「G·A·M·E 2017」地平线：自动驾驶时代的数据怎么处理？

今天下午，小小值放出了自己参加「G·A·M·E 2017」极客出行大会的第二篇心得：

「G·A·M·E 2017」明势资本黄明明：未来出行的终局是智能电动车+自动驾驶「G·A·M·E2017」极客出行大辉的参会心得，小小值已经放出勒一篇，感兴趣的值友可点击浏览。「G·A·M·E2017」百度Apollo自动驾驶平台，会如何对开发者开放？「G·A·M·E2017」百度Apollo自动驾驶平台，会如何对开发者开放？......汽车小小值| 赞1 评论3 收藏7查看详情

此次小小值放出的是地平线机器人公司的余博士的讲话总结（由GeekCar授权转载）。

对自动驾驶有所了解的值友应该知道，自动驾驶离不开感知、地图、决策以及控制这四个环节，而这四个环节依靠人工智能的深度学习才能更有效的实现。地平线机器人公司（Horizon Robotics, Inc），一直深耕于深度学习算法，并且从最底端技术研发开始，搭建自己的架构IP。他们想做的是软件、算法、硬件一体的自动驾驶解决方案。在刚刚过去的上海车展上，我们将地平线的余轶南博士请到GeekCar主办的人工智能论坛，和我们分享了地平线在自动驾驶中应用的深度学习算法。

汽车有强大的能源和空间，不只要对外部环境进行感知，还要对内部驾驶意愿进行交互，可以说汽车是AI机器人的载体。

地平线提供的是嵌入式人工智能解决方案，将AI同自动驾驶结合。他们的「汽车大脑」包括算法软件架构、芯片的编译器和运行时间库以及硬件，还有模拟训练后台支撑前端的业务和技术，所以可以执行包括感知、定位、语义环境重建以及运动预估在内的全站式工作。

余博士提出，他们设计这套算法有三个目标：

1. 神经网络可以被用户理解。

神经网络由于包含隐层，经常被人理解成黑盒子，如何理解神经网络成为关键。地平线现在在做的贝叶斯网络（Bayes Networks），是神经网络中和控制决策相关的技术。通过深度学习，摄像头、激光雷达、毫米波雷达对汽车周围环境进行感知收集数据，然后进行环境重建及运动预估，最后通过贝叶斯网络做决策，给出路径规划。

现在主流公司会使用深度学习加强化学习，做「端到端（end-to-end）」训练，从传感器的输入直接导出控制器的输出，这使得深度学习缺乏透明性。你能看到输入层和输出层的数据和决策，但不知道输入的数据运用什么样的算法形成输出层的决策。如果输出了错误的决策导致驾驶事故，你甚至不知道为什么会出事故，这样一来，再多的数据积累都没有意义。而且，端到端的训练仅仅依靠相关性推理，推出的结果有一定的盲目性，运用在驾驶中可能导致严重后果。

地平线在收集到感知数据后，会进行人工标注，配合激光雷达、毫米波雷达进行三维标注，区分出车道、行人、周围车辆，然后建立3D仿真模型，进行模拟训练，还会做出运动估计。这些模块会单独做端到端的学习，而神经网络会把各个模块串起来，形成一个整体网络。这其中还可以加入专家模块，形成冗余路径，能增加输出的可靠性。同时，贝叶斯网络采用因果推理，使整个系统更加通透。你能够分析决策的过程，就能找出导致错误决策的原因然后修改。

2. 系统可以自适应学习。

汽车每天面临着各种各样的驾驶环境，很难在一开始收集庞大数据库去训练各个模块，所以需要在不停变化的环境中不断学习，既要学习人类的驾驶行为，还要进行仿真训练。不正确的驾驶行为导致一些后果之后，地平线会利用其收集到的大量数据在云端进行控制，让汽车更加 smart，避免再出现同类型事故。同时，他们不只要让车「被训练」，还要车内系统能够自适应学习。

对自动驾驶来说，足够强大的前端做实时的强化学习以及强大的后台保证系统的学习，很重要。

3. 算法和硬件平台相互迭代优化，使计算平台更加高效、节能。

地平线认为芯片在自动驾驶中占据很重要的地位。之前他们的神经网络都是在GPU跑浮点模型，不过功耗非常大。所以，他们在神经网络结构稀疏化上做了很多努力，希望「在未来若干年，不增加计算量或在小功耗环境下，可以有更强大的计算能力和更好的效果。」

在年初的CES上，地平线和Intel联合推出ADAS系统。这套系统做了神经网络并联化和稀疏化，能耗低、运行快，能同时对车辆、行人、车道线和可行驶区域进行实时检测和识别，还能进行高密度的环境检测。他们曾在宇宙中心五道口进行过路测，利用他们的算法能准确的识别行人、汽车、街道、建筑、树木和标志。

和计算机视觉不同，做自动驾驶的关键在于获得结构化场景，而且还要对汽车的应用学模型、动力学模型、定位有所了解。余博士表示，一直在做计算机视觉的他，转做自动驾驶有点「水土不服」。不过经过努力，地平线结合了车辆运动系统、语义感知，实现环境结构化，还能重建场景，使汽车运行更加游刃有余。并且算法优化可以直接在场景语义结构化中实现。

最后，余博士也表示平常机器训练更多用GPU，前端inference会使用嵌入式结构。他们自己打造了低功耗的深度处理器IP－－BPU（Brain Processor Unit），它将会有三代架构，分别是高斯架构、伯努利架构和贝叶斯架构。目前第一代架构已用于和Intel联合打造的ADAS系统，第二、三代架构正在研发中。

此前我们也报道过，地平线在上海安亭成立了研发中心，这将方便地平线进行自动驾驶技术的测试，加快研发进度，而且安亭的地理位置更有利于地平线和客户进行接洽，让技术更快落地，实现商品化。

在自动驾驶时代，汽车将成为一个移动数据中心，数据的计算、处理能力将尤为重要。深度学习网络隐层、系统自适应学习以及降低计算功耗是地平线的深度学习算法的目标，也是当前自动驾驶研发亟需解决的问题。

目前，自动驾驶巨头在中国的数据积累几乎为空白，针对中国驾驶场景的算法优化也没有明显的优势，地平线可能也正是看中了这一点，所以一直深耕深度学习算法。不过，他们能不能在巨头进入、瓜分中国市场前积累优势，还要看他们的产品落地和数据积累情况。

THE END