车云按：国庆小长假，车云菌邀请七位来自咨询、科研、投资、移动互联网等行业的代表，一起探讨汽车前沿科技的市场观、投资观和学术观。作为我们春节“七人谈”系列策划的延续，我们试图通过一个人以及他背后的群体和机构，为变革中的汽车产业图景提供某种个人化表达。希望这七篇文章能让你度过一个极富深意、远瞻未来的小长假。
七人谈的最后一篇，来自工程院院士、总参信息化部少将李德毅在车联年会上一篇题为《智能驾驶的跨界碰撞》的演讲。自动驾驶讨论到今天，作为看客的我们有过期望有过疑问，处在自动驾驶研发大队中的李院士，是如何看待这些命题的？
智能汽车最重要的东西，是驾驶脑。车载为谁服务？为驾驶员服务，驾驶员的生命比其他都重要，所以如何让汽车上的驾驶知识变成驾驶闹，将人类从驾驶中解放出来，是自动驾驶最为根本的问题。如果没有这个根本，所有任何服务都是小儿科。
中国每天因为汽车交通事故死亡180人，相当于每天一次空难，美国一天死亡120多人，也是一场空难。全球每年因为交通事故死亡16万人，在你的朋友，或者朋友的朋友当中，一定有一个人因交通事故受害。而人类的进步已经不再容许这样的交通事故发生。
提到智能汽车、智能驾驶，都会提到一个词——跨界创新。跨界的第一个表现是渗透，而跨界渗透的第一要素是跨界碰撞。
泛在的传感器、移动互联网和云计算造就大数据时代，学科交叉加速，产业前沿延伸，新兴商业延伸。传统意义的学科界别、产业界别、商业界别日趋模糊，涌现出包括轮式机器人在内的许多四不像产品。电动汽车上已经不再使用汽油，但是人们因为习惯问题还在用着“汽车”这个名字，以区别于三轮车。这种四不像的产品造就了跨界渗透和渗透过程中的跨界大碰撞。在自动驾驶上，跨界碰撞的创新究竟在哪里？
总参谋部信息化部少将、工程院院士李德毅
从汽车产业问自动驾驶
第一问： 何为颠覆性技术，汽车真的要被颠覆吗？
麻省理工学院提出来，轮式机器人要颠覆汽车，但制造商并不认可。汽车的超声雷达倒车预警提示已经升级到了6.0版本，为什么没有汽车制造商推出自动倒车功能？不过是因为这项技术还存在缺陷：如果后来是墙这种实体是可以正常使用的，如果是泥土一类，超声波会直接传播，不会预警。
颠覆是革命，是要九死一生的，而汽车制造商做的是改良和改革。所以，自动驾驶不会颠覆汽车。
第二问： 通过车辆外加装的方法实现智能驾驶都是小儿科？
一百多年的汽车工业告诉我们一个真理：第一，规模化生产；第二，精细化管理；第三，可靠性运行。如同清华大学汽车系的主任所，说汽车不是设计出来的，是跑出来的。
第三问： 汽车发展的方向是主动安全吗？ 凡是价格在一万元以上的传感器要在量产的汽车工业中用来提高主动安全，都难以被采纳？
所以，很多汽车制造商都会要求摄像头的价格必须在一万元一下。以色列做了一个摄像头，把软件集成在芯片上，通过ECU，通过看图文件控制防追尾。所以有人跟我讲，要做智能车，雷达要做到火柴盒那么大，我们现在是抽屉那么大。这个事情对IT人来说，是很沉重的话题，什么时候能把传感器搞的这么小还这么便宜？无锡是传感器基地，车上的传感器你哪个能生产得量大又便宜的？
第四问： 自动驾驶已经成为全球一流汽车业的新的技术标杆了吗？ 自动驾驶功能是一点一点往上添加的吗，汽车什么时候能够实现全自动驾驶？
第五问： 如何从智能驾驶的角度看汽车的CAN总线的后续发展？
汽车CAN总线在IT人来看就是一个路由，但是汽车人把它当做一个宝贝，国外的汽车一直没有对中国开放CAN。所以，CAN总线能不能破，我们看看能不能把CAN总线变成一个新的总线是未来需要解决的一个问题。
第六问： 智能化和汽车新能源、轻量化是什么关系，能否给出汽车业转型的发展路线图？
电动车本身的充电问题就是一个智能充电的问题，充电充好了就是一个复杂系统。特斯拉攻克的专利主要是电动车充电的专利，自动驾驶的专利并不多。智能化、新能源、轻量化是现在汽车制造商们三个较为统一的发展方向，但是智能化的占比应该要更重一点。未来的汽车，品牌的重要性下降，将会是网络化设计、数字化生产、柔性化制造的个性化汽车。
第七问： 自动驾驶涉及诸多法律和伦理问题，未来汽车和移动机器人有什么差别？双驾双控是不是更好？
自动驾驶并不应该剥夺人们开车的权利，在人与汽车之间，应该是双驾双控。智能汽车就像人脚下的骏马，由人指挥，智能汽车来执行命令。
第八问： 轮式机器人对智能交通有什么贡献？
现在的理论大多是自动驾驶可以减缓交通拥堵，这是肯定的，但是自动驾驶对缓解交通压力的贡献是有限的。自动驾驶的好处是有的，但没有那么大，交通拥堵最根本的矛盾是汽车拥有量和道路需求之间的矛盾。
第九问： 包括智能汽车在内的智能机器人能否成为下一个战略性新兴产业？
这是必然的。现在有五大机器人，轮式机器人仅仅是解决移动生活，提高移动深入品质而已，而不是拼速度，移动生活的关键是云计算。
第十问： 信息技术在倒逼汽车业吗？
事实上，是汽车业在倒逼IT技术。汽车的即开即走要求很高，要求用新的办法解决这个问题，是汽车业对信息技术提出了新的要求，在倒逼IT技术的进步。
