Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >使用深度学习做自动驾驶,“PlusAI”希望在未来1-3年完成全工况L4级无人驾驶

使用深度学习做自动驾驶,“PlusAI”希望在未来1-3年完成全工况L4级无人驾驶

作者头像
AiTechYun
发布于 2018-03-02 07:53:46
发布于 2018-03-02 07:53:46
7700
举报
文章被收录于专栏:ATYUN订阅号ATYUN订阅号
近期接触的“PlusAI”也是一家使用深度学习做自动驾驶解决方案的公司,成立于2016年,在美国硅谷、北京、西安设有研发中心。PlusAI与包括斯坦福、西安交大在内的高校研究所有合作。PlusAI目前已经获得美国加州自动驾驶的测试牌照,这在创业企业中是比较少见的,同时,其自动驾驶原型试验样车已经在加州进行路测,目前已经测试了上万英里。 PlusAI已经吸纳了一线美元基金和个人商业领袖的投资及参与,包括一家地图公司,并与两家车企建立了合作。此外,PlusAI也在和国内地方政府在洽谈产业落地事宜。PlusAI CEO刘万千告诉36氪,目前团队专注在上深度学习和增强学习领域的技术研发突破,并希望在未来1-3年完成全工况全天候环境下L4等级的无人驾驶技术研发。具体来说,PlusAI的技术优势在以下几点:
  1. 掌握了无人驾驶相关单元及整车集成技术:包括车载电源改装与管理、感知设备布局、多传感器标定、开放式模块化体系结构框架设计、HD地图创建与编辑、 可行驶路面识别、交通信号灯标识识别、基于有限自动机的自主决策、全局路径规划、局部运动规划、地图匹配导航、高精度DGPS/IMU全局导航、 车辆的横向与纵向控制技术以及基于CAN总线的汽车控制技术等。刘万千告诉36氪,这是因为无人驾驶更多是一个系统工程,要将整套功能交付给整车用户,必须是感知+决策+执行的一整套集成解决方案,在这个意义上,PlusAI将自己定义为一个系统技术提供商。
  2. PlusAI应用了深度学习的前沿技术,包括感知层面包括车道线识别与跟踪技术、可通行区域识别技术、 2D/3D场景流的识别技术。规划层面包括基于增强学习的核心运动规划、路径规划和自主决策技术。
  3. 布局基于大数据的无人驾驶技术研发,着重解决大数据采集和自动标定问题,以提升深度学习算法的可靠性与实用性。同时正与高校联合开展基于深度增强学习的规划决策算法研究,以提高整车安全性和驾驶场景的可扩展性。

目前使用深度学习做自动驾驶的公司有很多,包括comma.ai、drive.ai、momenta等,其共性是做端到端的深度学习,将图像(摄像头获得)等信号作为输入端,输出端是控制信号,包括控制车辆进行左转、右转、加减速等。这是一种理想化的端到端的深度学习解决方案,构造较为简单,复杂的运算和处理都在端和端之间的通道完成。但同时,一旦系统做出错误的判断,如何对数据进行调整也是一个棘手的难题,这就是常说的深度学习存在的“黑匣子”。 对此,PlusAI的解决方式是,将端到端的学习过程分为很多段,比如在感知阶段,便是在图像输入后将图像进行拆解,将可行驶车道、障碍物等进行分类,再将此数据进行输出。同时,刘万千强调道,PlusAI还会对每一步的输出进行校正,即上一个阶段得出的信息是否正确、再进行下一步判断。 上面说到,PlusAI会将深度学习和增强学习结合进行研发,实际上,早在60年代就存在这两种不同的流派,即一个思路是专家系统,认为人(机器可以参照设计)的思维是决策树,通过规则认知世界;另一个思路是模式识别,即通过神经元进行学习。其中前者属于增强学习,后者属于深度学习。 在刘万千看来,这二种解决方案需要结合使用。比如在摄像头感知层面,便是采用了计算机视觉的解决方案,通过深度学习进行车道线识别与跟踪、可通行区域识别、 以及2D/3D场景流的识别;而在规划方面,则多采用了强化学习的方式,更多通过规则、推理、和归纳,比如通过强化学习模仿老司机,在100公里的时速下,可以在前车行驶过慢时进行打灯并线、超车、之后再并线回到原来车道。即根据前方车速快慢决定是否超车、并线。 在商业化层面,PlusAI已经与两家企业建立了合作,但刘万千坦言,目前无论是法律法规的成熟度、社会接受度都还未成熟,另外PlusAI自身也在精进L4级别自动驾驶的研发,因此在L4的商业化上还需要时间,PlusAI和车厂尚且处于提供技术接口的阶段。 不过,在与车厂合作的过程中,PlusAI也挖掘到了其新的需求,即为商用物流车厂提供L2、L3级别的自动辅助驾驶解决方案,刘万千告诉36氪,这是一个短期能看得到的商业化路径,最快今年年底、明年年初就会有产品落地,双方会研发出一款样车出来。 