Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

百度 Apollo1.5 开放五大核心能力,17 位新成员加入 Apollo 生态圈

撰文 | 高静宜

编辑 | 微胖

2017 年 9 月 20 日,百度「Apollo 计划」迎来首次升级:Apollo1.5。

4 月,百度首次宣布推出「Apollo 计划」,尝试开放其在自动驾驶领域的相关技术,包括车辆、软硬件以及云服务四大块内容。7 月推出 Apollo 1.0 后短短两个月个半月时间,Apollo1.5 新增五大功能:障碍物感知、决策规划、云端仿真、高精地图服务和端到端的深度学习。

为汽车制造商和其他合作伙伴提供软件平台和解决方案服务,意味着百度已经放弃研发自动驾驶汽车,走上跟传统车企合作发展自动驾驶的路线。据悉,Apollo 团队快速迭代算法,每周更新代码数十次。截至目前,全球自动驾驶开源社区中共有 1300 多个合作伙伴通过 Gtihub 使用了 Apollo 平台的开源代码,近百个合作伙伴申请开放数据。

Apollo 开放路线图

Apollo 1.5 新增五大核心能力,支持昼夜定车道自动驾驶自动驾驶

技术主要由感知、定位、决策和控制四个模块组成。Apollo1.0 开放了封闭场地的循迹自动驾驶能力,能够实现控制、定位等功能。

据 Apollo 平台研发负责人王京傲介绍,Apollo1.0 发布以后,开发者也针对整个平台提出一些问题,也希望能够看到更多的开放能力。为此,Apollo1.5 新增五大功能:障碍物感知、决策规划、云端仿真、高精地图服务和端到端的深度学习。

图为 Apollo 定车道昼夜自动驾驶架构,其中标黄部分为 Apollo 1.5 新增的功能

互联网企业研发自动驾驶,跟传统车企技术路径的区别,主要在于感知和决策环节具有深度学习模型驱动下的人工智能系统。

这次开放的一大亮点是新增昼夜定车道自动驾驶功能。该功能不仅能在夜间恶劣的视觉环境下精准识别障碍物,还可识别出异性障碍物,比如大型犬、足球、垃圾桶等。

据 Apollo 平台资深架构师缪景皓介绍,Apollo1.5 的障碍物感知模块采用的是基于 64 线激光雷达的解决方案,在深度学习算法帮助下,可 24 小时精准追踪、识别 3D 障碍物。同时,结合高精地图提供的在线服务与 GPU 运算平台系统,感知部分的运算有效性大幅提升,可快速实现从原始典型数据到障碍物的追踪、识别的整个过程。

「如果说无人车的障碍物感知是一双眼睛,那么,障碍物行为预测功能就是无人车的大脑。」缪景皓比喻道。障碍物的行为预测是将感知获得的障碍物信息完成时间和空间上的延伸,运用深度神经网络针对预测模型进行建模,达到精准预测路径的目的。为了不同类型的障碍物,平台配备了不同预测轨迹的规划算法,而且算法均可插拔,具有较高的灵活性。

在决策与规划方面,为了保证无人车可以安全、准确地规避所有障碍物,具备点到点的自动行驶能力,Apollo1.5 发布了不分昼夜的定车道自动驾驶功能。在对导航、感知、预测、定位等过程的数据完成筛选和聚合后,决策规划模块会对输入的多维数据进行环境重构。在这个过程采中,不同种类的优化器不断进行多次循环、互相迭代,最终为无人车打造一条高质量、安全的行车路径。


端到端的学习能力在端到端的深度学习方面,Apollo 平台具有较高的普适性,横向输出时间,纵向输出速度和加速度,可以适配不同的底层结构。在高精地图服务和云端仿真平台这两大核心能力上,Apollo 平台解决方案负责人孙勇义进行了详细的解读。

孙勇义介绍 Apollo 高精地图服务

「Apollo 的高精地图是最懂自动驾驶的地图,视为自动驾驶而生的。」孙勇义解释道。精细化程度高、生产效率高、覆盖面广,是 Apollo 高精地图的三大优势。

高精地图与普通地图的区别在于定位的精度与元素的丰富度,在高精定位、环境感知、决策规划和云端仿真环节也发挥着重要作用,降低自动驾驶难度的同时,也大幅提升技术安全性。目前,Apollo1.5 高精地图的定位精度可以达到 15-20 厘米,地图生产制作流程自动化率达到 90% 以上,已覆盖了全国大部分高速及部分城市道路,并计划在 2020 年覆盖全国所有高等及道路和重点城市道路。

