英特尔中国研究院的三个新方向,“智能驾驶实验室”首次公开亮相|揭秘

2018年12月12日,在「英特尔中国研究院2018年媒体开放日」上,英特尔中国研究院院长宋继强对英特尔中国研究院完整的科研战略做了介绍,并宣布:目前,英特尔中国研究院的主攻方向变为:人工智能算法、自主系统平台、智能基础设施。其于今年1月份成立的“智能驾驶实验室”也首次公开亮相。

从一个单纯的项目研发中心蜕变成英特尔全球科研布局的关键一环,英特尔中国研究院(以下简称『研究院』)用了20年。

期间,研究院的方向发生了多次变化。成立伊始,研究院将「嵌入式系统」作为研究重点;后将「人工智能、移动式自主机器人、5G无线通信」作为三大主攻领域;目前,「人工智能算法、自主系统平台、智能基础设施」成了主攻方向。

以数据为中心,英特尔中国研究院变革研究方向

此次研究院的方向变革,是由于英特尔的转型——「英特尔已经成功从一个以PC为中心的公司发展成以数据为中心的公司」。

以前做数据处理、数据计算,是把数据给编程或者改造成适合计算机操作处理的数据。现在,各种各样的计算、传输、存储,都要按照数据的特点,让计算为数据服务,这就叫「以数据为中心」,英特尔中国研究院院长宋继强介绍道。

英特尔中国研究院院长宋继强

中国强大的电子商务、移动支付、社交网络产生了大量可以被挖掘和使用的数据——由人产生。随着传感器越来越多,大量物(诸如各种各样的终端设备、基础设施、车等)开始产生新的数据。但是,这些新出现的数据有非常多非结构化数据及噪音数据,靠人已经很难处理这么大量的数据和这么繁琐的工作了。好在人工智能技术及时出现,帮着快速提升了处理数据的能力。

根据贝尔定律,计算机每10年产生新一代,其设备或用户数增加10倍。尤其是从工作站到PC,再从PC到手机。在宋继强院长看来,现在,似乎还没有某一个设备类型能够成为新一代的设备类型。

「因为如果想要形成一个生态,首先要有一个非常清晰的产品形态,这个产品形态上要能够承载好多种不同的应用,从而形成一个平台。智能手机显然是,PC显然是,从一个产品变成一个平台,最后构建了一个完整的生态。无人驾驶车有可能,但现在还没有显现出真实的能力。」

现在,由于计算、通讯、存储、传感都可以很小很低功耗的产生,集成的模块可以藏到很多东西里,比如桌子里、茶杯里、墙里、台灯里。很多设备都有可能成为某一种新兴应用的平台。未来,可能不是一种计算设备,而是有好多种设备共同提供智能化服务。

数据类型、设备的部署和使用形式可能都是多种多样的。那应该做些什么,来支持数据的计算和传输?

宋院长从数据使用的生命周期里发现,有一些重要的步骤是类似的:首先,最基本的是能够感知和理解这些数据;然后,把这个数据或者处理的数据传给别的设备,传给边缘和云端,同时,从别的设备拿数据做融合,从而更好地做分析和增值,为设备提供更好的服务做好准备。

「这一块非常重要,因为很可能这个设备在当前这一刻就拿到这些数据并不完整,或者本身就有一些局限性,我们需要加入知识、一些人制定的规则、策略,再加上一些对过去数据的统计,综合起来,去洞察现在这个数据的表象下面蕴藏的真正价值,并将其挖掘出来。」

英特尔整个端到端的战略里,英特尔中国研究院负责前端设备到边缘,主要通过三样东西——智能算法、无线技术、异构系统架构——提供整合的技术方案去赋能,让自主系统做得更好。

宋继强院长介绍:「我们的研究目标是,要有突破性的产业价值。什么是突破性的?比如,给自动驾驶这个领域提供前所未有的边缘智能,把更高级的认知和学习能力赋予智能家居或者机器人。」

