大家未来生活

能被智能化系统所左右

大家将来的交通出行

就会被无人驾驶所更改

瞰见新青年演讲纪实 ///

丁文超

上海复旦大学工程与应用技术研究院

青年研究员

智驭将来

探寻智能机器人决策智能化之途

今天我的演讲题目称为“智驭将来——探寻智能机器人决策的智能之路”。我觉得这个题目是ChatGPT帮我写的，我给它一个开始，它给我补齐了后边，我觉得它补齐得很好，也提醒让我们，不久的将来社会发展，我们自己的交通出行，我们的日常生活，肯定都会被智能机器人、被无人驾驶车子所更改。

最先简单自我介绍一下，我2015年本科毕业于华南理工大学，下面到香港科大读博士，随后加入华为公司，在华为大约两年半时长。在今年的2月，我很高兴加入了复旦大学工程与应用技术研究院。

01

人工智能技术自动驾驶与决策

我科学研究，更通用而言，遵照一个关键字，即AI for robotics。我科学研究智能机器人人工智能应用，尤其是无人驾驶有关的使用，例如，怎么推理他人未来会干什么，外卖员会干什么、道路上的老头老太太们还会想起哪些，与此同时你到底应该怎么去干。

在华为的工作经历最大的成就，便是华为公司问界2023最新款上边内置了我们团队算法，这也算是对于我华为公司之路特别好阶段总结。现在很多人熟不太熟悉，或是有些人感受过无人驾驶是什么原因吗？

2021年，大家在北汽极狐上面做自动驾驶的检测，那时，车子自动驾驶状态成熟情况早已像一个产品了，并没有大伙儿想象中的那么基本。无人驾驶遭遇十分自由的世界，有非常多的危险驾驶行为，各种各样用车场景。我个人的科学研究都集中在究竟如何解释别的人的认知，到底怎么贡献自己的一份力量决策。

提到决策，大家一定听过AlphaGo和AlphoZero，多久我们自己的自动驾驶车子像下象棋一样击败人类驾驶人员，击败人们司机，改变我们自己的交通出行？

下象棋和驾车有相通的地方，比较强的棋士，我们不难发现走一步看N步，坚信柯洁能看十几步、二十几步。你想驾车开的好也若想许多步，作出自身最理想的决策。

可是下象棋和驾车还有一点差异，这也是为什么驾车去今日都还没自动化技术。假如你下象棋，这是一个密闭的室内空间，一定要把头落入旗盘上。可是开车是公共空间。下象棋是一对一博奕的一个过程，只有一个敌人；但是对于驾车而言，很有可能要跟大街上每一个交通参与者博奕、互动，每一个人、每一个车子姿势全是不确定的，对人工智能要求很高。

02

人工智能技术安全驾驶

有多互动环境下的运用

再进一步拉到大家探索的难题，现今自动驾驶车辆究竟在哪儿一些场景中开的不如他人？这儿举例说明。

我刚学驾车也总看教程视频，你看这个《开车小技巧：新手为什么不敢并线》。驾车经常碰到一个状况，正前方街口要往左拐，我一打转向灯，别的车更不许我啦，如果你焦虑不安困惑的情况下，一个间隙也就过去了，你也就变成交通出行里的阻塞点，别人也会玩命按喇叭督促你。

现今自动驾驶在一些简单的情景早已开的特别像“老湿机”了，但在互动相当多的情景它更像一个新司机。这个是我研究方向想解决问题。对自动驾驶而言，假如道路上一辆车也没有，谁不会开？当道路上很多车和你互动时，你怎么能够做好，这才是真正“老湿机”。

03

模型车和车间的交互关系

到底怎么操作呢？引进我的第一个科学研究。

我们在驾校的情况下，教练员毫无疑问教你需要防御性驾驶。什么叫防御性驾驶？例如绿车是自动驾驶车辆，新司机会有什么后果，蓝色的车要加塞到我们前面，新司机通常开得很近，前面的车子有明显趋势，吓一跳，一脚急刹车。

老湿机会怎么看的？这车就算没有运动趋势，可是迅速贴近正前方一辆慢速度车，很有可能这一车子加塞到我们前面。你对未来推论，根据预测分析车子互动，能够较早预测分析加塞个人行为。我家里有30%的加塞几率，你能更早备刹，先将油门踏板松出来，而非一脚急刹车。

第一个工作中需要解决的问题，根据模型车和车间的交互关系，根据神经网络学习这种特点，完成更早预测分析。例如黄色的车是我预测分析总体目标，这儿的几率是置身于每一个行车道几率，一旦被正前方车阻塞有一定的几率变道。可是这车又上去了，把黄色车的变道室内空间挤压成型了，它并没有太大的很有可能变道。可是当这一汽车在走了以后，变道几率渐渐地升高，当这车有较为明显运动趋势，你也就较为相信他会变道来。那样才能实现像人一样保护性的安全驾驶。

