人工智能在自动驾驶研发中的应用

研究报告 （2023年第1期总第122期）2023年03月6日 人工智能在自动驾驶研发中的应用1 资本市场与公司金融研究中心朱雅姝刘碧波 【摘要】行业图谱研究是本中心科技成果转化研究的一项子课题， 目标定位于清晰理解前沿科技成果的技术核心、科创企业的技术竞争力及科研工作者的研究进度，从而助力科技成果转化效率的提升。行业图谱研究将以系列形式展开，选取国家战略重点科技领域的商业应用场景逐一进行，时效性较强。 本报告为行业图谱的计算机科学系列之自动驾驶领域：人工智能在自动驾驶研发中的应用。当今，自动驾驶技术已经成为汽车产业的未来发展方向。应用自动驾驶技术可以全面提升汽车驾驶的安全性、舒适性，满足更高层次的市场需求，并推动产业科技升级。得益于人 1感谢资本市场与公司金融研究中心的实习生许喜远同学对本报告的助研工作。许喜远同学是清华大学医学院2022级博士。 工智能技术的发展，自动驾驶技术在环境感知、精准定位、决策与规划、控制与执行等方面实现了突破性提升。其中，基于人工智能应用的研发，关键性技术竞争点包括高精地图、传感器融合、语音与图像识别等。国外自动驾驶汽车研发历程较早，已逐步实现商业化应用，国际顶级公司在人工智能自动驾驶领域的研究处于全球引领地位。而我国自动驾驶汽车研发也在逐步崛起。政府鼓励政策和资金支持成为我国研发自动驾驶汽车的重要动力。本文从自动驾驶汽车的定义、研发历程到人工智能在自动驾驶汽车中的技术应用、全球自动驾驶市场进行了较为全面的介绍，并汇总了国内重点科学家的研究现状，以期了解我国当前行业发展的状态及国际竞争定位。 目录 一、自动驾驶汽车概述1 （一）自动驾驶汽车的等级标准及相关概念1 （二）自动驾驶汽车的应用价值4 二、自动驾驶汽车的研发历程5 （一）国外研发历程6 （二）我国研发历程13 三、人工智能在自动驾驶汽车中的应用18 （一）人工智能在环境感知中的应用19 （二）人工智能在精准定位中的应用22 （三）人工智能在决策与规划中的应用24 （四）人工智能在控制与执行中的应用27 （五）基于人工智能的自动驾驶研发中关键性技术竞争点30 四、自动驾驶市场与国内外企业调研34 （一）人工智能在自动驾驶领域的市场情况34 （二）国际顶级公司在人工智能自动驾驶上的最新研发成果34 （三）本章小结40 五、专业术语解析41 参考文献44 图表目录 图1-1SAEJ3016标准2 图1-2自动驾驶技术2 图1-3自动驾驶技术的价值5 图1-4国外自动驾驶汽车发展历程6 图1-5谷歌公司的自动驾驶原型车11 图1-6Pacifica混动厢式自动驾驶出租车12 图1-7Zoox的自动驾驶汽车13 图1-8我国自动驾驶汽车发展历程14 图1-9百度“阿波龙”自动驾驶巴士17 图2-1自动驾驶汽车体系结构18 图2-2环境感知应用中使用的深度学习模型20 图2-3深度学习智能控制方法28 图3-1基于人工智能的自动驾驶所需要的条件及关键性技术竞争点31 表1-1三届DARPA自动驾驶挑战赛7 表4-1全球已上市的人工智能自动驾驶企业35 表4-2国内外重点AI自动驾驶企业的概况以及相应的融资信息37 表4-3自动驾驶技术中国学者研究优势定位39 自动驾驶汽车（AutomatedVehicle；IntelligentVehicle；AutonomousVehicle；Self-drivingCar；DriverlessCar）又称智能汽车、自主汽车、自动驾驶汽车或轮式移动机器人，是一种通过计算机实现自动驾驶的智能汽车。本文首先讲述自动驾驶汽车涉及到的关键概念，包括自动驾驶汽车等级标准、智能汽车定义等；接着对国外、国内自动驾驶汽车的发展历程进行梳理；重点解析人工智能在自动驾驶汽车技术中的应用及其关键技术竞争点；最后通过国际市场分析展现全球行业动态及我国在该领域国际科技中的发展定位。 