北理宋文傑：時空域下智能車輛未知區域自主導航技術

不到現場，照樣看最乾貨的學術報告！

嗨，你們好。這裏是學術報告專欄，讀芯術小編不按期挑選並親自跑會，爲你們奉獻科技領域最優秀的學術報告，爲同窗們記錄報告乾貨，並千方百計搞到一手的PPT和現場視頻——足夠乾貨，足夠新鮮！話很少說，快快看過來，但願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。

人工智能論壇現在浩如煙海，有硬貨、有乾貨的講座卻鳳毛麟角。「AI將來說·青年學術論壇」系列講座由中國科學院大學主辦，承辦單位爲中國科學院大學學生會，協辦單位爲中國科學院計算所研究生會、網絡中心研究生會、人工智能學院學生會、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，百度爲支持單位，讀芯術、PaperWeekly爲合做自媒體。「AI將來說·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。北理宋文傑爲你們帶來報告《時空域下智能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。主要圍繞智能駕駛汽車、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、路徑規劃與智能決策等研究。主持國防科技「引領」基金項目1項，參與完成總裝十二五重點項目、國家天然基金重點項目、面上項目。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，「中國智能車將來挑戰賽」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，受權國家發明專利8項，擔任IEEE Transactions on Intelligent Transportation Systems等期刊審稿人。

報告內容：智能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，具備極高的國防軍事價值和社會經濟價值。在自動駕駛場景中，智能車輛如何實現先驗信息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能導航實驗室無人車團隊的研究背景與基礎，而後針對以上兩項難題彙報本人已開展的相關工做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。

時空域下智能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，以智能車輛系統的介紹引入，包括對其構成和技術的講解，進而引出了智能車輛的發展概況及相關賽事介紹。智能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、移動通信技術和大數據雲處理；基礎支撐技術，包括地理信息系統、信息安全技術和標準法則評測。

智能車輛從上世紀80年代被普遍研究，相關比賽的大量出現又進一步推進了其發展。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能車將來挑戰賽（自2009）、「跨越險阻」地面無人系統挑戰賽（自2014）和世界智能駕駛挑戰賽（自2016）。上述賽事中，中國智能車將來挑戰賽是面向城市交通應用需求（高速、泊車、園區等），由天然基金委主辦，自2009年，每一年一屆，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、偵察搜索，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。近年來智能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。

接着，介紹了所在團隊以及團隊參加的一些比賽狀況。北京理工大學組合導航與智能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。後來隨着產業逐漸變熱，開始跟紅旗等企業進行合做，才使得不少問題變得簡單。團隊參加的較具表明性賽事有中國智能車將來挑戰賽和「跨越險阻」陸上無人系統挑戰賽。對於前者，團隊參加過不少次，因爲缺少人力、物力以及豐富的先驗數據庫等，團隊須要本身繪製路網，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，團隊經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。

而後，經過參加的賽事狀況總結出了自主導航技術的兩大難題：未知區域或無先驗信息條件下的精肯定位和天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作的相關工做。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色，其常規解決方案有如下三種：半自主繪製高精度地圖+差分GPS（或其餘定位設備）+先驗信息下的地圖匹配；超寬帶定位，視覺標籤訂位；小場景，特定任務地圖構建。團隊所作的相關工做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激光佔據柵格地圖構建。

時空域自主導航包含三個層次的問題：首先是單一空間搜索問題，已構建或先驗的地圖每每僅包含靜態信息，不存在時間約束條件；其次是時空維度搜索問題，天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，須要知足時間約束條件；最後是將來時間段狀態預測問題，須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，才能夠爲規劃或決策提供時間維度上的基本素材。爲解決動態目標運動擾動問題，團隊嘗試過利用循環神經網絡來計算曆史軌跡。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爲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惟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，利用端到端方法就能夠得到較好結果。端到端模型能夠包含環境中動態信息，也是解決動態干擾的一種方法。經過訓練，已包含了車輛模型、傳感器模型、環境模型等信息，避免複雜建模過程。端到端自動駕駛仿真軟件包括：基於遊戲仿真軟件TORCS和基於機器人建模軟件Gazebo等，且他們團隊在上述兩種軟件平臺上都作了相關測試。更多精彩內容請關注視頻分享。

留言 點贊 關注

咱們一塊兒分享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」

（添加小編微信：dxsxbb，加入讀者圈，一塊兒討論最新鮮的人工智能科技哦～）