獨(dú)家,提出一套車路協(xié)同的收益理論體系。
龍馬潭網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián)建站,龍馬潭網(wǎng)站設(shè)計(jì)制作,有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為龍馬潭1000+提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\外貿(mào)營(yíng)銷網(wǎng)站建設(shè)要多少錢,請(qǐng)找那個(gè)售后服務(wù)好的龍馬潭做網(wǎng)站的公司定做!作者 | 利榮
車路協(xié)同的收益如何計(jì)算?
百度提出了一套收益理論體系,包括價(jià)值量化標(biāo)準(zhǔn)、價(jià)值邏輯推演體系、V2X解決問(wèn)題實(shí)例。
9月14日,在2020 世界智能網(wǎng)聯(lián)汽車大會(huì)上,百度智能交通產(chǎn)品研發(fā)總經(jīng)理陶吉表示,這套理論體系提出來(lái),就是衡量真正理想情況下,車路協(xié)同對(duì)自動(dòng)駕駛的幫助。
陶吉稱,簡(jiǎn)單來(lái)說(shuō),我們要測(cè)量一下有V2X時(shí)發(fā)生事故的概率和沒(méi)有V2X發(fā)生事故的對(duì)比,這個(gè)比值代表了收益。V2X的覆蓋率參數(shù)是C,解決問(wèn)題的比例是X,解決了這些問(wèn)題之后可以避免相應(yīng)事故的概率是P。
得到的結(jié)論是,通過(guò)車路協(xié)同可以減少10-100倍的駕駛風(fēng)險(xiǎn),無(wú)人駕駛事故率降低99%-99%。
以下是陶吉的演講全文,雷鋒網(wǎng)新智駕進(jìn)行了不改變?cè)獾木庉嫞?/p>
大家下午好,我的演講分為三個(gè)部分:自動(dòng)駕駛我們走到了哪里、我們?yōu)槭裁葱枰嚶穮f(xié)同、從車路協(xié)同如何到智能交通新基建。
首先說(shuō)一下自動(dòng)駕駛技術(shù)。
過(guò)去幾年,百度在自動(dòng)駕駛專利和在加州平均接管公里數(shù)的排名,迅速?gòu)淖汾s者的位置到了領(lǐng)先者的象限,也代表了外界對(duì)我們的認(rèn)可。
從內(nèi)部來(lái)說(shuō),我們認(rèn)為Robotaxi分為六個(gè)階段,我們認(rèn)為我們現(xiàn)在正處于第四階段,而第四階段末尾的關(guān)鍵指標(biāo)就是去掉安全員,或者是把安全員從車上移到遠(yuǎn)端的安全中心。
因此,要實(shí)現(xiàn)從第四個(gè)階段順利畢業(yè),要做到如下三個(gè)方面:智能、成本、安全。
智能方面:數(shù)據(jù)閉環(huán)實(shí)踐,高價(jià)值數(shù)據(jù)是關(guān)鍵。
什么是高價(jià)值?
一是我們做的是L4級(jí)的Robotaxi,ODD是限定的,在限定的ODD范圍內(nèi)進(jìn)行地毯式的數(shù)據(jù)搜尋是最有效果的,它比零散稀疏的采集更高效。
二是傳感器配置,就是收集的傳感器配置要和實(shí)現(xiàn)自動(dòng)駕駛的傳感器是一致的,這樣才可以最有效的訓(xùn)練模型。
三是高質(zhì)量的標(biāo)注,我們看到機(jī)器學(xué)習(xí)、人工智能沒(méi)有實(shí)現(xiàn)數(shù)據(jù)自閉環(huán),沒(méi)有實(shí)現(xiàn)自學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)時(shí),人工對(duì)數(shù)據(jù)的標(biāo)注依然是非常重要的環(huán)節(jié),這是我們談數(shù)據(jù)時(shí)不可避免的話題。
最后,數(shù)據(jù)處理數(shù)量和車輛的異常行為關(guān)聯(lián)是非常重要的,這種場(chǎng)景下的數(shù)據(jù)對(duì)我們最為關(guān)鍵,而不是單純靠堆積數(shù)據(jù)量就可以獲得。
此外,除了真實(shí)測(cè)試的數(shù)據(jù)收集,我們認(rèn)為仿真也是非常重要的數(shù)據(jù)補(bǔ)充。
