杨殿阁：高级别自动驾驶所需要的关键技术突破

　　还有需要重点关注的是自动驾驶地图，我这里放了一张路线图，现在做自动驾驶的时候很多人觉得自动驾驶地图不太需要，我们现在不用高精度地图不是也做得很好吗?现在很多做演示的人做的是寻迹，开过的路都跑过了，到未来简单的寻迹肯定不行的。自动驾驶的低级，可能不需要自动驾驶的地图，只需要驾驶辅助的地图，ADAS地图，但是到了4和5级，大家可以发现这种自动驾驶地图不仅需要而且是必备性，如果不具备这种自动驾驶地图，智能汽车自动驾驶的实现是很难的。有了地图就可以把感知和地图结合起来，让你汽车行驶的时候始终知道你行驶在哪里，离障碍物多远，也可以把动态障碍物叠加在地图上。这是基于自动驾驶地图的决策和控制，这是我们目前做汽车很多人能想到的一种方式，这种方式是基于控制逻辑来做自动驾驶。这是比较简单的，特别是做汽车企业的人来说比较简单，但是对很多互联网企业来说很难。做这件事情需要整车的动力学建模，整车控制要做得很精确。对互联网企业来说他们会想不用控制逻辑来做，能不能基于人工智能深度学习去做，也可以。谷歌和百度没有在汽车本身做大量工作，但是通过大量数据采集，给车一个图片和传感信息，这个车直接告诉你方向盘的转角、油门刹车这样的信号，我们实验室也做过这样的工作，确实能做，特定条件下可以做到很好的效果。直接用深度学习做自动驾驶的训练，也可以让汽车无人开起来。但是这么做行不行呢?这么做是有问题的。它什么时候出了事情，什么时候撞死了人你不知道，这个不知道对汽车产品来说是不可以接受的。如果手机、电脑这样的产品出了问题大家可以重新启动，对汽车来说出了问题撞死人是不可以重新启动的。去年日本有一家很有名的公司叫高田，有85年历史，做安全气囊的，20%多的市场份额，85年汽车企业去年破产了，因为它的安全气囊出问题了。这么多年一共有10个安全气囊出问题，死了10个人，他们一共卖了1.2亿个，这样的比例都不能接受。如果你造了智能汽车用深度学习训练，什么时候撞死人也不知道，这样的汽车能卖吗?肯定不可以。汽车解决的是真正问题，各种各样极端条件下汽车的动力学控制99%已经做到最优了，对未来高级别的自动驾驶一定是把深度学习、人工智能的技术和传统的车辆动力学控制技术结合起来，是一种可控的学习网络，这个需要比较长的时间做工作。

　　最后一个，汽车的车载信息安全问题。汽车的安全性非常重要，比手机、电脑重要得多。手机、电脑出了问题，出了勒索软件，最多付点钱就解决问题，但是对于汽车要死人的，而且汽车安全问题不是一辆车，如果整个系统安全性被攻破了，死的就不是一两个人了，整个安全问题是非常重要的问题。但是这个安全问题从单车的安全到系统的安全都需要综合考虑，这也是需要比较长的时间去攻破的。

　　下面我把清华这方面做的工作讲一下。清华为了更好地做好智能汽车自动驾驶这方面的工作，专门成立了智能汽车校级交叉中心，由汽车系牵头，我们软件学院等等10个院系联合起来，围绕智能汽车一块开展相关的工作。这些年在这个工作的基础上我们也取得一些成绩，这是我们做1、2级驾驶辅助技术，基于视觉来做，我们去年也上了上汽的通用50，一下子量很大了。这个技术主要是我们在苏州创业团队做产业化具体的工作，在去年获得中国汽车工业科技进步一等奖。高级别自动驾驶方面我们做了很多尝试，大家知道长安汽车当年从重庆开到北京，影响比较大，当中有一部分核心技术也是和我们合作的，出重庆和入北京的这部分，当时我们和长安一块做。去年北京车展上北汽无人驾驶的车辆很多人试驾过，一部分技术也是和我们合作的。左侧这个图是低成本无人驾驶车辆在无人驾驶大赛里面，其他用的是激光雷达的方案，我们有意地用了很低成本的方案，视觉的毫米波雷达为主，成本控制在几万内。整个比赛路段30公里，能够自己完成这个工作，用低成本的方案做3级自动驾驶证明是可以的。右侧是我们天津做技术孵化的产业化团队，清智，做的无人驾驶公交，4月份开始在世界智能大会之后一直做示范运营。这是我们另外一个产业团队，我们最近用这个小车在清华里面做图书的运送，上周完成了首次图书运输任务，现在任务主要由无人小车完成。

　　稍微总结一下，智能汽车自动驾驶技术离我们已经很近了，高级别的可能10年左右就可以实现了，但是对我们所有企业来说如何选择发展道路是很重要的事情，我们希望大家既能看到未来也能看到现在，希望更多的企业能够投入更多的力量在智能汽车自动驾驶技术的研发上。我的汇报就到这里，谢谢大家。