不到現場，照樣看最乾貨的學術報告！

嗨，大家好。這裡是學術報告專欄，讀芯術小編不定期挑選並親自跑會，為大家奉獻科技領域最優秀的學術報告，為同學們記錄報告乾貨，並想方設法搞到一手的PPT和現場視訊——足夠乾貨，足夠新鮮！話不多說，快快看過來，希望這些優秀的青年學者、專家傑青的學術報告 ，能讓您在業餘時間的知識閱讀更有價值。

人工智慧論壇如今浩如煙海，有硬貨、有乾貨的講座卻百裡挑一。“AI未來說·青年學術論壇”系列講座由中國科學院大學主辦，承辦單位為中國科學院大學學生會，協辦單位為中國科學院計算所研究生會、網路中心研究生會、人工智慧學院學生會、化學工程學院學生會、公共政策與管理學院學生會、微電子學院學生會，百度為支援單位，讀芯術、PaperWeekly為合作自媒體。“AI未來說·青年學術論壇”第七期“自動駕駛”專場已於2019年7月22日下午在中科院舉行。北理宋文傑為大家帶來報告《時空域下智慧車輛未知區域自主導航技術》。

宋文傑，北京理工大學助理教授，碩士生導師，美國普林斯頓大學訪問學者。主要圍繞智慧駕駛汽車、地面無人平臺、移動服務機器人，開展無人系統架構搭建、環境感知與地圖構建、路徑規劃與智慧決策等研究。主持國防科技“引領”基金專案1項，參與完成總裝十二五重點專案、國家自然基金重點專案、面上專案。研究成果獲國防科學技術進步一等獎1項（排名第五），中國發明創業成果一等獎1項（排名第六），工信部創新創業一等獎2項，日內瓦世界發明展金獎1項，“中國智慧車未來挑戰賽”高速道路測試第一名、“跨越險阻”陸上無人系統挑戰賽空地協同組第一名等。在本領域權威學術期刊和會議上發表錄用論文10餘篇，授權國家發明專利8項，擔任IEEE Transactions on Intelligent Transportation Systems等期刊審稿人。

報告內容：智慧車輛是一種集環境感知、規劃決策、多等級輔助駕駛等功能於一體的綜合系統，是新世紀車輛技術飛躍發展的重要標誌，具有極高的國防軍事價值和社會經濟價值。在自動駕駛場景中，智慧車輛如何實現先驗資訊缺失或無路網條件下的高精度定位、多類動態目標干擾下的自主決策與規劃是自動駕駛技術面臨的關鍵難題。本次報告首先介紹北京理工大學組合導航與智慧導航實驗室無人車團隊的研究背景與基礎，然後針對以上兩項難題彙報本人已開展的相關工作與目前研究的最新進展。報告的主要內容包括研究背景與基礎、定位與地圖構建、時空域自主導航以及端到端自動駕駛四個部分。

時空域下智慧車輛未知區域自主導航技術

宋文傑博士首先介紹了他們團隊的研究背景基礎，以智慧車輛系統的介紹引入，包括對其構成和技術的講解，進而引出了智慧車輛的發展概況及相關賽事介紹。智慧車輛系統由汽車電子、發動機、結構設計和底盤系統等構成，主要應用了：機器人技術，包括環境感知技術、規劃決策技術和運動控制技術；移動互聯技術，包括車載平臺技術、移動通訊技術和大資料雲處理；基礎支撐技術，包括地理資訊系統、資訊保安技術和標準法則評測。

智慧車輛從上世紀80年代被廣泛研究，相關比賽的大量出現又進一步推動了其發展。國際賽事包括DARPA Grand Challenge（2005）、DARPA Urban Challenge（2007）和LAGR（DARPA's Learning Applied to Ground Robots）等，國內賽事包括中國智慧車未來挑戰賽（自2009）、“跨越險阻”地面無人系統挑戰賽（自2014）和世界智慧駕駛挑戰賽（自2016）。上述賽事中，中國智慧車未來挑戰賽是面向城市交通應用需求（高速、泊車、園區等），由自然基金委主辦，自2009年，每年一屆，已連續舉辦十屆；“跨越險阻”陸上無人系統挑戰賽是面向戰場安防等任務需求（戰場行駛、偵察搜尋，山地輸送等），由陸軍裝備部主辦，自2014年，每兩年一屆，已連續舉辦三屆。近年來智慧車輛技術逐漸受到重視，吸引了百度、谷歌、Uber和Tesla等企業加入到研究陣營中。

