第七期“AI未来说·青年学术论坛”带你感知自动驾驶的黑科技

2019 年 7 月 22 日下午，“AI 未来说·青年学术论坛”第七期自动驾驶专场，在中国科学院大学中关村校区3号教学楼S101阶梯教室举行。

“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会，百度为支持单位，读芯术、PaperWeekly为合作自媒体。

自动驾驶又称无人驾驶，是一种由电脑控制，部分由人工参与或完全没有人工参与的驾驶行为。自动驾驶的实现需要依靠人工智能、通讯、传感器、定位系统等技术的支持。自动驾驶的关键为目标理解，在大数据与大计算力的支撑下，已经取得了很大的进步，但是仍面临着很多瓶颈，如高可靠环境感知、自主导航与信息融合。按照美国汽车工程师协会（Society of Automotive Engineers, SAE）和美国高速公路安全管理局（National Highway Traffic Safety Administration, NHTSA）的标准，自动驾驶智能化和自动化水平分为6个等级：无自动化（L0）、驾驶支持（L1）、部分自动化（L2）、有条件自动化（L3）、高度自动化（L4）和完全自动化（L5）。自动驾驶领域的巨头们均聚焦于L4水平的无人驾驶技术。自动驾驶的市场潜力巨大，有希望解决交通拥堵、疲劳驾驶、车辆路线规划等问题，未来自动驾驶将会成为我们日常生活中不可或缺的一部分。

本次论坛共邀请到了4位嘉宾，包括北京大学的查红彬教授、清华大学的邓志东教授、百度公司的朱帆博士和北京理工大学的宋文杰博士。

查红彬教授作“基于数据流处理的SLAM技术”报告分享

作为北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任，查红彬老师报告的主要内容包括SLAM（Simultaneous Localization And Mapping）的背景与概念介绍、SLAM研究存在的问题、SLAM的工作流程以及相关研究方法四个部分。查红彬老师首先讲了定位与地图构建的问题，两者之间是相辅相成、紧密耦合、相互促进的。接着讲到了SLAM的研究发展史，从SLAM讲到了DSO。然后介绍了现有的SLAM存在的问题，如：很少关注时间的连续性、太过依赖于像素的对应关系、高计算损耗以及学习方法需要大量标注等，进而引出了SLAM缺少系统阐述这一关键性问题。紧接着讲解了基于数据流的SLAM的工作过程：从流（Flow）到预测（Predictor），再到地图构建(Mapping)，最后到学习的过程。最后，介绍了自己所在团队的相关研究方法。

邓志东教授作“自动驾驶的‘感’与‘知’：挑战与机遇”报告分享

作为清华大学智能技术与系统国家重点实验室教授，清华大学人工智能研究院视觉智能研究中心主任，邓志东老师的报告主要包含自动驾驶产业生态已初具规模、视觉感知智能成为自动驾驶的基础性技术、自动驾驶落地面临的主要挑战以及探索具有理解能力的视觉认知智能四个部分。邓志东老师首先讲了自动驾驶的产业生态，并阐述了自动驾驶生态建设的关键性。自动驾驶产业已初具规模，具体反映为安全成为自动驾驶发展的黄金标准，商业模式逐渐明晰，人工智能成为基础技术以及相关的产业支撑等方面。接着又讲到了自动驾驶的基础性技术，即视觉感知智能技术，涉及算法、大数据、算力、细分场景和垂直整合等5个维度。同时，介绍了在环境感知、自主导航技术以及信息融合中的应用。然后讲到了自动驾驶落地面临的主要挑战，如缺乏认知水平的理解能力、缺乏知识推理能力以及缺乏举一反三的小样本学习能力等。为解决这些挑战，引出了探索具有理解能力的视觉认知智能这一话题。最后，对所讲的内容进行了总结与概括。

朱帆博士作“开放时代的自动驾驶：百度Apollo计划”报告分享

作为百度智能驾驶事业群组资深研发工程师，朱帆博士报告的主要内容包括百度Apollo开放平台的简介及其在自动驾驶上的最新进展两大部分。报告首先以自动驾驶分级标准引入，介绍了L0-L5不同级别的自动驾驶标准，由此引出了“持续领跑，安全第一”和“脚踏实地，规模测试”的百度自动驾驶技术，并展示了Apollo自动驾驶开放线路图。然后介绍了开启限定区域量产自动驾驶新时代的Apollo 5.0开放平台，包括车辆认证开放平台、开放硬件平台以及仿真平台等。Apollo5.0 是 Apollo 平台发展至今，最重要的一个里程碑，可以帮助开发者和合作伙伴由技术研发深入到产品落地，使合作伙伴能基于平台真正开发出满足用户需求、市场竞争力强的自动驾驶产品。

宋文杰博士作“时空域下智能车辆未知区域自主导航技术”报告分享

作为北京理工大学助理教授，硕士生导师，美国普林斯顿大学访问学者，宋文杰博士报告的主要内容包括研究背景与基础、定位与地图构建、时空域自主导航以及端到端自动驾驶四个部分。报告首先以智能车辆系统的介绍引入，包括对其构成和技术的讲解，进而介绍了由比赛推动进步的智能车辆自主导航技术的发展概况及相关赛事介绍。接着，介绍了其所在团队以及团队参加的一些比赛情况。然后，给出了自主导航技术中两项关键难题：未知区域或无先验信息条件下的精确定位和自然场景下多类动态目标运动扰动问题。最后，从这两项难题出发，在定位与地图构建、时空域自主导航以及端到端自动驾驶三个方面分别介绍了其研究意义以及目前开展的相关研究工作，包括：多目视觉稀疏点云地图及稠密点云地图构建、2D激光占据栅格地图构建、时空地图导航、基于游戏仿真软件TORCS的端到端自动驾驶和基于机器人建模软件Gazebo的端到端自动驾驶等。

