李克强谈自动驾驶关键技术的挑战，揭秘清华大学智能驾驶探索和实践 | CICV 2017

*清华大学汽车工程系教授 李克强在CICV 2017

雷锋网(公众号：雷锋网)新智驾按：1985年，李克强从清华大学汽车工程系本科毕业，他选择到重庆大学攻读硕士，入的仍是汽车工程系，拿下硕士以后，他留在了重大任教，并攻读博士学位。这期间，他还担任过五十铃汽车的客座研究员。博士毕业后，他顺利成为重大汽车工程系教授，1997年，他前往日本，进行了为期三年的游学，归国后，他重返母校清华，成为汽车工程系的教授。这一做，就是10多年。

在汽车圈耕耘30多年的他，如今有了许许多多的头衔，前不久，他又成了“中国智能网联汽车产业创新联盟”专家委员会常务副主任。当然，李克强最为大家熟知的还是其主导起草的《中国智能网联汽车技术发展路线图》于去年正式推出，成为工信部力推的“红宝书”。

如今，当各界大谈特谈自动驾驶的时候，李克强也迎来了职业生涯最为忙碌的一段日子。6月28日这天，中国汽车工程学会主办的第四届中国国际智能网联汽车技术年会（CICV 2017）上，李克强如约现身，作为中国汽车学术圈的“老人”，他确实有很多话说。这一次，他选择的主题是《从辅助驾驶到自动驾驶的变革之路：关键技术的挑战和进展》。

李克强坦言，“这一次不是讲课，实质上我本身也是个学者，非常愿意将我和我们清华大学汽车系团队在智能汽车领域的认识和实践分享给各位。”

从辅助驾驶到自动驾驶，到底在技术方面有些什么样的挑战性问题，而从业者又能在技术方面做哪些创新性的工作，是他此次分享的主题。

自动驾驶关键技术的挑战

大家也知道，自动驾驶存在着多个阶段，初级阶段的自动驾驶，是需要驾驶员来监管汽车行驶的环境，而高度自动驾驶阶段，则是自动驾驶系统本身来实施对车辆周身环境的监管。

如果要从普通的辅助驾驶到高度的自动驾驶，技术层面上应该包括这几个方面的挑战。

过去，简单的辅助驾驶只需用很少的摄像头、很少的传感器，到现在是多传感器的融合；另外，大家都谈到拟人化的控制，从任务的规划、行为的规划到路径规划再到车辆的控制，最终怎么在车辆动力系统上进行集成是一大问题；此外，还要考虑人机交互以及对驾驶员行为的描述以及车辆多性能指标的监控。

毋庸置疑，环境感知是自动驾驶绕不开的一大技术挑战。

从车载传感器方面看，这一系列传感器产生的信息会存在所谓的异构性、多态性、不完备性以及不确定性。而且很多传感器容易受到不同因素的干扰，所以其产生的信息的质量并不高。而且，如果忽略了人、车、环境的关联性来考虑周边信息的利用，其效率势必不高。

另一大技术挑战则来自决策与规划。实际上，不管人多么善于学习或者说机器能多大程度上替代人，基本存在的问题不外乎这两大类：不完备的环境感知和道路使用者（包括行人、机动车或者外来物）行为的随机性。如果对此掌握不好，那么自动驾驶车辆便会对交通参与者运动的预测不准确，这将降低自动驾驶决策的有效性，也就直接导致安全问题的出现。

还有一大挑战是在底层，是汽车公司向来比较擅长的，如果交给自动驾驶系统来做这件事情，势必面临着各种挑战。

这其中包括：

• 车辆动力学系统强非线性和车辆的纵横向动力学耦合

• 安全、节能、舒适等多性能指标相互冲突矛盾，难以协调

• 车辆队列中各车动力学特性的异质以及无线通信中通信息流拓扑结构的多变

不过，纵使有如此多困难和挑战，也阻碍不了众多企业去追逐自动驾驶的浪潮。实际上，国内外的很多车企和互联网公司都在研发自己的自动驾驶汽车。而且，自动驾驶是高新技术、交叉技术，很多的研究机构，比如美国的高校、中国的高校都在做自动驾驶相关的工作，清华大学便在其列。 清华也在国家项目的支持下，同时也与国内外企业进行合作，进行相关方面的探索和实践。

另外一方面，国家也在进行相关科研项目的推进，发展智能网联汽车的战略研究和行动计划，比如科技部在十二五计划以及十三五计划中都有智能网联汽车的项目，而且也投入了数额不小的经费来做这件事情。包括国家自然基金委对人工智能、视听觉认知这方面也有很大的投入。

