雷锋网按：2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网 (大众号：雷锋网) 、香港中文大学（深圳）承办，失掉了宝安区政府的鼎力指点，是国际人工智能和机器人学术界、工业界及投资界三大范畴的顶级交流盛会，旨在打造国际人工智能范畴最具实力的跨界交流协作平台。
在峰会的智能驾驶专场上，PlusAI（智加科技）的工程副总裁付强宣布了题为“自动驾驶与物流科技”的演讲，分享他对自动驾驶商业落地的一些观念。
PlusAI成立于2016年，是最早取得美国加州路测牌照的企业之一，目前，PlusAI在硅谷、北京、上海、西安都设有运营或许研发中心，并且与斯坦福大学和西安交通大学树立了协作关系，往年4月、5月PlusAI辨别联手一汽和苏宁停止了港口和仓到仓的自动驾驶演示。
以下是演讲全文，雷锋网在不改动原意的状况下停止了编辑：
首先带大家回忆一下什么是物流科技。
物流产业在我国，尤其是变革开放以来，在我们国度走向市场经济的开展进程中，不断扮演十分重要的角色。如今物流占全国GDP的比严重约是16%，大家平常的吃穿住行都离不开物流的参与。如何经过物流科技去提升物流的效率就变得十分重要。
AI已经渗透到了生活中的方方面面。在智能交通领域，人工智能技术也正在发挥作用。物流阅历了人工消费和机械化的进程，如今曾经进入了一个自动化，甚至智能化的阶段。所谓机械化，不过是采用少量车辆，原来用木牛流马变成了在汽车、火车和飞机、货船等等。但自动化的进程则发生了许多新的技术。比方在天猫、京东上购物，零碎可以迅速辨认订单，自动将货物送上传送带停止打包，然后送到每团体手中。能够明天早晨11点下的单，今天一早就能拿到。
智慧化则是物流科技新的演进方向。由于越来越多的互联网或许具有人工智能背景的公司纷繁开端涌入，为物盛行业带来很多智慧化的改动。
详细来讲，从最左侧的供货商到最右侧的消费者，在不同的阶段，物流科技智慧化进程大约浸透了三个环节：
在末端的是配送，如今配送曾经有了许多自动化方式，有些物流公司也在强调最初一公里，即在配送的进程中，经过无人机、快递柜或许自动驾驶配送车完成最初一公里。
而在两头的，是仓储，如今，许多智慧化的任务集中在仓储，其中跟自动驾驶比拟相关的是AGV，在仓库里可以完成部分自动驾驶，完成货物在仓库内的挪动。另外，基于RFID的技术、分拣、包装、辨认等，如今都使用得十分普遍。
而从供货端开端的运输，则是PlusAI比拟相关的一个环节。这一环节，除了车货婚配、无车承运人、新动力汽车以外，很重要的一点就是无人驾驶。这一环节的运输进程更多的是指仓对仓的运输。货品从供货商运输到消费者的路程中，不可防止会有从一个仓库运送到另一个仓库的进程，这里存在着复杂的场景。例如从仓库运输到高速上，最终运送到另一个仓库或许一个集散点，这就是一个典型的仓对仓的物流。
针对物流长途支线运输进程，无机构停止了以上本钱拆分（如上图）。
我以为自动驾驶在物流的中运输可以获得较大效果的缘由是，在进入经济范畴之前，首先自动驾驶能让运输愈加平安。
提到重型卡车，大家的第一反响能够就是网下流传的那些十分惨烈的交通事故，大货车一出事故就十分严重。据我本人走访的统计，在大货车的交通事故中，能够有一半以上是由疲劳驾驶形成的。由于大货车司机一天要驾驶很长的工夫，因而多少会发生疲倦，招致反响变得愚钝，堕入间歇性的肉体不集中，这些能够是形成事故的次要缘由。
而自动驾驶，大家可以想象，算法是不会疲劳的，一旦我们证明算法的可行性，是一定不会存在随着工夫的添加效果有所衰减的情况的。所以，需求强调的是，自动驾驶更平安。
除了平安之外，自动驾驶还能降低本钱。物流支线运输的本钱。很大一局部是来源于运输费。而自动驾驶却能浪费燃油。经过改动整流罩和改装的方法，可以完成节油，这是一方面。另一方面，有统计标明，一个有经历的司机比一个老手司机省大约15%的油。老司机对线路比拟熟习，哪个中央有转弯、下坡他都比拟熟习，因而可以提早控制，从而节省燃油。自动驾驶也可以完成接近老司机的运用本钱。
另外一点是浪费人力，如今，很多长线运输通常是采用多名司机轮番驾驶的方式，防止发生驾驶疲劳的成绩。而L4级的自动驾驶，即便是在高速上的完成，一名平安员也就够了，明显浪费了人力。
我们已经与苏宁物流协作过一个项目，打造了一辆自动驾驶卡车，希望一方面增加了交通事故，另一方面能增加碰瓷的能够。
接上去讲一些自动驾驶技术上的东西。自动驾驶大体上分红这几个模块:
首先是传感器，激光雷达就是一种传感器，它好比人的眼睛、耳朵。传感器搜集周边感知的信息，然后经过感知算法，将这些信息笼统成计算机可以了解的概念。让零碎辨认物体、车道线、红绿灯，再决议该如何行驶。定位则是向零碎提供详细的地位信息，间隔目的地的路程。
