-查看專題-

　　2月21日，由網易科技和DeepTech深科技聯合主辦的《麻省理工科技評論》2017年“全球十大突破技術”發布會在北京舉辦。本次大會立足技術趨勢，探索全球技術發展的內在原動力，探討人工智能、量子計算、基因療法等領域的技術和商業趨勢。

地平線機器人技術聯合創始人軟件副總裁 楊銘

地平線機器人技術聯合創始人楊銘在會議現場表示，強化學習這幾年取得了長足的發展，但在自動駕駛領域中還處于剛剛應用的階段。這個過程中，通過模擬器，把一些情況去模擬出來，然后讓“機器”用增強學習驗證，控制的路徑規劃算法，這是未來強化學習的方向。楊銘表示，增強學習在圖像識別、自動駕駛整個技術鏈條中是很關鍵的因素，但目前為止還是一個比較有潛力的，還是一個輔助的角色。

　　以下為現場速記實錄：

　　主持人：我們想問楊銘先生，通過圖象識別來解決自動駕駛是比較通用的一種方式，地平線在這個領域取得了不俗的成績。所以，能否簡單介紹一下強化學習在圖像識別和自動駕駛中發揮的作用？

　　楊銘：目前，整個產業鏈上可能分幾個鏈條，包括整車廠提供汽車，也包括一級供貨商提供自動駕駛的方案，地平線機器人可能更注重于把一些專門的技術做好，把圖象識別的技術做好，把信息融合如何決策做好，作為一個二級供貨商，給大家提供解決方案。所以，這是我們現在的一個位置。

　　圖像識別，我覺得單獨作為一個自動駕駛的全系統，其實還是不足的，還需要跟很多包括雷達、地圖等其它信息融合，來構成一個無人駕駛的系統。

　　但是，圖象識別有一些自己的優勢，它的擴展能力是很強的，可以識別出很多事先并沒有完全想到的物體，包括一些更新。而且，它可以克服對信息理解要比較細致的精度，比如雷達之類的，可以知道那有一個物體，但到底是什么物體就并不清楚了。

　　舉個簡單的有意思的事情，如果地上有一個易拉罐，這種鐵的東西，但是對于某些傳感器來說，看上去有可能是一個很嚴重的問題，因為它是金屬的，但如果是圖象識別，可以看出它的大小、位置，反而能避免。所以，圖象識別是一個更有潛力，得到信息更全面，但是它自己還不足以構成一個完全的自動駕駛系統。

　　我覺得強化學習這幾年，尤其是去年到今年還是很火的，在自動駕駛這個領域中，它目前可能還處于一個剛剛應用的階段，更重要的是說，如何通過模擬器，能夠把一些情況去模擬出來，然后用增強學習驗證，控制的路徑規劃算法，去驗證。

　　但是在圖像識別中，我們可以看到已經有很多的應用了，包括如何通過增強學習的方式，動態的過程，把圖像中哪些最關鍵的點識別出來，通過自動學習的方式，在部署之后，能夠做一些反饋提高這個系統。

　　總得來說，我覺得增強學習，在圖像識別、自動駕駛整個技術鏈條中，它會是一個很關鍵的因素，但是可能目前為止還是一個比較有潛力的，還是一個輔助的角色。我估計在今年一兩年可能會幫助其他的系統去提高，包括在控制領域有一些比較大的貢獻，但是目前還是一個潛力比較大的分享，也是一個突破性的技術。

　　地平線機器人，目前我們也是把增強學習的技術跟圖像識別，跟一些信息的融合都放在一起，提供一個比較好的方案，我們現在也推出了一些，開始是輔助駕駛，一些輔助駕駛的產品，也會提供一些自動駕駛關鍵的核心技術，和一些車廠、一級供應商合作，一起來把這些人工智能、深度學習的技術推向市場，推向到大家生活中去，這是我們努力的方向。