自动驾驶技术发展水平的高低，已然成为衡量一个国家未来交通产业竞争力的重要标志。
虽然中国智能网联新能源汽车业快速崛起，百家争鸣，但风险与挑战并存。1月27-28日，由国家自然科学基金委员会工程与材料科学部、中国汽车工程学会指导，清华大学车辆与运载学院主办的“自动驾驶未来之路——交通与运载工程学科发展论坛”，在重庆成功举办。
国家自然科学基金委交通与运载工程学科王之中主任希望通过本次会议，实现三大目标：第一，学科涵盖了载运工具的各个领域，希望通过智能驾驶的视角，利用群体的交流平台，将五个领域（公路、铁路、水路、航空和汽车）横贯连接，并深入探讨这五个领域中共性的自动驾驶相关技术；第二，汇聚各领域的需求，凝练实际应用场景，进一步推动自动驾驶领域的技术变革；第三，将测试中心的虚实融合技术进一步发展，促进各个测试中心之间的互联互通，加强相关技术的未来发展。
《智车战略》见证了来自高校、科研机构、企业的人才团队齐聚重庆，围绕汽车、航天、航空等领域的自动驾驶技术展开交流互动，以学术研究和产业化的双重视角，分享典型案例与科研实践中的真知灼见，为自动驾驶技术未来之路指明方向，助力产业发展的新航向。
一切皆可数字化！
人类社会正处于数字化、信息化、智能化加速演变的时代。数字化、信息化、智能化、绿色低碳是当今时代的最强音，其中2023年最热的智能化代表是chatGPT和AIGC。
“数字化是信息化、智能化的基础与前提；信息化是智能化的基础与前提，但目的都是消除不确定性；智能化（准确地说是人工智能）是数字化、信息化的归宿。”中国科学院院士毛明这样阐述三者的关系。他认为随着算力、数据、算法的摩尔式增长，人与一切智能装备将栖居于互联的网络中，人与智能装备借助数字化、信息化和智能化彼此相互配合、协作、成长，共同推动人类文明的进步。
数字化、信息化、智能化正在引发新的工业革命，数字化与电气化支撑下的机械化、信息化、智能化融合成为装备鲜明的发展趋势，通过数字化、信息化、智能化提高装备的用户满意度和企业的价值成为重要共识。
中国科学院院士毛明
毛明院士表示，“装备实现全生命周期的智能化，主要通过两个维度，一是提高装备的智能化水平；二是提高企业的智能化水平。其形态是以物理+软件+数据呈现和发展，最高形式是通用人形机器人（行业共识），并要坚持通用化原则，走产业化与规模化应用发展道路，AI赋能并持续进化，强调数据、算力等基础设施建设。”
在智能装备实现路径方面，他认为需要关注两个方面，一是物理形态的通用化、平台化、数据化和自成长是关键；二是软件形态的开放和开源成为推动智能化进程的重要因素。
最后，毛明院士总结到：
数字化信息化智能化时代已经到来，正在引发新一轮的工业革命和社会变革。装备和企业都将朝着智能化形态加速演进。
装备将以物理+软件+数据3形态呈现和发展，表达物理和软件形态的数字孪生体及其运行数据与栖居于网络的其他数据一道，形成超越数字孪生体与装备平行的数字空间，将不断赋能装备的智能化水平提升。通用人形机器人将成为智能装备的最高形式。
企业将成为以物质资产+数据知识资产+信用资产，以一切皆为服务为理念和行为的自组织，其一切业务都将体现为数字化形态，并在互联网中成为自成长的数字孪生生命体。
在新能源汽车领域，从产品和产业的形态来说，它被称为“智能网联新能源汽车”；从技术的角度来说，它被称为“自动驾驶新能源汽车”，从L2+技术在各类新车型中的广泛应用，到L3+及以上技术在开放道路上的探索实践，每一步自动驾驶技术的迭代与迈进，都凝聚着无数科研人员的智慧和努力。
在新一代AI驱动下，智能汽车的组成又有哪些关键技术呢？中国工程院院士、清华大学车辆与运载学院李克强表示，智能汽车是新一轮科技革命的代表性产业，也是世界各工业强国的战略竞争高地。我国高度重视智能汽车的产业发展，把它作为《制造强国》《交通强国》战略的重要任务之一。
