新智驾|百度陶吉：Apollo智能交通一路走来的故事和思考
文章图片
独家 ， 提出一套车路协同的收益理论体系 。
作者|利荣
车路协同的收益如何计算？
百度提出了一套收益理论体系 ， 包括价值量化标准、价值逻辑推演体系、V2X解决问题实例 。
9月14日 ， 在2020世界智能网联汽车大会上 ， 百度智能交通产品研发总经理陶吉表示 ， 这套理论体系提出来 ， 就是衡量真正理想情况下 ， 车路协同对自动驾驶的帮助 。
陶吉称 ， 简单来说 ， 我们要测量一下有V2X时发生事故的概率和没有V2X发生事故的对比 ， 这个比值代表了收益 。 V2X的覆盖率参数是C ， 解决问题的比例是X ， 解决了这些问题之后可以避免相应事故的概率是P 。
得到的结论是 ， 通过车路协同可以减少10-100倍的驾驶风险 ， 无人驾驶事故率降低90%-99% 。
大家下午好 ， 我的演讲分为三个部分：自动驾驶我们走到了哪里、我们为什么需要车路协同、从车路协同如何到智能交通新基建 。
首先说一下自动驾驶技术 。
过去几年 ， 百度在自动驾驶专利和在加州平均接管公里数的排名 ， 迅速从追赶者的位置到了领先者的象限 ， 也代表了外界对我们的认可 。
文章图片
从内部来说 ， 我们认为Robotaxi分为六个阶段 ， 我们认为我们现在正处于第四阶段 ， 而第四阶段末尾的关键指标就是去掉安全员 ， 或者是把安全员从车上移到远端的安全中心 。
因此 ， 要实现从第四个阶段顺利毕业 ， 要做到如下三个方面：智能、成本、安全 。
智能方面：数据闭环实践 ， 高价值数据是关键 。
文章图片
什么是高价值？
一是我们做的是L4级的Robotaxi ， ODD是限定的 ， 在限定的ODD范围内进行地毯式的数据搜寻是最有效果的 ， 它比零散稀疏的采集更高效 。
二是传感器配置 ， 就是收集的传感器配置要和实现自动驾驶的传感器是一致的 ， 这样才可以最有效的训练模型 。
三是高质量的标注 ， 我们看到机器学习、人工智能没有实现数据自闭环 ， 没有实现自学习和无监督学习时 ， 人工对数据的标注依然是非常重要的环节 ， 这是我们谈数据时不可避免的话题 。
最后 ， 数据处理数量和车辆的异常行为关联是非常重要的 ， 这种场景下的数据对我们最为关键 ， 而不是单纯靠堆积数据量就可以获得 。
此外 ， 除了真实测试的数据收集 ， 我们认为仿真也是非常重要的数据补充 。
文章图片
我们目前已经积累了超过2.5亿公里的仿真历程 ， 有超过1800万个仿真场景 ， 日行历程达到160万公里 。
成本方面：我们去年发布了ApolloLite 。
文章图片
打造ApolloLite这个系统并不是说要改变多传感器的技术路线 ， 我们是希望通过对数据能力高压强的提升 ， 使得它可以形成一个和激光雷达相对独立 ， 相对冗余的系统 ， 从而使得我们可以降低对高性能激光雷达的依赖 。 比如说现在Waymo新一代的激光雷达就非常大 。
相信大家看过很多自动驾驶汽车在道路上行驶的视频 ， 而这个视频的独特之处就是我们没有用到除了视觉传感器之外的任何传感器 。
文章图片
这当中很难的点是各个角度上 ， 二维的图像检测的障碍物首先要进行融合 ， 你要判断不同的摄像头看到的障碍物是不是同一个障碍物 。 仅仅依赖这样的一个视觉系统 ， 我们的车就可以行驶在非常复杂的城市道路 ， 获得一个良好的表现了 。
推荐阅读
- 百度|百度，已经成功掉出了第一梯队。
- 脑极体|百度之星正在出圈，用十六年打造程序员版“天才请就位”
- 百度地图|你知道百度的全景街景地图是怎么做的吗
- 北京商报|明里做社交 暗里竞逐泛视频，百度上线独立App“音啵”
- 百度|双11商家容易犯的低级错误
- 车东西|会陆续开放，百度陶吉：北京已有超百个无人车站点准备就绪
- 百度|5.5亿用户支持！支付宝打造的“天价”蚂蚁森林，如今怎样了？
- 阿里巴巴|鸿蒙OS要成汽车界的“安卓”？阿里、腾讯、百度都不会答应
- 爱云资讯|成为国内领先开源基金会运作项目，百度捐赠超级链内核技术并发起组建工作组
- 百度|百度员工感慨：相比拼多多，感觉在百度像养老！