無人駕駛如同高爾球比賽一般

在高爾夫球運動比賽中，隨著比賽各個階段的不同，球桿使用也需要根據(jù)比賽場地變化進行更換；發(fā)球桿，沙坑桿，或者果嶺推桿等不同的球桿根據(jù)特定的環(huán)境幫助比賽者提供最佳的比賽表現(xiàn)。

一輛無人駕駛汽車需要用不同的處理器來進行“驅(qū)動”，如同選擇使用不同球桿來打完高爾夫球場上的18個球洞一樣。除此之外，選手們在高爾夫球比賽中同樣需要發(fā)揮更多智慧和創(chuàng)造力，無人駕駛汽車上不同類型的傳感器可以生成不同類型的數(shù)據(jù)：攝像頭生成像素，激光雷達生成點云，雷達生成模擬波形等等。不同傳感器接受的數(shù)據(jù)類型需要不同的處理方式，人們需要選擇適合每種數(shù)據(jù)類型的專用工具來開發(fā)無人汽車的大腦，而不是用一個游戲處理器應(yīng)對一切任務(wù)。

人工智能支撐無人駕駛汽車

智能駕駛領(lǐng)域中有一種說法：無人駕駛汽車中的人工智能所扮演的角色就是“計算機視覺”，一種特定類型的計算元素能夠用于無人駕駛汽車中的所有人工智能。其實，這句描述并沒有完整表達人工智能的應(yīng)用在無人駕駛技術(shù)上所面臨的挑戰(zhàn)，人工智能的特征遠遠不只是關(guān)系計算機視覺的處理，無人汽車駕駛技術(shù)中的人工智能應(yīng)用需要從自然語言處理到個性化處理，再到?jīng)Q策層面的整體需求去考慮。

從人工智能應(yīng)用中的感知、認知、行為特征方面看，感知部分難度最大，技術(shù)應(yīng)用也是最多。感知技術(shù)依賴于傳感器，比如攝像頭，由于其成本低，在產(chǎn)業(yè)界倍受青睞。以色列公司Mobileye在交通圖像識別領(lǐng)域做得非常好，它通過一個攝像頭可以完成交通標線識別、交通信號燈識別、行人檢測，甚至可以區(qū)別前方是自行車、汽車還是卡車。人工智能技術(shù)在圖像識別領(lǐng)域的成功應(yīng)用莫過于深度學習，近幾年研究人員通過卷積神經(jīng)網(wǎng)絡(luò)和其它深度學習模型對圖像樣本進行訓練，大大提高了識別準確率。認知與控制方面，主要使用人工智能領(lǐng)域中的傳統(tǒng)機器學習技術(shù)，通過學習人類駕駛員的駕駛行為建立駕駛員模型，學習人的方式駕駛汽車。

英特爾中國研究院院長宋繼強認為，人工智能包括深度學習，對無人駕駛技術(shù)而言至關(guān)重要，但仍需其他層面相應(yīng)的技術(shù)予以配合。目前，英特爾已經(jīng)和寶馬、Mobileye 等汽車企業(yè)進行深度合作，提供諸如車內(nèi)計算、云和機器學習的解決方案，甚至還包括高帶寬、低延遲的連接系統(tǒng)、強大的內(nèi)存和 FPGA技術(shù)、人機接口，以及安全技術(shù)等。融入了這些技術(shù)的寶馬下一代無人駕駛汽車，能夠更為完整的體現(xiàn)出未來智能汽車的發(fā)展趨勢。