自動駕駛車輛如何利用時空信息更好識別運動中的物體,又如何在沒有定位導航條件下知道「我在哪」?這是當前自動駕駛正在攻克的技術難題。現在,中國的自動駕駛AI公司毫末智行提出了更好的解決方案。
6月30日,毫末智行兩篇最新研究成果成功入選機器人領域頂級學術會議IROS (IEEE/RSJ International Conference on Intelligent Robots and Systems 智能機器人與系統國際會議)2022,近期將通過論文方式發表在IROS 2022會刊上。
此次毫末智行團隊提交的兩篇最新論文研究成果分別是:《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》(《基於激光雷達的三維運動目標分割的高效時空信息融合》)、《OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》(《OverlapTransformer:一種基於激光雷達的高效、旋轉無關的位置識別網路》)。兩篇論文從2000多篇投稿論文中脫穎而出,成功入選。論文結合激光雷達在自動駕駛車輛上的應用,分別提出了一種新的針對激光雷達運動目標分割的深度神經網路和一種新的基於激光雷達的位置識別演算法,幫助自動駕駛車輛有效利用時空信息、識別運動目標,以及為自身進行快速準確的定位,從而極大的提升激光雷達的感知能力。
隨著近年來自動駕駛領域對激光雷達應用的逐步深入探索,其強大的空間三維分辨能力已普遍被視為自動駕駛技術向高階升級和商用落地過程中的重要能力。然而,硬體採集的信息數據,也需要演算法進行更快、更準確的解析,才能幫助自動駕駛車輛更好地對其加以利用,從而實現更安全的行駛。毫末智行的兩篇論文即從這一角度進行切入。
在《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》中指出,準確的運動目標分割是自動駕駛的一項重要任務,而如何有效地利用時空信息是三維激光雷達運動目標分割的關鍵問題。為此,毫末提出了一種新的深度神經網路,利用時空信息和激光雷達的不同表示模式來提高激光雷達MOS性能。具體來說,毫末提出了一種新穎有效的基於激光雷達的在線運動目標分割網路,通過使用雙分支結構以更好的融合空間信息和時間信息,並引入了一種「由粗到細」的策略來減少物體邊界上的邊界模糊問題,在保持實時性的同時,性能一舉超越之前的網路 。目前,相關方法在SemanticKITTI MOS基準上實現了最先進的激光雷達MOS性能。
在《Overlap Transformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》一文中,毫末提出了一種新的位置識別方法,利用安裝在自動駕駛車輛上的三維激光雷達產生的距離圖像,可實現僅使用激光雷達數據而不使用任何其他信息來檢測SLAM的loop closure候選或是直接給出地點識別,並在不進行微調的情況下很好地推廣到不同的環境中,在長時間跨度的室外大規模環境(毫末數據集)中實現長期位置識別。OverlapTransformer的運行速度比大多數最先進的方法更快,各項指標也都達到了SOTA。
IROS(IEEE/RSJ International Conference on Intelligent Robots and Systems,IEEE/RSJ智能機器人及系統國際會議)是世界機器人和智能系統領域中最著名、影響力最大的頂級學術會議之一。2022年的IROS以「共生社會的具體化人工智慧」為主題,將於10月23-27日在日本京都舉行。
作為中國量產自動駕駛第一名,毫末智行在過去的兩年半時間裡,憑藉強大的技術創新能力和產品的快速落地能力,收穫了業內外的廣泛認可。毫末打造的中國自動駕駛領域首個數據智能體系MANA,通過定義和使用數據智能,提升自動駕駛產品能力,是毫末產品迭代的基石,具備高效率、低成本挖掘數據價值的能力。截止2022年6月,毫末數據智能體系MANA學習時長已超24萬小時,虛擬駕齡相當於人類司機駕駛2萬年。基於MANA的強大能力,以及規模化量產能力與日趨成熟的商業模式,毫末已經建立起了完善的數據閉環,為自身技術產品的不斷升級以及為中國自動駕駛技術的進步提供了強有力支撐。
