【讲座嘉宾】向卫东
文字整理】麦妈
【语音整理】嘟嘟妈
【文字校对】清风霁月
【公众号编辑】风继续吹
【讲座嘉宾介绍】
向卫东:美国密歇根大学电子与计算机工程系正教授、终身教授,无线通信系统与网络领域国际知名学者专家。
专注于车联网、自动驾驶、物联网、5G、软件无线电和无线网络控制系统,创建并带领美国密西根大学迪尔伯恩分校车联网通信与9网络研究中心。
【讲座内容】
大家好,我是向卫东,我现在在美国东部,时间九点,在美国密西根。非常感谢我的两个助手,也感谢魏新中老师。
今天非常高兴能够来到波士顿高中教育群。我想今天应该主要的听众应该是高中生或者是大学生的家长。
这样的话我就比较简单的介绍一下我们现在相关的一些技术工作,可能对将来孩子们是否从事相关的一些领域做一些简单的介绍,所以就不会涉及到比较专业的一些名词,我尽可能讲得比较浅显一些,谢谢大家!
我今天主要讲的题目就是基于网络的这种驾驶,也就是Collaborative Autonomous Driving,就涉及到几个很hot的词,5G、自动驾驶,还有就是人工智能。我安排了大概45分钟的讲座,后面有一些时间讲一些相关的问题。
自动驾驶大家都已经非常的耳熟能详了,现在媒体在过去的几年里面,几乎全世界范围内都会有自动驾驶的新闻,而且很多高科技的公司,甚至网络公司、传统的汽车公司和高科技的公司都有自己的自动驾驶的team
自动驾驶从实质上讲,就是一个机器人,可以移动的机器人,它最主要的要实现的功能就是感知,在感知的基础上再决策,最后是控制。相对于控制、决策来讲,现在最大的挑战在于感知这一块。而感知的时候就会必然的用到人工智能,我过一会儿给大家放一张实物性的media
这个slide是一个16线的实时的Lidar图形,但是这里面你就会发现有一个十分重要的问题,现在的感知技术主要的应该是照相技术,另外一个就是slider,这两者具有强烈的互补性。
也就是说lighter它是唯一的可靠的有距离信息的传感器,那么camera极其丰富的图像,基本上达到几个Mega非常高的像素,它能够识别的非常detail的东西。但是camera最大的缺点就是它本质上讲是二维,它没有距离信息。
比方Tesla,自动驾驶好多pilot基于camera,本质上是缺乏Lidar信息,所以它有一种潜在的failure,这是一个非常大的隐患,包括Tesla,有一些事故,这个一点都不奇怪。
那么另一方面,lider有非常精确的距离,而且是实时的。因为现在lighter靠机械的转动,大概每秒钟有5赫兹或者10赫兹,或者更高一些,它能够cover的是截面上还有16线,32线,60线。
所谓的一线,就是一个sofar,相当于测出一个点,这一个面上我测到16个点、32个点,然后我一秒钟转五圈。不断这样旋转,这样的话我就可以得到三维的实时的距离,就叫point cloud,“点云”。
但是这个点云怎么样去识别它是一个物体,是一个人,是一只猫,是一只狗?用传统的办法并不那么理想,但最近兴起的AI在这方面发挥了非常大的作用。
也就是说,我们很难用一个数学公式去描述一个人,或者是一只狗或一只猫的特征,但是我们可以通过神经网络,基本上现在主流的AI是基于神经网络,也有基于别的,但主要的性能好的还是神经网络。
通过这个神经网络,给它很多很多的例子,让它不断去学习。其实学习的过程,实际上它对这些输入进行一个多维的,在一个非常高维的空间里面对它进行分类,当你再给它一个类似的实物的时候,它就能够根据它的输入去大致地判断出它应该属于哪一类,就是靠哪一个点或者是哪一个更近一些距离。
实质上是这样,但是这个过程中,你首先要经过大量的训练,训练完以后你才能够去使用它。这个训练的过程大量的要靠GPU
训练的时间基本上可以是天或者是周,但在用的时候可以实时地用。那这里就出现了一个问题,你怎么样能保证在你的这个训练集里面,包括你这辆车在未来的十年里面所有的情况,这个几乎是不太可能。
