腾讯自动驾驶实验室负责人苏奎峰:理性看待5G对自动驾驶的作用

2019-07-29 23:53:46·  来源:腾讯汽车  
 
苏奎峰认为,挖掘数据价值、提升数据利用效率是构建自动驾驶核心竞争力的重要方向,单做一个模型或算法很难构建出真正的竞争力。随着各个国家都在加大对 5G 的研
苏奎峰认为,挖掘数据价值、提升数据利用效率是构建自动驾驶核心竞争力的重要方向,单做一个模型或算法很难构建出真正的竞争力。
 
随着各个国家都在加大对 5G 的研发投入,以及陆续商用测试,5G 俨然已经成为了 2019 年最重要的技术风口。5G 的应用场景有哪些?通信厂商,互联网企业如何在 5G 时代改变?中国在 5G 时代,应该做些什么?

腾讯科技近日发起「5G 讲坛」系列策划,邀请行业专家,企业高管,投资人士等众多知名人物,详细解读关于 5G 的各种疑问。第八期嘉宾:腾讯自动驾驶业务中心总经理苏奎峰。

嘉宾简介:

苏奎峰,清华大学计算机科学博士,腾讯自动驾驶业务总经理,负责人。中国自动化学会智能自动化专业委员会委员、全国汽车标准化技术委员会智能网联汽车分技术委员会委员。2016 年加入腾讯组建自动驾驶团队。

划重点:

- 5G 对自动驾驶的作用在于,通过高速 5G 通信链路,建立车端与场端及其他主体的联系,弥补车端感知、定位等方面的不足。

- 真正的自动驾驶,还需要其他的一些设施协同实现。未来,5G 对于自动驾驶核心作用是通信链路的载体,需要车、路、端的协同才能发挥更多的作用。

- 今年自动驾驶产业走向了「低谷期」,部分初创公司的维持会比较困难,最终会是「剩者为王」。挖掘数据价值、提升数据利用效率是构建自动驾驶核心竞争力的重要方向,而做一个模型或算法很难构建出真正的竞争力。


如今,5G 的到来正在给汽车行业将带来一场升级变革,尤其是自动驾驶,通过 5G 低延迟、高带宽的特性,能够为自动驾驶汽车提供更丰富的信息,让自动驾驶汽车在紧急时刻做出精准决策,保证使用和用户的安全性。5G 的作用可见一斑,但通过 5G,自动驾驶就能够快速落地实现吗?自动驾驶真正落地还需要多远?

腾讯自动驾驶业务中心总经理苏奎峰对此表示:「其实 5G 不像社会大众所期待的那样,认为能够真正解决自动驾驶的产业痛点,自动驾驶还有很多需要面对的难题。」苏奎峰认为,对于整个自动驾驶的生态来说,在 5G 的加持后会加速产业的成熟。但自动驾驶的落地和实现,所涉及到的既有政策问题、技术问题,还有运营等多方面的问题,这需要政府、互联网公司、车企,三方共同合作才能完成。

谈到 5G 在自动驾驶汽车方面的应用,苏奎峰认为主要是体现在「用户智能」和「驾驶智能」两方面。所谓用户智能,是 5G 能够为用户从娱乐、消费等方面与车的结合,为用户带来价值;驾驶智能方面,主要在感知层(感知和感知信息共享)和计算层面来体现。

对于今年国内自动驾驶的发展,苏奎峰表示:「自动驾驶产业逐步回归了理性甚至是走向了低谷期」。在这个阶段,部分的初创公司能够持续活下去会比较困难,真正具有核心竞争力的公司需要有几大关键能力:能够把数据利用效率提高、能够把数据价值挖掘得更高和相应的工作积累地更深。

以下是腾讯科技对话苏奎峰的具体内容:

腾讯科技:您如何理解 5G 对于自动驾驶的真正价值?5G 的「高速率」、「低延时」的特性,是否可以解决自动驾驶技术的痛点问题?5G 真正的价值在其中可以发挥多少?