从控制技术问自动驾驶
第一问： 在人工驾驶过程中，地面施加给轮胎的力会通过连杆和方向盘传递到驾驶员的手上形成一个反馈控制。采用电控转向，控制器将电信号传递给传动机构，轮胎的转向、油门的改变以及制动的发生都没有反馈，要如何感知呢？反馈没有了车子能可靠吗？
第二问： 人的驾驶行为可以形式化吗？有没有一个基本驾驶模式可以表述所有的驾驶行为？
路况不同，人的驾驶行为和习惯不同，从A点到B点，需要将驾驶行为形式化才行，这是必须解决的问题。
第三问： 出行任务规划完成之后，什么时候需要重新做一次规划，由谁来触发？
在智取威虎山里面有一个情节，要拿联络图，没有联络图就无法上山。出行任何规划需要一个非常重要的东西，就是地图，但这个地图并非是交通地图，而驾驶地图。
第四问： 有没有不牵一发动全身的智能车软件架构设计，能不能换一个雷达就如同换一个车灯、换一个驾驶模式如同换一个软件模块那么简单？
第五问： 汽车感知周边环境的异构传感器有很多种，采样周期也都不同，要不要同步，或者对感知数据加盖时间戳？
在汽车上，并没有一个好的传感器能够把所有问题都解决，传感器的不完美将是一个常态。以后汽车上的传感器会越来越多，摄像头和雷达的采样周期不同，如何对他们进行同步？是不是找最大公约数？这是必须解决的问题。
第六问： 要多少种类多少数量的传感器才算是完备的？
第七问： 能不能不采用昂贵的64线激光雷达和高精度惯导，研发老百姓买得起的智能车？
第八问： 有经验的驾驶员都知道一个基本原则——让速不让道。在接近路口，或者通过复杂路口的时候，怎么来体现让速不让道？
第九问： 开车难在自动泊车和汇入高速车流，智能车上要如何实现、如何验证？
第十问： 每次比赛前各车队都觉得跑现场很重要。跑现场跑什么？车辆周边障碍物、车道线和红绿灯等的识别难度，在恶劣气侯和实际道路环境下可以说是没有尽头的，怎么办？
从认知科学问自动驾驶
第一问： 智能驾驶的科学问题是什么？脑认知可以形式化吗，能否研发出一个不带情绪的专门驾驶脑，能否研发出一个飙车机器人来体现人的驾驶认知？
计算机会做加减乘除，可以称之为计算脑；下围棋的计算机已经打败了人类的冠军，可以称之为下棋脑。交通事故发生的最大原因不是汽车，而是驾驶员的注意力不集中，所以不应该让情绪进入驾驶脑。
第二问： 自动驾驶的智能程度能分级吗？能否增量式提高车辆智能？
智商是可以分级的，有的分成六级的，有分四级。李德毅院士正在进行的智能汽车项目，最低级能够实现的程度是：在一个封闭的、无红绿灯无行人、有车道线有马路边界的环境里，汽车自动驾驶可以做到最小步长25厘米。步长的距离并不稳定，最佳可靠性能够达到99%。遇到路口停止线，需要人为制动车辆。
第三问： 换道有两类，任务规划环道和自主行为换道。任务规划换道也会常常出现在一个路段内，需要自主决定换道时刻；自主换道会出现数次换道的情况，导致任务规划线的丢失，如何避免？
第四问： 人工驾驶换道时，会出现点油门加速换道，一个真正好的司机换道时是小加速的，在自动驾驶中要不要模拟这类带有不确定性的换道行为？如何体现驾驶过程中更多的不确定性？智能驾驶如何才能具有个性化和自学习的功能？
第五问： 如何在用于任务规划的道路地图坐标系和用于驾驶员认知的对数极坐标系之间，进行即时定位和映射（SLAM），每次行为决策做精细路径规划的路径有多长？其目的点有意义吗？开销是不是太大？
第六问： 开车难在泊车，不同道路和停车环境下的泊车非常复杂，有没有统一的形式化描述方法和实现方法？
地下停车场如果有自动停车，可以使地下停车场的面积缩小很多。
第七问： 如果保持相当的车速，跟随驾驶模式可以做到2米跟随，甚至1.5米跟随，利用此功能实现公路列车如何？这样形式的车联网，每个车都需要编队脑认知图吗？
第八问： 把驾驶脑认知扩展为编队脑认知，可以实现不同编队结构行驶模式，以减少对路权的消费吗？
可以的。
第九问： 当4G、蓝牙、WIFI、屏幕、摄象头雷达、语音、触摸、云导航、自动泊车乃至自动驾驶逐渐成为汽车标配之后，如何在有限、舒适的汽车空间里获得更多信息和更有效的互动？需要一个汽车操作系统，或者全新的轮式机器人总线么？
第十问： 在解决了智能驾驶之后，车内乘员和轮式机器人之间的视觉、语音、触摸、脚踏等多种自然交互形态，以及包括手机在内的周边互动和交互界面的设计，才是智能车成功与否的关键。这个观点是否成立？
京ICP证100580号|互联网新闻信息服务许可证 (1012009003)|京公网安备110401200155|中国互联网视听节目服务自律公约
广播电视节目制作经营许可证(广媒)字第185号|信息网络传播视听节目许可证(0111630)
关于我们|广告服务|联系我们|本站地图|投稿邮箱|版权声明
Copyright ? 2008-2012 by m.auribault.com. all rights reserved