Apollo 仿真平台能够解决自动驾驶技术开发者的三大痛点——成本、效率、安全。Apollo1.5 仿真平台具有四大优势:内置高精地图、拥有海量场景、云端计算能力、专业度量体系。

此次发布的版本开放了仿真场景、算法上传与场景运行、智能判别系统及算法 3D 可视化四个功能。其中,仿真场景功能包括十字路口、弯道等路型,人、机动车、非机动车等障碍物类型,直行、调头、并道等道路规划和红绿灯信号场景;算法上传与场景运行功能支持同时多场景的高速运行以及单个算法模块的上传运行;智能判别系统开放了五个判别标准,分别为碰撞检测、闯红绿灯检测、限速检测、在路检测、到达目的地检测;算法 3D 可视化功能可以提供限速、当前车道等实时路况信息,路径规划、动态障碍物、无人车规划轨迹等算法模块输出的可视化信息以及速度、刹车油门状态等全局信息。

孙勇义透露,这只是开放了 Apollo 自动驾驶的基础仿真能力,今年年底开放的 2.0 版本将包括真实场景,增加场景的多样性和复杂度,在度量维度、计算力和地图方面将有大幅度提升,并计划在 2018 年开放日行百万公里的能力。

仿真能力开放路线图

「朋友圈」扩围,未来商业模式或是云服务

Apollo 也面临着与其他造车联盟的资源竞争和挑战。

目前,17 位新成员加入 Apollo 社区中,Apollo 平台的合作伙伴已经扩大至 70 家。新增合作伙伴包括 OEM 主机厂、Tier1 供应商、开发者生态公司以及初创科技公司等。其中,Apollo 与激光雷达制造商 Velodyne 宣布合作。

Apollo 与 Velodyne 宣布合作

Velodyne 亚太区总负责人翁炜承诺,Apollo 的生态成员可享受百度的价格体系,还在现场宣布正式向中国市场发售 32C 激光雷达产品。


Velodyne 32C 激光雷达参数性能

据百度副总裁邬学斌介绍,百度正从资金扶持、数据集和标注工具、软件合作方、硬件合作方、开发者社区和测试场地六个角度全方位为开发者赋能。

Apollo 开发者生态的全景图

百度正在募集 Apollo 基金,未来三年,将向自动驾驶产业投资 100 亿元,惠及 100 个项目。

「Apollo 基金的目的是活跃 Apollo 社区,为社区的主体——开发者,提供更多的支持。」邬学斌称。从 7 月份成立至今,Apollo 基金,第一期已经完成多起投资,累积达到 20 亿元人民币。Apollo 基金还将启动「双百计划」,即在未来三年至少在 100 个项目上投资 100 亿元人民币。

「我们面临的是新科技,从传感到计算,很多东西在未来几年的变化和发展会非常大。目前我们没有办法制定出一个非常明确地目标,只能说我们的投资方向是为了活跃整个 Apollo 社区。」在发布会后的群访环节中邬学斌表示。

百度副总裁邬学斌

在数据方面,百度数据众包平台拥有超过 5000 个标注人员的庞大团队。经过专业培训的标注人员可以使用智能的标注工具及手段,实现自动驾驶车辆 2D、3D、高精地图等 20 余种场景的标注。硅谷自动驾驶系统研发公司 Plus.ai 研发副总裁付强也在发布会上现身说法,分享基于 Apollo 平台数据标注服务高效获取标注数据的经验。

Apollo 在仿真平台、高精地图、资源共享等方面投入了大量的人力和资金。作为一家上司公司,百度也在考虑未来的商业模式。「只讲一个原则,未来百度 Apollo 的盈利模式就是从云端提供服务。」邬学斌表示。

在大会上,Apollo 宣布与教育平台 Udacity 合作,联手推出自动驾驶全体系课程,并与 ROS 展开深入合作,进一步促进自动驾驶领域开发者的信息交流。

产业百度Apollo产业自动驾驶
暂无评论
暂无评论~