四维图新腾讯无人驾驶(四维图新自动驾驶AI总监李阳)

2月20-21日,2019全球第二届自动驾驶论坛在武汉举办,本次论坛以“智能驾驶 改变未来”为主题。四维图新自动驾驶AI总监李阳发表了主题演讲,演讲内容如下:

四维图新腾讯无人驾驶(四维图新自动驾驶AI总监李阳)(1)

非常感谢组织组委会,也非常感谢刚才杨教授频繁地为我们做宣传。四维图新是一家在这个行业耕耘了很多年,但一直不太为大家所了解的公司。四维图新在国内最早开始做导航电子地图的,2002年开发出第一份商用导航电子地图,通过和高校、政府,以及我们的客户、合作伙伴的合作打磨,四维图新在导航电子地图领域做到了行业前茅。随着2010年之后,车载应用从最基本的导航逐渐开始延伸出车联网,辅助驾驶,最后到自动驾驶这样的一个非常清晰的路线图。我们也逐渐从单一的导航业务逐渐发展到车联网、自动驾驶,也就是之前杨教授提到的智能网联的概念。对于四维图新来说,导航是我们传统的现金流,是我们的基石。

四维图新拥有最优质的,通过国内最高质量评价指标的SD Map。也拥有国内最先量产的ADAS Map,以及现在很有竞争力的导航软件,在我加入四维图新之后,刚好经历四维图新转型车联网,从通过车厂为用户提供服务,提供内容到基于用户数据为车厂提供服务。通过基于车厂提供的脱敏数据,来为每一位车辆拥有者提供定制化的推荐、分析、保险等服务,来让车联网服务逐渐体现出它的价值。

刚才大家一直提到自动驾驶,尤其是杨教授帮我们做了很多的铺垫和科普。高精度地图或者自动驾驶地图,对于自动驾驶非常的重要,是一个非常核心的关键组件,一个非常棒的基础设施。

在基本介绍完四维图新之后,我后面的议题会跟大家慢慢分享,地图是如何一步步从导航地图到ADAS地图再到自动驾驶地图,通过一个图商的视角,我如何结合新技术,结合现在行业的发展趋势,结合我们客户的需求,以及大家日益增长的对出行的诉求,来形成我们新的地图世界观,帮助大家解决一些瓶颈。

目前还没有到最后的L4甚至L5自动驾驶阶段,在众多的合作伙伴中,很多在L2.5及之前的阶段也会用到地图。ADAS地图里面有一些属性会提高目前高级辅助驾驶功能的可靠性,比如说曲率过大,不建议开启自动驾驶功能。这是在L3及以上自动驾驶没有到来之前,地图能够为L2.5以下的方案中起到的作用。

在L3及以上的自动驾驶的阶段,高精度地图是非常重要的基础设施。这里面四维图新的身份也将从一个地图数据的供应商变成服务的供应商,甚至进一步变成能力的供应商。

导航地图本身大家可以很直观的看到,它是对于现实世界的一个基本抽象,侧重定性的描述,里面只有道路的类型,道路的名字。他的量化其实是来源于地理空间的量化,跟他本身的属性几乎没有关系。导航本身属性很至少有量化的内容很少。而且又因为国家法规很多细节的信息是不能够拿出来的。

所以在传统导航电子地图里面,定量的信息比较少,主要是来描述道路结构,能够为导航场景提供空间计算的索引,这样的世界观,这样的表达方式是继承自传统纸质地图。

因为纸质地图能描述的属性非常有限,所以大家更多的是用颜色和用图样来区分不同类型的属性,随着数据库技术的发展和地图的结合,导航电子地图自第一次出现,就远远比纸质地图能承载更多的数据,能承载更多的细节。

ADAS地图第一次把地图从定性变到了定量,它的坡度曲率主要来自测量而不是人工制作。

与ADAS地图,SD地图来比,HD地图最大的区别他面对的是驾驶这个场景。能够层次清晰,空间准确的描述现实环境。帮助自动驾驶系统结构化道路环境,结构化交通规则,能让系统准确的进行决策、驾驶。