接著，介紹了所在團隊以及團隊參加的一些比賽情況。北京理工大學組合導航與智慧導航實驗室無人車團隊於2010年開始進行相關研究，相關技術經歷了從無到有的積累過程。後來隨著產業逐漸變熱，開始跟紅旗等企業進行合作，才使得很多問題變得簡單。團隊參加的較具代表性賽事有中國智慧車未來挑戰賽和“跨越險阻”陸上無人系統挑戰賽。對於前者，團隊參加過很多次，由於缺乏人力、物力以及豐富的先驗資料庫等，團隊需要自己繪製路網，但定位精度差，路網精度不高，只能依靠感知與粗略路網進行匹配以實現車道級別定位，對匝道下等區域，依靠SLAM等手段進行定位。對於後者，團隊通過無人機跟無人車的配合，實現了一個地控協同、車輛跟隨系統。

然後，通過參加的賽事情況總結出了自主導航技術的兩大難題：未知區域或無先驗資訊條件下的精確定位和自然場景下多類動態目標運動擾動問題。

最後，從兩大難題出發，分別介紹了定位與地圖構建、時空域自主導航和端到端自動駕駛等問題的研究意義及團隊所做的相關工作。定位與地圖構建是機器人或無人車空間意識的基礎，是機器人技術中最具挑戰的一項關鍵技術之一，有環境範圍大、變化快、動態干擾多和穩定性要求高的特點，其常規解決方案有以下三種：半自主繪製高精度地圖+差分GPS（或其他定位裝置）+先驗資訊下的地圖匹配；超寬頻定位，視覺標籤定位；小場景，特定任務地圖構建。團隊所做的相關工作有全景視覺稀疏點雲地圖構建、雙目視覺稠密點雲地圖構建和2D鐳射佔據柵格地圖構建。

時空域自主導航包含三個層次的問題：首先是單一空間搜尋問題，已構建或先驗的地圖往往僅包含靜態資訊，不存在時間約束條件；其次是時空維度搜索問題，自然場景下動態目標多樣，模型複雜，在靜態地圖的基礎上，規避動態障礙物，完成超車、跟隨、入匝道等決策或規劃，需要滿足時間約束條件；最後是未來時間段狀態預測問題，需要進行動態目標分類、跟蹤、預測，結合動態目標模型、歷史狀態以及環境歷史狀態序列，才可以為規劃或決策提供時間維度上的基本素材。為解決動態目標運動擾動問題，團隊嘗試過利用迴圈神經網路來計算曆史軌跡。但從根本上解決問題的是時空地圖導航方案，它基於多動態目標行為預測和靜態二維柵格語義地圖，在xy-t地圖中根據時間不可逆和單層唯一性原則進行決策規劃。

端到端自動駕駛是針對特定場景的，如模型簡單、樣本範圍小的任務，沒有必要構建感知-定位-決策-規劃-控制等複雜冗餘架構，利用端到端方法就可以獲得較好結果。端到端模型可以包含環境中動態資訊，也是解決動態干擾的一種方法。通過訓練，已包含了車輛模型、感測器模型、環境模型等資訊，避免複雜建模過程。端到端自動駕駛模擬軟體包括：基於遊戲模擬軟體TORCS和基於機器人建模軟體Gazebo等，且他們團隊在上述兩種軟體平臺上都做了相關測試。更多精彩內容請關注視訊分享。

留言 點贊 關注

我們一起分享AI學習與發展的乾貨

歡迎關注全平臺AI垂類自媒體 “讀芯術”

（新增小編微信：dxsxbb，加入讀者圈，一起討論最新鮮的人工