8月28日，2021CCF YOCSEF苏州观点论坛在线上召开，本次论坛由苏州大学计算机科学与技术学院谷飞和中国科学技术大学苏州高等研究所薛吟兴以及常熟理工学院孙高飞主持，特邀天津大学刘爽、北京航空航天大学杭州研究院欧阳真超等嘉宾出席，围绕“高级驾驶辅助系统的商业化之路，如何兼顾推广效率与技术安全”主题进行讨论。
论坛上，天津大学智能与计算学部刘爽分享了自动驾驶智能系统测试研究现状。刘爽表示自动驾驶汽车事故频发，自动驾驶安全性还远远没有达到。自动驾驶测试的各个模块：感知模块、决策模块、控制模块、综合功能模块和整车功能，几乎所有模块都包含了仿真测试、但是只有感知模块和决策模块进行了比较广泛的真实场景测试。此外，刘爽还分享了真实场景的测试方案、仿真场景测试方案、仿真场景生成方法、测试覆盖指标存在的问题等。
接着北京航空航天大学杭州研究院欧阳真超分享了“危险驾驶行为检测和预测”的背景和现状。欧阳真超表示我国在智能汽车、智能网联生态发展方面，密集出台相关政策，彰显了国家战略决心，强势助力无人驾驶技术孵化落地，有希望在相关领域抢占先机。接着分享了智能汽车、智能网联现有策略、威胁道路安全的因素、车辆驾驶行为数据获取方式、驾驶行为检测方式以及驾驶行为检测和预测的未来。
随后，中科院薛吟兴团队的唐顺成，详细介绍了使用广泛的开源自动驾驶辅助软件openpilot。Openpilot版本迭代快，众多研究者共同维护修改相关Bug。
论坛嘉宾分享结束后，参会人员就三个思辨观点进行讨论。
①特斯拉Autopilot这样的ADAS技术是否可以五年内商业化落地？是应该技术安全优先还是特定商业化优先？
欧阳真超：像一些港口都有乘用车落地，ADAS不论级别的话其实都有落地，但场景会有所限制，即使像google的自动驾驶汽车虽然有很多的测试里程，但仍然不能商业化落地。
谷飞：特斯拉可以慢慢地把这些技术成型，进一步深化，五年十年内可以商业化落地。应该更加重视技术安全，前段时间的特斯拉事故也说明，在保证技术安全的基础上才能将ADAS推广到商业化应用。
薛吟兴：商业化软件目的是把产品推出去，质量很难保证，驾车行驶环境很复杂，系统也很难通过类似形式化验证的方法进行验证，而且有些测试环境只能在商业使用中才能收集，不像航天软件开发更加规律且严谨。
②在目前的众多ADAS技术中，我们是应该更多支持开源的ADAS(如Apollo, openpilot)还是支持国外闭源的ADAS（例如特斯拉的Autopilot）?
欧阳明：我认为会百花齐放，像华为这样的第三方也会介入研发。中国道路环境更复杂，能适应中国环境的ADAS会更可靠。我觉得像华为、百度、蔚来等研发投入很多，这些公司在将来有可能超过类似google的waymo，而且中国互联网公司有较高的工作效率和较长的工作时间，研发能力很强，尽管起步晚，也很有希望在未来赶上国外。
谷飞：目前ADAS技术中，开源的会带来更多的厂商和工程师参与研发，形成百花齐放的产品。开源代码更容易受到攻击，闭源的较开源的安全性高。闭源不利于交流分享。
李华康：支持开源，不支持闭源。之前科大讯飞将硬件开源，吸引了很多用户，通过用户上传使用数据，讯飞也得到了很好的发展。我是支持开源的，但怎么让开源的技术平台做得更好值得思考。开源之后的商业化问题，怎么让开源的公司活下也很重要。
③ ADAS技术是应该偏重于对危险驾驶行为的实时监测（detection）还是提前预测（prediction）？
谷飞：提前预测固然重要，如果能根据驾驶员的习惯，能预测危险驾驶行为很有意义，但是提前预测基于大批量数据，不成熟。我个人觉得实时检测的准确率在目前不是很高，那么先做好基础的实时检测更加重要。
李华康：商业方面考虑成本和效果，根据经验性的，在算力允许的情况下，提前预测为主，再辅以实时检测。
国良：危险系数决定，危险系数合理范围内预测，超过合理范围的情况下实时监测。
唐顺成：例如像openpilot的实时预测模块并不能保证遇到突发状况时的及时应对，那么在今后如果提前预测模块得到发展，会对汽车本身的安全性起到提高作用。
荣伟：不同场景处理不同，比如山路转弯，夜间行人紧急刹车等没法预测的突发情况，实时检测比较重要。
京公网安备 11010802032778号