当前,研究院将人工智能和5G作为技术支撑,把智能驾驶和机器人作为长期研究的主赛道,同时,开放式创新——通过技术生态和学术社区,把大家的智慧集成起来。

英特尔中国研究院研究方向

如今的英特尔中国研究院由五大团队组成:机器人创新实验室、认知计算实验室、智能驾驶实验室、通讯架构实验室、新技术中心。

智能驾驶实验室首次公开亮相,他们想让自动驾驶车超越飞机的安全性

于今年1月份新成立的智能驾驶实验室,在「英特尔中国研究院2018年媒体开放日」上首次公开亮相。

智能驾驶实验室总监吴向斌介绍,智能驾驶实验室致力于自动驾驶的前沿关键技术研究,以及自动驾驶技术与智能交通、智慧城市等未来大方向的深度结合并相互促进的端到端领先技术研究。

自动驾驶上,通过自动化的深度事故分析、自动场景重建以及关键场景库生成,并与自动驾驶汽车仿真工具(如CARLA)深度集成,极大地加速了自动驾驶汽车算法的性能仿真迭代和安全验证;

在车路协同上,通过对关键交通场景(比如十字路口)的智能化实时、全视角视频分析,为行驶中的车辆实时提供无死角的关键场景信息,从而可以极大地提升交通效率和行驶安全性。

据统计,1912年,全美国大概有14名全职飞行员,其中8人在一年间相继丧生。同年,美国一所军事飞行学校中有25%的学员丧生。到了2013年,每年有3640万架次飞机起降,30亿乘客,每年死亡的人数是210人。按照架次来算,大概每百万次起降中会出现0.41次事故。

飞机事故率大幅降低的原因是:飞机从事故中学习了。每一架飞机上的黑匣子会对所有事故做详尽清晰的记录,调查组会对事故原因做详尽调查,形成事故闭环。

目前,我们国家每年大概有10万人、全世界每年有300多万人死于车祸。在吴向斌看来,对自动驾驶车进行改造,也能够做到对事故的分析记录,甚至做到事故闭环。

自动驾驶一定要从事故当中学习经验。」但是,一方面,自动驾驶车辆目前还没有得到大规模部署;另一方面,也不是非得从自动驾驶车本身的事故中去学习。

智能驾驶实验室的研究员张新新说,「截至目前,已经发生了数十起和自动驾驶车辆相关的交通事故,其中非常严重的已经导致驾驶员和行人死亡。如果我们自动驾驶是从这样惨烈的事故当中学习的话,显然是不可以接受的。这是我们的研究想解决的问题。」

「现在的自动驾驶车的算法可以模拟人的大脑能力。」智能驾驶实验室目前正通过收集现有的交通事故的视频,对之进行自动地分析重建,让自动驾驶算法在更加安全、更加高效的环节里进行学习和测试。

张新新现场用一个事故(一辆白色的汽车和一辆摩托车因为在路口竞争路权,发生非常激烈的碰撞)对他们的解法进行了demo展示:

受真实场景启发的异常情况仿真及验证

拿到视频后,他们会先进行逐帧的分析,在每一帧里面寻找到关键目标:比如,正在运动的行人、摩托车还有车辆。识别出它的类别,并且对它的轨迹进行追踪。得到这些信息之后,切换到一个平面的视角做进一步分析。

「因为只有在平面视角里,所有的物体相互之间才没有遮挡,不会因为远近关系大小发生改变。」在平面视图里得到更加精确的信息(比如运动的轨迹、形状、姿态)后,他们会把这个场景中所有的信息输出到一个脚本,包含路口大致的信息、关键目标运动轨迹形状等,类似于拍电影的剧本。

拿到剧本后,他们会在虚拟的环境里进行重建,通过数据的拟合、平滑、差值,生成虚拟关键目标点的运行轨迹。这样,自动驾驶的算法就能通过一组测试来寻找到安全的边界。

在重建场景之后,他们会在软件里按照第一视角(车的视角)对场景进行渲染、输出,渲染输出的画面就是自动驾驶算法用来作为计算的输入图像。

「这是一个简单的demo。我们的自动驾驶仿真软件,比如说CARLA,可以渲染出非常逼真的场景。」

我们如果能解决十字路口可能已经解决了很大的一个问题

有统计显示,发生在十字路口的事故概率在全球平均超过50%,在中国大概超过60%。「我们如果能解决十字路口,可能已经解决了很大的一个问题。」

智能驾驶实验室的研究人员认为,并非需要全部通过车的计算能力以及车的传感器来解决所有问题。「我们实验室叫做智能驾驶实验室,而不是叫做自动驾驶实验室,自动更多的是绝大多数时候依赖自身的能力和传感器,没有人规定我们必须这样。」

