杜明芳认知智能架构下AI在无人驾驶汽车中

北京治疗白癜风医院哪个最好 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/

AI城市智库

aicitysAI城市智库透明可信互联下的城市机器人专注于推动中国人工智能与智慧城市发展研究领域数字孪生城市.CIM.安全韧性城市.智慧建筑.智慧能源.智能交通.智慧水利.智慧文旅.元宇宙.产业互联网.工业互联网.机器人.无人车.大数据.复杂系统智能控制与管理无人驾驶汽车三个核心工作任务是：“认知”、“决策”、“控制”。车辆在行驶过程中自行感知周围环境及道路情况，并依据感知信息完成处理融合过程，形成对全局的理解，进一步通过各种算法决策如何应对，最后将决策信息传递给各控制系统形成执行命令，完成驾驶动作。为了完成以上任务，无人驾驶汽车总体技术体系主要由以下内容模块组成：操作系统/ROS、地图/Map、导航定位/GPS+IMU、光学雷达/LIDAR、雷达/Radar、视觉/Camera、规划/Planning、控制/Control、通信/Communications、云平台/Cloudplatform、车联网/Vehiclenetwork、仿真/Simulation。无人车涉及的技术领域如下图所示。

宏观上分为两类：车辆端和云端，如下图所示。

每类包括不同的技术模块：

车辆端包括：

1、上层——软件和算法

传感模块：如何更好的获取环境数据；

感知模块：如何更好的理解车辆周围环境，包括定位，物体识别，物体追踪；

控制模块：包括控制刹车油门、控制方向、位姿等；

决策模块：在了解环境后如何更好的决策，包括路径规划、行为预测、障碍物躲避等。

2、下层——操作系统和硬件平台

云端（无人驾驶云平台）包括：高精地图、模型训练、模拟计算以及数据存储功能模块。

具有学习能力的无人车包含的功能模块及其相互关系如下图所示。

无人驾驶汽车涉及到的关键技术如下图所示：

无人车操作系统可选择ROS（机器人操作系统，RobotOperatingSystem）。ROS原本是斯坦福大学的一个机器人项目，后来由WillowGarage公司发展，目前由OSRF（OpenSourceRoboticsFoundation,Inc）公司维护。ROS是专为机器人软件开发所设计出来的一套电脑操作系统架构。是一个开源的元级操作系统（后操作系统），提供类似于操作系统的服务，包括硬件抽象描述、底层驱动程序管理、共用功能的执行、程序间消息传递、程序发行包管理，它也提供一些工具和库用于获取、建立、编写和执行多机融合的程序。ROS用节点（Node）的概念表示一个应用程序，不同node之间通过事先定义好格式的消息（Topic），服务（Service），动作（Action）来实现连接。

无人驾驶汽车的运行会产生海量数据，这些数据的快速智能处理需求将会持续推动无人车专用计算处理单元技术的发展。AI+5G正在影响并重构着整个无人车电子产业生态。5G通信技术有望在未来两年实现商用，AI则在算法与硬件的双向互动之下渗透进无人车电子应用的方方面面。从硬件革新的角度看，5G的实现需要车载终端产品配合有更快的处理速度、更高清的显示效果、更高效的信号处理以及更长的使用时长；而AI的实现除了算法的进化，还需要芯片、传感器、摄像头、雷达、控制单元等性能的全面升级。

AI在无人车中的应用主要包括语音识别、图像识别及云端深度学习三部分：

人工智能在训练过程中，模型拟合的精确度取决于计算能力，因此人工智能对终端的算力要求呈现爆发式增长。从计算量来说，并行计算可以提高计算速度；而从计算精度来说，浮点运算能力越强则计算精度越高。人工智能芯片是人工智能市场中重要一环，AI时代，以GPU、FPGA、ASIC等为基础架构的芯片将获得大规模应用。拥有并行计算能力的GPU更好地符合了深度学习的需要，未来将成为智能计算的主要支撑，诞生庞大的新增需求。此外，智能化也驱使核心芯片的复杂程度快速提高。苹果最新发布的A11仿生芯片内部除CPU外，还集成了GPU、性能控制器、神经网络单元和ISP等模块，采用10nmFinFET工艺，单颗芯片集成了43亿只晶体管。华为麒麟同样采用10nm制程，芯片集成了CPU、GPU、ISP/DSP和NPU，单颗芯片集成了50多亿只晶体管。

深度学习的优势在于可以模拟大脑识别机制，对于非结构化数据（比如图像语音等）进行更好的识别、判断和分类，让算法可以从数据和训练中得到学习。这样就像人脑一样，只需要工程师通过类似的场景不断对机器进行训练，它就能自己学会做出判断，这样即使在全新的场景里，车子也知道如何处理，更有利于适应和扩展。同样是在识别红绿灯的时候，rule-base的自动驾驶汽车会需要在高精度地图上特别标注出所有红绿灯、让机器固定看到那个方向；但是深度学习算法可以直接从相机里识别红绿灯的颜色，所以车辆就可以自己看懂红绿灯，以及整个路口的行车情况，以此来决定是否前行了。深度学习在无人车环境感知系统中的优势已被充分意识到，以至于越来越很多公司都号称自己的技术是基于深度学习，但事实上真正做到的并不多。原因是技术难点仍无法在短期内完全被克服，例如：自动驾驶产生的数据量极大，在收集到自动驾驶数据之后，第一步要做的事情是标记它们，才能让算法引擎得到训练，但事实上一个小时自动驾驶产生的数据，即使是在大互联网公司里也需要个小时的人工去标记它。在这些技术难点逐步被克服后，在不久的将来，深度学习将在无人车计算机视觉、激光雷达、毫米波雷达、驾驶员状态感知方面具有巨大发展空间。

无人驾驶汽车云控制系统

新能源汽车驱动与控制系统

各种实车产品（例：瑞士公交车）

如想了解更多无人驾驶汽车知识，您可以