推荐自律学习（SDL）模型自动驾驶项目

前言:中国嵌入式系统产业联盟理事、日本阿波罗株式会社首席技术官顾泽苍博士（中国籍）在业内最早发表论文，指出当前在人工智能领域占据主流地位的“深度学习” （ Deep  Learning  DL）存在严重缺陷；并在多年以前就有针对性地个人独自发明出有中国知识产权的新一代人工智能 “自律学习”（ Self  Discipline  Learning  SDL）创新算法。

顾泽苍博士带领他的广州硅基智控科技有限公司技术团队，瞄准世界最先进的AI算法作为对抗的目标，将代表人工智能最高水平的自动驾驶定为“自律学习”（SDL）落地项目开展了研制工作。经过顾泽苍博士团队的努力，已在L4级自动驾驶汽车的3D环境“深度认知”、“机器意识”的决策和人工智能控制这三大方面取得了突破性成果，创造出非线性、随机性和多目的最佳闭环控制的现代自动控制新理论，并率先在全世界研制出三种实验汽车开始路测，具备了研制真正L4级自动驾驶汽车的技术实力。

近日，广州硅基智控科技有限公司制定了针对目前许多汽车厂都有开发L2.5级别的自动驾驶汽车的需求，将本公司研制的L4级别的能同昂贵的激光雷达对抗的“3目远程认知”装置、导入TOF特殊传感器的TSS行车安全判定装置、可实现安全驾驶和圆滑行驶的决策控制板、自动机器学习的车道线识别装置、行车记录仪等五个核心装置供给生产L2.5级别的自动驾驶汽车客户配套的发展规划。

为实现此发展规划，广州硅基智控科技有限公司决定发布项目概要，向社会广泛寻求合作和融资。广州硅基智控科技有限公司的此发展规划，给企业和行业带来发展所需的两大关键要素：高技术和低价格，对当前处于低谷的自动驾驶汽车的研制是巨大的发展生机。请你们审阅附后的该项目概要，可看到以领先世界水平的高技术和难以置信的低价格显示出的最有竟争和吸引力的自动驾驶投资合作项目。

中国嵌入式系统产业联盟对顾泽苍博士发明的“自律学习”（SDL）从发布到产业化一直给以高度评价和支持。在此，特向读者推荐此项目，请你们深入了解、参与合作或宣传介绍、大力支持。

新一代人工智能（SDL）

自动驾驶汽车项目概要

广州硅基智控科技有限公司

2020年5月

新一代人工智能（SDL）

自动驾驶汽车项目概要

一、前言

一个从未见过犬科动物的小孩，当被告知一只“泰迪犬”是“狗狗”后，即使再见到一只“金毛犬”，小孩也可以轻易地分辨出这也是一只“狗狗”。

而一个基于“深度学习”（ Deep  Learning 简称：DL）的机器人，即使是同一只“泰迪犬”，如果只是从“泰迪犬”正面告诉机器人这是一只“狗”后，换成从“泰迪犬”侧面去识别，机器人还是无法判断出这是一只“狗”。即使通过720度无死角地学习后，机器人可以准确分辨出“泰迪犬”是“狗”，再换成“金毛犬”，机器人还是无法识别，除非再对“金毛犬”进行720度无死角的学习，那“金毛犬”之后还有“哈士奇犬”、“中华田园犬”、“八哥犬”呢……

上述比喻形象地说明日本阿波罗株式会社首席技术官顾泽苍博士（中国籍）个人独自创新发明的“自律学习”（ Self  Discipline  Learning  简称：SDL）与“深度学习”（DL）之间的区别。

“深度学习”（DL）立足于对目标的全方位、无死角的“标注”，任何未“标注”过的目标或盲区，“深度学习”（DL）都无法进行识别及处理。这也就是谷歌、特斯拉等无人驾驶大公司虽经十年以上的时间、投入巨大资金，但仍事故频发的根本原因­。现实中的交通场景复杂多变，是不可能“穷举标注”的，而任何一个未“标注”过的场景，都是基于“深度学习”（DL）的无人驾驶车辆不可避免出现事故的“致命盲区”！无法“穷举”，也正是“深度学习”（DL）之父Hinton放弃“深度学习”（DL）模型的根本所在。

“自律学习”（SDL）则赋予了机器同小孩一样的“机器意识”，依托概率尺度自组织，使机器同人眼一样可直接“看到”目标（认知“泰迪犬”是“狗狗”），实现了图像理解（在“金毛犬”、“哈士奇犬”、“中华田园犬”、“八哥犬”各种犬中找到共同的结构化的特征），在自动驾驶汽车的认知领域上实现了飞跃。