苏奎峰:5G 本质上是一个通信手段,会解决自动驾驶遇到的一些问题,但还不像社会大众所期待的认为「5G 能够彻底解决自动驾驶的产业痛点」,自动驾驶还有很多需要面对的难题。当然,如果没有这样一个低延时,高带宽的链路,用其他的技术弥补是不可能实现的,5G 是有作用的,只是这个作用没有大众期待得那么高。

5G 对自动驾驶的作用在于,汽车通过 5G 这个高速的通信链路,弥补车端的感知能力和算力,以及通讯信息交互等方面的不足。比如 V2I(车联网)、V2V(车与车之间的通信),V2X(车与所有物体的连接),都可以把整个信息传递或共享到车上。

可以说,这个技术的核心作用不在于 5G,而是 5G 提供了一个低延时、高带宽的通信链路,提供一个灵活的网络结构和边缘计算能力。但要加速自动驾驶,还是需要其他的一些设施来协同,需要车、路、端的协同。

腾讯科技:从产业层面来看的话,5G 的应用整体会给产业带来哪些改变?首先会有哪些具体落地的场景会可以被应用到?

苏奎峰:对汽车产业的车端而言,我认为会影响两个方面:一个是「用户智能」,一个是「驾驶智能」。

- 所谓用户智能,就是 5G 能够为用户在娱乐、消费等方面与车结合,为用户带来价值。比如通过 5G 通信,相关的娱乐系统能进一步升级,用户可以体验到 VR,或者依赖高带宽的高清视频等内容可以达到车端。

- 驾驶智能方面,主要体现在感知层(感知和感知信息共享)和计算层,可以实时的将道路、环境及他车的状态通过 V2X、V2I、V2V 通路实时共享,提高车端的安全性。如 V2V 方面,通过 5G 可以实现车与车之间的信息实时共享,让汽车更好的感知到周围路况,通过感知的环境信息传到自动驾驶系统。举个例子,当自动驾驶车在大的公交车后面行驶时,如果想变道超车,是无法知道前方状况的。但有了 V2V 以后,可以通过前车的感知设备,通过 5G 的链路传到后方自动驾驶车上,实现了「透视」。 

从计算层面来看,有了 5G,如果设备完善的话,会有边缘计算节点。这样很多计算的负载的需求可以转移到路两侧的边缘计算节点,从而有效的降低了车端对算力的要求。这样好处有两点:一是整体算力更强,提升自动驾驶的感知能力。另外一方面,可以降低功耗。因为自动驾驶对算力要求比较高,利用边缘计算节点可降低油耗,尤其是电车能够提升汽车的续航里程。

腾讯科技:您认为 5G 对于细分的一些车载技术,比如说 SLAM(定位与地图构建),或者是 V2X 数字化车载等技术会有怎么样的影响?

苏奎峰:SLAM 是自动驾驶和机器人领域非常核心的技术,也是很有技术挑战的,其核心作用就是建图和定位,尤其是在复杂城市环境中对 SLAM 技术依赖很高,涉及到 5G,它主要体现在两点:

- 首先,5G 是定向性较强的通信技术,它的频带比较宽,通信频率较高,定向性比较强,基站也很密。基于这些特点,它能够辅助 SLAM 的定位,通过一些相关资料的了解,它能够做到亚米级。也就是说,在没有卫星的情况下,通过 5G 的基站也可以提供一种可靠地全局定位方法,这无疑对定位技术是一个非常好的补充,优势是在室内场景其作用会更明显。

- 另外,通过 5G 高带宽的通信链路,未来的某些基站物理坐标都可以很准确。在这种情况下,在建图和定位的时候,两侧会有非常多有带自己绝对位置的基站,利用这些路标信息,建图工作会更加精准,对高端复杂算法依赖也会降低。
总的来说,5G 对 SLAM 大规模建图优化,或者说将来在定位方面,有利于降低计算复杂度,提升整个系统的定位精度。

对于 GPS 导航系统,在 5G 的地面基站增多后,会变成类似于全局定位的小型基站系统。这对于一些受遮挡、有城市高楼的定位弥补作用很强。具体来讲,就是当有 5G 基站后,哪怕在高楼林立,甚至是室内定位里,5G 手机都能够达到这种亚米级别,这个精度会非常惊人。现在在很多室内的导航定位还是缺少有效的定位手段,依靠一些 Wi-Fi 来实现定位精度不容易保障,也满足不了用户的大部分需求。

腾讯科技:您认为 5G 这项技术对于自动驾驶产业未来的影响会包括哪些层面?比如说在技术的细节上,它对自动驾驶生态会不会有更多可能性?