鉴于PlusAI是用深度学习的方法做自动驾驶,因此,其L2、L3解决方案更像其L4方案的简化、拆分,其技术框架是类似的,只是在传感器的配置上有所不同,比如L4级别会采用激光+毫米波雷达+摄像头,而L2、L3只需要配置简单的传感器就可以了,雷达+摄像头。在传感器的主次关系上,刘万千表示,PlusAI此前分别用过完全以激光为主、完全以视觉为主的方案,目前考虑到商业化成本和实际效果,PlusAI采用的是视觉为主、激光为辅助的方案,因为视觉作为被动感知方案,光线来自灯光或者太阳光,其信息量比激光自身发射的主动光要大。 另外,上面还提到PlusAI会着重解决大数据采集和自动标定问题,对此,刘万千表示,PlusAI使用传感器融合做数据标注,目前已经可以做到自动标注下的同步标注,即一个小时内可以处理一个小时的数据。PlusAI使用的GPU包括自行搭建的网络以及亚马逊的机房。 PlusAI近期的重点是为商用物流车企提供一个能在高速、干线上跑的L2方案,在定位和制导方面,刘万千表示会采用GPS+中精度地图的方式,所谓中精度地图即比标准精度地图再多一个车道级数据,PlusAI会通过传感器模块获取实时数据,与地图进行结合,获得精准的定位。而这家参与了PlusAI投资的地图厂商可以给其更多地图、获取和积累数据方面的帮助。 目前担任CEO的刘万千博士毕业于斯坦福大学,于2012年入选中组部“千人计划”,被聘为国家特聘专家 。另一位创始人郑皓先生则是雅虎北京全球研发中心的创始人,并担任雅虎移动搜索总架构师。在过去十多年中,他们先后创建过多个IT领域的科技公司,均被成功收购或上市。PlusAI团队成员均来自国际一流科技企业和院校。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-07-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 ATYUN订阅号 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
深度学习在自动驾驶感知领域的应用
本次直播课程是由深度学习资深研究者-杨阳博士从百度Apollo自动驾驶感知技术出发,讲解环境感知中深度学习的实用性与高效性。
AI科技大本营
2019/05/06
1.5K0
自动驾驶创业方向有变化?如何突破技术瓶颈?
自动驾驶无疑是截至目前,今年最受投资青睐的一个细分领域。据业内人士介绍,这是继 2014、2015 年以来,自动驾驶领域的又一次投资热潮。有专业人士认为,这次投资热潮中有明显的投资趋势转变特征出现。具体表现在,与 2022 年 Q1 偏向 ADAS 以及高级别自动驾驶系统级解决方案提供商不同,Q2 获投技术领域分布比较均匀,从感知层的毫米波雷达、激光雷达到决策层的芯片、计算平台,再到执行层的智能底盘领域,均有企业获得了新一轮融资。这种转变的背后,是否展现了自动驾驶未来技术演进的方向?带着这样的疑问,InfoQ 编辑采访了智行者 CTO 王肖和智行者联合创始人、研发中心副总经理张放,以及多位机构投资人。
张哥编程
2024/12/13
1360
构建从L2-L5的“迭代飞轮”,是自动驾驶商用落地的关键!
近年来,当我们谈及自动驾驶,人们期待的是无需干预的、完全自动化的高阶自动驾驶。然而,尽管我们经常听到关于自动驾驶的各种消息,事实上,它尚未真正实现广泛的商业落地。
数据猿
2023/09/15
2470
构建从L2-L5的“迭代飞轮”,是自动驾驶商用落地的关键!
解密Drive.ai:一个完全用深度学习搞无人驾驶的异类
李林、舒石 编译整理自IEEE Spectrum 量子位·QbitAI 出品 在研究L4自动驾驶的各大团队之中,Drive.ai是个异类。他们想完全依靠深度学习技术,让汽车实现基本不需要人类干预的自动
量子位
2018/03/22
8760
解密Drive.ai:一个完全用深度学习搞无人驾驶的异类
自动驾驶技术简述
未来,高度自动驾驶将被哪些企业所主导,目前尚看不出端倪。不过,对于L3级以下的自动驾驶,也就是ADAS(高级驾驶辅助系统)的主要市场,博世、大陆、电装以及奥托立夫等企业占据了绝大部分的全球市场份额。
小白学视觉
2019/12/25
7630
【机器学习】自动驾驶——智能交通与无人驾驶技术的未来
自动驾驶的概念源自20世纪60年代,但真正的突破发生在2000年代初期,谷歌、特斯拉等公司开始投入大量资源研发相关技术。如今,全球多家科技公司和汽车厂商都在积极布局这一领域,力求实现无人驾驶的未来。
2的n次方
2024/10/15
4650
【机器学习】自动驾驶——智能交通与无人驾驶技术的未来
重磅!L4级自动驾驶硬件方案来啦!
