干货|清华大学邓志东教授:人工智能是加速无人驾驶产业化的前沿核心技术
2016年7月23日，清华大学计算机科学与技术系邓志东教授做客机器人大讲堂，就现在非常火的无人驾驶汽车做了题为《人工智能：加速无人驾驶产业化的前沿核心技术》的报告，报告中邓老师指出，无人驾驶方案在开始时如果不考虑成本需要在汽车基础上加上100万-200万，考虑采用无人驾驶+自动驾驶结合的方案还需再加50万，但如果我们找到人工智能的技术方案，可能几万块就可以了！
作为从事无人驾驶一线科研工作近8年的清华老师，邓教授对于无人驾驶投入了太多心血与精力，当然作为无人驾驶方面的专家，邓老师对无人驾驶的理解也更有科研价值。在炎炎夏日邓老师不辞辛苦为我们娓娓讲述他心中的科研梦想，不说别的，小编是着实感动了。
以下是邓教授讲座的内容摘要：
一、产业序幕拉开：无人驾驶汽车能走多远？
首先我们需要知道无人驾驶分为以上四个等级。
目前无人驾驶方案基本思路是采用厘米级的栅格/拓扑地图+RTK导航，因为无人驾驶实际上是两个事，一个是道路的通过能力，二是空间的检测。如果采用这种方法不计成本就可以采取很高端的、很贵的20万到50万的RTK导航设备就可以完全解决。
报告中邓教授表示，无人驾驶汽车或自动驾驶汽车产业序幕正在拉开，对于加速无人驾驶产业的落地，重要的是做好两件事，一个是自主性，一个是环境适应性。而业界认为无人驾驶在2022年前后会实现3级的高度自主，但真正要做到4级，真正的无人驾驶，全工况的完全自主，一般认为要10年，更悲观的说法是要50年。3级高度自主能看出商业模式，做到4级就实现了产业颠覆。
二、AI的最新进展
2012年加拿大多伦多大学的博士生Krizhevsky等提出基于GPU训练的深度卷积神经网络，标志着人工智能实现了真正的突破。
人工智能与大数据、云平台、机器人、物联网与区块链的深度融合，人工智能技术与产业开始扮演着基础性、关键性和前沿性的核心角色，弱人工智能+已经成为加速无人驾驶汽车产业化发展的前沿核心技术。
三、AI：加速无人驾驶产业化的前沿核心技术
如何加速无人驾驶汽车产业化的步伐呢？人工智能是一个前沿的核心技术。其关键共性技术包括：深度学习+环境感知/理解、深度学习+信息融合。涉及到基于深度监督学习的障碍物检测技术、基于深度监督学习的高精地图创建技术、基于深度监督学习的多模态导航联合技术、基于深度再励学习的自主决策技术等方面核心前沿技术。
邓教授表示，人工智能技术的提升关键在于大数据，而私有大数据是无人驾驶产业支撑的基础和关键。
第二个是硬件支撑，包括超级GPU/TPU集群服务器、FPGA深度学习处理器（DPU）、类脑芯片等。
报告中邓教授指出目前已经有一些企业利用深度学习进行无人驾驶/自动驾驶的研究。目前深度学习的代码已经开源了，其实时性也正在得到诸如GPU硬件技术和类脑芯片快速发展的保障，有可能创新性地支撑无人驾驶汽车的单目视觉，完成高精地图创建、导航定位和道路识别等。