随着中国在人工智能领域的专利数量领先全球，自动驾驶技术中的感知模块也展现出一定的优势。然而，自动驾驶仍面临边界化难题，即计算机难以识别从未见过的物体。目前主流技术依赖人工标注的大规模数据集，但自监督学习的兴起为解决这一问题提供了新路径。近期在自动驾驶领域出现的自监督学习应用突破，预示着数据闭环的可能性，将极大推动自动驾驶技术的发展。尽管取得进展，但汽车行业的核心技术自主掌握仍面临挑战，需要不断创新和探索。汽车行业在核心技术自主掌握方面取得了一定进展，尤其在感知模块上利用人工智能的优势。然而，边界化难题仍是技术瓶颈，需要自监督学习等新技术突破。数据闭环的概念为未来的汽车技术迭代提供了新方向，但仍需面对众多挑战。

问题挺大的，我从自动驾驶中最关键的感知技术角度说一下吧。

自动驾驶的技术栈包含这么几块：

定位——高精地图——感知——仿真——V2X——规划——预测——远控——控制——车载交互/娱乐。

其中定位和地图是最基础的，简单理解就是先要知道自己在哪里。自动驾驶常用的定位方式是GPS+IMU+高精度地图+激光雷达信息融合的定位方法。对标国外的GPS、GLONASS等导航系统，中国从上世纪90年代就开始研制北斗系统，目前已经相对成熟。

感知也是基础模块的，也是自动驾驶行业前些年在重点发力的模块。通俗点说就是要能感知到周围的物体和环境。在2012年深度学习爆发了之后，业内开始把深度学习应用在感知上。后面会更详细地介绍这一模块。

仿真则在2020年开始成为自动驾驶技术向前演进的一个关键点，仿真的意思是让无人驾驶车在一个模拟的环境里跑，先测一下你的技术是不是够成熟、够稳定，再部署到实际车辆上，避免无谓的“车祸”。

V2X的全称是vehicletoeverything，常称车路协同，大概意思是把道路变成智慧的道路，把道路也数字化，这样汽车就能跟道路有很多协同。想象一下，如果汽车行驶时在千米之外就知道前面的路况，那相当于有了上帝视角，可以行驶得更好，许多事故也可以避免。

规划预测相当于是司机的角色，可以说是目前自动驾驶最具挑战性的问题，从方法论的角度来说，目前国内外都没有特别大的技术突破。

远程控制能够让车辆在遇到一些问题时，及时地得到处理。因为电脑会死机、汽车也会有坏的时候，远程控制对于保障车辆的安全很重要。目前主流是做法是远程遥控，像玩赛车游戏那样，远程地控制车辆的刹车油门等。这种方式存在网络安全问题，很有可能车辆就被劫持了。

控制是链接软件和硬件的重要环节，传统车辆的控制是连接到方向盘、刹车、挂挡器这一套跟人互动的装备上的。但无人驾驶车的控制则是通过电脑来操控的，就跟人体的主要运动需要靠颈椎神经系统一样，无人驾驶车也需要连接电脑和车辆的系统。

车载交互/娱乐虽然技术简单，但也不好做。目前汽车驾驶座的交互主要是围绕司机驾驶行为来做的，如果未来司机的大部分时间都不用驾驶，那就面临着车与人的关系的重新界定。

对其他模块感兴趣的可以看：未来5-10年，自动驾驶和无人车会有哪些新的进展，哪些前沿技术会给自动驾驶带来革命性的变化？

说到自动驾驶的感知模块，就避不开深度学习技术。因为感知对于机器学习的依赖是很大的，无论是靠摄像头还是激光雷达。

所谓机器学习，可以说是人工智能的核心，研究的是计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。

值得庆幸的是，在机器学习领域，中国是占有一席之地的。

举个例子，CVPR(ComputerVisionandPatternRecognitionConference)是一年一度的学术性会议，也是世界顶级的计算机视觉会议之一，论文能够入选CVPR算是这一领域很大的荣誉了。

在2020年的所有投稿论文里，中国作者占比高达39%，各国国家中的第一。而最佳论文、最佳学生论文、经典论文奖这些最高影响力的奖的第一作者都是华人。投稿最多的头五家机构里，中国大学就占了四所。[1]

由于CVPR经常在国外举办，每年都是近万人的规模，所以经常有人开玩笑说，这是一群中国人跑到国外去聚会了。

再举个例子，根据《中国人工智能发展报告2020》的数据，在2011年-2020年这十年里，中国在人工智能领域的专利申请量为389571件，居世界第一，约占全球申请量的72.7%，是排名第二的美国的8.2倍。[2]