清华大学的探索和实践

李克强作为清华汽车工程系教授，当然绕不开这所学府本身在智能网联汽车领域的探索和实践。

第一，集中在环境感知方面。

清华方面认为环境感知的最大挑战还是在行人这块，特别是具有中国特色的骑车人。清华采用的是深度学习的方法来进行“行人和骑车人”的同时检测。这两者都是道路参与者中的弱势群体，当二者耦合的时候，清华提出了统一的“行人及骑车人”联合检测方法：多示例目标候选区域选择。

通过深度学习的方式，不断训练数据，让系统能够分清楚行人和骑车人这两类道路参与者。

而做这方面的识别，很重要的一点就是数据库，清华也在和车企戴姆勒合作，建立了世界上第一个公开的骑车人识别数据库，可以做训练、识别的工作。

而在目标检测的时候，如果是立体的目标物，在检测的时候不但需要知道它的形状，还可以知道它前进的方向。用立体的方法做深度学习的识别是非常有益的。清华团队做了基于单目相机的3D目标检测，主要利用二维的图像道路估计和语义特征的理解，来构建出一个3D检测的效果。

第二，是决策与规划方面。

汽车行业已经有非常成熟的从感知到认知到决策到运动控制再到执行的实践方法论。怎么样把“驾驶脑”（雷锋网新智驾注：率先由中国工程院院士李德毅提出）的概念运用到汽车行业中去，清华也进行了相关的实践。

他们把决策和规划分别定义为驾驶大脑和驾驶小脑，通过感知系统获取的信息形成短期记忆库，经过训练植入到“驾驶脑”中，当然，还有诸多知识和规则组成长期记忆库，将持续输出给“驾驶脑”，“驾驶脑”再完成路径规划和动力学控制，然后这个车辆动力学系统再反哺感知系统，形成一个完整的闭环。

这一个闭环也在告诉公路上做了试验，清华为此提出安全场的概念：将高速公路提炼为一个安全场，然后再进行量化，形成训练集，然后通过机器学习，让自动驾驶车辆知道在高速公路环境中完成各种操控，明白什么时候该如何做。

第三，则是动力学与控制。

这方面，清华的实践有“考虑燃油经济性的单车纵向控制”，应用场景最典型的的就是下一代ACC（自适应巡航）系统。基于模型预测控制的架构，可以实现车辆的燃油经济性、跟踪性能以及驾驶员感受的和谐统一。

这一个模型目前清华已经在实车上进行相关的试验，包括和一汽奔腾轿车和五十铃重型卡车的合作。在城市道路和高速公路上都有良好的表现。

另外，清华还在考虑燃油经济性的多车队列控制，提出了分布式的MPC，可以满足车辆队列安全、舒适等要求的同时减少车辆的燃油消耗。

清华将车辆队列控制系统进行了分解，可以分为节点动力学、信息流拓扑结构、分布式控制器和队列几何模型，应用此方式，多车队列的控制便可以实现。该控制系统在仿真测试中的表现也是非常不错的。

此外，清华还在做交通信号与车辆的协同控制相关工作。以往大家都是分开的，车辆是车辆、交通是交通。但是在未来的智能网联汽车时代，协同控制的重要性越来越突出。

具体来说，清华的做法是：

而在这种协同控制的促使下，交通效率也得以提升，燃油经济性也得到提高。

李克强表示，面向未来的自动驾驶，清华大学也在做一些前瞻性的研究，目前仍然处在不断取得进展的状态。

其一是基于低成本传感器融合的环境感知技术。主要是融合如相机、单线激光雷达、毫米波雷达和超声波雷达等这样传感器，以期做到基于语义的道路场景理解。

其二是二维路网中智能网联汽车的协同决策与分布式控制。因为如今的交通，不再是单一的道路和车队，而是环境更为复杂的二维甚至是多维路网二维路网。如何实现群体的智能，是清华正在做的事情。

最后是人机协同共驾。至少在目前来看，自动驾驶的全面普及仍需很长一段时间，所以必须要经历人类驾驶和机器驾驶共存的阶段。在这种情形下，如何去做协同？清华给出了三个小的解决方案，包括增强感知——减少驾驶员分心和注意力不集中、复杂和高风险环境中的补充决策和共享控制权——减小驾驶员驾驶负荷。

结语

从以上李克强的分析可以看到，由于复杂交通环境、驾驶员行为的不确定性以及汽车多目标性能冲突等原因，从辅助驾驶到自动驾驶的发展和转变充满挑战。

不过，值得欣喜的是，中国在环境感知、决策和动力学控制等自动驾驶各方面也取得了不俗的进展。清华大学在基于神经网络的目标检测、基于学习的决策和基于优化的控制等方面也有很多创新研究。

在李克强看来，下阶段自动驾驶技术需要着眼于如何提高关键技术的可靠性。复杂交通环境下的可预测安全、更优的燃油经济性和更高的交通效率将会伴随着市场成熟而成为更加紧迫的需求。

*文中图片由雷锋网新智驾拍摄，PPT内容是清华大学汽车工程系教授李克强在CICV 2017的演讲。

。