所以截止目前,高精度地图和普通地图并不是一个谁存在谁就应该消失的问题,而是现在两个互相有侧重,普通地图仍然为高精地图提供了全局的路径规划,为高精地图提供了全国几千万的索引,高精度地图继承了这样的全局规划和索引之后能够实现从起点到终点的一个无缝的车道级的路径规划,引导。通过这样的方式,大家可以很容易实现比如北京到武汉或者上海到武汉这种跨城市级的高速自动驾驶。如果没有普通地图和高精度图的结合,我们很难看到这种场景的发生,我们只能让车辆自己沿着车道线往前开,这就是地图的作用。它不仅提供了足够参考,还提供了全局的参考,不同阶段的地图的融合,不同的优势的融合,使得高等级的自动驾驶的到来更为容易。

基于这样的策略在2018年和测绘局一块儿联合做了一个比较大胆的测试,我们在北京到昆明这段高速上进行了一次历时了20天左右的往返路测,后面会进一步去给大家阐述这个过程.

不管是高校也好,还是比较有名的自动驾驶创业公司也好,大家都非常容易去做一个区域的自动驾驶地图,大到几个平方公里,小到一个院子。但是对于四维图新而言,做地图的思路是全国覆盖的量产。

我们需要清清楚楚的了解全国每一个交叉口、匝道该如何抽象、统一的表达到地图里面来。

回到我的本专业-AI,最怕的是模型输入尺度无法固定。做自然语义理解,我可以把整篇文章涉及的单词顺序做成一个特别大的矢量,我分析上一句的时候,数据的长度是128,我分析下句的时候字段长度也是128。但是对于自动驾驶系统而言丁字路口,交叉路口,大型的上下分离井字路口,空间尺度不固定,相关道路数量不固定。如果只通过一个网格来描述的话,是无法精确地传达给系统的。

大家应该在年前的时候看到Waymo公布一个基于神经网络的自动驾驶决策系统,他们把一个复杂的路口通过俯视图的方式转化成了一张有十几个通道的图像。这样的方式其实对于图商来说,不太可理解。这种方案意味着空间被固化了,因为自动驾驶需要关注的环境信息从空间尺度上来看是不统一的,自车在第一车道,需要关注旁边二三车道;自车在直行右转路口附近,则需要关注对向以及对转向有影响的道路。如果统一用一个固定空间分辨率的图片来代表道路环境,每一个像素需要代表同样的大小。这样当车辆速度变化,路口大小变化的时候,都难以获取系统所需要的所有的关联道路,这不符合地图的基本用法。

但是对于图商而言,我可以略带自豪地说,四维经过这么多年努力,已经很有把握,把所有的复杂路口复杂道路控制到一百个类型以内。基于地图,面对的就不再是很多同行描述的:“世界千变万化,我们无从下手”,而是可以通过这一百个类型的基本组合和扩展,去映射所有的千变万化,这对于整个行业来说应该都是非常有价值的。

我本身做算法,相对做地图的同事来说还是略显轻松一些,因为我只需要拿到数据,基于一些开源框架进行训练,达到性能目标就可以了。但是细挖下去,算法里面也一些体现现实千变万化的机制。在座的应该有做感知的同行。视觉检测里面有Anchor机制,需要先找出一些可能跟需要检测出来的物体大小范围比较接近的一些列矩形框。 Anchor目前都是通过大量的数据聚类分析所得出的经验值,检测的类型越多,覆盖的区域越多,Anchor也就越需要精雕细琢。这就属于算法领域的脏活累活。

我们也希望对大家而言,地图可以像Anchor之于检测一样。基于地图能力快速搭建自己的系统,而不用担心地图和今天测试的区域不符我们后面会有一些具体案例来验证我们的观点。

刚才这张主要讲的是四维的高精地图的发展过程。四维的高精度地图在国内起步比较早,截止目前为止应该也是比较早得到比较好的商业反馈的。年后我们放假归来,然后就收到了一个好消息,说宝马和我们签了一个定点协议,意味着四维图新的高精地图应该在国内第一个有了商业化的落地机会。

