在9日上午的智能驾驶专场，清华大学计算机系邓志东教授为我们带来了主题为“人工智能如何加速自动驾驶产业落地实践”的演讲。
邓志东教授的演讲是对自动驾驶全行业、全技术的一场概述。教授也开门见山，直接从不同级别自动驾驶间的区别开始，他的解析是，随着自动驾驶级别的提高，驾驶员的手脚、眼、脑逐步得到了解放。
在他看来，其中有第一个大问题，就是“限定区域是一个坑”，可以把各个级别的自动驾驶解决方案都囊括在内，提供逐步发展的空间，比如封闭场地、循环轨迹、固定线路车道的自动驾驶，这是一种非常简单的状况，然后向简单城市路况、特定区域高速驾驶，以及更复杂的城市道路自动驾驶、全部道路自动驾驶一步步进行更复杂的研发。
第二个问题是，“环境感知与环境建模之争”，目前这两种方案，完全基于环境建模的厘米级拓补RTK方案具有高精度的特点，但成本高、环境适应性差；邓志东教授自己所在的实验室就制作过许多基于RTK的自动驾驶汽车样车。基于纯感知的自动驾驶虽然成本低，但是受到地图质量影响较大。邓志东教授认为，环境感知和环境建模两种方案未来将发生融合，以便同时获得高性能路面行驶以及局部自主性。
第三个问题是，“是视觉主导还是激光雷达主导”。视觉主导方案的目标检测与SLAM较不可靠，但是成本低，比如标杆企业特斯拉就是利用8个单目摄像头，下面还有一个看点是能否完成洛杉矶到纽约的4500公里完全无人工参与驾驶。激光雷达主导方案比如Waymo，目标检测比较可靠。新一代的系统肯定需要融合，那么融合中有哪些问题呢？邓志东教授认为有三大核心问题：如何在复杂环境下进行可靠目标识别、如何精准导航以及如何进行多传感器的信息融合。
第四个问题是，“如何通过人工智能加速产业落地”。邓志东教授认为自动驾驶可能是人工智能落地最快的领域，而深度学习是环境感知与自主决策的决定性技术，其中路测与大数据就成为关键。
在具体的人工智能技术与大数据方面，邓志东教授也对相关项目进行了快速的概述。
邓志东教授还展示了一张现场观众都很感兴趣的图，是现有各家自动驾驶方案的评分对比，谷歌的Waymo最为领先。
邓志东还教授认为，基于深度学习的高精度地图可能形成巨大的产业，因为这是数字化、网络化与智能化交通的基础设施。
最后，邓志东教授总结道：人工智能的复兴必将加速L4及以上无人驾驶产业的商业落地。
