干货最多的Apollo Day:从高精地图、芯片到大模型一次讲透

作者/华卫
今天 , 你「驯服AI」了吗?最近 , 网友们集体在AI绘画平台「整活」 , 为了让AI生成一幅满意的图画而一次次尝试输入各式关键词 , 「驯服AI」也成为大家口中乐谈的一个梗 。 百度也在今年8月推出一款名为「文心一格」的AI绘画平台 , 并将其背后依靠的文心大模型带到公众面前 。
事实上 , 不止艺术创作 , 文心大模型在自动驾驶领域也能发挥重要作用 , 如今这一模型已在百度自动驾驶平台Apollo上落地应用 。
干货最多的Apollo Day:从高精地图、芯片到大模型一次讲透
文章图片
11月29日 , 百度在ApolloDay技术开放日活动上 , 首次在业内宣布文心大模型落地应用于自动驾驶的技术 , 并发布了新一代能量产的Apollo自动驾驶地图 。 现场 , 还有百度的六位自动驾驶技术专家公布了Apollo在感知、预测决策、规划控制、数据闭环、地图、算力等方面的自动驾驶技术方案 , 以及百度在L4/L2+技术协同方面的思路和举措 。
干货最多的Apollo Day:从高精地图、芯片到大模型一次讲透
文章图片
百度自动驾驶技术专家陈竞凯称 , 「目前百度自动驾驶技术泛化能力进步速度超预期 , 落地新城市技术交付时间仅需20天 。 未来 , 百度Apollo还将持续扩大业务规模 , 2023年打造全球最大全无人自动驾驶运营服务区 。 」
高精地图自动化率达96%
近期 , 自动驾驶行业内对高精地图的使用与否争论不断 。 其中 , 一部分L2智能驾驶企业走起了「重感知 , 轻地图」的技术路线 。 百度自动驾驶技术专家黄际洲认为 , 这些企业之所以主张「轻高精地图」 , 是因为高精地图面临的「三座大山」很难翻越:资质壁垒、自研壁垒和供给稀缺 。
关于高精地图与自动驾驶的关系 , 百度的观点同样是「一轻一重」 , 不同的是 , 他们要采用的是轻成本、重体验的高精地图 。 「要实现高安全、可持续的L2+智能驾驶产品 , 高精地图至关重要 , 而且没有替代品 。 对于L4级自动驾驶而言 , 要达到99.99%以上的成功率 , 高精地图更是必不可少的核心能力之一 。 」
干货最多的Apollo Day:从高精地图、芯片到大模型一次讲透
文章图片
轻成本方面 , 百度通过自动化数据融合来提升高精地图的规模化生产能力 。 黄际洲介绍 , 这种方式的主要问题是:很难保证得到的基础数据都是完全对齐的 。 对此 , 百度的解决方案是按照数据空间分布划分去构建多层级的图结构来确保全图精度一致 , 其做的主要技术创新有多层级的图优化、场景化的关联和匹配、基于学习的匹配算法三方面 。
此外 , 百度高精地图的构建自动化率已达到96% 。 为达到高自动化率 , 百度在要素识别、矢量提取、自动建模等关键步骤上均进行了技术创新 。 要素识别上 , 他们采用多层级的点云识别方式 , 识别的结果要远远优于一次识别的结果;矢量提取上 , 其对点云和图像中提取的矢量要素进行后融合 , 保证了要素的高精度和高召回;自动建模上 , 他们基于车道级的拓扑模板来进行矢量要素的匹配 , 提高了拓扑的生成以及车道线串接的准确性 。
干货最多的Apollo Day:从高精地图、芯片到大模型一次讲透
文章图片
通过这一系列技术的落地应用 , 百度在RoboTaxi高精地图生产成本与交付周期上都取得了显著的提升 。 以2020年为基准值 , 2021年以及2022年 , 百度RoboTaxi高精地图的单公里生产成本和落地新城市地图的交付周期都有显著下降 。
重体验上 , 百度主要聚焦在安全、舒适和高效三个方面 , 来提升地图的实时更新能力和地图的鲜度 。 黄际洲表示 , 他们通过大量的实践和分析发现 , 单靠实时感知和离线地图无法满足自动驾驶的高安全要求 。