苏奎峰:对 5G 来说,首先它本身除了通信链路以外,它构建这样一个快速的渠道,把计算连接起来,依赖于路边的边缘节点,可以减轻车端的计算需求。

举个例子,其他的移动设备的能力比车还要弱,汽车在「空闲」时,其他的设备也可借助于车端的计算能力来帮助用户来做一些事情。比如实时翻译功能,现在我们使用都是翻译笔,翻译笔里面有专门的 GPU,需要硬件加速。

但未来的实时翻译可能就不需要这样的运算方式,比如手机里装一个软件,真正的计算是可以在一些车端实现,或者场端实现。由于基站比较密,低延时的切换也比较快,这样我们可以很快速在这种移动过程当中,通过双向的计算形式,用手机来做这种翻译。

而对于云端来说,延时较低的情况下,可以大规模的将运算直接传到云端去计算。比如刚提到的 SLAM,可以在建图过程当中收集大量的原始数据,核心的建图优化算法放在云端做,把结果实时反馈车端。

从技术角度来说,5G 对光纤的要求也很高,因为每个通信链路的数据都很大,光纤相当于现在的骨干网络,骨干网络的带宽也一定要足够宽,才能可以来满足时间方面的要求。否则节点很多,但细的骨干网一定会造成堵塞。所以,无缝连接以外还有一些其他的基础设施都要跟上,才能满足整个的需求。

对整个自动驾驶的生态来说,在 5G 的加持以后发展会更快,有一个更大的维度弥补技术短板,在核心技术的突破后,会加速产业的成熟,也会逐步产生更多的相关消费行为和内容需求,使整个生态形成正反馈。

腾讯科技:业界认为有了 5G 这项技术,能够推进自动驾驶产业有突破性的提升,但是实际上,我们看到近期,有很多自动驾驶公司都遇到了不少的问题,比如被收购、甚至倒闭等等。您怎么看待目前国内自动驾驶产业发展情况呢?

苏奎峰:2019 年对自动驾驶来说,可能已经趋近于一个低谷期,整体融资较为困难。虽然自动驾驶有 5G,在 AI 技术上有很多进步,但是真正的 L3,甚至是 L4 以上的,离用户期望的自动驾驶还有一定的距离,还需要有很长时间和耐心把这件事情一步步做好。

在这种背景情况下,很多初创企业,很难得到一些商业化落地的想法,维持它长远的发展。所以自动驾驶最终活下来,是「剩者为王」,不一定是短期内有技术上领先多少的公司就一定会胜出。最核心的问题还是做的自动驾驶怎么才能结合行业,能够使自己的团队、自己的公司能够有持续的造血能力,然后持续技术和产品迭代。

技术方面来说,这个成败其实考验的是一个公司在系统资源方面的整合能力,包括底层系统工程化能力等等。另外,其中的核心技术是对数据的利用效率,所以无论是做决策、还是感知层,最终公司的技术要体现在数据的利用效率上。

所以,能够把数据利用效率提高、把数据价值挖掘得更高、相应的工作积累更深等这些要素的公司才是有核心竞争力的公司,而不是短期内做一个模型,或者做一个小的算法来获得竞争力。

腾讯科技:能介绍下近期腾讯自动驾驶实验室的战略布局吗?在 5G 方面会有哪些计划?