在交通路口,由于很多行人、自行车、电动车对交通规则的遵守程度比较低,人类驾驶员经常会遇到从盲区当中飞出一辆车子的情况。在他们看来,自动驾驶车辆的车载传感器本身也面临盲区的问题。因此,交通路口的安全问题单从车辆本身来讲比较难以解决,还可以通过路边智能的基础设施和车路协同的方法。

一位研究员播放了一个视频,并对视频进行讲解:在一个真实的交通路口,共有七个交通监控摄像头分布在这个交通路口的各个方向。所有的行人、车辆和物体都能够被至少两个、三个或四个方向的交通监控摄像头所覆盖到。这种情况下,假如一些方向的摄像头出现被遮挡的情况,就能运用交通监控的数据,从其他方向来得到这些物体的信息,从而捕捉盲区。

为了融合所有方向的数据,他们必须能够对这些摄像头的参数进行标定。这些摄像头工作在自然环境中,会受温度变化、风力等种种影响,参数可能会随时发生变化。因此,他们还得进行实时标定。

如何解决这个问题?

他们利用一段时间内所有通过路口的行人在不同的摄像头视角中身高、位置的差异,随时对摄像头当中的参数进行修订,这样就能够把所有交通摄像头的视角融合在一起,产生一张路口全景的视图。

智能交通路口

「在这个整体视图中,我们把所有路口中的行人、车辆的位置、方向和速度信息实时标注在视频当中,同时把这个视频广播给通过路口的所有车辆,这样就补足车辆本身传感器视野的盲区,从而提升安全性。」

「对于这件很困难的事情,不是英特尔一家在做,我们把很多学术成果集合起来,大家一起来做。安全是最重要的,我们做任何无人驾驶、自动驾驶这方面的研究,最后是为了安全的把人从A处送到B处。」宋继强院长表示。

今年5月30日,英特尔在京宣布成立英特尔智能网联汽车大学合作研究中心(ICRI IACV),今年11月正式启动。智能驾驶实验室作为连接中心,将在未来3到5年里,与来自包括清华大学(主要是基于V2X方面的研究,包括应用层面、通信协议)、中科院自动化所(主要是平行驾驶)、同济大学(主要是基础设施)在内的6支顶尖研究团队携手,在安全、自动驾驶数据集、智能交通基础设施等方面广泛开展产学研深度合作,以期取得关键突破,促进自动驾驶的大规模实用化部署。 

在吴向斌看来,自动驾驶车的场景是复杂的,文化、地域等各方面都是挑战。

他说,将来的安全不只是车辆本身是不是发生事故的安全,还有心理的安全。「有的人非常小心,或者我们自己可以大大咧咧,但是我们把自己小孩单独放在车上,让他独自乘坐的时候,你心里会不会犯嘀咕?」此外,基础设施的情况也非常复杂,各个地方的情况不一样,发展的均衡度也不一样。

他呼吁,「我们这里必须有很好的合作,而且很有可能是需要跨界合作,最后达到共同的目标。」

他还透露,未来三到五年,英特尔中国研究院将聚焦于自动驾驶的各个方面。

产业AI 实验室英特尔自动驾驶
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

噪音技术

噪音是一个随机误差或观测变量的方差。在拟合数据的过程中,我们常见的公式$y=f(x)+\epsilon$中$\epsilon$即为噪音。 数据通常包含噪音,错误,例外或不确定性,或者不完整。 错误和噪音可能会混淆数据挖掘过程,从而导致错误模式的衍生。去除噪音是数据挖掘(data mining)或知识发现(Knowledge Discovery in Database,KDD)的一个重要步骤。

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

推荐文章
暂无评论
暂无评论~