热门标签

ug环球会员开户(www.ugbet.us):​智能驾驶数据闭环为何重要,该如何实现?

时间:3个月前   阅读:6

ug环球会员开户www.ugbet.us)开放环球UG代理登录网址、会员登录网址、环球UG会员注册、环球UG代理开户申请、环球UG电脑客户端、环球UG手机版下载等业务。


最近自动驾驶和数据闭环结合在一起,原因是自动驾驶工程已经被认可是一个解决数据分布“长尾问题”的任务,时而出现的极端情况是对数据驱动的算法模型进行升级的来源之一。


一、数据闭环为何重要?


“对于高阶自动驾驶,企业面临的最关键的问题之一便是成本。现阶段,高阶自动驾驶系统的高成本使得只有少数车型具备搭载条件。同时,自动驾驶企业必须想办法确保有足够多的数据来支撑当前或下一代系统的迭代。”周圣砚表示。


另一方面,理想中的智能驾驶应该是极少发生事故的,但近几年,我们看到了一些由智能驾驶相关原因引起的交通事故。用户所希望的智能驾驶是人人可享,且安全无限制(没有场景限制)。而在现实情况中,产业链玩家仍然面临几个大问题:


第一,实现可靠稳定的自动驾驶性能是难的;


第二,打造极致性价比的规模化量产,例如智驾科技MAXIEYE的目标是实现L2+功能达到50%、60%的搭载率,这件事情是很难的;


第三,高阶自动驾驶技术升维难,即实现真正意义上的下一代高阶智能驾驶的技术突破和场景突破是难的。


周圣砚提出,这首先要从两个维度进行分析:人类理解世界与机器理解世界的区别,以及理解智能驾驶怎么升维?


对比人和机器理解世界的原理,人类是靠五官构建量、质、关系、模态等,并通过不断的知识抽象和提取创造了力学、电学、光学等计算机学科,继而理解和改造世界,总结规律,实现认知边界和思维上的突破。


而机器则通过视觉、触觉等外置传感器感受周围环境。并构建Deep Learning模型实现目标识别和属性划分,最终产生了路径规划、驾驶策略等智能化动作。因此在智能驾驶领域中,通过对大量数据和丰富出行场景的不断学习,变得“越来越聪明”,不断实现系统性能的突破,这便是汽车智能的进化方式。


综上,要想让汽车智能系统很好地理解世界,就需要为其提供足够的数据养料以构建更精准的模型,最大程度保障其感知和决策规划的精确性。这也是MAXIEYE为什么始终致力于数据闭环部署的原因。


周圣砚解释,假设系统在硬件算力不变的情况下,还没有达到系统的最优,其最大的原因很可能是没有足够的数据量。而数据是持续增长的过程,无法一蹴而就。如果设计好一个机制,便可以在明确系统边界的情况下,一边供商业使用,一边加速数据增量,确保系统持续迭代。


“无论是处于哪一Level的辅助驾驶系统,我们在量产时都会遇到系统的能力边界。例如当前主流的L2系统,一般情况下可以在雨雾天气保持较好性能。但遇到极大暴雨时,可能就会触碰到它的能力边界。所以我们希望获取的数据是一个边界数据,而非一个系统已经可以正常运作的,有着清晰车道线的高速路况。而获取边界数据的重要手段,便是数据闭环。”周圣砚强调。


数据闭环可以使得系统突破边界,并在量产一段时间内,成本不变情况下,应对更多极端工况,这就是MAXIEYE做这件事情的意义。

二、自动驾驶的数据驱动模型


应该说,自动驾驶的算法模块,基本都是数据驱动的训练模型要优于基于规则或者优化的,尤其是感知和预测。


,

皇冠现金网www.hg108.vip)是一个开放皇冠正网即时比分、皇冠现金网开户的平台。皇冠现金网开户平台(www.hg108.vip)提供最新皇冠登录,皇冠APP下载包含新皇冠体育代理、会员APP,提供皇冠信用网代理开户、皇冠信用网会员开户业务。

