地平线机器人杨铭：自动驾驶远不是图像识别这么简单

　　-查看专题-

　　2月21日，由网易科技和DeepTech深科技联合主办的《麻省理工科技评论》2017年“全球十大突破技术”发布会在北京举办。本次大会立足技术趋势，探索全球技术发展的内在原动力，探讨人工智能、量子计算、基因疗法等领域的技术和商业趋势。

地平线机器人技术联合创始人软件副总裁 杨铭

地平线机器人技术联合创始人杨铭在会议现场表示，强化学习这几年取得了长足的发展，但在自动驾驶领域中还处于刚刚应用的阶段。这个过程中，通过模拟器，把一些情况去模拟出来，然后让“机器”用增强学习验证，控制的路径规划算法，这是未来强化学习的方向。杨铭表示，增强学习在图像识别、自动驾驶整个技术链条中是很关键的因素，但目前为止还是一个比较有潜力的，还是一个辅助的角色。

　　以下为现场速记实录：

　　主持人：我们想问杨铭先生，通过图象识别来解决自动驾驶是比较通用的一种方式，地平线在这个领域取得了不俗的成绩。所以，能否简单介绍一下强化学习在图像识别和自动驾驶中发挥的作用？

　　杨铭：目前，整个产业链上可能分几个链条，包括整车厂提供汽车，也包括一级供货商提供自动驾驶的方案，地平线机器人可能更注重于把一些专门的技术做好，把图象识别的技术做好，把信息融合如何决策做好，作为一个二级供货商，给大家提供解决方案。所以，这是我们现在的一个位置。

　　图像识别，我觉得单独作为一个自动驾驶的全系统，其实还是不足的，还需要跟很多包括雷达、地图等其它信息融合，来构成一个无人驾驶的系统。

　　但是，图象识别有一些自己的优势，它的扩展能力是很强的，可以识别出很多事先并没有完全想到的物体，包括一些更新。而且，它可以克服对信息理解要比较细致的精度，比如雷达之类的，可以知道那有一个物体，但到底是什么物体就并不清楚了。

　　举个简单的有意思的事情，如果地上有一个易拉罐，这种铁的东西，但是对于某些传感器来说，看上去有可能是一个很严重的问题，因为它是金属的，但如果是图象识别，可以看出它的大小、位置，反而能避免。所以，图象识别是一个更有潜力，得到信息更全面，但是它自己还不足以构成一个完全的自动驾驶系统。

　　我觉得强化学习这几年，尤其是去年到今年还是很火的，在自动驾驶这个领域中，它目前可能还处于一个刚刚应用的阶段，更重要的是说，如何通过模拟器，能够把一些情况去模拟出来，然后用增强学习验证，控制的路径规划算法，去验证。

　　但是在图像识别中，我们可以看到已经有很多的应用了，包括如何通过增强学习的方式，动态的过程，把图像中哪些最关键的点识别出来，通过自动学习的方式，在部署之后，能够做一些反馈提高这个系统。

　　总得来说，我觉得增强学习，在图像识别、自动驾驶整个技术链条中，它会是一个很关键的因素，但是可能目前为止还是一个比较有潜力的，还是一个辅助的角色。我估计在今年一两年可能会帮助其他的系统去提高，包括在控制领域有一些比较大的贡献，但是目前还是一个潜力比较大的分享，也是一个突破性的技术。

　　地平线机器人，目前我们也是把增强学习的技术跟图像识别，跟一些信息的融合都放在一起，提供一个比较好的方案，我们现在也推出了一些，开始是辅助驾驶，一些辅助驾驶的产品，也会提供一些自动驾驶关键的核心技术，和一些车厂、一级供应商合作，一起来把这些人工智能、深度学习的技术推向市场，推向到大家生活中去，这是我们努力的方向。