百度Apollo产品设计师朱鑫进行了Apollo自动驾驶实训基地低速测试场的招募

除了嘉宾报告的环节，百度Apollo产品设计师朱鑫介绍了百度自动驾驶的最新研究进展，展示了相关的产品，并进行了Apollo自动驾驶实训基地低速测试场的招募。他讲道，在百度自动驾驶的技术开发中，从研究到产品需要经过多个阶段，如从模拟器仿真（软件在环）到必要硬件平台（硬件在环），再到基于车辆执行（车辆在环），最后到基于实际道路（司机在环），安全是第一要求。在测试方面遵循的原则是脚踏实地，规模测试。日前，北京市自动驾驶测试管理联席小组发布的首批共计五张T4级别自动驾驶测试牌照全部花落百度，百度也成为中国第一家、也是唯一一家获得此级别牌照的企业。然而，目前的北京市自动驾驶车辆道路测试条例中尚不包含低速汽车的管理条例，因此目前也没有针对低速自动驾驶的封闭测试基地。而目前的低速自动驾驶应用遍地开花，包括百度推出的Apollo自动驾驶开发套件（ApolloD-kit）也是为了更好的推进低速自动驾驶的研发测试。如中国科学院自动化研究所、北京信息技术大学以及长城华冠等已经基于Apollo D-kit展开了深入的研发。与此同时，Apollo希望在北京打造一处契合低速自动驾驶技术发展需求现状的、更有利于推进产学研一体化进程的封闭测试场+教育实训基地。最后，详细介绍了百度寻求合作的招募公告，详情可见 https://f.wps.cn/form-write/tukXKBAh/。

现场的神秘嘉宾：Apollo自动驾驶开发套件（ApolloD-kit）

参加此次活动的还有一位神秘嘉宾，它就是Apollo自动驾驶开发套件（ApolloD-kit）。同时，现场还有来自百度的相关技术工程师为在场同学进行详细讲解，让同学们直观地感受到了自动驾驶的神奇之处，同时让大家加深了对自动驾驶的了解。

“AI未来说·青年学术论坛”系列讲座以贯彻落实国家人工智能发展规划和推动我国人工智能技术水平进步为目标，通过邀请业界专家、青年学者和优秀学生介绍领域前沿技术成果和分享教学、科研和产业化经验，促进产、学、研结合，助力我国人工智能行业的蓬勃发展。

AI未来说*青年学术论坛

第一期 数据挖掘专场

1. 李国杰院士：理性认识人工智能的“头雁”作用

2. 百度熊辉教授：大数据智能化人才管理

3. 清华唐杰教授：网络表示学习理论及应用

4. 瑞莱智慧刘强博士：深度学习时代的个性化推荐

5. 清华柴成亮博士：基于人机协作的数据管理

第二期 自然语言处理专场

1. 中科院张家俊：面向自然语言生成的同步双向推断模型

2. 北邮李蕾：关于自动文本摘要的分析与讨论

3. 百度孙珂：对话技术的产业化应用与问题探讨

4. 阿里谭继伟：基于序列到序列模型的文本摘要及淘宝的实践

5. 哈工大刘一佳：通过句法分析看上下文相关词向量

第三期 计算机视觉专场

1. 北大彭宇新：跨媒体智能分析与应用

2. 清华鲁继文：深度强化学习与视觉内容理解

3. 百度李颖超：百度增强现实技术及应⽤

4. 中科院张士峰：基于深度学习的通用物体检测算法对比探索

5. 港中文李弘扬 ：物体检测最新进展

第四期 语音技术专场

1. 中科院陶建华：语音技术现状与未来

2. 清华大学吴及：音频信号的深度学习处理方法

3. 小米王育军：小爱背后的小米语音技术

4. 百度康永国：AI 时代的百度语音技术

5. 中科院刘斌：基于联合对抗增强训练的鲁棒性端到端语音识别

第五期 量子计算专场

1. 清华大学翟荟：Discovering Quantum Mechanics with Machine Learning

2. 南方科技大学鲁大为：量子计算与人工智能的碰撞

3. 荷兰国家数学和计算机科学中心（CWI）李绎楠：大数据时代下的量子计算

4. 苏黎世联邦理工学院（ETH）杨宇翔：量子精密测量

5. 百度段润尧：量子架构——机遇与挑战

第六期 机器学习专场

1. 中科院张文生：健康医疗大数据时代的认知计算

2. 中科院庄福振：基于知识共享的机器学习算法研究及应用

3. 百度胡晓光：飞桨（PaddlePaddle）核心技术与应用实践

4. 清华大学王奕森：Adversarial Machine Learning: Attack and Defence

5. 南京大学赵申宜：SCOPE - Scalable Composite Optimization for Learning

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017 论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你