,

端到端模式可以说绝对是数据驱动的,因为传统的优化和规则方法无法处理如此复杂的系统设计和公式化。


模块化的方法也是可以采用数据驱动方式,可以分成以下模块:


1)感知:2-D/3-D 目标检测和分割基本是采用深度学习模型,无论激光雷达、摄像头或者传感器融合的形式;跟踪基本是tracking-by-detection方式,不过把跟踪和检测集成在一起做深度学习模型也是大家讨论的热点之一。


2)地图定位:车辆定位中基于语义地图的方法,在语义目标提取也是采用深度学习模型,甚至语义地图的制作也是如此,目前感兴趣的地图更新(或者在线地图)多半需要检测语义目标。定位的后端也可以是数据驱动的解决,包括全局定位和相对定位,最近SLAM和深度学习的结合工作也如火如荼进行。


3)预测:障碍物的轨迹预测现在已经是自动驾驶发展至今的重点之一,现在重要性可以说是高于感知。如何建模智体行为、如何建模智体之间的交互和轨迹预测的动作多模态性,自然最佳方式是采用数据来训练。另外,感知-预测结合解决也是需要大量数据训练去得到合理的模型。


4)规划:规划问题可以是传统的规则方法,也可以是强化学习或者模仿学习,其中强化学习也需要数据学习惩罚/奖励和策略。目前人们关心规划的地域化和个性化问题,这个比起感知的类似问题解决起来更加困难,比如激进还是保守地进行换道超车和并道汇入。最近有讨论合并预测和规划的解决方法,甚至包括地图定位一起建模,这个没有数据的“喂养”是很难成立的。


5)控制:应该说,控制的传统方法相对成熟,不过并不是说数据驱动就没有价值,实际上规划和控制的确集成在一起建模也是大家感兴趣的领域,前面提到的强化学习和模仿学习同样是不错的解决手段。


6)传感器预处理:在进入感知模块之前,传感器的数据处理,比如污染检测、修补、去噪和增强等,传统的方法也会被数据驱动的机器学习方法取代。


7)模拟仿真:模拟仿真需要对车辆/行人、传感器、交通环境和道路环境建模,有时候无法直接获得逼真的合成模型,特别是实际发生的交通事件,有时候不得不采用真实传感器数据来建模合成。


三、数据闭环如何实现?


基于MAXIEYE自研智能驾驶系统MAXIPILOT® + 传感器 + T-BOX组合解决方案,构建量产车辆的数据闭环系统。据介绍,目前MAXIEYE的量产车型上设有33种触发机制。


例如,AEB启动后,功能触发机制可将其前后几秒的脱敏场景视频经由MAXIPILOT®的计算和数据采集功能压缩,且视频信息与传感器、车身等所有信息保持同步,并进行复盘分析。


此外,为了更加接近零事故的目标,触发机制中还囊括了驾驶行为分析。例如系统会识别并记录驾驶员猛踩刹车、猛打方向盘等异常行为背后面临的工况和场景,并通过触发机制将数据回传,以供开发者分析并解决。

同时在感知触发策略中,把视觉检测的目标速度与毫米波雷达进行比对,并将有价值的视频流回传回来,进行视觉与毫米波雷达的精度对标。MAXIEYE还同步开发了一套工具链闭环,整合实时感知结果、实时融合结果、实时路径规划显示,以及给油门刹车发出的控制信号。有价值的场景数据会到后端进行网络校验,将更准确的结果不断更新到量产车中,在场景闭环中实现数据驱动的智能驾驶。


据悉,MAXIEYE构建的数据闭环工具在回传之前在车端完成了脱敏处理,针对例如人脸、车牌等隐私信息在车端清洗。


来源:高工智能汽车,ICVS智能汽车产业联盟

注:文章内的所有配图皆为网络转载图片,侵权即删!

上一篇:以太坊单双博彩(www.eth108.vip):天使牛棚放火 大谷神鳟开轰白搭

下一篇:竞彩推荐(www.99cx.vip):第九届“华创杯”复赛举办 20个项目晋级决赛

网友评论