苏奎峰:目前我们的核心主要是帮助车厂把自动驾驶技术做好,帮助自动驾驶落地,所以我们在仿真、在云、高精度地图等工具链和数据测投入很多资源,也致力于成为值得信赖的软件与服务提供者,为产业发展提供助力。

从战略路线上讲,我们平行推进 L3 和 L4 级别的自动驾驶。L3 是产业落地,跟车厂紧密合作,L4 当前主要在做技术开发和测试,让自动驾驶汽车能够在一些复杂的城市道路里面也可以行驶,提升自动驾驶的整体技术水平,并将相应技术降维应用到 L3 或工具链的能力提升上。

L4 方面,我们期待能够同更多的车厂合作,一起联合测试,为 L4 的落地运营提供支持。关键是我们也希望能够通过 L4 这种技术的积累,把仿真、云等方面的能力进一步提高,把腾讯的服务做得更有竞争力,能够为客户带来更大的价值。

5G 方面的应用布局来说,我们内部有专门开展 5G 研究的「未来网络实验室」,在边缘计算、开源和标准应用等方面都有较高影响力的成果,也一起在开展自动驾驶与 5G 技术的应用研究,在车辆在环、模拟仿真等方面已经取得了非常有价值的成果,通过 5G 链路把仿真虚拟的环境信息打到车端,让自动驾驶汽车能够在马路上模拟整个系统运营。

至于车路协同的应用,因为主要依赖车端感知的终端以及很多其他的一些基础设施。其中涉及的不光是 5G,还有一些很多功能节点,需要系统工程的配合。目前这些技术发展还没有到成熟阶段,所以它也会一定程度上会影响整个落地的进程。当然,随着国际或国内更多 5G 示范城市的推出,相关示范区的落地会更快一些,我们都会积极参与,加速 5G 和自动驾驶的融合。

腾讯科技:刚才我们提到了自动驾驶级别,您认为 L3 级别的自动驾驶是一个分水岭吗?从技术来看,您是怎么判定的?

苏奎峰:L2 到 L3 是自动驾驶的一个分水岭,最核心的问题在于责任的认定问题。比如说 L2,或者是 L2+ 级别的自动驾驶,人在驾驶中依然承担主要角色,如果车出了问题或者发生事故,是人的责任,车厂都是可以规避风险的。

对于 L3 及 L3 以上级别的自动驾驶,核心的问题就在于汽自动驾驶能力允许驾驶员释放双眼和双手,当汽车遇到危险之前,自动驾驶会有预警提示,如果汽车一旦出事故,车会负责任,而不是人负责。因此,这样对于汽车方面的安全要求会非常高。所以无论是在安全方面还是在技术层面,L2 和 L3 差别较大。

并且,L3 对技术的要求会有更高的要求,比如以转向系统为例,如果转向系统有一部分失灵了,需要有双备份的冗余的转向系统和刹车系统,这些关键的系统都是要有冗余的。L4 主要面对的 Robot taxi 的移动出行,它的商业化或者是产业周期可能会更远一些。

对于初创公司来做 Robot taxi 这件事情,我还是有些保留意见。首先是它要求的技术壁垒很高,另外一个问题是成本方面,汽车为了保证安全,需要规模化测试,这个规模化测试需要的资本也非常高,对初创公司融资能力挑战不小。

理想中的 L4 及 L5 的自动驾驶的落地和实现,需要政府、互联网公司、车企,三方共同合作才能完成,因为它既有政策问题,也有技术问题,还有运营问题,都要融合在一起考虑的话,三方合作可能会更容易去推广。

自动驾驶的落地需要有一个过程。这个过程可能需要相关测试和运营混合在一起同步推进,比如出行公司运营一些测试的自动驾驶汽车,运营系统实现有人驾驶与无人驾驶的联合调度。在早期阶段,自动驾驶汽车上会有测试员、有司机,这些都也可以混编到运营车队里。一定程度上还节约了成本,后续会逐渐从特定区域的运营、和有驾驶员或者测试人员的汽车混编在一起运营,然后最后到彻底无人的运营,这需要一个循序渐进的过程。
​ 
分享到:
 
反对 0 举报 0 收藏 0 评论 0
沪ICP备11026620号