我們目前已經(jīng)積累了超過(guò)2.5億公里的仿真歷程,有超過(guò)1800萬(wàn)個(gè)仿真場(chǎng)景,日行歷程達(dá)到160萬(wàn)公里。
成本方面:我們?nèi)ツ臧l(fā)布了Apollo Lite。
打造Apollo Lite這個(gè)系統(tǒng)并不是說(shuō)要改變多傳感器的技術(shù)路線,我們是希望通過(guò)對(duì)數(shù)據(jù)能力高壓強(qiáng)的提升,使得它可以形成一個(gè)和激光雷達(dá)相對(duì)獨(dú)立,相對(duì)冗余的系統(tǒng),從而使得我們可以降低對(duì)高性能激光雷達(dá)的依賴。比如說(shuō)現(xiàn)在Waymo新一代的激光雷達(dá)就非常大。
相信大家看過(guò)很多自動(dòng)駕駛汽車在道路上行駛的視頻,而這個(gè)視頻的獨(dú)特之處就是我們沒(méi)有用到除了視覺(jué)傳感器之外的任何傳感器。
這當(dāng)中很難的點(diǎn)是各個(gè)角度上,二維的圖像檢測(cè)的障礙物首先要進(jìn)行融合,你要判斷不同的攝像頭看到的障礙物是不是同一個(gè)障礙物。僅僅依賴這樣的一個(gè)視覺(jué)系統(tǒng),我們的車就可以行駛在非常復(fù)雜的城市道路,獲得一個(gè)良好的表現(xiàn)了。
僅僅有這個(gè)障礙物檢測(cè)的視覺(jué)系統(tǒng)肯定不夠,我們不可能窮舉所有的沒(méi)有見(jiàn)過(guò)的障礙物去訓(xùn)練模型,這個(gè)時(shí)候我們需要有一套冗余機(jī)制。
成本方面:視覺(jué)檢測(cè)冗余,基于單目的最深估計(jì)。
這是一套通過(guò)單目恢復(fù)出來(lái)的深度圖,我們進(jìn)行了一個(gè)自動(dòng)化的聯(lián)合標(biāo)注,從而連了一個(gè)非常好的DNN網(wǎng)絡(luò),它可以把物體深度恢復(fù)出來(lái),這樣你看到一輛未知的車,比如說(shuō)你看到一輛橫著的大車,雖然你不知道它是什么,但是我知道我離它很近了,可以停下來(lái)。
安全方面:無(wú)人化的關(guān)鍵是需要知道何時(shí)不行。
我剛剛講到第四階段畢業(yè)的關(guān)鍵是無(wú)人化,而無(wú)人化的關(guān)鍵是需要知道我們什么時(shí)候不行了,如果說(shuō)知道這一點(diǎn),我們就把車交給安全員。這當(dāng)中我們可以做三件事情:
第一個(gè)是我們做電子電器的故障監(jiān)控,這對(duì)應(yīng)的是公路安全的概念。當(dāng)我的計(jì)算單元出現(xiàn)故障時(shí)我要知道,我們用一個(gè)冗余的計(jì)算平臺(tái)實(shí)時(shí)監(jiān)測(cè)主系統(tǒng)的心跳,監(jiān)測(cè)是否正常,一旦發(fā)現(xiàn)不正常,我們馬上進(jìn)入安全停車模式。
第二個(gè)是系統(tǒng)功能表現(xiàn)局限監(jiān)控,比如說(shuō)遇到一個(gè)非常近的障礙物還沒(méi)有剎車,比如說(shuō)車輛規(guī)劃的加速度突然變得非常大,或者說(shuō)定位一下子漂移等這些場(chǎng)景,我們希望通過(guò)一些安全的硬邊界規(guī)則來(lái)進(jìn)行限制,一旦超出閾值,我們認(rèn)為進(jìn)入了非安全狀態(tài)。
第三個(gè)是5G云代駕,提升超出ODD的阻塞場(chǎng)景通行能力,目前我們?cè)诒本┖烷L(zhǎng)沙都在進(jìn)行這樣的無(wú)人化測(cè)試工作。
為什么需要車路協(xié)同?
在自動(dòng)駕駛上,我們做了很多工作。接下來(lái)是我們?yōu)槭裁催€需要做車路協(xié)同。
我們的車路協(xié)同當(dāng)前做的事情更多是V2X,是在道路上增加傳感器來(lái)增加感知的冗余,彌補(bǔ)車端的不足。道路上安裝傳感器有很多的優(yōu)勢(shì),比如說(shuō)上帝視角、全域感知、路面危險(xiǎn)檢測(cè)、路面突變、規(guī)避視覺(jué)盲區(qū)等。
但提到車路協(xié)同,業(yè)界問(wèn)的最多的問(wèn)題是裝了上述這樣的設(shè)備對(duì)自動(dòng)駕駛有多大幫助?
