第七期“AI未来说·青年学术论坛”带你感知自动驾驶的黑科技

2019 年 7 月 22 日下午，“AI 未来说·青年学术论坛”第七期自动驾驶专场，在中国科学院大学中关村校区3号教学楼S101阶梯教室举行。

“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会，百度为支持单位，读芯术、PaperWeekly为合作自媒体。

自动驾驶又称无人驾驶，是一种由电脑控制，部分由人工参与或完全没有人工参与的驾驶行为。自动驾驶的实现需要依靠人工智能、通讯、传感器、定位系统等技术的支持。自动驾驶的关键为目标理解，在大数据与大计算力的支撑下，已经取得了很大的进步，但是仍面临着很多瓶颈，如高可靠环境感知、自主导航与信息融合。按照美国汽车工程师协会（Society of Automotive Engineers, SAE）和美国高速公路安全管理局（National Highway Traffic Safety Administration, NHTSA）的标准，自动驾驶智能化和自动化水平分为6个等级：无自动化（L0）、驾驶支持（L1）、部分自动化（L2）、有条件自动化（L3）、高度自动化（L4）和完全自动化（L5）。自动驾驶领域的巨头们均聚焦于L4水平的无人驾驶技术。自动驾驶的市场潜力巨大，有希望解决交通拥堵、疲劳驾驶、车辆路线规划等问题，未来自动驾驶将会成为我们日常生活中不可或缺的一部分。

本次论坛共邀请到了4位嘉宾，包括北京大学的查红彬教授、清华大学的邓志东教授、百度公司的朱帆博士和北京理工大学的宋文杰博士。

查红彬教授作“基于数据流处理的SLAM技术”报告分享

作为北京大学信息科学技术学院智能科学系教授，机器感知与智能教育部重点实验室主任，查红彬老师报告的主要内容包括SLAM（Simultaneous Localization And Mapping）的背景与概念介绍、SLAM研究存在的问题、SLAM的工作流程以及相关研究方法四个部分。查红彬老师首先讲了定位与地图构建的问题，两者之间是相辅相成、紧密耦合、相互促进的。接着讲到了SLAM的研究发展史，从SLAM讲到了DSO。然后介绍了现有的SLAM存在的问题，如：很少关注时间的连续性、太过依赖于像素的对应关系、高计算损耗以及学习方法需要大量标注等，进而引出了SLAM缺少系统阐述这一关键性问题。紧接着讲解了基于数据流的SLAM的工作过程：从流（Flow）到预测（Predictor），再到地图构建(Mapping)，最后到学习的过程。最后，介绍了自己所在团队的相关研究方法。

邓志东教授作“自动驾驶的‘感’与‘知’：挑战与机遇”报告分享