有了定位和感知之后，就需求停止路途的规划。A点走到B点，应该走哪条路，能否在要立即变道，能否要加速绕行等。规划之后的控制，则是将规划的后果转化成给汽车控制零碎的指令，停止减速、加速，调整方向盘等。这严重依赖于车载平台，完成它的线功用。
接上去进入一些略微细一点的范畴，环境感知中的人工智能。
感知大体上是这样，自动驾驶车辆可以感知到四周的车，判别出哪些有碰撞的风险，哪些没与。自动驾驶车还能感知到了四周车辆的速度，与四周车的间隔、车道线等等，这是一个复杂的感知。
人工智能在感知零碎上是有很多使用的。在自动驾驶这个范畴，我首先想讨论的就是大数据。大家晓得在自动驾驶范畴，数据量是很大的，一台车行驶几公里后，就积聚了少量的视觉数据。大数据强调的是规模。如何让大数据到达规模呢？行业中大体有两个方向，一个是追求分歧性，一个是追求通用性。
所谓追求分歧性，就是一切积聚到的大数据，尤其是环境感知数据，都是用同一款摄像头，装置在同一个地位发生的。这样保证了一切的数据都是高度分歧的。接着，运用这种高度分歧的数据做训练，最初量产的时分，也异样要求每一辆车将异样的摄像头装置在同一个地位，一切的光圈、焦距都调校分歧，最初也可以获得一个比拟好的效果。这样做固然有其优点，但是或多或少会发生一些过拟合的成绩。
还有一个是通用性，置信诸位在学习驾驶的时分，坐在车内，还是可以辨认车道线、红绿灯的，由于大家在车外的时分就曾经能辨认这些东西了。当人类在辨认车道线、妨碍物的时分，是不需求调理光线、焦距的，即便是看照片，不同的摄像头，参数差距很大，摄像视角也不同，人类能辨认出物体。所以，在自动驾驶范畴，更多的时分应该强调数据通用性。
在采集训练数据的时分，我们不光有自采的来自不同摄像头数据，也采取了来自协作同伴的数据，甚至是自地下材料，比方说YouTube上的行车记载仪数据。经过合理的标注的方式停止标注，这样就可以保证最终的模型，相比起一些过拟合的状况，可以有更好的通用性。不会呈现当摄像头的消费制造工艺呈现了偏向，或许焦距、可视角度不一样，或许装置地位的改动，就无法辨认的状况。
大家看到如今很多的相关事故，自动驾驶失灵的缘由就是分歧性做得太强，通用性做得不够。当过多地通知计算机高度分歧的信息的时分，当这个算法处置略微不一样的数据时，就能够会失灵，与其这样，我们不如更多地强调通用性。而研讨人工智能的目的。就是让它更好地模仿人类考虑、感知社会的方式。
第二点想要讨论的，就是计算的开支。准确度是如今很多算法追求的目标，但延迟也很重要，如今很多成熟的公司也都留意到了这一点。实践上，在驾驶的进程中，尤其是在高速的场景中，几十毫秒的延迟就会发生不同的后果，所以在算法的思索上，在精度要到达要求之外，还要降低计算的开支。这其中还有很多计算减速的功用，应该如何建好，如何发掘也十分关键。计算的精度至多要和它的算法感知的精准度同等重要。
第三点想要讨论的，是本钱的控制。我们的计算单元、感知传感器要到达何种水平，才干够保证在异样的精准度下，数据都能跑通，而且不失精确性，同时把本钱控制在范围之内。
以上三大点是我们在自动驾驶上的一些考虑，这也是需求行业人士应该花工夫处理的成绩。
我们的数据掩盖了中国和美国都绝大局部省市和州。在中国的省级行政单位和美国的州级行政单位我们都无数据，这些数据的采集是十分大的任务，并不是靠自建一个车队完成的。
再来看看多传感器交融，这里举一个我们遇到的例子，这个也是用激光雷达、摄像头和毫米波雷达的方案。如今很多车厂在制造紧急制动的时分，更强调毫米波雷达的功用，但关于中间隔雷达来说，例子中的物体有点远，探测不到，对远间隔雷达来说，其视角比拟窄。不论是经过视觉还是经过激光雷达，都可以对物体的检测发生一个很好的补偿。
多传感器不光是传感器的冗余，从功用平安的角度动身，当有一个传感器不能任务，即便是低本钱传感器组合，也可以到达躲避风险的目的，完成真正平安的自动驾驶。只需采集的数据足够多，这种说法是可以被证明的。
我们采用的是前视为主的多传感器交融的技术，选用了本钱比拟低的摄像头。当有正向的阳光摄入时，会有一道炫光，这时分我们可以停止静态的调整，提升毫米波雷达在感知中的比重，降低摄像头的比重。当回到正常的光线中时，再将比重调回来，完成静态的对多传感器交融算法的调整。
再回归到自动驾驶与物流这个话题。回忆一些大事，2015年的时分，Uber首先完成了无人驾驶货车的使用，用货车运输了一车啤酒；2017年，特斯拉也发布了L3级的卡车；2018年4月，我们和束缚结合发布理解放最新一代卡车J7。5月份，我们和苏宁也发起了仓对仓物流的完成，在这个场景中，我们完成了从苏宁的一个仓到另一仓的全自动化，当然，在分开这个仓库之前，我们配了一名司机。
以上就是PlusAI(智加科技)工程副总裁付强在CCF-GAIR 2018智能驾驶专场上的演讲。在演讲当时，雷锋网凑合强停止了专访，欢送关注。
。