專訪 HERE 公司陳新教授：用高精地圖化解自動駕駛風險

文 | 大壯旅

來自新智駕（AI-Drive）的報導

新智駕按：今年 1 月，一年一度的國際電腦學會地理資訊系統國際會議 ACM SIGSPATIAL 如期召開。

會上，HERE 公司技術專家陳新（Xin Chen）教授發表了名為《HD Live Maps for Automated Driving: An AI Approach》（意為自動駕駛高精實況地圖：人工智能法）的主題演講。會後，記者對陳新教授進行了專訪，下文為採訪實錄（由新智駕編譯如下，全文略有刪減）：

問：陳新教授，最近您在 ACM SIGSPATIAL 大會上做了有關高清地圖的主題演講。我們希望您能向大家分享下自己在高清地圖上的經驗。首先，請您談談自己在 HERE 的工作。

陳新：我是高級自動駕駛部門的一名工程主管。我負責“高清感知”團隊，這一團隊的主要任務是自動化整個高清實況地圖產品的繪製過程，我們用的主要是機器學習和 3D 技術，這些技術都是業內最頂尖的。

問：您在 HERE 公司，特別是高度自動駕駛部門有多少年的工作經驗？

陳新：聖母大學（University of Notre Dame）博士畢業後我就進了 HERE，在這裡工作已經超過 12 年了，剛來時這家公司還叫 NAVTEQ 。至於高度自動駕駛部門，幾年前它成立後我就過來了。來這個部門前我在研發幹了幾年，隨後轉崗到平台以及核心地圖部門工作了幾年。

問：您在聖母大學學的什麽專業？

陳新：我碩士和博士都在聖母大學學習，專攻電腦科學與工程專業。

問：那麽，怎麽準確定義高精地圖？它和我們日常使用的導航地圖有什麽差別？

陳新：傳統的導航地圖包含路線拓撲、路線中心線幾何形狀和路線級別屬性，一般我們稱其為路線模型，在高精地圖裡這只能算三層中的一層而已。

高精地圖中還有一層是高清車到模型，它包含了車道拓撲數據、車道級別幾何形狀以及厘米級精度的屬性。最後一層被稱為高精定位模型，它由不同的功能組成，主要任務是為定位策略提供支持，將自動駕駛汽車指向高清地圖上的確切車道及縱向位置。

多了這兩層，地圖就能有更豐富且更精確的內容。HERE 的高清實況地圖就是一項基於雲端的服務，它不但有多個高精度的映射層，還能持續更新以支持 ADAS、高度或全自動駕駛解決方案。

問：那麽，自動駕駛汽車為何需要高精地圖？AI 不是已經完虐人類了嗎？比如在圍棋上打遍天下無敵手的 Alpha Go 和影像識別上超越人類的微軟深度學習技術。如果人類駕駛員都能借著普通導航來到一個陌生的地方，自動駕駛汽車為什麽還要高精地圖呢？

陳新：高精地圖能救命。傳感器和 AI 永遠都不會致臻完美，它們也會犯錯，這代價我們可承受不起。有了高精地圖，我們就能通過減少誤差來化解風險。此外，高清地圖還能輔助路線規劃工作的完成，完全超越傳感器的“視力”範圍。

當然，高清地圖還能增強傳感器和 AI 的能力，幫助它們理解周圍環境，特別是在罕見及惡劣的環境下。眼下，大多數自動駕駛解決方案都將高清地圖看作傳感、感知和規劃的關鍵組成部分，而想用上豐富的高清地圖資訊，車輛必須精確定位它在地圖上的位置，現有的 GPS 定位方案在精度上卻有些差強人意。想提升定位精度，就得把實時車輛感知與高清地圖進行結合。

問：打造高精地圖過程中會面臨什麽挑戰？

陳新：高精度、全覆蓋、近實時刷新、量產可擴展性和地圖互操作性都是我們面臨的挑戰。此前，高精地圖從未大規模部署過，所以我們也是該領域的先行者。HERE 致力於與客戶及合作夥伴緊密合作，不斷進行產品迭代並完成高精地圖與自動駕駛系統的整合。

