作者介绍：邓伟文，CAAI 智能驾驶专委会主任，北京航空航天大学教授。国家特聘专家，中国汽车工程学会会士。先后任职美国通用汽车研发中心主任研究员、香港汽车零部件研发中心代主任、吉林大学汽车研究院常务副院长、北京航空航天大学交通学院院长等；长期在工业界和学术界从事汽车电动化与智能化等领域的学术研究与技术应用；目前担任数家国际期刊主编、副主编和编委等。

汽车智能驾驶技术与产业化方兴未艾，深刻地影响着未来汽车、交通和出行等技术发展趋势与社会发展生态。然而汽车智能驾驶还面临着许多重大挑战，包括复杂行驶环境下汽车智能驾驶的感认知、决策与规划，以及高效、安全、可靠的测试验证等。汽车智能驾驶的出发点是替代人， 而其落脚点则是模拟人；这就决定了我们不仅要深刻理解人的驾驶意图、状态和行为，以实现和谐协同的人机交互和人机共驾；还要学习人的联想、推理、自学习及自适应能力，实现类人、人性化和个性化的智能驾驶，以应对开放复杂的行驶环境。最后介绍了汽车智能驾驶仿真测试技术， 以及自主研发的一体化仿真测试平台。

汽车智能驾驶的关键挑战

汽车智能驾驶重新定义了“汽车与驾驶”， 使得行驶环境成为了汽车与驾驶重要组成部分， 而行驶环境又极其复杂、不可预测、不可穷举； 如何应对开放复杂的环境、如何保证系统安全可靠成为了汽车智能驾驶大规模市场化的重大课题！

人机交互⼀永恒主题

人是汽车驾驶链中最薄弱、最不确定、最危险的环节，因此部分、乃至于完全替代人是汽车智能驾驶的出发点。汽车智能驾驶虽然有不同的技术实现途径，也反映了人机因素与作用的演变过程，但其核心是人机交互；其中L3 级则反映了驾驶主体、驾驶责任和驾驶方式的突变，尤其具有挑战性。

应对人机交互的关键是准确检测并深刻理解人的驾驶意图、状态、习性和技能，友好定义人机交互方式、分配人机驾驶权、建立直观和谐共驾机制等。

类人驾驶⼀漫长之路

目前基于自动控制技术为主的自动驾驶显然无法应对行驶环境的高度不确定性；而以深度学习为代表的人工智能技术通过信息消除不确定，为汽车智能驾驶展示了巨大的技术潜力和优势。基于人工智能技术，我们不仅要改变车，更要学习人的联想、推理、自学习及自适应能力；模仿人以实现类人的、人性化和个性化的智能驾驶，以应对复杂和高度不确定行驶环境。

测试验证⼀必越之坎

汽车智能驾驶系统的安全可靠性及测试验证成为了汽车智能驾驶产业化的重要挑战。由于传统的道路及场地试验周期长、成本高、场景单调、安全无法保障，而高效、安全且可靠的仿真测试将是应对汽车智能驾驶产业化挑战的关键技术。

仿真测试技术的关键在于测试场景丰富全面， 具有动态随机性、边界和极限特征等，具有较高的覆盖度、逼真度和较高的物理置信度；同时具有自动场景生成、自动数据标注、自动化测试、自动评价等功能。

没有仿真就不可能有充分的测试，而没有充分的测试就不可能有足够的安全保障，智能驾驶的大规模量产也就无从谈起。

来源: 中国人工智能学会通讯