机器学习在汽车中的应用：从大众今天扩建慕尼黑AI实验室说起

大众集团日前宣布，将加大投资力度来加强其位于德国慕尼黑AI数据实验室的实力，专门致力于人工智能技术的研发。大众方面称，虽然目前正在削减内部开支，但作为IT计划的一部分，大众在慕尼黑的AI数据实验室并未受到影响，会有更多的人力投入人工智能团队的建设。

据了解，大众数据实验室的研究团队将继续发展无人驾驶技术和机器人学，主要研究方向包括机器学习技术，即引导机器人和传感器加强识别能力，以对行驶中遇到的物体和不同情形作出辨识，换言之，团队希望提高汽车摄像头的检测能力，减少无人驾驶汽车因拍摄盲区等而存在的安全隐患。

另外，团队希望提高汽车摄像头的检测能力，减少无人驾驶汽车因拍摄盲区等而存在的安全隐患。慕尼黑数据实验室已经成为大众在研究上述领域中最大的实验室，并宣称拥有全汽车行业中最多的人工智能专家和数据科学专家。说到人工智能和数据科学家，汽车行业的人士都深知在汽车的无人驾驶和智能化方向上涉及到大量的人工智能技术和数据处理相关知识。

比如，大众在人工智能技术在汽车中的应用主要是在自动驾驶方面，包括：

• 基于图像和传感器的模式识别（Pattern Recognition）
• 基于算法的智能决策（Intelligent Decision-making）
• 判断处理不同数据类型（Data Types Processing）
• 人工智能还可应用到“企业机械化”中——将自适算法应用到企业各项功能和流程中（发展、生产、财经、质量保证）

其中特别要注意的是模式识别不仅仅是上面提到的图像识别（光图像识别就包括行人识别、交通标识识别、汽车牌照识别，这些都通过视觉系统完成，难点主要在实时性和鲁棒性。要离线处理这些交通标志是很简单的，但是在无人车上需要能在有限的时间里识别出来，并且考虑道路中可能有的光线变化、遮挡等问题。）还有现在在车内非常流行的语音识别，以及汽车中的零部件故障诊断识别。

举例来说，机器学习技术在汽车中的应用可以这样：

原本停在你旁边的一辆汽车突然驶向马路，机器学习技术就是在这样的情形下，让你的汽车掌握突发情况的技能。假设汽车也能够自动检测到引起驾驶员注意的细节，那么路上其他车辆不避让时，汽车也可以轻易避开潜在的事故。

关于模式识别

我们另外有请教汽车行业中的人工智能专家，他谈到目前人工智能在自动驾驶中的应用涉及到：

• 图像识别
• 语音识别
• 激光雷达
• 毫米波雷达（也涉及高精度地图，高速处理器等）

另外有业者表示，计算机视觉的确是深度学习的非常大一块，但绝对不是全部。比如利用深度学习去做一些环境的预测，做一些驾驶的决策。

关于智能决策

• 汽车本身以后就将会是个高度智能体
• 包括它的研发设计与生产制造（智造）
• 驾驶（自动驾驶，自适应变形调节）
• 后装维护等

关于数据处理

与判断处理不同数据类型不同

• 汽车设计制造都离不开仿真优化（基于数学模型）。
• 一些关键影响因子的识别及整体性能的优化（各参数的最佳组合）就要充分用到数据分析。
• 只要涉及多变量的模型（对应车辆某些性能问题）就离不开数据分析与参数优化。

最关键的是大众集团最新宣布来领导慕尼黑AI数据实验室的是Patrick van der Smagt，他的主要研究方向是机器学习在机器人领域的应用、仿生和传感器数据的处理。

Patrick van der Smagt也是德国BRML实验室主任，BRML实验室主要研究方向为机器学习、运动识别以及人机交互等，其与包括慕尼黑工业大学、慕尼黑大学、德国航空航天中心等世界一流的研究机构都有密切联系。