同样导入了“自律学习”（SDL）模型，在自动驾驶汽车的控制上通过最大概率的机器学习，让机器同人一样面对复杂的汽车控制，可以如同具有生物意识的人一样自如的驾驶汽车。同样一个汽车，如调用年轻人的智慧库数据，就会按照年轻人的意识进行自动驾驶；如改调用老人的智慧库数据，汽车就会随和老人意愿行驶；这是广州硅基智控科技有限公司的“机器意识”模型所创造出来的梦幻的代表未来的自动驾驶系统。在现代控制理论上解决了非线性、随机性和多目的最佳闭环控制的世界没解的难题。

广州硅基智控科技有限公司首席科学家顾泽苍博士，早在Hinton放弃“深度学习”（DL）模型之前就已另辟蹊径，结合他本人30多年在日本从事人工智能控制实践积累的经验，发明了“概率尺度自组织”的无监督机器学习，构建出全新的“自律学习”（SDL）模型。并经过严格的实车道路验证，基于“自律学习”（SDL）模型建立的自动驾驶系统，在感知、决策和控制三个方面向世人展现了新一代人工智能“自律学习”（SDL）模型的强大威力，并以小数据小模型的低价格的人工智能产品，可满足大规模的人工智能需求和易于普及。

二、公司简介

 广州硅基智控科技有限公司（简称：硅基智控）成立于 2018年，是瞄准世界最先进的AI算法作为对抗的目标，研究和应用新一代人工智能的高新技术企业。硅基智控以拥有自主知识产权的、新一代人工智能模型“自律学习”（SDL）为创新基础，在进一步深入研究SDL模型的对抗算法同时，重视构建“自律学习”（SDL）模型应用产品产业化所需的硬件和营销环境，包括进行产品外观结构等的产品设计迭代和市场开拓及选择合作伙伴等等。硅基智控力求在“自律学习”（SDL）模型的某一应用产品算法研制出来的同时，已考虑和着手进行该产品由小批量到大批量生产和销售服务的相关问题。

硅基智控是国内外少有的敢于挑战人工智能最先进理论和技术的，将新一代人工智能算法研究、应用开发、产品研制与市场营销一体化为核心竞争力的创新型企业。

目前，硅基智控在自动驾驶汽车的3D环境“深度认知”、“机器意识”的决策和人工智能控制等主要方面取得了突破性成果，在技术上已具备成为独角兽的必要条件。

硅基智控基于SDL算法模型，一直专注于自动驾驶芯片的研发、整车联合制造和产品落地。不久的将来，硅基智控能够为智能汽车提供国际一流的新一代人工智能的软件、硬件和技术服务；以性能高造价低的优势，为国内外整车制造厂提供L4级以上自动驾驶系统。

同时，硅基智控还制定出将L4级以上自动驾驶系统的一些实用技术，拆分制成独立产品，可分装在L2.5级自动驾驶系统的汽车上的前装或后装的解决方案。如：导入SDL算法的可以同高价格的激光雷达对抗的“3目远程识别”装置、控制决策控制板、车道线识别和TSS行车安全判定装置等成熟技术和产品。硅基智控可以立即同有合作意愿的人工智能汽车车厂合作，联手快速切入市场。

根据发展规划，硅基智控拟为自动驾驶汽车项目进行新一轮融资，以实现事业（阶段性）计划，并为投资人创造丰厚的收益。

三、项目亮点

1、国际国内环境

目前，国内外许多公司自动驾驶技术的研发虽然取得了阶段性进展，但还都限于把人工智能导入较为容易实现的汽车感知系统。目前，对自动驾驶系统三大核心组成部分中难度很高的决策系统和控制系统，很少有公司涉足。可以说，世界上大多数L4级自动驾驶汽车的研发还都处于炒作阶段。

L4级以上自动驾驶系统对决策和控制的要求相当高。当前其他公司的自动驾驶车辆在实际模拟运行中不断出现的撞车、蛇行行驶等问题，就是其自动驾驶系统在行为决策和控制技术方面还没有真正导入人工智能。这些不足的深层原因，一方面是根植于它们使用的传统人工智能算法模型“深度学习”（DL）遭遇了无法避免的瓶颈，另一方面是“深度学习”（DL）主要用于感知系统，在行为决策和控制方面并没有什么建树。因此，这样的自动驾驶系统天生不足，无法应对复杂的汽车行驶环境。

实现L4级以上自动驾驶系统，除了技术上没有实现完整的AI闭环原因外，基于“深度学习”（DL）的感知系统还需要昂贵的GPU硬件来支撑，也使得自动驾驶系统在商业上落地很困难。