如何保证L4级自动驾驶系统的普适性,同时找到自动驾驶车辆成本、规模化之间的平衡点?近日,此前已经在自动驾驶网约巴士(Robobus)领域打出声量的轻舟智航推出了全新的Driven-by-QCraft第三代L4级自动驾驶硬件方案,在适配多种车型的同时,做到了高效与场景通用。其中传感器套件结合了多类先进高精度传感器的特点,实现了360度无盲区感知,具备极强的稳定性和实时性。同时在传感器、计算平台、电源、通信等模块均采用全冗余设计。
3D视觉工坊
2021/11/19
9170
重磅!L4级自动驾驶硬件方案来啦!
快速行驶的自动驾驶,离现实还有多远?
随着人工智能的发展,萌芽于上个世纪70年代的自动驾驶技术,逐步成长为创业的风口。如今这个行业里已经盘踞着Google、百度、苹果、 Uber、乐视等科技公司,NVIDIA、Intel等芯片厂商,Tesla、丰田、宝马、沃尔沃、日产、福特、通用、奥迪、丰田等新老车厂。而这个领域的创业公司,诸如Otto、Lytx、 Comma.ai 、Itseez、图森互联、驭势科技、智行者等均已获得融资。自动驾驶已经开到了哪里?离我们还有多远?
曾响铃
2018/08/20
5130
快速行驶的自动驾驶,离现实还有多远?
无人驾驶的未来
作者:刘少山,唐洁,吴双,李力耘等 本文节选自新书:《第一本无人驾驶技术书》 我们可以预测一个不远的未来,届时所有行驶的汽车都是无人车,我们将迎来一个更加安全、更加清洁环保的世界。得益于无人驾驶技术,未来我们的交通工具、行驶的道路,甚至是未来的世界都将变得更安全、更高效,极大地降低对石油燃料的消耗,减轻对环境的污染。本章,我们先从无人驾驶的商业前景、无人驾驶面临的发展障碍、无人车行业发展、全球化下的无人驾驶四个方面出发,分析未来无人驾驶的发展和即将面临的问题。最后,将给出无人驾驶发展的时间线,揭示在即将到来
用户1737318
2018/07/20
8140
自动驾驶中的深度学习
最早使用神经网络来检测车道线,分割地面和驾驶的自动驾驶汽车叫 ALVINN,创建于1989年。
McGL
2021/05/08
1.3K0
自动驾驶中的深度学习
19 位产业领袖,共话智能驾驶新十年 | 第四届「全球智能驾驶峰会」
智能驾驶新十年以不易开始,但他们给行业开了个好头。 转自新智驾 眼下,智能驾驶已经开始以更为实际、立体的方式,融入普通老百姓生活的细枝末节。在可预见的未来,智能驾驶仍会是 AI 赛道的绝佳 C 位。 遗憾的是,由于这个行业太年轻,目前尚未积淀出具有通用性的科学理论和行之有效的方法论。 但幸运的是,在智能驾驶落地的道路上,不乏初心如磐的钻研者、砥砺前行的实践者。 这一次,雷峰网新智驾以「智能驾驶鏖战时刻 」为主题,将话筒递给业内 19 家标杆企业,辐射 13 大技术/场景,覆盖智能驾驶算法、芯片、感知、落地
AI科技评论
2023/04/12
3240
19 位产业领袖,共话智能驾驶新十年 | 第四届「全球智能驾驶峰会」
2023中国自动驾驶领域最具商业合作价值企业盘点
几年前,相关企业宣布启动自动驾驶研究项目以来,我国的自动驾驶行业迅速取得了巨大进展。近年来,国内陆续出台多项政策支持,加之技术和政策的多重推动,推动了国内自动驾驶领域的持续发展,不断迈入新的发展阶段。
数据猿
2023/09/15
5260
2023中国自动驾驶领域最具商业合作价值企业盘点
领骏科技发布量产级L4无人车,车顶没有任何大型传感器
这是一家低调而神秘的国内无人车公司,曝光有限。之前量子位小小介绍过,这是一家百度无人车团队出身、获百度系基金投资的自动驾驶创业公司。
量子位
2018/07/24
5280
领骏科技发布量产级L4无人车,车顶没有任何大型传感器
2017 年无人驾驶发展趋势:投资走向上游,行业发展走向细分