一、自动驾驶汽车概述 （一）自动驾驶汽车的等级标准及相关概念 1.SAEJ3016标准 该标准于2014年由美国国际汽车工程师学会（SocietyofAutomotiveEngineersInternational，SAEInternational）制定，内容如图1-1所示。该标准将车辆分为Level0至Level5共6个级别[1]，并针对道路机动车辆的自动化系统相关条款做了分类和定义。它不但被美国交通运输部采纳为联邦标准，同时也已经成为了全球汽车业界评定自动驾驶汽车等级的通用标准。 Level0：无自动化，由人类驾驶员全程操控汽车，但可以得到示警式或须干预的辅助信息。 Level1：辅助驾驶，利用环境感知信息对转向或纵向加减速进行闭环控制，其余工作由人类驾驶员完成。 Level2：部分自动化，利用环境感知信息同时对转向和纵向加减速进行闭环控制，其余工作由人类驾驶员完成。 Level3：有条件自动化，由自动驾驶系统完成所有驾驶操作，人类驾驶员根据系统请求进行干预。 Level4：高度自动化，由自动驾驶系统完成所有驾驶操作，无需人类驾驶员进行任何干预，但须限定道路和功能。 Level5：完全自动化，由自动驾驶系统完成所有的驾驶操作，人类驾驶员能够应付的所有道路和环境，系统也能完全自动完成。 图1-1SAEJ3016标准 图1-2自动驾驶技术 2.自动驾驶汽车 自动驾驶汽车是指一种无需驾驶员介入，通过集成多项技术，如计算机视觉、导航、传感器等系统的汽车。这种汽车可以根据道路环境、周围车辆、交通规则等信息，自主决策、驾驶和安全操纵。自动驾驶汽车的结构组成包括：①传感器：包括激光雷达、摄像头、加速计、陀螺仪、超声波传感器等，用于收集道路环境、周围车辆等信息；②计算机视觉系统：利用摄像头等数据，对道路环境、周围车辆等信息进行识别和分析；③导航系统：根据道路地图、定位信息等，实现汽车的导航；④控制系统：根据道路环境、周围车辆、交通规则等信息，进行决策和控制，实现自动驾驶；⑤电子控制单元：负责对汽车的操纵，如油门、刹车、转向等。通过这些组件的集成，自动驾驶汽车可以实现自主驾驶，并且能够提高驾驶安全性和效率。同时，通过大数据分析和人工智能技术的应用，自动驾驶汽车还可以实现更高效的交通管理和减少交通拥堵[1]。由SAEJ3016 标准可以看出，通常大家谈论的自动驾驶汽车对应该标准的Level4 和Level5级。 3.自动驾驶技术 自动驾驶技术是对人类驾驶员在长期驾驶实践中，对“环境感知——决策与规划——控制与执行”过程的理解、学习和记忆的物化，如图1-2所示。自动驾驶汽车是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。 （二）自动驾驶汽车的应用价值 自动驾驶汽车之所以受到各国政府前所未有的重视[2]，国内外各院校、研究机构都投入了大量人力、物力，各大车企、科技公司、汽车零部件供应商以及自动驾驶汽车创业公司也纷纷在这个领域进行布局，它主要具有以下如图1-3所示的价值。 改善交通安全，出行革命：自动驾驶汽车具有改善交通安全和提升社会效率的潜力。由于驾驶员过失责任是交通事故的主要因素，自动驾驶汽车不受人的心理和情绪干扰，能够保证遵守交通法规，并按照规划路线行驶，因此可以有效地减少人为疏失所造成的交通事故。此外，自动驾驶汽车可以通过提高车速、缩小车距以及选择更有效路线来减少通勤所耗时间，从而消除交通拥堵，提升社会效率。 实现节能减排：自动驾驶技术还将带来出行革命，提高出行安全，实现绿色安全和谐智能交通的融合发展。这不仅将使得出行更加方便，而且更加安全、环保。 促进我国产业转型升级、引领创新：自动驾驶技术是一种先进的出行技术，它聚焦于应用车辆与人工智能、5G等多种技术的集成。自动驾驶技术的发展不仅拉动了国民经济的转换，还有助于产业链供应链的生态化发展和产业转型。此外，自动驾驶技术还将引领产业的创新。它是科技革命与产业颠覆性创新的载体，将引领行业创造可持续发展的新范式。