在人工智能技术的推动下，自动驾驶正在经历一场深刻的变革。特斯拉、谷歌等科技巨头在这一领域的投入巨大，他们利用大量数据训练以及深度学习模型，推动了自动驾驶技术的发展。然而，这些技术仍然面临着数据依赖性强、成本高昂等挑战。
在这场技术革新中，天津阿波罗信息技术有限公司以其创新的SLD（Self-Discipline Learning）模型与P=NP逻辑推理模型融合的AGI（Artificial General Intelligence）算法，为自动驾驶行业的发展提供了新方向。
近日，天津阿波罗信息技术有限公司总裁顾泽苍博士接受《汽车观察》独家专访，分享了他对自动驾驶技术现状及未来趋势的见解。
大数据并非唯一路径
顾泽苍指出，在自动驾驶技术的发展中，大数据和深度学习虽然发挥了重要作用，但它们并不是实现自动驾驶的唯一途径。
从2020年6月开始，特斯拉旗下的 Model X （ 参数 丨 图片 ）， Model S 以及 Model 3 配齐了自动驾驶功能。之后，特斯拉自动驾驶屡屡出现事故，这些事故几乎都与自动驾驶的识别错误有关。如，2020年6月，在台湾的高速公路上，特斯拉车撞向了白色的卡车，其理由是由于深度学习只能识别二维图像，把白色的卡车当成白云。再如，2021年5月7日，在广东韶关的一次不明原因的撞车事故，很可能是深度学习的黑箱问题造成。
目前，特斯拉通过4亿英里的人为训练，得到巨大的数据库的数据匹配进行决策，可做到FSD的自动驾驶，但需要巨大的资金支持。
谷歌自动驾驶项目的经历同样为外界提供了深刻的洞见。尽管谷歌在自动驾驶领域进行了长达十年的开发和大量的路测，但最终发现，在自动驾驶的决策上，需依赖大量的规则堆积和对目标识别的深度学习。“因只能对特定的目标识别，为适应不断变化的路况，必需不停的训练数据。所以，这种技术路线存在局限性。”顾泽苍解释道。
顾泽苍强调，自动驾驶的决策是一个用传统规则堆积的方法不可能解的难题。“假设自动驾驶车辆周围有前3、后3、左1、右1共8辆同行车，自动驾驶车辆在针对种路况下进行最佳的决策时，至少要考虑其与每一辆同行车的间隔、同行车的速度、加速度以及自动驾驶车辆本身的加速度，才可以得出是否要变道的决定，这就是5*8=40个要素的组合，在组合理论中，公认超过40个要素的组合问题就是图灵机不可解的NP-hard问题。”
因此，顾泽苍认为，自动驾驶的技术竞争一定是人工智能底层模型的竞争，未来的自动驾驶不应仅仅依赖于大数据和深度学习，而是需要寻求新一代人工智能模型。让自动驾驶从感知、控制以及决策上都导入新一代的人工智能，创造出具备超越人的驾驶IQ的新型自动驾驶是唯一的出路。
AGI时代的自动驾驶已来
在这样的背景下，天津阿波罗进行了大胆的创新尝试，将SDL模型与P=NP逻辑推理模型融合，在无需大数据库支持的条件下，便可实现AGI时代的端到端的自动驾驶。
“通过基于高斯过程理论的自律学习算法的SDL模型，能够直接对不特定的目标图像进行识别，不受背景干扰，且不依赖大量数据训练，避免了黑箱问题。”顾泽苍进一步说。
SDL模型的另一个优势是，它不依赖激光雷达就可实现自动驾驶汽车。据悉，目前除了特斯拉外，大多数传统自动驾驶技术都需要依赖激光雷达来提供精确的环境感知。
此外，SDL模型能够实现自律分散的控制自动驾驶，模组间依靠以太网链接，提高了系统的可靠性，并避免了传感器引线过长时的干扰。这是传统集中式控制系统难以比拟的。
SDL模型还可以通过小数据训练产生大数据的效果，实现训练数据聚集在概率空间，这与传统的深度学习模型需要大量数据训练有着本质的不同。SDL算法完全不需要与云端交互，就能实现智能化操作，为自动驾驶系统提供了快速响应的能力。
顾泽苍强调，SDL模型能够实现无需高精度地图的自动驾驶，这将使自动驾驶系统更加智能、高效和安全。这在高精度地图被国际大公司垄断的当下，具有特殊的意义。
“我们的模型无需长距离的训练和利用网络图像匹配直接产生端到端的结果。我们的技术将使自动驾驶汽车能够在任何道路上自由行驶，这才是人们真正渴望的、具有智慧的自动驾驶。”顾泽苍自豪地说。
目前，这一模型已经在多款车型上得到了应用，包括东风 风神AX7 、 林肯MKZ 混动和 传祺GE3 纯电等。这些车型的自动驾驶系统展示了SDL模型的实际效果，这也证明了它在自动驾驶领域的潜力。
尽管新技术的推广需要时间，顾泽苍坚信，随着时间的推移，这种无需大数据支持的自动驾驶技术，会被越来越多的人所接受和认可，从而引领自动驾驶技术进入一个全新的时代。
展望未来，顾泽苍预测，将来可能会用AGI时代来代表自动驾驶的水平。“这个时代的自动驾驶有P=NP的算法，可以无需长时间的人为介入的训练，无需大数据支持，可以完全自律的处理各种路况，最终给出最佳化的驾驶策略。”
点击“在看”与世界分享
热门跟贴