阿里巴巴自动驾驶注重场景精细化 Autodrive平台引入智能算法

阿里巴巴的自动驾驶研发正在走向纵深。

雷锋网新智驾获悉，9月26日，阿里巴巴自动驾驶实验室负责人王刚在云栖大会自动驾驶技术专场上表示，“从算法的角度，我们认为现在最需要解决的问题是，交通场景复杂多样，但是交通算法不能有效处理很多场景的关键问题，从而导致了碰撞风险。”

由于电商平台对物流配送的天然需求，阿里巴巴在自动驾驶领域的投入主要集中在物流行业，且主要关注两大类场景：一是末端物流，也即最后一公里到三公里的配送。目前其无人车主要在高效进行常态化的商业运营。二是在城市环境场景下的自动驾驶研发。据王刚介绍，目前其无人车可以在时速40-50公里时实现转弯、躲避障碍物等功能。

雷锋网新智驾了解到，与所有从事自动驾驶研发的公司一样，阿里巴巴的自动驾驶团队也遇到了算法方面的问题。这主要是因为，由于车型种类、交通环境、cut in动机等存在多样性，从而导致车辆的行为方式复杂多变，而现有算法无法有效处理复杂多样的场景。

提及如何解决复杂场景下的算法问题时，王刚认为，可以参照人工智能领域的“No Free Lunch”理论，摈弃借助通用算法解决所有问题的思路，而是将交通场景细化和分类，进行针对性的算法优化，从而让效率不断提高。

王刚指出，现有的按照驾驶环境比如高速公路、城区道路等进行分类的方式是粗粒度的，起不到分解问题的作用。而按照场景要素比如天气情况、道路情况进行组合的方式又是非常冗余的，大部分组合与自动驾驶的核心难点没有直接关系。

基于此，阿里巴巴自动驾驶团队对场景进行了精细化分类，且和算法做了深度融合。 以cut in为例，该团队将这一场景进一步分为25个小类，每个小类对应一个优化算法。

在王刚看来，传统的人工分类方式建立在人对交通的理解上，但这种方式还不够精细化。与人工分类方式不同的是，机器可以基于大量的测试和路测数据，再通过智能算法挖掘出合适的场景进行分类。这正是他们正在做的事情。

除了采用机器分类，阿里巴巴自动驾驶团队在对场景分类时还加入了其他交通参与者的动态行为。“这些动态行为才是自动驾驶的关键难点。在以往的分类中，我们很少看到这样的动态行为划分，因为人很难描述动态行为。”王刚表示。

理论上，如果有一千个场景，阿里巴巴自动驾的技术实现就需要设计一千个算法。这会带来大量的人工投入。

王刚称，目前业界的开发模式是“人工+智能”的方式，但他们主要通过大量的自动驾驶工程师的理论知识去设置相应的算法、规则和参数等，由于场景太多，导致人工需求大量增加，很多时候甚至是难以满足相关要求。

据雷锋网新智驾了解，为解决这一问题，阿里巴巴研发出Autodrive平台，通过计算机进行智能的搜索、发现和学习，以适合每个场景下相应的算法、规则、模型结构和参数等。据王刚介绍，目前他们的算法已经取得了初步成果。比如，在路口防碰撞方面，相对于人工效率，利用Autodrive平台能够将防碰撞成功率提高16.5%。研发效率方面则在人工效率的基础上提高了5倍。

自去年4月起，阿里巴巴首次公布正在以王刚带队进行自动驾驶技术研发。随着对自动驾驶技术的不断深入探索，该公司正在算法层面展开集中攻关。