在1月13日舉行的“2022智能網聯汽車創新應用高峰論壇”上，復旦大學大數據研究院及類腦智能研究院副院長薛向陽發表《人工智能關鍵技術在自動駕駛領域的創新應用》主題演講，他表示，衡陽大規模自動駕駛數據對人工智能算法非常重要。

　　復旦大學大數據研究院及類腦智能研究院副院長薛向陽發表《人工智能關鍵技術在自動駕駛領域的創新應用》主題演講

　　當前，弱人工智能技術取得巨大進步，但還做不到強人工智能。弱人工智能可以執行單一任務或多種任務，但是還做不到融會貫通和舉一反三。薛向陽表示，目前人工智能算法大多在封閉環境下應用，缺乏開放環境下的有效算法。人工智能要在人類通用領域替代人類勞動，依然需要人工智能科學家長期努力攻關。

　　他說，“我們在衡陽這邊已經看到了大規模的多模態數據，非常激動。”蘑菇車聯在衡陽建設的“車路云一體化”智慧交通項目，也是我國第一個城市級自動駕駛項目，涵蓋智能道路升級、大規模自動駕駛落地和城市車隊的常態化運營，涉及里程200公里。

　　項目將在衡陽城區道路安裝上萬個攝像頭、激光雷達、通信單元、邊緣計算單元等智能終端，這些終端的實時動態數據和智能車輛數據同步進入城市交通大腦。整個項目完成后，衡陽城市智慧交通大腦系統日處理數據量將達200PB，具備50000TOPS全局算力。

　　“車路云一體化”智慧交通項目所獲取為全息、全時、動態的城市交通數據，不僅涉及車端感知到的交通態勢，還包括路側的交通基礎設施、元素、態勢等數據，可能形成規模和復雜度都很大的數據集。

　　蘑菇車聯自動駕駛城市公共出行和公共服務車隊

　　薛向陽表示，“未來希望在衡陽真實數據上來測我們的算法。” 以衡陽項目為例，道路攝像頭看得遠的地方，車的圖像就很小，道路攝像頭看得近的地方，車的圖像就很大，算法必須能實現遠近距離不同大小車輛、行人等目標圖像的高精度感知，這對視覺感知算法研究提出了新挑戰。如果再加上道路激光雷達采集的深度圖像數據，算法就可以實現更高精度的圖像目標檢測與識別。這些多模態融合感知結果，可為車輛提供更大范圍、更加準確的實時路況語義信息。

　　算法是推動自動駕駛車輛從L3向L4升級的重要支撐。不同于人臉識別等已較普及的人工智能應用，自動駕駛突破了單一、封閉的任務場景，實現了多任務集成，應用在開放場景。目前L3級別自動駕駛在量產汽車上剛開始應用，一旦到L4級別，就是一個高度自主的無人系統，薛向陽認為，自動駕駛從L3升級到L4，“現在缺的是可靠魯棒、高精度的且能應對未知突發事件的感知和決策算法。”

　　蘑菇車聯自動駕駛車隊

　　薛向陽認為，蘑菇車聯整個“車路云”的協同對自動駕駛很重要。一個完整的自動駕駛系統包含感知和定位、全局路徑規劃、局部路徑規劃以及動作控制。以前的自動駕駛，是把每一個模塊做好，現在隨著算法以及深度學習網絡的發展，能夠讓這些模塊逐步開始融合，最終實現可自主學習的端到端的一體化系統。這也是當前自動駕駛算法研究的趨勢。

　　在車路云一體化系統的支撐下，自動駕駛車輛實現了協同感知，未來還可以實現車輛之間的相互學習及知識遷移。薛向陽認為，當前算法主要是數據驅動，如果再加上更多先驗知識，在數據和知識雙重驅動下，自動駕駛算法不僅可以實現從感知到認知、從識別到推理的類腦智能能力，還可以實現單車智能到群體智能，即通過大規模自動駕駛車輛的群體協作，大幅度提升自動駕駛算法應對未知突發事件的能力。

　　論壇結束后，薛向陽等參會嘉賓調研了衡陽“車路云一體化”智慧交通項目，現場觀摩體驗蘑菇車聯的車路協同系統與AI云平臺，深入了解蘑菇車聯城市交通大腦，并乘坐了蘑菇車聯自動駕駛車輛。