在李克强院士看来，发展智能汽车有两种新思路，一种是单车自助式智能，它解决不了复杂环境下的感知和不确定性事项判断等问题；另一种是网联协同式智能，清华团队提出智能汽车云控系统(车脑/云脑一体化)的技术新思路，创建云支持自动驾驶的体系架构。即车-路-云一体化的智能网联汽车系统（智能网联汽车技术的中国方案），它通过建立中国方案的智能网联汽车信息物理系统架构（CICV-CPS）， 充分融合智能化与网联化发展特征，以五大基础平台（构成了汽车新“零件”）为载体，实现“人-车-路-云”一体化的智能网联汽车系统。
此时，车会发生改变，已不是普通的车，它涉及的技术体系异常庞杂，如环境感知、信息安全、云计算、运动控制等。随着人工智能技术与智能网联驾驶系统的融合，依托多源多态传感器、互联互通控制器、云端大数据平台等装置， 融合大数据驱动学习、人机协同增强智能和自组织群体智能等下一代AI技术，使运载工具实现交通环境深度感知、交通态势准确认知、人车路一体化决策和控制等能力，实现部分或全部无人驾驶的下一代智能系统。
中国工程院院士、清华大学车辆与运载学院李克强教授
在此过程中，李克强院士强调，离不开以下五大关键技术：
第一：弱势交通参与者的联合深度感知。每年道路上超过一半死亡者(56%)是VRU（行人/骑行者），感知各个类别的VRU，以实现行驶环境对VRU的更优保护。其中，数据集构建是开发环境目标检测的重要基础，设计多类别VRU检测的深度神经网络模型，解决不同类别弱势道路使用者易混淆等检测问题，非常适合于复杂场景。
第二，交通参与者行为的长时域预测。高准确行为预测是自动驾驶的挑战性难题，首创时空分离的动态场景建模与双阶段训练机制，克服了人工设计中间态变量的预测性能局限，建立了可提取时间序列和空间拓扑特征关系的预测网络结构——SEPT，提出了双阶段级联训练方法场景理解训练+轨迹回归微调，进行模型训练，已经在国际知名Argoverse数据集榜单夺魁。
第三，强化学习型智能汽车自主决策。2021年，清华团队开发了DSAC算法，这是世界首个面向工业控制的强化学习求解器GOPS，解决值分布过估计难题，性能排名第一的强化学习算法。在实际道路红灯（中速）/黄灯（高速+低速）工况测试，出现类人行为。
第四，自动驾驶汽车高实时运动控制。运动控制实时性是高级别自动驾驶的挑战性难题，提出了模型预测控制的循环求解机制，改变循环次数解决了不同时域长度的最优控制，所学习的神经网络策略提高在线计算速度约900倍，有效满足运动控制实时性要求。
第五，面向AI高性能计算的车脑/云脑一体化基础平台。创建“车-路-云”融合的智能网联汽车云控系统平台架构，研发具有完全自主知识产权的车脑/云脑协同感知-决策-控制系统，这是国际首个具备“车-路-云”融合特征的智能网联汽车云控系统平台架构。
整体来看，AI驱动的智能网联汽车发展在系统智能性、安全性等领域仍然存在技术不足的挑战，而且伦理困境及责任认定方面也亟待突破。
但积极的是，智能网联汽车是汽车自动驾驶发展的新阶段，中国方案智能网联汽车在系统定义、关键技术及产业生态等方面具有特色。新一代AI驱动的中国方案智能网联汽车在复杂环境感知、类脑智能决策控制、智能网联车脑/云脑一体化系统等三类典型关键技术领域，已取得阶段性成果。
在航空领域，自动驾驶是飞机搭载自动驾驶仪根据传感器信息自动输出控制指令。
北京航空航天大学、空地一体新航行系统技术全国重点实验室曹先彬表示，当前航空自动驾驶水平和汽车L2级辅助驾驶两者智能化水平相当，只是航空自动驾驶已成熟应用。
北京航空航天大学、空地一体新航行系统技术全国重点实验室曹先彬
