ofo|关于自动驾驶,百度Apollo Day上都说了啥?( 三 )



另外 , 在自动驾驶的过程中 , 车辆会遇到各种意想不到的场景 , 比如 羊群过马路 。 解决罕见、长尾场景 , 是数据闭环的价值 。 与感知、规控、决策的技术栈相比 , 大规模数据闭环的建设是行业里的崭新命题 。

数据闭环的前半是大量数据带来的存储和标注的压力 , 后半是大规模数据用于训练的计算量需求暴增 。 百度Apollo设计的数据闭环 , 核心是解决「高提纯、高消化」的问题 。
在数据提纯上 , 百度的方案是利用车端小模型+云端大模型 , 做高效的挖掘和自动化标注;数据消化架构 , 实现自动化训练 , 具备联合优化和数据分布理解的能力 , 利用高纯度的数据进一步提升自动驾驶系统的整体智能水平 。 除此之外 , 训练、推理以及数据分布在数据消化过程中 , 形成:数据-模型-指标的消化反馈机制 , 进一步提升数据消化的整体效率和效果 。
技术共生路线 , 昆仑芯片即将助力百度
百度的自动驾驶路线为 L4/L2+ 技术共生路线 , 是行业第一家同时具备L4 Robotaxi技术和量产L2+辅助驾驶方案的公司 , 百度自动驾驶技术专家王亮认为 , 百度赋能汽车智能化的信心和底气源于十年自动驾驶技术沉淀 。 目前 , 技术栈层面已实现L4与L2+智驾产品视觉感知方案统一、技术架构统一、地图统一、数据打通及基础设施共享 。 L4将持续为L2+智驾产品提供先进的技术迁移 , L2数据反哺也将助力L4泛化能力提升 。 同时 , 王亮也强调高精地图是保障L2+城市级智驾产品高安全、体验好的必要条件 。

除此之外 , 在软件上的建树 , 硬件方面也成为了近期自动驾驶行业的另一个焦点 。 众所周知 , 随着世界风云的改变 , 芯片已经成为决定行业生存的关键之一 。 在百度Apollo Day技术开放日上 , 昆仑芯科技CEO欧阳剑透露 , 百度自研AI芯片昆仑芯2代已完成无人驾驶场景端到端性能适配 , 这也将持续夯实百度Apollo软硬一体优势 。
其实 , 百度自研的昆仑芯片已经量产了两代 , 实现数万片的商业化部署 。 第三、第四代产品都在研发中 , 三代芯片预计明年量产 , 四代芯片后年量产 。

昆仑芯片采用的XPU-R架构 , 通过7nm先进工艺 , 能够达到128TFLOPS FP16的强大算力 , 完全满足自动驾驶的需求 , 除此之外 , 昆仑芯二代还拥有32GB的高速闪存以及512GB/s的内存带宽 , 并且支持虚拟化 , 芯片间互联和视频编解码 , 是非常完备的AI芯片 。 而对于行业来说 , 昆仑芯片也具有着以下几点优势:首先昆仑二代AI芯片已经在互联网 , 工业质检、智慧交通智慧金融等场景均有实际部署 , 也证明了该芯片的可行性;其二是昆仑芯片已与多款通用处理器、操作系统、AI框架完成端到端的适配;其三昆仑芯片专门为开发者提供了全方位的软件工具包 , 让大家都能更简单的对昆仑芯片系统进行独立个性化的开发与定制 。

目前昆仑芯二代已经在百度的Robotaxi系统上进行了完整的适配 , 并开始道路测试 。
告别堆料 , ANP3.0让自动驾驶“眼光发亮”
在本次百度Apollo Day技术开放日 , 重头戏莫过于百度ANP3.0自动驾驶方案了 , 它将在国内率先支持复杂城市道路场景 , 并且衔接融通高速和泊车场景 。
相比于某些品牌的“堆料”做法 , 硬件上百度选用了包括500+ TOPS AI算力得到Nvidia Drive Orin-X , max视距~400m的环视8MP摄像头、1536000 points/s的SOTA半固态激光雷达 。 在系统的构成上 , ANP3.0将以视觉方案为主 , 将激光雷达作为安全冗余来做支持 。

ANP3.0所搭载的第二代纯视觉感知系统Apollo Lite++通过Transformer把前视特征转到BEV , 在特征层面对相机观测进行前融合后 , 直接输出三维感知结果 , 并融合时序特征实现运动估计Learning化 。