四维图新的高精地图发展策略就和图商坚持用专业采集车和工程师扫街采集,是一个扎扎实实,不怕脏活累活,想清楚再动手的一个过程。最开始是并没有马上追求全国的覆盖率,比如说三十万公里,35万公里没有马上追求这个东西,而是先基于已经能够接受到的需求,基于我们自己做自动驾驶的一些经验,来得到初步规范。通过初始的数据规范不断和客户打磨,不断的和我们自己的实验打磨,最后得到一个比较确定的地高精度地图的高速规范,在2016年公布出来,2017年进一步去完善整个自动驾驶场景,包括建立sd和hd的关联,包括动态的一些信息的接入,包括去做自动更新,包括去测试如何去接入众包数据,经过2017年,2018年是四维高精地图的一个高速发展的周期,我们已经基本把高速Spec确定了,OK,这样就可以大批量的、高速的去扩张高速覆盖范围。同样也在2018年确定了城市道路规范,也会在2019年覆盖1到2个比较重要的城市。然后随着商业化的脚步越来越近,我们会做越来越多的城市场景高精度地图。

这是我们的自动化生产过程,其实在高精地图生产里面,作为图商的一员,我觉得自动化很重要。因为大家现在自动化率都很高,但是自动化解决不了的一小部分也同样非常重要。高精地图的刚需主要来自于L3及以上自动驾驶系统。在这个阶段驾驶员往往是不会特别重视环境变化,他可能在玩手机,可能在看电影,这个时候,如果地图的某些描述方法有问题,某些规范有问题,最后产生的安全影响是远远大于L2以前的系统的。因为现在相当于系统在承担主要的责任,而系统的一个重要参考是高精度地图。虽然未来对于地图的鲜度要求可能越来越高,但是还要经过一定的流程控制来保证它的质量,哪怕会带来更高的成本。我觉得这是图商的本分。

如果没有这种坚持,四维这种靠自己造血来生存的公司,可能也不会存在这么多年了。大家可以看到,除了地图的经验,四维图新也用了很多新的技术,我们通过技术能够让很多要素,甚至很多关键要素,不管是从总体速度还是质量上都超过成熟的工程师。地图的产量从最开始的磕磕绊绊只能几公里,到最后一日千里。18年快速的覆盖了全国接近80%以上的高速。这个过程自动化的作用居功至伟,但成熟作业人员仍然是四维最宝贵的财富。

同样在18年我们通过不断打磨产品的过程当中,也把整个高精地图产品框架定了下来,如何去满足不同客户的需求,如何提供数据和服务之上的能力,而不是仅仅的让大家去调用数据库,去自己算路,去自己结合感知结果发现错误,再反馈给四维图新。这里面其实很多的工作是应该是图商来做的,我们愿意为大家去做这些苦活累活。

四维图新高精度地图2018年基本覆盖了全国80%的高速路,城市道路也例出来一些基本的Sample数据。在2019年年底,我们的地图将覆盖全国,高精地图将覆盖全国高速,同样也将覆盖一到两个完整的城市。到2020年全国覆盖高速,然后进一步更新,同时进一步扩大城市范围。

高精地图里面高其实有这么几个关键词,第一是质量,第二个是精度,第三个是鲜度。四维靠非常严格的质量体系,靠我们时间生产经验,靠众多优质的合作伙伴的严格要求来保证质量。四维为采集做了ABC3个计划,A和B分别是比较高精度的四维自有的。通过车载的高精度采集车:基于激光雷达的采集车和基于双目视觉的采集车来快速的进行全国骨架式的更新和采集,然后再通过众包,包括车厂回传的Sensor数据,包括合作伙伴的包括运营车辆数据反馈来建立众包机制,然后再通过四维的Map Learning平台来判断不同源头的可信度,最后完成地图自动更新,所以地图是一个工业生产过程,并不是一个单向技术或者单个点子可以解决的问题。

所以我们所追求的高鲜度,高精度,高丰富度,高质量。谈到丰富度,与传统技术相比,传统地图其实是也非常丰富,但是它丰富都是在属性上,在定性上。然后在高精度地图里面四维大概有一百多个要素不是属性。