問：能詳細解釋下什麽是可擴展性和互操作性嗎？

陳新：想在全球範圍內繪製厘米級精度的高清地圖並保證實時數據更新在技術上難度很大而且成本超高。沒有哪家公司能承擔數據采集、管理，軟體、算法、工具、管道、工藝開發及運營的成本。

因此，我們必須拿出一個不拖垮公司還能輕鬆量產的解決方案。至於所謂的互操作性則指的是一套高精地圖滿足所有客戶/合作夥伴的胃口，因為為每個客戶定製不同的高清地圖太不現實了。別忘了，大家的自動駕駛解決方案都處在研發階段，軟硬體上的變化太快了。

問：面對這些挑戰，你們都準備了哪些對策？

陳新：AI 是殺手鐧，詳細來說就是計算視覺、3D 數據分析和機器學習等技術。將這些技術進行合理整合就是高清地圖繪製自動化的最佳方案。

問：你提到的這些技術也是自動駕駛行業的中流砥柱吧？

陳新：當然。我們用來搭建高精地圖的技術與自動駕駛傳感/感知技術其實是硬幣的兩個面。前者注重品質，後者則注重實時性能。繪製地圖用到的傳感器比自動駕駛汽車搭載的更現金更複雜，成本也更高。

問：當下深度學習這個概念非常火爆，你們用了嗎？

陳新：深度學習我們也用到了，它是機器學習技術下的一個分類。我們用它來自動進行特徵提取，比如路線標線、路牌、障礙和路上的大坑等，數據則來自車載影像傳感器和雷射雷達等。

問：深度學習和計算視覺技術是如何共存的？

陳新：深度學習能用來解決許多計算視覺問題，而且它有很強的可擴展性。與傳統計算視覺算法相比，它能實現更高的準確度。當然，前提是有充足的訓練數據和算力。如果訓練數據不太夠，計算視覺或機器學習也能搭把手。

問：HERE 會自行開發 AI 技術嗎？

陳新：當然，我的團隊就在開發計算視覺、深度神經網絡、機器學習和 3D 數據分析等技術，而且它們都是業內最尖端的。

問：為什麽 HERE 不乾脆收購現有 AI 公司、自動駕駛新創公司或平台？將工作任務外包給它們也行。

陳新：我們的“秘方”就是自己的數據和對數據的挖掘能力，HERE 的數據集可是業內獨一無二的存在。可以說，不斷進化以及與這些數據相關的特殊要求是我們數據挖掘與開發上的優先級。

我的團隊為 HERE 的數據集開發最先進的定製化技術並為高精地圖提供優化支持。借助 HERE 豐富的訓練數據，我們能直接將現成的深度神經網絡架構準確度提升到 70%-80%。未來，借助專業技術和經驗，這一數字還能再上浮 10%-20%。

我相信，AI 技術對地圖公司也至關重要，它是 HERE 公司知識產權庫的定海神針。光我自己就申請了 50 多份專利，而有的同事專利比我還多。HERE 的許多工程團隊也用到了 AI 技術，我們團隊開發的機器學習平台就要成為 HERE 內部的 AI 助手，無論有沒有這方面的背景你都能用它訓練、提升、部署及分享自己的機器學習模型。

問：真有趣，你們團隊能人可真多。

陳新：是的。我手下主要有三類人：第一類是研發工程師，他們的算法需要不斷挑戰極限。第二類是軟體工程師，他們得用好這些算法並維護公共代碼庫。第三類則是生產工程師，他們要為 AI 軟體在雲端或邊緣的運行搭建基礎設施和應用。HERE 有許多博士級別的研發工程師，他們來自麻省理工、普渡和卡耐基梅隆等名校。

問：為什麽還要在邊緣運行 AI 軟體？

陳新：我在 Boulder 還有個團隊專門做邊緣感知和定位的工作。他們的任務就是利用高清地圖為定位創造參考性實施方案。除了控制和規劃，這個團隊幾乎涉及了自動駕駛的所有關鍵部分，而且由於裝在消費級設備上，因此可生成 HERE Maplets 以更新高清地圖。

