在今天举行的第六届墨豪AI日上，中国工程院院士，清华大学教授，清华智能产业研究院院长张亚勤分享了他对自动驾驶的思考。
张亚勤表示，自动驾驶是未来五年AI领域最具挑战性，最复杂的任务，也是推动全球汽车产业变革最重要的技术力量虽然自动驾驶已经取得了突破性的进展，但是仍然存在很多挑战，尤其是感知的鲁棒性和泛化能力，驾驶行为决策的准确性以及整个系统的安全性自动驾驶是可以实现的，其在开放环境下的长期运行仍需要面临一系列技术和社会接受度的挑战，以解决安全可靠性问题在落地路径上，垂直领域的自动驾驶落地会更快，逐渐蔓延到一般的驾驶落地
2022年4月，清华航空正式与Mimo达成深度战略合作目前，双方的技术团队正在围绕深度学习和前沿的数据驱动决策优化方法进行深入的探索和研究希望AIR能和Mimo智行这样的合作伙伴一起，共同推动全球自动驾驶产业的发展
以下是演讲全文:
大家好，我是清华大学智能产业研究院的张亚勤首先，我要感谢张凯和郝伟邀请我参加HAOMOAIDAY！HAOMOAIDAY是国内少有的聚焦AI自动驾驶的科技盛宴搭建这样一个技术交流平台，对业界来说是一件非常有益的事情说到底，这家公司成立仅1000天，在很短的时间内，就在自动驾驶这个垂直商业领域取得了令人瞩目的成就
很遗憾今天因为疫情没能来到现场我想通过这个平台和大家分享一些关于自动驾驶的思考
我一直认为，自动驾驶是未来五年AI领域最具挑战性，最复杂的任务自动驾驶一直是人类长久以来的梦想由于人工智能技术，尤其是深度学习算法的突破，自动驾驶在过去五年取得了惊人的进步，目前正在走向大规模商业落地自动驾驶也是推动全球汽车产业变革最重要的技术力量可以大大提高行车安全，提高通行效率，颠覆商业模式的确，汽车新产业的技术要素是:软件，芯片，AI算法，电池
自动驾驶的发展既有市场因素，也有非市场因素非市场因素主要包括道德，隐私，法律法规和其他产业政策因素等市场因素主要包括:技术可行性，用户需求，产业生态，商业模式
从技术可行性来看，自动驾驶是一个非常复杂的系统问题，涉及感知，认知，规划，决策，执行等多个环节它需要许多技术创新，如新传感器，目标检测，感知融合，时空同步，仿真，精确定位，信息安全，低延迟通信，边缘计算新的机器学习算法也在广泛应用，包括卷积神经网络，模仿学习，进化学习，强化学习，transformer等等
虽然自动驾驶已经取得了突破性的进展，但我认为仍然存在很多挑战:尤其是感知的鲁棒性和泛化能力，驾驶行为决策的准确性，整体系统的安全性由于真实路况的开放性和场景的复杂性，我们总会遇到CornerCase，而CornerCase一旦出现，自动驾驶就会带来不确定性因此，目前的深度学习模型必须具有一定的模型泛化能力
我们应该利用多模态和多传感器的互补性)，进行大量的路测，收集大量的数据，利用大计算能力，大数据，大模型等，这是机器的感知优势
利用高效的模拟学习和在线/离线强化学习，提高感知和决策的鲁棒性和泛化能力尤其是强化学习，你真的可以学到新知识，新策略，虽然自动驾驶的实际落地存在风险
深化端到端的感知，规划和决策算法及研究目前，大多数系统仍然分别对感知，规划和决策模块进行优化要真正实现系统级的安全可靠，我觉得需要端到端目前，我们在这方面已经有了一些初步的研究成果
我简单说一下自动驾驶落地的路径我刚才说了，自动驾驶是一个非常复杂的系统问题，感知，认知，决策，执行全面覆盖，同时，自动驾驶也是一个复杂的狭义人工智能问题，可以分解为有边界的子领域的技术问题所以我认为自动驾驶是可以实现的，它在开放环境下的长期运行还需要经历一系列技术和社会接受度的挑战，解决安全性和可靠性的问题在降落路径上，垂直领域的自动驾驶会更快降落事实上，垂直领域的自动驾驶已经运行成功例如，澳大利亚铁矿石公司FMG与世界最大的工程机械公司卡特彼勒合作自2016年以来，它已经运行了6年，运输了超过10亿吨的矿物，总共行驶了超过3亿公里，相当于从地球到太阳的一次往返比如小魔驼这种低速无人物流车，目前已经服务于物美多店等头部物流企业所以我相信自动驾驶的落地路径会逐渐通过垂直领域蔓延到通用驾驶的落地
最后介绍一下AIR，清华大学智能产业研究院，这是一个为第四次工业革命而设立的研究机构，旨在利用人工智能技术赋能产业，推动社会进步在智能交通领域，AIR与多家企业开展了深度合作今年4月，清华空中与Mimo正式达成深度战略合作目前，双方的技术团队正在围绕深度学习和前沿的数据驱动决策优化方法进行深入的探索和研究希望AIR能和Mimo智行这样的合作伙伴一起，共同推动全球自动驾驶产业的发展