那如何把地图能让大家快速的用起来,我们就要希望把它从地图数据地图、服务变成地图能力,这就需要靠做大量的自动驾驶系统研发测试。因为一直有很多同事,很多行业的同仁在问,为什么你们要做自动驾驶? 其实我们的期望是通过自己做自动驾驶,通过d用自己的地图,第一产生足够的经验来进一步推动技术的发展。第二,我们希望通过充分用好我们的地图来证明高精度地图有效可靠,我们先试吃,之后才会推荐给我们的客户和合作伙伴。第三,我们希望进一步挖掘地图的价值,因为大家都知道地图可以用在定位上,大家也知道地图可以用在部分感知辅助上,但是进一步我们希望通过地图做深度学习的决策,我们希望通过地图做深度学习的预测,我们希望通过地图能够降低大家对高性能芯片的需求,我们希望通过充分利用地图能够实现行业水平以上的自动驾驶方案,希望通过这样的方式来证明地图在自动驾驶里面的关键作用。

我们现在正在开发高精度地图引擎,我们提供了几个基本层面的应用,一是最基本的地图IO,打击直接可以调用我们的API来读取地图数据,属性。如果想用更丰富的L3级以上的功能的话,引擎里也提供多层次规划,包括定位,包括全局规划、车道级规划,包括提供引导线在你前方要驾驶的范围内的可行驶区域以及一些信息的引导,包括比如说会告诉系统前方500米有匝道,前方200米车道变窄,前方一公里有个有个急转弯这样的信息,我们希望通过像导航应用把引导信息提示给人一样,现在用高精地图的引擎来提示给自动驾驶系统。

我们的核心是通过地图来释放能力,帮助从感知到决策的每一个环节的合作伙伴。我们的road map在2018年已经完全完成,在特定的城市区域可以进行L4自动驾驶,然后进行了非常长距离的L3自动驾驶。在2019年我们的规划是能够实现一些跨城市和高速场景的自动驾驶,背后靠的是地图的力量。

2018年,我们和测绘局合作进行了一次高速路测,距离5000多公里,从北京到昆明。这期间经历了很多特殊的场景,包括隧道,包括大风,包括大雨。从十公里长的秦岭隧道、雁门关一路向西南,到雅安,剑门关再从四川到昆明,然后再返回来,去年西南地区雨非常大,测试车在那里面经历了很多特别惊险的场景:在桥上遇到超过七级的切向风,车辆一直在偏;在山区里面卫星定位基本没有信号;周围的车辆,突然间进行一些不理智的驾驶行为等等。我们会这些测试案例进一步去反思,我们如何能够用地图去帮助这些极端场景。比如隧道,我们可以基于地图属性来切换我们视觉感知系统的曝光和光圈;如果前方车辆突然进行异常驾驶行为,我们在中间车道行驶,他突然从最左侧车道跨向最右侧车道,但是如果基于高清地图,我们可以通过提取最左侧车道和其他车道的拓扑关系,来预测这些行为。基于地图,只需要非常简单的模型,就可以Cover 80%的基本行为。可以大幅度降低预测的压力。。

总结一下,四维作为一个做了十几年的图商,四维做地图的时期,应该和吉利开始做汽车时间基本类似,1997年前后,我们做了十几年,我们从最开始的汽车电子导航地图,做到国内第一个互联网地图,做到第一个手机地图,做到第一个NDS地图。现在开始做车联网,开始做自动驾驶,我们应该也是第一个拿到商业一些订单的高精度地图提供商,同样我们的期许就是为整一个行业提供高精地图的能力。从更新到质量保证再到高精度地图引擎这样一系列的能力。让大家能够就像做感知的算法,那些工程师用Anchor机制一样,能够非常容易的使用我们的经验和地图。 让大家能够快速的实现自动驾驶是我们的愿景,谢谢大家。

敬请关注盖世汽车“2019全球第二届自动驾驶论坛”直播专题

提示:本文为现场速记,未经专家审核,请勿转载!

下载盖世汽车APP,随时随地浏览第二届全球自动驾驶论坛盛况,浏览最新嘉宾演讲内容。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页