无人驾驶人工智能算法

无人驾驶汽车是当前的热门技术，概念车及真实投入生产的无人驾驶汽车都有出现，AI技术的发展更是推波助澜，让无人驾驶汽车的性能有了质的飞跃。本文解读AI是如何在无人驾驶中发挥作用的，在驾驶技能方面它真的已超越人类了吗？

无人驾驶的历史

无人驾驶技术其实很早就已出现，早在1925年8月，美国街头就首次出现了一辆“貌似”无人驾驶的汽车，一位名叫Francis P. Houdina的美国陆军电子工程师，通过发射无线电波控制一辆汽车行驶，这可能是最早的无人驾驶概念车了（图1）。

图1 第一辆无人驾驶汽车

随着科学技术的发展，特别是AI技术的发展，越来越多的科技巨头参与到无人驾驶技术的开发中。2015年，谷歌第一辆原型汽车正式亮相，并且正式上路测试，测试过程中这辆汽车可以自动避让行人，智能识别交通信号灯，自动和迎面而来的其他车辆交会等，就像一位技术精湛的老司机在开车（图2）。2018年，无人驾驶技术进一步发展，整合AI技术的无人驾驶更是如虎添翼，驾驶水平得到进一步提高。

图2 谷歌第一辆无人驾驶原型汽车

无人驾驶中的AI

上文我们介绍了无人驾驶汽车可以自动避让、交会和识别信号灯等，那么在整个驾驶行程中，AI在其中究竟扮演了什么角色？

大家知道无人驾驶汽车要自由在公路上行驶，就必须对汽车进行精准定位和控制。常规的定位是使用无人汽车上光学雷达和摄像头所获取的数据，然后通过一定的算法在地图上实现对汽车的定位。但是由于无人驾驶汽车需要在复杂地理环境和不断变化的街道中行驶，这就要求驾驶系统有很好的感知及决策能力，显然这本身就具有非常大的不确定性（图3）。

图3 无人驾驶汽车上的光学雷达和摄像机

为了实现更精准的定位和更高智能的决策，科学家使用AI的深度学习来解决这个问题，他们并不像传统深度学习模型那样先预设算法，而是为无人驾驶系统准备大量的实例。一方面，驾驶系统通过学习大量实例掌握更多复杂路况驾驶技术和决策能力，另一方面，借助AI的自主学习能力，通过对实例的学习和不断自我纠错，达到自我提高。整个过程类似于经验丰富并且勤学好问的老司机，他们可以通过和其他同行的交流、学习来提高自己的驾驶水平，以及应对各种路面突发情况的处理能力（图4）。

图4 AI深度学习图解

与此同时，科研人员还利用“多任务深度学习”对驾驶系统进行深度训练。在这个训练中，科研人员让驾驶系统同时识别车道标志线、汽车以及行人，并且借助AI的CNN（Convolutional Neural Network,卷积神经网络）技术进一步提高无人驾驶系统识别和判断能力。

通过上述的深度学习后，现在的无人驾驶技术已经不用完全依赖预先设定的地图了，而只是将地图作为其中的一个数据流，同时结合传感器获取的数据帮助系统进行决策。比如，神经网络系统通过地图信息可以预先知道下一个路段的人行横道的信息，再借助摄像头实时捕获的横穿人行道的行人信息，驾驶系统就可以据此作出更好的决策，或停车礼让行人，或正常通过人行横道等。借助“多任务深度学习”AI的神经网络，不需要再从原始像素图中提取车道信息、交通标识及车辆行人标识了，这一切都交给神经网络自动识别，最后只是输出简单的刹车、转向、避让等指令让无人驾驶系统执行即可（图5）。

图5 神经网络在无人驾驶中的应用图解

当然AI在无人驾驶技术中还有很多的应用。比如通过AI深度学习让驾驶系统学习很多人类的驾驶方式及技巧，从而让乘客感觉是一位经验丰富的老司机在开车，从而提高乘车体验。此外类似全局导航路径规划方面、局部环境地图三维构建、车辆的智能调配等，

无人驾驶改变你我生活

通过上述的介绍，我们知道利用AI技术的无人驾驶汽车不仅可以提高无人驾驶的安全性，而且可以应对更复杂的路况和拥有比人类更优秀的决策能力。这不仅对厂商来说增加了很多卖点，而且对于普通用户来说也有很大的意义。

有统计数据显示，全世界每年有120万人死于汽车或与交通相关的事故，其中有93%是人为失误造成。无人驾驶汽车充分利用AI技术，正好可以减少那些由于人为马虎大意引起的失误而导致的交通事故，从而也就减少了人员伤亡。以测试了8年之久的谷歌Waymo无人驾驶汽车为例，期间驾驶了300多万公里，只发生了十几起轻微事故（图6）。虽然2018年5月谷歌Waymo无人驾驶汽车在美国发生了一起车祸，不过值得注意的是，Waymo无人驾驶汽车并不是肇事方，而是事故被肇事方。

图6 谷歌Waymo无人驾驶汽车全方位监控增强安全性

无人驾驶技术的普及无疑也为普通人出行带来更多便利，当整个无人驾驶技术成熟运用到公共交通系统中时，一切的交通会在一个系统中统一调度，这样无论你在什么地方、什么时候打车，无人驾驶车辆都会根据自动调度为你提供最好的服务。

当然了，无人驾驶技术还有很多的应用，比如我们开到目的地后就无需再考虑停车这个老大难的问题，它会自动帮助我们去找停车位等等。