车网中国现场报道：
王刚 阿里巴巴达摩院人工智能实验室首席科学家
谢谢张秘书长的介绍，非常荣幸能够受到邀请到这里分享我们阿里巴巴在自动驾驶上的一些进展和思考，下面给大家介绍一下我们从单车智能到协同智能的一些想法。
自动驾驶最近几年取得非常大进展，在很多人眼里是非常前沿非常新的领域，如果我们翻开历史，发现自动驾驶研究其实已经有很长一段时间，大概几十年样子。我们看到这样的历史，也是有一些感慨，为什么做了这么多年，但是我们还是很难看到完全无人自动驾驶产品出现，还没有实现完全的落地。一个原因是自动驾驶确实是非常挑战的问题，里面技术问题非常困难，但是我们也在想，我们有必要再去思考一下，现在的技术路线是不是有需要提高的地方，有需要被补充的地方。
我们都知道自动驾驶现在主流的东西叫做单车智能，我们顾名思义，是希望能够让这个车具备所有的感知决策，定位这些所有的能力，能够处理路上所有发生的情况，这是我们的一个愿望。现在的技术真的是不是能够完全实现这样的一个期望，带着这样一个疑问，我们这个团队在过去一段时间里面，对这个单车智能非常多的充分的验证。单车智能的技术可能大家都比较熟悉，这样一些框架组成，在过去我们也开发了这样的一些比较先进的一个技术，比如说在定位上，我们能够实现全天候全产品的定位，我们也自己开发了这个仿真平台，能够实现大规模仿真和测试。
在感知上我们也研发了非常先进的感知系统，比如说在国际著名的数据库上，我们也取得了第一名成绩。这样一个框架使我们感知系统框架，我们在系统的设计还有这个工程上都进行了非常深入的开发，我们确保每一个模块，他就有多个传感器和多个算法实现冗余化，一个传感器或者一个算法，我们能够确保整个系统输出一个比较好的结果。
另外在算法上大家可以看到我们一些算法也发表在了CVPR这样顶尖会议上，我可以非常自豪的说我们感知系统应该算是业界做的非常领先的感知系统。基于这样一些先进的技术模块，包括感知，包括决策，我们也把它整合起来，做成了一个单车智能系统，在杭州也进行了非常广泛的测试，这也是一个比较典型的道路，我们有行人，有摩托车，也有路边停靠的汽车，这些车环境非常复杂。我们系统在这样复杂环境下，能够熟练进行避让、跟随以及汇入车道等等。
即便是这样一个系统，我们在测试时候其实也发现非常都问题，很让人绝望很多问题不是一个纯粹说现在算法达不到产生的问题，他是单车智能系统里面一些很难解决的问题，我也举了几个例子。
第一个是关于感知方面的，我们希望在测试传感器，他能够无死角感知到所有信息，但是因为高度，因为视角的原因，其实很难做到的，我们的传感器总是有这些盲区。并且这个传感器是不可能有穿透功能的，路边有一些障碍物，障碍物后面发生什么情况，车身传感器没有办法了解，所以这样一些限制，在自动驾驶的落地过程中产生非常多的风险。
第二个是传感器的感知距离，现在我们普遍使用激光雷达，激光雷达的感知距离非常有限，如果这个车的车速比较快，前面出现了急刹，出现障碍物情况下，可能我们的车来不及反应，从而造成危险。
另外一个是高精地图，我们称为叫保鲜，现在我们的技术极大的依赖于高精度地图，大家都知道高精度地图采集非常昂贵，我们不可能实现高频率的地图采集和更新，给单车智能带来非常多的问题。
另外一个就是成本，我们让车无所不能，给他配备非常多非常昂贵的传感器，为了处理这些传感器产生的信号，我们要配置计算单元，两者加起来成本非常高。据法国一家公司统计，在去年全球自动驾驶汽车平均价格是20万美金，虽然这个价格在未来是希望他能够降价，但是总体而言这个价格还是太高了，对于促进自动驾驶技术普惠，让它能够平民化，还是有非常大的距离。
基于这样一些考虑，我们认为要想实现安全可靠、经济适用的自动驾驶，不但需要研发聪明车，也需要研发聪明道路，让他们配合起来，形成协同智能，更好的处理自动驾驶面临的困难。
为什么协同智能有优势，我们认为有两个原因，一个是从安全来讲，刚才讲到传统的单车智能有很多安全问题，其实很多问题通过道路，通过基础设施比较容易解决的。另外一块就是成本，通过道路智能化，我们其实可以把很多能力进行集约式的建设，这些能力被共享给路上的车，由于这样一些共享能力，车就可以减配，不需要有这么多传感器，不需要用这么多计算单元，从而带来系统级成本降低，因为这两个原因，我们认为协同智能是自动驾驶落地非常必要的条件。