問：未來高清地圖的生成能全自動化嗎？一點手動操作都不需要了？

陳新：在不久的將來，手動工作依然相當重要，因為沒有計算視覺或機器學習是百分百完美的。我們需要手動審閱並修複相關問題，讓高清地圖達到應有標準。同時，機器學習算法很依賴訓練數據，而它們的生成還得靠人，我們需要人類加入反饋環路才能讓自動化的準確性更高。

問：繪製地圖時你們用什麽傳感器？

陳新：我們有差分 GPS、慣性測量單元（IMU）、多款工業級的高清攝影頭以及雷射雷達掃描裝置。差分 GPS 和 IMU 會參考影像和雷射雷達點雲，同時我們也會從影像和雷射雷達中提取高清地圖屬性。此外，我們還會利用其他數據來源，比如衛星、空中成像和眾包的傳感器數據。

問：我聽說，一些公司在自動駕駛解決方案中都沒用到雷射雷達，你們為什麽要用這種傳感器呢？它可比攝影頭貴多了。

陳新：是的，雷射雷達想大規模部署不容易，它太貴了。不過整體趨勢它是在降價的，而且體積也在不斷縮小。因此我認為想讓高清地圖達到厘米級的精度，雷射雷達必不可少。

眼下，計算視覺無法重構 3D 世界，因此其精度無法保證。舉例來說，如果在 10 米內誤差為 1 厘米，100 米開外誤差就 1 米了，反觀雷射雷達傳感器，數百米開外精度也能達到 1-2 厘米的精度。

攝影頭也很重要，因為它能提供雷射雷達沒有的彩色資訊，廣視角和較長的探測距離也是其優勢。大多數機器學習算法都是為 2D 影像研發的，眼下 ADAS 和高度自動駕駛汽車都偏向攝影頭，而且基於攝影頭的實時功能探測試更新地圖的絕佳來源。

問：既然 AI 技術發展那麽快，您怎麽能保證 HERE 的技術就是業界最頂尖的？

陳新：教職工作讓我不得不快速更新自己的技能。2010 年以來，我一直在伊利諾伊理工大學和西北大學教授兩門 AI 課。隨著時間的推移，每門課的教學大綱都發生了巨大變化，因為每年我們都有新算法、新技術、新趨勢和新軟體。

問：能詳細說說您的 AI 課程嗎？

陳新：我有一門課程叫做“地理空間視覺與可視化”，在這門課上學生會在地理空間資訊的上下文中學習計算視覺、大數據分析和機器學習。另一門課是計量生物學，這也是我博士論文的主題。

這門課上學生通過面部、虹膜和指紋識別來學習 AI 技術。計量生物學是機器學習技術最成功的產品之一，而且它幾乎侵入了人類生活的方方面面，正推動機器學習走向規模化和高品質之路。不過，技術發展帶來的道德和隱私問題也對社會造成了重大影響。

我的教學理念是讓學生通過使用真實世界的數據來考慮現實世界的例子，並在課堂上解決現實世界的問題，從而在現實世界中學習機器學習。我想讓學生掌握這個不斷變化的行業所需的知識，經驗和技能。

問：教職工作對你在 HERE 的事業有所幫助嗎？

陳新：當然。許多我的學生現在都成了 HERE 的同事。同時，教職工作也讓我和當地大學建立了良好關係，許多學員和博士生現在都在為 HERE 讚助的研究項目效力。

在自動駕駛行業，伊利諾伊理工大學是僅次於卡耐基梅隆、史丹佛和加大伯克利的第四大黃埔軍校，我希望自己的課程能為自動駕駛行業的發展盡一份力。當然，這也是 HERE 的核心價值之一。據我計算，過去八年來有 1000 多名學生修過我的 AI 課程。

問：最後，我想問問，開發者社區是否能從你的工作中受益？

陳新：我們與開發者社區合作的方式多種多樣。舉例來說，我們提供過不少高精地圖樣本，同時還與一個有名的研發項目平台合作，將高精地圖界面植入了它們的庫。此外，與大學進行正式合作也是家常便飯，至於各種挑戰和競賽更是必不可少。我期待著能有更多人才加入我們這個世界級團隊。【完】

歡迎在今日頭條、天天快報、UC 頭條、一點資訊、新浪微博、搜狐號、網易號關注@新智駕。