(guī)矩的呈現(xiàn)。紅色比如說是中國某個城市，很多人交通習慣、交通行為實際上差別非常大，沒有規(guī)律可循。大家可以看到Cut-in behavior就是變道，在紅色城市的人群變道行為，可以發(fā)現(xiàn)沒有規(guī)律可循，都是自己變自己的，可以導致軌跡線非常分散，藍色的比如說日本城市軌跡線是有跡可循的。

  這就導致了自動駕駛是非常困難的：單車智能面臨目前的挑戰(zhàn)成本高，剛才也有同仁講了單車智能做自動駕駛成本是非常高的?，F(xiàn)在Waymo平均一臺車是40萬美金搭載單車智能的自動駕駛，Waymo在全球600多臺，如果1000多臺就是400M美金成本。另外就是即使在這車上裝滿了感知、裝滿了雷達，裝滿了毫米波，最多能感知6-8臺，這種效率是比較低下的。

  對我們來講，我們覺得自動駕駛要想實現(xiàn)，大家都希望生產(chǎn)低成本、可大規(guī)模復制的無人駕駛，而且在各種各樣的場景，包括礦山，包括無人卡車，包括小巴物流?？墒菍嶋H是什么樣?各種各樣的傳達、雷達、傳感、帶來的是高成本、低效率，難以實現(xiàn)商業(yè)場景化落地。

  我們提出的思考和我們的目標就是怎么樣大規(guī)模更多更高效采集數(shù)據(jù)，讓機器像人類一樣大量的用數(shù)據(jù)學習人類的思考模式和邏輯模式，我們的思考就是更多的從路端、城市端，我們目標是利用無人機、攝像頭、紅綠等來收集數(shù)據(jù)。

  我們提出的想法是什么?那就是希望單車智能越來越便宜，越來越減少成本，最后減少到能夠單車進行決策，單車思考，而城市端能夠大量的用數(shù)據(jù)的算法，用城市端共享智能，均攤自動駕駛車輛減少成本，更多的進行商業(yè)落地。

  剛才我們說大量采集數(shù)據(jù)以后，也是我們陸領(lǐng)在做的：用模仿學習算法來識別、學習人類行為、策略。這是我們在加州洛杉磯采取的無人機和路邊攝像頭采取的，24小時監(jiān)視著整個路面的情況，用算法和模仿學習不斷地在看和思考車是怎么行走，人是怎么行走，來幫助機器更好的加強算法的數(shù)據(jù)。

  剛才我所講的就是提出了一個概念，叫CDV概念，就是覆蓋率，我們希望大量的數(shù)據(jù)的采集、數(shù)據(jù)的算法用覆蓋率來驗證，讓計算機像人類一樣思考。我們提出這個覆蓋率在自動駕駛領(lǐng)域上的使用并不是我們最早提出來的，也不是我們唯一在做的，行業(yè)當中有很多家在做。大家看到Foretellix，包括LATENT，LATENT現(xiàn)在已經(jīng)被Waymo收購了，當時Waymo也是看中了他們用CDV的概念來做自動駕駛覆蓋率。

  覆蓋率的概率提出來是什么?動力源泉說白了就是兩種，一種就是大量的單車跑采集數(shù)據(jù)，希望用量取勝，覆蓋率是質(zhì)取勝，用大量的數(shù)據(jù)演練算法，用模仿學習，像人類一樣思考，讓我們采集各種各樣的異常場景，更接近人類思考，使安全率達到比較熱衷說的99.99%的目的。

  這個是我們無錫做的案例，在無錫交通路口采取了無人機和路邊的設(shè)想和城市端的攝像頭采集到的數(shù)據(jù)進行模擬的城市和交通，演練了模仿學習去找到了各種各樣的交通行為，幫助我們的進行大量的數(shù)據(jù)采集和訓練，提升我們的算法。

  如果做到這件事情，說實話這不是一家行業(yè)做的是需要行業(yè)、政府一起來做的，我們需要無人機、攝像頭一起來做，包括市政的數(shù)據(jù)、互聯(lián)網(wǎng)共同采集數(shù)據(jù)，大量的數(shù)據(jù)采集到以后才可以進行這樣的演算。

  最后我們的結(jié)論就是1)城市端的智能、共享智能能夠幫我們的單車智能大大降低成本，加快商業(yè)化的落地，2)大量的人類行為數(shù)據(jù)可以為覆蓋率為導向的自動駕駛研發(fā)貢獻巨大的價值。3)希望我們陸領(lǐng)科技的模仿學習的方法可以提取數(shù)據(jù)中的價值，建立駕駛行為、決策模型。做這件事情是工程比較巨大的事情，我們也感謝上海汽車城給我們初創(chuàng)公司這么好的機會，讓我們在這里能夠充分學習、研究、展示自己的貢獻。

  今天我的演講就到這里，謝謝大家!