编辑
徐甘产学研科技成果转化中心
今年4月，在清华大学车辆与运载学院举办的《疫情下的汽车工业如何创新与发展》云论坛，面向全球直播。杨殿阁教授做了精彩演讲，他的题目是：基于AI混合决策的自动驾驶。
杨殿阁教授做《自动驾驶的AI混合决策》清华大学车辆与运载学院杨殿阁教授所在的自动驾驶实验室一直围绕AI+HDMap，对自动驾驶汽车感知、决策和控制技术进行深入研究，助力智能汽车的商业落地。
观点摘要
1、基于数据驱动的自动驾驶有很强的潜力，让自动驾驶的车辆有了自学习计划的能力，也让它具备了应对复杂、随机场景的能力。
2、人类90%-95%的时间，基于人的经验去做自动驾驶的控制比AI直接去做控制做得更好，但是我们不熟悉的场景AI比我们做的要好。
3、把驾驶经验放到AI的算法里面，最终的结果完全取决于算法本身，只是在优化AI的做法，所有的做法还是端到端。大家发现这是一个黑箱的决策过程，因为它是学习出来的，虽然融入了很多人的经验，但是并不能做到用人的经验去控制整个AI的算法，目前的结合是有问题的。
4、我们要把规则的控制跟AI的学习做到有机的结合。人能控制汽车决策用人来控制，人控制不了我就用AI来控制。一个最简单的方法是，在哪种情况下谁的控制最好就用谁。
5、在进行环岛学习的时候，AI控制的车走不好而且会晃来晃去，这就是AI学习典型的特点，因为AI认为走哪儿都行，在里面走也行，在外面走也行，不撞就可以了，所以有任何的扰动就会晃动。
6、美国路上有一个专业的左拐的车道，设在中间，车上路的时候要在左拐的道上等，但在中国训练的AI自动驾驶技术拿到美国去就不能用。这是因为地理空间不同，这种地理空间的变化会导致我们基于空间端到端的学习自动驾驶策略失效，这是我们要解决的新的问题。
小结
第一，AI技术为自动驾驶的发展带来了新的发展机遇和极大潜力，但单纯的依赖AI技术实现无人驾驶是不行的，缺乏安全保障，也缺乏足够的训练。
第二，AI与人类驾驶经验相结合的混合决策能够很好的支持自动驾驶的发展，通过AI可以在人类驾驶经验的基础上提升无人驾驶的性能，通过人类的经验可以去约束AI的安全性。
第三，自动驾驶地图可以将人的驾驶经验与地理空间相结合，可以支持AI混合决策的落地，也是AI混合决策非常好的载体，未来有望支持我们去实现自动驾驶的认知地图。
—END—
本文根据直播视频内容整理，版权归主办方所有；仅用于学习交流，不可用于商业目的。如因作品内容、版权等存在问题，请于本文刊发30日内联系我们进行删除或洽谈版权使用事宜