無人駕駛前沿~CCF-GAIR 2019--港科大自主駕駛中心主任劉明~《低速無人駕駛系統的應用關鍵要素》學習記錄

演講機構：香港科技大學智能駕駛中心

演講題目：《低速自主駕駛的技術要素》

演講人：劉明?香港科技大學智能駕駛中心主任、機器人與多感知實驗室主任

劉明教授，博士畢業于瑞士蘇黎世聯邦理工學院（ETH），現任香港科技大學智能駕駛中心主任、機器人與多感知實驗室主任，兼任多家知名科技公司首席科學家，香港科技大學電子與計算機工程學系助理教授；在機器人領域累計發表論文100余篇，近五年獲得了12次國際會議最佳論文或提名獎，以及包括中國人工智能最高獎—— “吳文俊人工智能科學技術獎”在內的多項獎勵。2018年10月， 劉明教授獲得IROS Toshio Fukuda Young Professional Award,成為首位獲得此獎項的華人。

劉明及其團隊選擇了以深度強化學習為框架，工程模塊化系統作為輔助的無人駕駛技術路線；在原型車上，采用了二類商用車底盤的配置。劉明認為，一臺好車應該是“無人駕駛二類商用車底盤 + 完整的可量產無人車解決方案”的組合。

目前無人駕駛的技術分為兩大類：

一類是以端到端深度強化學習為主的模式，是偏高速車的常用方案；

另一類是比較傳統的工程模塊化系統。

事實上，這兩種技術路線各有優劣勢。端到端深度強化學習的優勢在于容易做出working demo，劣勢則是場景遷移能力比較弱，對樣本的數量和質量都有較高要求。工程模塊化系統的優勢在于完成決策系統后，其他地方不會有太大紕漏，劣勢在于實現精準的系統定位、障礙檢測、決策、控制，需要大量的技術積累。

所以我們選擇了以工程模塊化為框架，深度強化學習作為輔助的模式，大致定義了一套從運營邏輯及數據接口、到無人系統核心技術模塊、再到核心支撐技術的路線。簡單來說包括感知系統、決策與預測系統，規劃與控制以及相應的支撐技術六方面。

在感知系統方面，我們利用三維感知建圖與定位，多視覺慣導融合系統、單個實時雷達來獲取場景。得到三維場景之后，我們會進行實時的三維幾何場景分析、三維語義場景分析、視覺場景語義分析，然后利用嵌入式平臺實現基于像素點的語義分割。在三維激光場景上，可以實現實時的激光場景語義分析、手持及車載大范圍實時建圖，路面環境可行區域檢測等技術。各位有興趣可以到我們實驗室的網站ram-lab.com做進一步了解。在感知方面，我們可以說是世界級水平。

得到三維模型的下一步是決策預測，決策預測系統包括了實時多車間協調控制、多信息的融合等技術。車輛模型輔助動態決策利用視覺和激光檢測的結果，對動態物體運動行為進行預測，結合車身的動力學模型，實現控制路徑的決策和規劃。

近幾年行業在深度強化學習點到點導航、環境探索、多機器人任務分配方面投入比較多。

除了決策預測，如何實現三維場景下的路徑規劃、基于遷移學習的強化學習、對復雜控制系統（如無人船、無人車）的控制都是需要解決的問題。

以上的內容都屬于算法類型，與每個算法相對應的是后臺的硬件或平臺支撐。與感知系統對應的是傳感器技術。我們目前有一款包含激光、視覺、慣性導航等七個傳感器在內的集成硬件同步觸發產品，并在產品基礎之上開發了相當數量的算法，涵蓋了姿態估計、建圖、定位、識別、跟蹤等，這套多感知內容獲得了IEEE IROS最佳學生論文獎提名。

在算力方面，除了傳統的CPU、GPU模式，我們也立項了FPGA模式來作為算法方案。

但最重要的是，無人車技術要落實到車輛上。算法就算再前沿，車本身才是決定量產的關鍵。我們做了一款近乎量產的車型。該車型可以安裝36個10號國標周轉箱，整體載重最高達1.5噸，目前在各個園區做相關推廣以及部署嘗試。我們會根據實際應用場景的需求來做配合工作，比如客戶提出不同的標準箱要求，我們會進行箱體數量的排列、優化箱體設計與配重設計，電池換電、轉向系統等一系列工作。在初始階段，我們會采用標準商用車底盤將原型車先做出來，然后以量產件實現交付。

有了技術、原型車、場景之后，下一步是什么？我本身職業是香港科技大學教授，可能無法完全從工廠或設備的角度來做無人車的開發工作。但我認為，實現無人車最重要的理念是，首先要有一部好車。最好的車就是標準的商用車。我們選用的是無人駕駛的二類商用車底盤，包括夸父系列，里面的ABS（防抱死制動系統）、EPS（電動轉向系統）、ESP（車身電子穩定控制系統）、iBooster（線控制動系統）、EPB（電子駐車制動系統）及電池管理系統胎壓檢測等配置都和一般商用車差別不大，甚至很多配置只有在高端商用車上才能見到。

AI 機器人 自動駕駛

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。