在今天的第六届 HAOMO AI day上，中国工程院院士、清华大学教授及清华智能产业研究院（AIR）院长张亚勤分享了他对自动驾驶的独到见解。
自动驾驶被视为未来五年内人工智能领域最具挑战性和复杂性的任务，也是推动全球汽车工业变革的关键技术。尽管在这一领域已经取得了一些突破性进展，但仍面临诸多挑战，特别是在感知的鲁棒性和可泛化性、驾驶行为决策的准确性以及整体系统的安全性方面。虽然自动驾驶是可实现的，但它在开放环境中的长期应用还需克服一系列技术和社会接受度的挑战，以确保安全与可靠性。在实际应用路径上，垂直领域的自动驾驶将更快落地，并逐步扩展到通用驾驶。
清华AIR与毫末智行正式建立了深度战略合作关系。目前，双方的技术团队正围绕深度学习和数据驱动的决策优化方法进行深入研究与探索。期待AIR与毫末智行这样的合作伙伴共同推动全球自动驾驶产业的蓬勃发展。
各位来宾，大家好，我是清华大学智能产业研究院（AIR）的张亚勤。首先，感谢张凯和维灏的邀请，参加HAOMO AI day！这一活动是国内聚焦AI与自动驾驶技术的重要盛会，毫末智行搭建这样的平台无疑为行业带来了积极的影响。毫末公司在成立仅1000天内便在自动驾驶垂直商用领域取得了显著成就，我在此表示热烈祝贺！
我始终认为，自动驾驶是未来五年内AI领域最具挑战和复杂性的任务。自动驾驶的梦想由来已久，得益于人工智能技术，尤其是深度学习算法的突破，过去五年这一领域取得了惊人进展，正在向大规模商业化迈进。它不仅能够显著提高驾驶安全性，提升交通效率，还将颠覆传统商业模式。新汽车工业的核心技术要素包括软件、芯片、AI算法和电池。
自动驾驶的发展受市场和非市场因素的影响。非市场因素包括伦理、隐私、法律法规及其他产业政策，而市场因素则主要包括技术的可行性、用户需求、产业生态及商业模式。
从技术可行性来看，自动驾驶是一个极为复杂的系统问题，涉及感知、认知、规划、决策与执行等多个环节。这需要多项技术的创新，比如新型传感器、目标检测、感知融合、时空同步、仿真模拟、精确定位、信息安全、低时延通讯和边缘计算等。同时，也需要大量运用新的机器学习算法，如卷积神经网络、模仿学习、进化学习、强化学习和Transformer等。
尽管自动驾驶已取得显著进展，但仍面临许多挑战，尤其是：（1）感知的鲁棒性和可泛化性；（2）驾驶行为决策的准确性；（3）整体系统的安全性。由于真实路况的复杂性，我们会遇到“边缘案例”，而这种情况将给自动驾驶带来不确定性。因此，当前的深度学习模型需要具备一定的泛化能力。
我们应利用多模态多传感器的互补性（如摄像头、激光雷达、毫米波和车路协同等），通过大量路测收集数据，依赖大算力、大数据和大模型等技术，以发挥机器的感知优势。
通过高效的模拟学习和在线/离线强化学习，提高感知与决策的鲁棒性和泛化能力。尤其是强化学习，能够真正学习新的知识和策略，尽管在自动驾驶实际落地中存在一定风险。
我们需要深化端到端的感知、规划与决策算法的研究。目前，大多数系统仍将感知、规划和决策等模块分开优化。实现系统级的安全性和可靠性，必须采取端到端的策略，目前我们在这方面已有初步研究成果。
关于自动驾驶的落地路径，我提到过这是一个复杂的系统问题，涵盖感知、认知、决策与执行等各个方面；同时，自动驾驶也可以被视为一个复杂的狭义人工智能问题，可以细分为有边界的子领域技术。因此，我相信自动驾驶是可实现的，但在开放环境中的长期运行仍需面对技术与社会接受度的挑战，以解决安全与可靠性问题。在落地路径上，垂直领域的自动驾驶将率先实现。例如，澳大利亚FMG与全球领先的工程机械公司Caterpillar合作的自动驾驶矿车，自2016年起已成功运行六年，运输矿产超过十亿吨，累计行驶超过三亿公里，相当于从地球到太阳往返一次。此外，毫末智行的低速无人物流车“小魔驼”也已为物美多点等知名物流企业提供服务。因此，自动驾驶的落地路径将是通过垂直领域逐步扩展到通用驾驶。
清华大学智能产业研究院（AIR）致力于面向第四次工业革命，利用人工智能技术促进产业发展和社会进步。在智能交通领域，AIR已与多家公司建立深度合作。今年4月，清华AIR与毫末智行达成了战略合作，目前双方技术团队正在围绕深度学习和数据驱动决策优化方法开展深入研究。期待AIR与毫末智行这样的合作伙伴共同推进全球自动驾驶产业的发展。