我们认为协同智能不管在感知、决策，还是在控制上都是对单车智能的全面升级。
我们的团队在非常早的时候就开始了协同智能的研发，我们现在自动驾驶系统就是一个非常完整的协同智能的系统，今天我想主要介绍一下我们的感知部分，前面已经提到了说感知，车身传感器是非常多限制的，我们就想了一个办法，把这个车身传感器放在了路上。左下角显示的是我们装在杭州小镇路边感知设备，无死角的感知到路面发生的一些情况，包括像类别、速度、大小、方向，把这些信息再传给车。我们称它为智能感知基站，智能感知基站有什么优势，我们认为对比车身传感器而言有三个很重要优势，第一个位置，因为它比较高，开上去之后没有死角，全程覆盖，就能够把更多信息传给车。
另外一个就是感知器是静止的，很多时候物体检测问题变成运动物体的识别问题，精度会更高一些。
第三感知基站不是一个独立的，感知基站形成网络的，所以这个信息能够实现互联互通，在一千米，一万米以外的信息，只要能够联网，都能够实时的传输给这个车，所以我们这个车能够在很远的时候知道前面发生的情况，从而能够及早做准备。
这一页显示的感知基站构成，包括多模态传感器，包括计算单元，我们通讯模块，在算法上我们也是开发了很好的多模态的传感处理的方案。我们立志于要去打造产品级的智能感知基站，在精度、实质性我们都做了非常深的研发，比如说在感知上，我们识别准确率也是在一个检测算法的数据库上达到第一名。另外在工业设计上，传感器具有防雨、防雾，能够应对这些不同的天气情况。
这是我们的一些可视化的结果，最上面是我们的摄象头，最右边是我们显示的，通过多传感器融合之后，得到的路面上的信息，刚才讲的类别，大小，速度，方向等等，未来实现厘米级的定位，基于这样定位这个车非常容易能够得到这个信息，并和决策模块打通。
下面显示一个简单的模型，大家可以看到这个屏幕上，银色动的车是汽车，紫色的框是车身传感器感知到结果，绿色框是基站感知结果，很远的时候知道前面发生什么事情，因为有感知的作用。大家也可以看到在这个画面里面很快就出现一个障碍物，一个停泊的车，这个车后面行人的，如果这个行人他没有感知基站，我们这个车身的传感器其实是看不到的，因为有一个障碍物的存在，但是因为有了感知基站，很早的时候就把行人检测到了，传输给车，车做非常及时的避让。我们也经过了对比，就是即使车在30公里每小时，在低速情况下，行人突然从障碍物后面走出来，没有感知基站的帮助，我们的车百分之百出问题，来不及避让，但是因为有了感知基站的作用，我们又完全避让开了，从而实现安全性极大的提升，所以这样一个例子非常好的证明了我们的感知基站，在安全性的提高上的作用。
另外一个分享的点刚才也提到了，协同智能方案，不尽根安全，其实也是成本更低的，我们整个全国的汽车保有量非常大的，大概几亿辆。全国的路相对而言没有这么多的，像高速公路几十万公里，其实我们可以用非常小的成本，把这些路变成智能化之后，这个车的成本就可以大大的降低，从而能够让自动驾驶技术真正服务每个人，每辆车，能够造福社会上的每一个成员。
除了自动驾驶之外，其实这样的车路协同的方案，也能够帮助我们现在有人驾驶的情况，比如说我们能够进行ADAS的一些功能，能够提醒人类的司机前面发生什么情况，在一些出现问题情况下，能够让司机进行很好的避让，所以能够帮助我们打造整个从有人驾驶到无人驾驶智慧交通体系。
自动驾驶的落地，它会在不同的车上都会实现落地，包括像乘用车、商用车。我们最近也重点关注，就是物流车这样一个方向，因为物流是社会里面一个非常重要的组成部分，所以我们也开发了我们的一个智能物流车的原形，这个物流车有很多功能，第一个特点是新能源的，所以是无污染的，另外他也和我们的这个后台的平台进行了连接，他的这个物流信息能够实时的反馈到我们后台上。另外一个重点是我们的物流车和系统连在一起的，能够实现刚才所讲的安全可靠低成本。
由于时间的关系，我就暂时分享到这里，刚才我虽然讲的是我们在车路协同上的进展，但是车路协同它离不开车，车的智能也是一个非常重要的部分，包括后续一些嘉宾，他们也会分享他们的进展，我们希望能够和这些合作伙伴一起共同努力，让自动驾驶尽早落地，谢谢大家。