04

预判别人对自己的预判

大家刚刚只不过是在第一层，真正意义上的驾车很有可能需在“地球大气层”，不但要预判他人，还需要预判别人对自己的预判。

如何去了解那样一个过程呢？例如蓝紫色车子是自动驾驶车辆，想并道来，不但说起后才车子让不许，还需要想要自己这个姿势别人也会如何看，假如迅速地就一把塞来，他人很应该没有反应速度，一脚急刹车。假如你先向正中间靠一靠，打一打灯，在这个过程中观查它，这样就可以预判它以前预判你需要变道来，只有这样才能非常舒服地做好此次变道。你会反复开展多维度的逻辑推理。

我们当时搭了仿真环境，大家在一个博奕时，把一些情况考虑在内。与此同时在这时候，你想要变道，可是一个车迅速上去，此刻灵活把变道撤销，只要我们了解如果这个时候强制变道，另一方预判不了你变道，此刻应当略微松一松。

前边这车是在操纵环境下的车左右横跳，给自动驾驶车构建难度系数，看自动驾驶车能不能满足各种个人行为。

05

自动驾驶应“懂得加塞”

自动驾驶车辆的高级驾车技巧第三式——“懂得加塞”。如今变道针对自动驾驶而言，要不过度传统，要不盲目乐观。过多传统或是过多开朗不是好解决方案。

我第三个科学研究关键干的事是，变道时虽然我不知道后汽车是“天使之”或是“恶魔”，但是总不得不动。做姿势如何确保自己安全性呢？你始终一定要做好备份数据，你能往里塞，不过自始至终有方位或是油门踏板将你带到空旷的地方。

你要是有了一些决策，怎么能将你的算法优化一条很细腻的运动轨迹实行它。前边紫红色的运动轨迹是我们整体规划出的运动轨迹。大伙儿能理解，你让自动驾驶整体规划运动轨迹这件事情别人肯定会开的好。为何？当真正做自动驾驶改善的情况下，不难发现把整个房间模型出去，而且在行得通空间中达到安全性管束，提升出一条十分流畅的运动轨迹。

自动驾驶车辆别人驾车要节油、舒服、更为顺滑，那也是的优势。例如这车想变道来，它全部的操作都在局部的行得通空间中进行深入提升，就会发现是很丝滑的一个过程。

还有更多事例，例如无保障的左拐，像人一样渐渐地向前，错过车流一把加快以往，这一过程别人干的更强；还能对自动驾驶车做麋鹿测试，摆各种各样不规则阻碍物使它避开，做这样比较顺滑的连接和操纵。

这个是我医生期内在北京开放路上做出来的检测，这一测试自己在车内，这里边每一个规划算法、预测算法是前边说的这种算法集成化，左手边认知的页面，能够看见在设备觉得别的车是什么情况，它如何做检测，下边三根线是设备脑中分辨车子道在哪里。

真真正正高级技巧是，三条车道，如果这个时候你是人类，大家觉得右侧的行车道迅速，假如我是智能小车，我该积极变到右面。我们自己的自动驾驶车要不可以积极寻找这次机会呢？它是没问题的，我们的车直到这次机会，积极进行变道到更快地行车道，这一过程彻底是通过它本身决策。像较为拥挤情景，较为拥挤路面，我们做了不断检测，这车能够在公共路上真真正正去加塞他人，去跟老湿机们融为一体。

并不仅仅是那两个实例，行走在路上溜了特别多，最终认证这一优化算法。这一过程也是非常心酸与眼泪的一个过程，一方面是深圳司机确实太厉害了，第二个就是你害怕出现任何bug，一旦有bug，你就得给自己算法付钱。

06

多智能化端协作组成极致认知

我复旦大学以后做了一些新工作，较为有意义的具体内容。

比如在一个很大的街口，你过去也没有到过的一个地方，到底怎么开车呢？你也许会看见别人怎样开学会了怎样开。你在路口看到许多人朝正确的方向开了，即使我之前没有地形图，再度整体规划的时候也能做到参照这条消息。

一样往后进行了更有趣的，前边还是一个车子整体规划，如今甚至还有好几个车，这里边每一个色调全是一辆不一样车子，每一个人的认知结论可以一起填补。换句话说我已协助你看过以后的路，我和你之间只要能两端对齐，能直接把你的资料拿出来，我们一起协作组成更好的认知。

这样的场景是我们如今正在进行车子和路智能化路端协作的画面。例如路端发觉它认知范畴像第三视角一样，蓝紫色是指认知，白色是车端，它挡住较多，由于车里感应器放得非常低。这俩认知假如协作下去，会在路口有着第三视角一样眼界。将来，包含不难想象的2030年、2040年，在我们步入老年、老年人，这些都能在咱们日常生活当中。

我如今已经负责任的MAGIC Lab，科学研究各种各样十分新颖的技术性。如今可以说是引领未来，今天没都还没覆盖最先进的技术，包含自动驾驶大实体模型，自动驾驶的认知和决策未来究竟怎样做？大家正在进行这些方面最前沿探寻。