9月13日，在今天举行的第六届会议上，HAOMOAIDAY中国工程院院士、清华大学教授、清华智能产业研究院（AIR）张亚勤院长分享了对自动驾驶的思考。
张亚勤说，自动驾驶是未来五年AI该领域最具挑战性和最复杂的任务也是推动全球汽车工业变革的主要技术力量。虽然自主驾驶取得了突破，但仍存在许多挑战，特别是感知的鲁棒性和泛化性、驾驶行为决策的准确性和整个系统的安全性。自主驾驶可以实现，其在开放环境中的长期运行必须承受一系列技术和社会接受的挑战，以解决安全和可靠性问题。在着陆路径上，垂直领域的自主驾驶将更快地着陆，并逐渐扩展到通用驾驶着陆。
2022年4月，清华AIR与毫末正式达成深入战略合作。目前，双方技术团队正在深入探索和研究前沿数据驱动的决策优化方法。AIR能毫末智行等合作伙伴共同推动全球自主驾驶产业大发展。
以下是整篇演讲：
亲爱的朋友们，大家好，我是清华大学智能产业研究所（AIR）张亚勤。首先，特别感谢张凯和维浩的邀请，参加，参加。HAOMOAIDAY！HAOMOAIDAY这是中国非常罕见的焦点AI自动驾驶技术活动，毫末可以建立这样一个技术互动平台，对行业非常有益。公司成立仅1000天，在很短的时间内在自动驾驶垂直商业领域取得了举世瞩目的成就。我也在此表示热烈祝贺！
今天，由于疫情的原因，我很遗憾我没有来到现场。我想通过这个平台大家分享一下我对自动驾驶的一些想法。
我一直认为自动驾驶是未来五年AI该领域最具挑战性和最复杂的任务。自动驾驶一直是人类的长期梦想，因为人工智能技术的突破，特别是深度学习算法，在过去的五年里取得了惊人的进展，目前正在进入大规模的商业实施。自动驾驶也是推动全球汽车工业变革的主要技术力量，可以大大提高驾驶安全，提高交通效率，扭转商业模式。事实上，新车行业的技术要素是：软件、芯片、AI算法和电池。
自主驾驶的发展包括市场和非市场因素。非市场因素主要包括伦理、隐私、法律法规等产业政策因素。市场因素主要包括：技术可行性、客户需求、产业生态和商业模式。
从技术可行性的角度来看，自动驾驶是一个非常复杂的系统问题，涉及感知、认知、规划、决策和执行等许多阶段。它需要许多技术创新，如新传感器、目标检测、感知结合、时空同步、模拟、准确定位、信息安全、低延迟通信、边缘计算等。还使用了大量的新机器学习算法：包括卷积神经网络、模仿学习、进化学习、强化学习、transformer等等。
虽然自动驾驶取得了突破，但我认为仍有许多挑战：特别是：（1）感知的鲁棒性和泛化性，（2）驾驶行为决策的准确性和（3）整体系统的安全性。由于真实路况的开放性和场景的复杂性，我们总是会遇到CornerCase，而一旦出现CornerCase自动驾驶会带来不确定性。因此，目前的深度学习模型必须具有一定的模型泛化性。
（1）利用多模态多传感器互补性（摄像头、激光雷达、毫米波、道路协调等）、大量道路测试、收集大量信息、利用大算率、大数据、大模型等，是设备的感知优势。
（2）利用高效的模拟学习和在线/离线强化学习，提高感知和决策的鲁棒性和泛化能力。特别是强化学习可以真正学习新知识和新策略，尽管实际实施自主驾驶是有风险的。
（3）深化端到端感知、规划和决策算法和研究。目前，大多数系统仍然分离和改进感知、规划、决策等模块。为了真正实现系统级的安全性和可靠性，我认为我们需要端到端。目前，我们在这方面取得了一些初步的科研成果。
让我简单谈谈自动驾驶着陆的路径。我刚才说，自动驾驶是一个非常复杂的系统问题，包括感知、认知、决策和执行；但与此同时，自动驾驶也是一个复杂的狭义人工智能问题，可以分解为边界子领域的技术问题。因此，我认为自动驾驶是可以实现的，其在开放环境中的长期运行必须承受一系列技术和社会接受的挑战，以解决安全和可靠性问题。在着陆路径上，垂直领域的自动驾驶将更快着陆。事实上，垂直领域的自动驾驶已经成功运行，如澳大利亚铁矿石公司FMG，世界上最大的工程机械公司Caterpillar自2016年以来，合作自主驾驶矿车已运行6年，运输矿产10多亿吨，累计行驶3亿多公里，相当于从地球到太阳来回一次。再比如毫末智行的低速无人物流车小魔驼，已经服务于物美多点等龙头物流行业。因此，我认为自主驾驶的着陆路径将通过垂直领域逐步扩散到通用驾驶着陆。
最后，介绍一下AIR，清华大学智能产业研究所（AIR）它是一个面向第四次工业革命的研究机构，旨在利用人工智能技术赋能产业，促进社会进步。在智能交通领域，AIR与多家企业进行了深度合作。今年4月，清华大学，清华大学。AIR与毫末正式达成深入战略合作。目前，双方技术团队正在深入探索和研究前沿数据驱动的决策优化方法。AIR能毫末智行等合作伙伴共同推动全球自主驾驶产业大发展。
谢谢大家，祝这次HAOMOAIDAY活动圆满成功！