为实现飞机的安全自主飞行，其自动驾驶仪需要多种技术与系统的支持，如通信系统、导航系统、监视系统等。但航空自动驾驶系统仍面临可靠性与稳定性较差，偶发故障导致自动控制失效等问题，感知和决策能力较弱，难以应对天气突变、飞行器干扰等。未来，希望信息/能源等技术进步加速新一轮民航科技变革，实现适航审定能力提升，打造新飞行器、新产品，实现自动驾驶安全技术的全面自主可控、智慧化、智能化、智联化的发展趋势。
中国航天科技集团一院十二所，副总工程师研究员宋征宇
而在航天领域，中国航天跟美国相比，虽然这几年略微有了一些差距，但是与第三名相比，还是遥遥领先的。
中国航天科技集团一院十二所，副总工程师研究员宋征宇表示，虽然航天技术的起点是自动驾驶，但是和汽车、飞机的自动驾驶相比，航天的自动驾驶有差别。比如说在控制能力层面，汽车在前进、后退、转向、加速等方面的要求很高，而火箭是只能一直往上飞，不可能飞到一半，停机再起飞；机动层面，汽车的自动驾驶难度主要体现在动态约束，如突然的行人或车辆或行驶到陌生区域等；在运动层面，国外有学者把自动驾驶从控制角度认为是两个单输入、单输出，前进、后退转向。
目前，火箭的自动驾驶技术是从自动控制到自主控制演变的。自主控制具有更强的适应能力，能够更好地应对不确定性、干扰和系统故障等问题。其框架包括响应性容忍控制，通过在线能力评估和约束分析，实现自主制导。
在此过程中，火箭的构型、运载系数、容错能力等综合性能的提升至关重要。首先，火箭的构型需要具备良好的适应性，以满足不同任务需求。其次，运载系数也需要通过优化算法等方式提高，以提升火箭的运载能力。最后，容错能力的提升也是关键，可以通过基于学习的方法在天上进行验证，以保障火箭的稳定性和可靠性。
对于未来的自动驾驶技术发展，航天领域最重要的方向是全天候发射和智能计算。通过六自由度的弹道风修正模型等技术，火箭可以实现全天候发射。同时，智能计算也可以为火箭的优化和控制提供更多可能性。总之，火箭的综合性能提升需要从多个方面入手，通过不断的技术创新和实践验证，才能更好地实现航天发展。
自动驾驶汽车交通事故引发公众担忧，需要加强安全评估和准入监管。国际上认为只有经过严密测试才能商用，测试评价方法与工具链亟待突破。国家多部委推出项目和政策推进技术发展，厂商、研究机构、检测机构等围绕测试环境、工具、标准展开工作。如何提高测试效率、降低成本是技术难题。
西安建筑科技大学校长赵祥模教授
西安建筑科技大学校长赵祥模教授提出，整车在环测试面向整车级平台，可进行加速测试和强化测试。这是弥补软件仿真测试、公共道路测试、封闭场地测试中测试准确度问题、测试成本问题、测试安全问题的有效方法，为高等级自动驾驶上路许可与效能评价提供技术支撑。
在赵祥模教授看来，自动驾驶整车在环测试关键技术分为三个层面，即场景层、测试层、评价层。其中，场景层要从场景的元素当中，包括道路设施、交通规则、自然环境以及障碍物的识别，要从场景元素当中提取方法，进行优化。最后形成各种类型的标准场景，安全场景，尤其是极端的一些场景，包括边缘的一些场景，构建科学的测试运力，形成场景库。这其中也包含了七大关键技术：
（1）面向时空混合加速的事故风险临界场景约束性重构方法。
（2）面向自动驾驶虚拟测试场景的传感器高保真建模。
（3）基于转鼓平台的车辆稳态、非稳态多自由度状态重构。
（4）虚实动态交互融合的自动驾驶整车在环测试技术。
（5）面向高维测试数据的低延时高可靠多模式融合通信方法。
（6）基于缺陷智能辨识的测试流程自动生成与反馈式优化。
（7）自动驾驶测试评价工具研发与测评体系构建。
在应用方面，“我们已经承担国家重点研发专项，希望打造面向智能评级、缺陷识别及安全认证的完整工具链，助推自动驾驶的产业落地。”赵祥模教授坦言。
可见，自动驾驶技术涉及多学科领域，需各专业和产业深度融合。研究时需明晰上下游关系，聚焦任务，针对需求推进。各方应埋头钻研，不追赶时髦，聚焦问题，努力探索。