2、项目概述

硅基智控研制的L4级以上自动驾驶系统是当前国内外唯一实现了自动驾驶在认知系统、决策系统、控制系统形成完整的人工智能闭环技术；是技术先进、运行可靠、成本低廉的实用系统。

硅基智控完全拥有全部的自主知识产权的核心技术以及底层框架算法SDL模型。

图1：自动驾驶系统三大核心组成部分

3、项目特点

基于SDL模型的自动驾驶系统用算法模仿生物神经的机能，具有“机器意识”，能够像人一样看得清、断得明、行得好。

（1）感知力

模仿人眼神经网络的机能，在概率空间上观察物体，获得同人眼近似的图像识别效果；

（2）决策力

针对汽车在行驶过程中基于周围环境的信息，把人的安全，舒适驾驶的思维，用数百个数学公式的描述让机器深度理解，通过数百个逻辑运算让机器深度决断，从而产生了在自动驾驶应用上的，超越具有生物意识的人的“机器意识”的判断结果；

（3）控制力

在国际上首先将机器学习用于自动驾驶的控制，让机器学习优秀驾驶员的驾驶技巧，从人类的先验知识中获得非线性的、随机控制函数的最佳闭环控制结果，即使低档的汽车也可以做成自动驾驶汽车，可以平稳行驶。

（4）普及力

SDL模型是基于无监督机器学习的，因此具有小数据，小硬件解决大任务的特点。针对自动驾驶汽车的大规模推广，每台汽车所需要的配套价格低廉，可以立即给车厂配套和见效益。

4、项目优势

（1）技术优势

基于“深度学习”（DL）研发的自动驾驶系统（简称为“传统自动驾驶系统”）通过不断强化学习模型的大量试错来学习决策、感知和控制，面临系统随时爆发的信息组合的黑箱问题，不可能真正用于高安全要求的驾驶领域。同时，“传统自动驾驶系统”用传统人工标注与规则堆积的方法，针对汽车的每一种路况需要用相应的程序来对应，这既不可能实现所有路况的“穷举”，也因为编写代码的人力物力庞大和昂贵的硬件系统、数据训练等难以适合工程应用。

SDL自动驾驶系统将人类驾驶依赖于生物意识的过程以及汽车周围可能出现的路况，用大量的数学公式记述，让机器深度理解并通过复杂的对抗逻辑运算，获得机器的深度决断，从而在各种路况中均可以得出“全局最佳解”，实现类似于人类意识的决策、控制结果。同时，由于SDL自动驾驶系统是基于“概率尺度自组织” 无监督机器学习，只需几百个数据的标注就可用于包括夜间的各种路况，从而易于工程实现和大规模量产。

（2）成本优势

众所周知，除车体外，自动驾驶车辆主要由感知、决策和控制三大组成部分组成，其中感知层面的硬件和软件要占到一台自动驾驶车成本的大部分，这也是自动驾驶车普及路上的最大瓶颈。以谷歌自动驾驶车为例，谷歌曾对外宣称自己的自动驾驶车辆成本高达30万美元，其车辆顶部标配的激光雷达售价高达10万美金以上，这还只是单只的价格，而目前每台自动驾驶车大概需要6-8个，苹果的自动驾驶车就是6个。这样的成本，目前大规模普及几乎是不可能的。

图2：谷歌自动驾驶汽车

图3：激光雷达现状

图:4：目前普遍的自动驾驶汽车的配置

然而，硅基智控的自动驾驶汽车所配套的，在认知装置上可提供能同昂贵激光雷达对抗的“3目远程认知“装置，这个装置是同国际视觉传感器专业公司合作，利用尚没公开的特殊的可进行超远距离识别的器件，加上SDL模型的三维重构技术，再加上SDL模型的3D识别技术所构成的目前国际上唯一的特殊自动驾驶认知产品；以及适于L4级别的可让自动驾驶汽车在繁华的街道上也可行驶的导入TOF特殊传感器的TSS行车安全判定装置；以及自动机器学习的车道线识别装置；以及让自动驾驶与具有生物意识的人一样可实现安全驾驶，圆滑的行驶的决策和控制板等；由这些产品所构成的自动驾驶汽车配置在产业化实现后，有望以四千元左右的批发价供各个车厂配套。

硅基智控能实现这样低廉的价格，是因为SDL模型的小数据，小硬件解决大任务的特点；以及认知部分产品独立，系统实现自律分散控制，可通过价格低廉的FPGA模组解决高速视频数据的传输问题；以及用价格低廉的三目远程3D认知取代的昂贵的激光雷达，使自动驾驶车辆的人工智能的应用成本几乎降至“冰点”，从而使自动驾驶汽车有大规模迅速普及成为可能。

图5：硅基智控自动驾驶汽车的种类与配置