所以说，在研发自动驾驶感知模块这一核心技术上，中国是拥有一定优势的。

目前卡脖子的点在于cornercase，也就是边界化难题。

怎么理解？边界化难题一般是指从未遇到过的物体，因为缺少数据，计算机无法识别这些物体。这对自动驾驶来说可能是致命的，比如特斯拉撞货车的事故[3]。

尤其是在中国，路上可能遇到的物体奇形怪状，靠计算机视觉不能识别的物体比比皆是。

在遇到感知的cornercase之后，是需要把足够多的数据收集回来，然后人工打标注，才能在下一次成功识别。

所以才有人说，人工智能——有多少人工，才有多少智能。

这背后的原因，是因为目前主流运用的深度学习技术属于监督式学习(SupervisedLearning)。要靠很多人手动来打标注，才能得到一个大规模的标注数据集。对于没有遇到过的情况，则无从下手。

人工智能的数据标注员也是近年新兴的一个职业，因为对技能要求不高，经常被放到三四线城市。

要想解决cornercase，光靠人工打标注怕是解决不完的。近几年，自监督学习这一概念开始兴起。自监督学习的英文是Self-supervisedLearning，是相对监督学习而言的。

自监督学习能从大规模未标记数据中学习特征，无需使用任何人工标注数据。目前已被应用在自然语言处理和计算机视觉领域。听起来就是能把数据标注员从简单重复劳动中解放出来的福音。典型的应用包括：

给照片上色。

把模糊的照片变高清。

但目前，在自动驾驶技术中自监督学习的应用还极少。我同事在今年的CVPR上就发了一篇论文，是关于自监督学习在自动驾驶上的应用的[4]，算是在这一领域的一大突破。

论文主要介绍的是借助自监督学习，从未标注的激光雷达点云和配对的相机图像中获得点云运动信息。在不需要标注数据的情况下，就可以较好地理解交通参与者的运动。[5]

可能不太好懂，我尝试解释一下：

自动驾驶技术需要做到实时的感知并且理解各种物体的运动情况，这种感知靠的是多种传感器，包括摄像头、激光雷达、毫米波雷达等。

近期小鹏、蔚来、上汽就都宣布要在量产车上装载激光雷达，激光雷达扫描后获取的数据叫做点云数据，属于3D扫描后的结果，大概长这样[6]。

既然汽车已经能拿到一个物体的实时3D模型，那如何从中再获取到物体的运动状态就十分重要。

传统的做法是通过收集这些物体的历史运动数据，来预测其运动状态会如何变化，从而实现预测。但是，大多数识别模型都是为检测若干已知类别的物体而训练的。在实际情况中，经常会遇上没出现过的物体类别。

另外一种做法是把激光雷达的点云画成一个个小网格，每个网格单元被称为体柱，点云的运动信息可以通过所有体柱的移动大小和方向来得出。但是，这种方式也需要依靠大量带有标注的点云数据，这就需要大量的人工投入了[7]。

而前面提到的最新突破，就是能够在不用人工打标注的情况下，预测出激光雷达点云的运动信息，从而得到物体的运动信息。详细可以看这篇论文的各种解读文章。

虽然这一突破还只是感知模块下某一个细项的突破，但却开了自监督学习在自动驾驶应用的先河，为cornercase问题的解决指了一条路。

要知道一辆自动驾驶汽车每天会产生超过1TB的数据，但因为人工标注的投入过大，只有不到5%的数据被利用。

如果能把其他数据也充分利用起来，在没有手工标注的数据上来进行学习，那可就不得了了。

这也是近期许多公司都在讲的“数据闭环”概念的根基。

所谓数据闭环，可以理解为是一款智能汽车在投入量产后，当用户使用车上的自动驾驶软件功能时，一方面是享受现有技术带来的方便，另一方面是“生产”出大量数据，这些数据能够推动车上软件的算法模型持续迭代，使这款车的软件功能不断成熟，或者推动未来新的车型功能不断迭代。

如果对数据闭环感兴趣的，可以细看：

————

听说点赞的人都是知道啥叫cornercase的大佬。

我是@洪泽鑫，很高兴认识。

你可能也会想看：

以上内容由58汽车提供。如有任何买车、用车、养车、玩车相关问题，欢迎在下方表单填写您的信息，我们将第一时间与您联系，为您提供快捷、实用、全面的解决方案。