2025年12月19日晚，赌博app 第四十九期“知存讲座”暨信息科学前沿与产业创新课程在理科教学楼107教室顺利举办。本次讲座主题为“自动驾驶未来的挑战”，邀请华为智能驾驶产品部ADS AI高级专家（首席）许春景担任主讲嘉宾。许春景曾就职于中国科学院深圳先进技术研究院，历任助理研究员和副研究员。他于2012年加入华为，历任中央研究院媒体实验室高级工程师、主任工程师以及诺亚方舟实验室计算视觉实验室主任，并于2021年转入智能驾驶产品线，任AI首席专家，参与设计和开发ADS1.0到4.0历代产品。本次讲座，他围绕自动驾驶领域，讲解其发展历程与基本原理，并结合公司产品及实际检测，重点说明自动驾驶仍然面临的未来挑战。讲座内容丰富，并且结合了初代车辆所遇到的实际情境，代入感强，生动呈现了自动驾驶车辆常常遭遇的难题，更激励同学们深入思考该领域的潜在发展方向。讲座由北京大学人工智能研究院与集成电路学院副研究员陶耀宇主持。

首先，许春景讲述了近20年来从辅助驾驶到自动驾驶的发展历程。近年来，自动驾驶车辆的算力要求逐渐提高，同时也需要更加高效的芯片，还需要更大的高带块算力比。接着，他以Robotaxi为例，介绍了自动驾驶车辆从试点城市出发向外扩展的实际路径。他补充道，如今北京亦庄及武汉都有国家试点的无人出租车服务。然后，他提出一个问题——“谁能先达到大范围完全驾驶”，并给出两种不同的方案：第一种车辆具有经典感知规控系统架构，配备高精地图、多模态360度覆盖传感器、Geofence；第二种车辆具有端到端系统架构，配备类似于LD的轻地图、视觉传感器、前向Lidar、Radar。这两种方案代表了自动驾驶领域不同的探究方向，各自有优有劣，而后者近年来更加火热。这样的对比，反映出自动驾驶领域广阔的发展空间。

接下来，他谈及从辅助驾驶到自动驾驶的工程路径，这也是从L2到L4的工程路径。一般的路径是，先定义系统ODD，并从车端确认场景是否在ODD内；然后通过系统运行及迭代，进行问题归类，并解决该ODD下的问题；接着判断车辆是否达到系统设计的事故率、严重事故率、运营成本等指标，过程中要基于系统迭代过程中的问题数据仿真、泛化测试结果和海量车辆安全评估，确认系统是否满足L4条件，如果不能就将重新定义系统ODD；反之，则是发布产品。

许春景详细讲授

紧接着，他举出一些自动驾驶面临的挑战。常见的L2难题，包括错误理解文字、违停车、施工改道语义，无法针对他车紧急加塞、他人行为突然变化快速反应的问题，未能及时准确检测低矮障碍物的问题，以及隧道口和桥墩遮挡的特殊情况。他以装有沉重石头的塑料袋的例子，强调原先的自动驾驶车辆将误判塑料袋对汽车行驶的阻碍程度，突出自动驾驶车辆需提前设计出推理能力的重要性。他还以动态的视频，向同学们展示实践中车辆遇到的挑战，紧扣讲座主题，进一步介绍了产业的发展状况。

师生们认真倾听

最后，他从强化学习的角度，给出了解决相关问题的可能方案。强化学习需要研究者首先挖掘现实世界车辆行驶过程中可能遇到的挑战，然后搭建出仿真的世界，让设计的自动驾驶车辆在大量的训练中解决相应挑战，最后在现实世界中达成闭环。他强调，仿真训练需要大量的案例，还需要高保真的世界模型，这都是强化学习架构设计过程中的重要难点。他也通过流程图的形式，展示了智驾原生多模态大模型（WAM）的强化学习流程，作为解决方案的一个示例。他还补充说明了强化学习的Scaling Law。

在问答环节，同学们积极提问。有同学结合个人见闻，询问自动驾驶车辆在夜间遇到临时情况，如在高速行驶时遇到行人，该如何应对。许春景回答，这需要自动驾驶车辆提前设计好保持主动安全的机制，自动驾驶车辆必须以自身的动态调整来减少意外。还有同学询问，如何根据全国各地交通、路况的变化，实现所有自动驾驶车辆数据的实时更新。许春景认为，数据的更新首先需要强大且稳定的算力系统。与此同时，设计者也需要有必要的地图资质，保证收集下来的数据按照严格规范的流程，保障隐私性，减少相关纠纷。最后，他补充道，国家也会有相应的飞检，通过及时的检测，确保自动驾驶车辆数据的实时性和可靠性。

同学们积极提问

赌博app “知存讲座”将持续开展，邀请信息科技领域的知名学者、产业领袖和优秀校友，为同学们搭建了解前沿技术和产业动态的桥梁，推动青年学子深入认知专业、培养研究兴趣。

摄影｜刘欣宇

撰稿｜段泓宇