图灵汇官网

百度Apollo Day技术开放日：展示最新自动驾驶技术

近期，百度举办了Apollo Day技术开放日活动，尽管受到疫情影响改为线上举行，但活动仍吸引了众多业内专家的关注。百度Apollo展示了其在感知、决策、地图、数据及芯片等领域的最新技术进展，表明其在自动驾驶系统的关键技术上取得了重大突破。

百度的最新技术进展

在活动中，百度展示了其在自动驾驶领域的多项核心技术，包括文心大模型的应用、学习型决策系统、轻量化高精地图技术、新的数据闭环架构以及云端AI芯片的使用。这些技术涵盖了自动驾驶系统的核心部分，显示出百度在无人驾驶商业化道路上的雄心壮志。百度计划在2023年打造全球最大的全无人自动驾驶商业运营区。

技术解读与分析

为了更深入地了解这些技术的实际应用情况，我们邀请了清华大学交叉信息研究院助理教授赵行博士进行解读。赵行博士深耕自动驾驶领域多年，曾在MIT麻省理工学院开发了第一门自动驾驶课程，并在Waymo担任过研究科学家。他的研究工作在计算机视觉、多模态和多传感器的机器学习方面具有广泛影响力。

主要技术亮点解析

1. 感知-文心大模型

   • 百度的多传感器融合方案根据不同距离采用不同的感知方法。对于远距离物体，使用相机感知；中距离物体采用BEV方案；近距离物体则使用鱼眼相机的BEV方案。
   • 百度还使用了大模型来提升3D感知能力，通过自训练方法，利用少量有标签数据和大量无标签数据训练感知模型，从而提高模型的远距离检测和长尾物体识别能力。

2. 高精度地图

   • 百度通过引入AI技术，实现了高精度地图的低成本、高效率自动化生产，自动化率达到96%。同时，融合车端实时感知地图和高精地图，解决了地图与现实不符的问题。
   • 百度还提出了一种驾驶知识图谱的概念，该图谱包含了人类驾驶经验，帮助无人车做出更好的规划和控制。

3. 预测决策一体化

   • 百度的PNC（预测与决策）系统将预测和决策模块联合建模，通过Scene Transformer融合自车特征、环境车辆特征和地图特征，输出环境车的决策和轨迹，以及自车规划的轨迹初始值。
   • 这种学习型PNC模块的创新设计，使得自动驾驶系统的决策更加合理，提高了整体安全性。

4. 数据闭环

   • 数据闭环是百度技术日的另一大亮点。数据闭环不仅包括数据采集，还包括自动化的模型训练。通过数据挖掘和自动训练，模型能够持续提升和迭代。
   • 百度还提出了通过后期仿真评测，训练线性回归层，学习预测指标到仿真指标的相关性，从而在搜索预测模型时，同时满足仿真需求，减少局部最优解的可能性。

总结

百度在Apollo Day技术开放日上展示了其在自动驾驶领域的多项核心技术，这些技术有望推动无人驾驶的商业化进程。通过持续的技术创新，百度正在逐步解决感知、决策、高精度地图等方面的难题，向着大规模商用的目标迈进。