自动驾驶技术的发展与应用不仅改变了出行方式，而且将引领整个行业的创新与发展。 图1-3自动驾驶技术的价值 二、自动驾驶汽车的研发历程 目前对于自动驾驶汽车的研究有两条不同的技术路线：“渐进演化”和“一步到位”。“渐进演化”路线，指的是从ADAS产品 开始，逐步研发到无人驾驶技术，最终实现完全自动驾驶。传统车企多选择从L1-L3级进行大规模量产，逐步提高自动驾驶的级别。“一步到位”路线，则是通过软件升级的方式，完善自动驾驶系统。一些新兴公司如谷歌、福特、通用、Momenta等则一开始就研发L4或者L5级的高等级自动驾驶，跳过渐进演化的过程，直接达到高等级的自动驾驶。总的来说，渐进演化路线与一步到位路线各有特点，前者以安全性为首要考虑，逐步提高自动驾驶的级别；后者更加面向未来，以高效率、快速升级为特点。 在此，对国内外自动驾驶汽车技术的研究发展历史分别进行阐述比较： （一）国外研发历程 20世纪70年代，科技发达国家率先开始了自动驾驶汽车的研 究。本节内容梳理了国外自动驾驶汽车发展历史，图1-4所示为重要时间节点事件。 图1-4国外自动驾驶汽车发展历程 1.科研院校对自动驾驶技术的研究 1984年，美国国防高级研究计划署（DefenseAdvancedResearchProjectsAgency，DARPA）与陆军合作，发起自主地面车辆（AutonomousLandVehicle，ALV）计划，这是一辆八轮车，在校园中能够自动驾驶，但车速并不快。为了推进自动驾驶技术更快、更好地发展，DARPA于2004年—2007年共举办了3届DARPA自动驾驶挑战赛[3]，如表1-1所示。 第1届 2004年在美国的莫哈韦沙漠进行。共有21支队伍参加赛事，其中15支进入了决赛，但决赛中，没有一支队伍完成整场比赛。卡内基·梅隆大学的Sandstorm行驶的最远，共行驶了11.78km。 第2届 共有195支队伍申报参加，有5支队伍（Stanley、Sandstorm、H1ghlander、Kat-5、TerraMax）通过了全部考核项目。其中，来自斯坦福大学的Stanley以30.7km/h的平均速度、6小时53分钟58秒的总时长夺冠，赢得了200万美元，同时，这也标志着自动驾驶汽车取得了重大突破。 第3届 2007年，在美国加利福尼亚州一个已关闭的空军基地举行。这届比赛的任务是参赛车辆在6小时内完成96km的市区道路行驶，并要求参赛车辆遵守所有的交通规则。这届比赛不仅要求参赛车辆完成基本的无人行驶，检测和主动避让其他车辆的同时，还要遵守所有的交通规则。由于车辆需要根据其他车辆的动作实时做出智能决策，这对于车辆软件来说是一个特殊挑战。来自卡内基·梅隆大学的Boss以总时长4小时10分钟20秒、平均速度22.53km/h的成绩取得了冠军。 表1-1三届DARPA自动驾驶挑战赛 20世纪80年代开始，美国著名的大学如卡内基·梅隆大学、斯坦福大学、麻省理工学院等都先后加入自动驾驶汽车的研究工作中。其中，美国卡内基·梅隆大学研制的NavLab系列智能车辆最具有代表性[3]。 NavLab-1系统于20世纪80年代建成。它的计算机硬件系统由Sun3、GPS、Warp等组成，用于完成图像处理、传感器信息融合、路径规划以及车体控制等功能。它在典型结构化道路环境下的速度为28km/h。 NavLab-5系统是1995年建成的。卡内基·梅隆大学与Assist-Ware技术公司合作研制了便携式高级导航支撑平台（PortableAdvancedNavigationSupport，PANS）。该平台为系统提供了计算基础和I/O功能，并能控制转向执行机构，同时进行安全报警。它使用了一台便携式工作站SPARCLx，能够完成传感器信息的处理与融合、路径的全局与局部规划任务。NavLab-5在实验场环境道路上的自主行驶平均速度为88.5km/h。Navlab-5公路实验时进行了首次横穿美