實(shí)際上這并不是一個(gè)靠研究可以回答的問(wèn)題,我們相信這一定要靠大規(guī)模實(shí)踐,加理論推演才可以進(jìn)行有效回答。
所以我們做了幾件事情:
一是我們?cè)谌珖?guó)范圍內(nèi)部署了規(guī)模的車路協(xié)同車隊(duì)進(jìn)行協(xié)同驗(yàn)證;
二是盡努力提升路側(cè)AI的智能化,只有當(dāng)我們提升到足夠強(qiáng)的能力,和車端感知真正形成正交冗余才可以。
上圖演示的是我們?cè)谌珖?guó)數(shù)百個(gè)路口部署的多視角多傳感器融合,真正的全息感知。除了部署這么多的路口,我們還部署了全國(guó)規(guī)模的自動(dòng)駕駛車輛,實(shí)現(xiàn)了數(shù)百輛自動(dòng)駕駛車端與路測(cè)感知融合。
上圖中綠色的部分是路側(cè)感知結(jié)果,紅色的是車端感知的結(jié)果,藍(lán)色的是融合感知結(jié)果。其中,紅色則是盲區(qū)車,是無(wú)人車自己看不到的必須要通過(guò)路側(cè)感知才可以看到。
每天我們?cè)谶M(jìn)行這樣的融合和收集數(shù)據(jù)。有了這些數(shù)據(jù)之后,我們要做一個(gè)理論推演,車路協(xié)同對(duì)自動(dòng)駕駛的增益到底是多少。
我們認(rèn)為目前的情況會(huì)在未來(lái)某一天發(fā)生改變,這套理論體系提出來(lái),就是衡量真正理想情況下,車路協(xié)同對(duì)自動(dòng)駕駛的幫助。
簡(jiǎn)單來(lái)說(shuō),我們要測(cè)量一下有V2X時(shí)發(fā)生事故的概率和沒(méi)有V2X發(fā)生事故的對(duì)比,這個(gè)比值代表了收益。
V2X的覆蓋率參數(shù)是C,解決問(wèn)題的比例是X,解決了這些問(wèn)題之后可以避免相應(yīng)事故的概率是P。
這里有一些簡(jiǎn)單的數(shù)字計(jì)算,大概的意思是說(shuō)當(dāng)我們單車智能可以達(dá)到人類駕駛水平的時(shí)候,有一個(gè)數(shù)字給大家作為一個(gè)參考。比如人類司機(jī)每10萬(wàn)小時(shí)出一次事故,單車智能接近人類水平時(shí),剩下的問(wèn)題大部分是因?yàn)榭床灰?jiàn)看不清看得太晚造成的,自動(dòng)駕駛車當(dāng)然不會(huì)有疲勞駕駛和魯莽駕駛,而那個(gè)時(shí)候,自動(dòng)駕駛車大部分都是因?yàn)楦兄獛?lái)的問(wèn)題,而車路協(xié)同可以解決99%的問(wèn)題。
而今天我們的算法只能解決60%-70%,而且希望到真正商業(yè)化的時(shí)候可以達(dá)到接近99%,這是根據(jù)我們目前技術(shù)迭代的推演得到的。
因此,通過(guò)車路協(xié)同可以減少10-100倍的駕駛風(fēng)險(xiǎn),無(wú)人駕駛事故率降低99%-99%。
這是我們基于實(shí)踐理念的推演,隨著我們大部分的試驗(yàn)和積累,這個(gè)數(shù)據(jù)我們會(huì)不斷更新,讓它更加精確。
從車路協(xié)同到智能交通
有了ACE系統(tǒng)之后,我們就有了數(shù)字基礎(chǔ)設(shè)施的底座,這個(gè)底座把道路的交通情況、車輛、行人做了影射,或者叫數(shù)字孿生。
通過(guò)數(shù)字孿生之后,智能駕駛和車路協(xié)同引擎可以支撐很多的應(yīng)用,這個(gè)引擎是開(kāi)放的,有了數(shù)字孿生能力以后可以做很多事情。
因此我們提出了ACE的引擎,作為我們智能交通整個(gè)的基座。
比如說(shuō),有了ACE之后,信息控制優(yōu)化可以給車更多可用的道路空間。通過(guò)車路協(xié)同設(shè)備,我們?cè)诓煌能嚩颂峁┝宋覀兊木W(wǎng)聯(lián)信息,包括我們和福特合作的前裝車機(jī)的網(wǎng)絡(luò)信息提示,包括百度地圖上都可以收到我們的網(wǎng)聯(lián)信息提示,給駕駛員帶來(lái)非常好的伴隨式體驗(yàn)。
當(dāng)前標(biāo)題:Apollo智能交通一路走來(lái)的故事和思考
文章分享:http://m.rwnh.cn/article38/cpdgpp.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供網(wǎng)頁(yè)設(shè)計(jì)公司、標(biāo)簽優(yōu)化、外貿(mào)建站、小程序開(kāi)發(fā)、定制開(kāi)發(fā)、云服務(wù)器
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)
猜你還喜歡下面的內(nèi)容