所以实际上大量的纯粹做AI的人在自动驾驶实验室里完成一个非常大的,也是非常重要的研究。因为如果我用识别器识别一个人或者是其他的实时性要求,而且他有一个up to market,就是这个车卖出去以后,要在非常长的时间里面,它都具备在各种情况下,能够令人满意的识别度。应该说是识别的percentage accuracy,这个实际上是最大的挑战。
我本人并不是从事纯粹的AI算法,我是做车载通讯的,就是车与车之间的通讯。最近我们发现在自动驾驶里面,现在所有的自动驾驶基本上都是基于一个单个车的,或者是isolated
那么每一辆车到哪个地方,就要把周围的环境,通过这个非常复杂和昂贵的lighter系统,对它进行扫描,对它进行感知,我们认为这个过程是没有必要的,因为整个路况80-90%很大的程度上它是不变的。
并且一辆车少,除了周围的环境可以传到云图,或者是云端扫除以后,把这些信息直接传递给进入那个区域的车,通过现在的车联网或者说是5G,这种协作式的自动驾驶,我们认为是自动驾驶的未来,当然这也是我研究的一个方向。
我们现在刚刚完成一个项目,等会我将这个项目的一些阐述,或者大致的一些情况通过slide告诉大家。我们有另外一个项目也开始启动,非常类似。
总的说来,我们现在想对自动驾驶车与车之间这种传递,从过去的简单的传递速度信息,或者是我的GPS这种简单的交换,我们传递更多的一些实时的自动驾驶的感知。
其实它的原理非常简单,就像李白的诗“不识庐山真面目,只缘身在此山中”。也就是说你的lighter放在你的车顶上,你的感知,你对周围的距离,lighter有距离信息。
如果我在另外一个地方,比方说我在一个建筑物的顶端,我对你的感觉的位置,某些参数就会更精确,如果我们之间能交换实时的这些信息,这样的话,我对一个物体,对一个人,或者对一个事物的定位,可以很大的程度上提高到非常高的一个精度,这个精度是我们必须的。
现在另外一些message可能要求更高,基本在10赫兹,有些甚至更高,是100赫兹,10 microsecond. 现在估计可以guarantee这个speed
大家看最后一幅图,实际上这是我们其中的一个项目,就是Vehicle to Pedestrian。这个具有非常重要的意义,尤其像中国,人行过马路,或者车与人之间的距离非常近,而且人们有些潜规则,在过马路的时候,不仅是看红绿灯,还有一些别的方法。
这个时候就非常的需要感知人和车之间的距离,这个实际上也是很有挑战的,因为可能在一个路面上有若干辆车、上百个行人,你要知道哪些行人相对是处于比较安全或者是处于有可能比较危险的这样的情况。
这里你可以用GPS,但是GPS有误差。即使高精度的GPS误差应该是在半米左右,这已经是非常好的,而且还有将近一秒的延后。
即使有GPS,你要处理上百个,你必须要对它进行过滤,你不可能把每一个GPS交换,这个时间就远远超过了你需要实时进行预警的时间。但同时你的算法也不能过于谨慎,也就是说本来没有什么事,你不断的预警,可能人们就对它变得麻木,所以说你这个参数不能选择太敏感,但是你不能miss掉一个alarm
同时,这也可以用人工智能对人的这种行为,老人的行为,小孩的行为,而且不同国家,不同城市,不同地域的人,过马路的行为都不一样,你可以根据他的行为特征去做判断,这就是AI可以大大施展拳脚的地方。
回过头来谈谈为什么使用5G5G实际上就是第五代的移动通讯。现在5G我相信大家已经非常的熟悉,因为这个词已经变成一个非常hot word
简单的说,现在大概我们应该是4G,就是LTELTE3G比起来最主要的特征就是用了一个新的技术,叫OFDM,一个是MIMO,实际上是平地和空域的并行传输技术。到了5G以后,从调制技术来讲并没有什么突破,但是5G几乎把我们无线里的各种技术进行了高度的集成。
我们知道5G有几个方面。第一个方面,相比传统的通讯,基本上是高速或者容量,它有一个主要的技术EMVB,这个EMVB可以认为是更高速的一个通道,用这个高速通道能够实现什么呢?
比如VR,你在看球赛的时候,能感知到比传统更高速的一种临场感,你download一个movie可能也就几秒钟的时间,这就会催生到一些新的利用。
(未完待续)

长按二维码,关注BHSE

【BHSE赞助广告】
(广告位申请,联系微信号:panli100)
继续阅读
阅读原文