作者 | 刘少山 责编 | 何永灿 2017 年又是无人驾驶发展的大年,许多无人驾驶初创公司在 2017 年成立或者拿到巨额融资,而且行业发展趋势也越发明显。在本文中笔者总结了一下 2017 年无人驾驶在商业布局以及技术上的发展。 2017 年无人驾驶大事回顾 政府支持 2017 年国家对无人驾驶支持力度很大,比如工信部印发人工智能行动计划,智能网联汽车成培育重点,6 月份,工业和信息化部形成了《国家车联网产业标准体系建设指南(智能网联汽车)(2017 年)》(征求意见稿);12 月份,工信部又印发了《促
用户1737318
2018/06/05
4940
「背叛」激光雷达第三年:百度纯视觉无人驾驶技术迈入产品化阶段
2019年,当百度自动驾驶工程师为Mobileye纯视觉DEMO效果惊叹不已时,不会想到一切来得这么快。
量子位
2021/12/02
4290
「背叛」激光雷达第三年:百度纯视觉无人驾驶技术迈入产品化阶段
视觉神经网络算法突破之前,激光雷达是高级自动驾驶唯一解决方案
企鹅号小编
2017/12/26
8840
视觉神经网络算法突破之前,激光雷达是高级自动驾驶唯一解决方案
无人驾驶江湖的沉寂,现在被滴滴打破了
邓思邈 贾浩楠 发自 凹非寺 量子位 | 公众号 QbitAI 过去的1000多天,自动驾驶江湖风云诡谲。 各家的成功或挫折,展现出一个自动驾驶技术转折、行业格局大变的图景,但有一个名字却反常地一直没有出现—— 滴滴自动驾驶。 直到现在。 最新举办的技术开放日上,滴滴一口气放出了一系列新进展。 产品上,全新推出的概念车Neuron,车身传感器数量高达35个,包括21个摄像头、8个激光雷达、6个毫米波雷达。 技术积累上,Robotaxi已经做到了24小时全天候无间断运营。 地理上,Robotaxi运营覆盖区
量子位
2023/05/06
1910
无人驾驶江湖的沉寂,现在被滴滴打破了
如果无人驾驶是未来,程序员该如何入门?
为什么需要无人驾驶? 首先我们探讨下无人驾驶能如何提高人类社会的效率。 第一是无人驾驶对环境的影响:每辆传统车每年平均排放 5 吨二氧化碳,以美国为例有 2.5 亿台车,每年二氧化碳排放就有 12.5 亿吨。而如果使用中央调度的无人新能源车,那么总排放量可以被降低到 0.6 亿吨,效果十分惊人。然后我们看看无人驾驶对安全的影响:人类驾驶员每驾驶 100 万英里的里程,平均会发生 4.2 次意外,会产生大概 1300 万次车祸。如果我们能把无人驾驶每 100 万英里的车祸率控制在 1 以内,那么总车祸数会被控
刘盼
2018/03/16
8430
如果无人驾驶是未来,程序员该如何入门?
自动驾驶级别划分与技术发展路线
自动驾驶级别划分是按照国际汽车工程师学会(SAE International)提出的J3016标准来进行的,分为从L0至L5共六个等级,每个级别代表了自动驾驶技术的不同成熟度和自动化水平:
用户7353950
2024/04/03
9360
自动驾驶级别划分与技术发展路线
【智驾深谈】深度学习驱动的自动驾驶新主流框架盘点(附3篇论文)
【新智元导读】早想动笔写点深度学习在自动驾驶中的应用,无奈羁绊太多总也未能成行。最近两晚恰好李师傅怂恿而且大力支持,提供了大部分素材,揭开了目前的应用现状,让我再一次深刻认识到,深度学习或将成为自动驾驶领域的黑科技,姑且称之为“深度智驾”吧。本文结合Nvidia、 Mobileye、Comma.ai的自动驾驶框架研究现状,谈谈深度智驾的原理、优点和未来。 【特约编辑】小猴机器人,人工智能博士,自动驾驶技术爱好者,参与多个自动驾驶项目研发,有丰富的行业经验,尤其对决策规划控制方面了解深入。 大背景 基于深度
新智元
2018/03/23
1.9K0
【智驾深谈】深度学习驱动的自动驾驶新主流框架盘点(附3篇论文)
相关推荐
深度学习在自动驾驶感知领域的应用
更多 >
LV.0
这个人很懒,什么都没有留下~
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档