顾维灏:百度阿波罗计划将加速自动驾驶民主化

2017年05月09日 16:57 新浪科技 微博
微博 微信 空间 分享 添加喜爱
百度智能汽车事业部(L3)总经理顾维灏百度智能汽车事业部(L3)总经理顾维灏

  新浪科技讯 5月9日下午消息,由英伟达(NVIDIA)举办的2017年度GPU技术大会(GTC)在美国硅谷拉开帷幕,作为全球最权威的 GPU 开发者大会,本次会议聚焦人工智能、自动驾驶、VR等前沿科技领域。

  百度智能汽车事业部(L3)总经理顾维灏应邀发表了演讲,在其题为《自动驾驶民主化》的演讲中,他详细谈到了百度近期正式对外推出的“Apollo(阿波罗)”计划。

  顾维灏表示:“自动驾驶技术不应是财力雄厚的大公司特权,百度希望通过推进自动驾驶民主化,帮助更多企业发展自动驾驶,让更多民众享受到自动驾驶的成果。”

  顾维灏解释称,“Apollo”平台是一套完整的软硬件和服务系统,包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分,百度还将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力,并且提供完整的开发测试工具。

  实际上,在发布之际,百度发方面便称“Apollo”计划旨在搭建起一个以合作为中心的生态体系,为合作伙伴赋能,共同促进自动驾驶技术的发展和普及。

  而具体到智能汽车事业部(L3),顾维灏表示百度智能汽车事业部顺应“Apollo”计划的战略构想,将自己定位为领先的自动驾驶解决方案提供商,并以“安全、舒适和经济”作为其自动驾驶解决方案的三大价值主张。

  会议现场,顾维灏还展示了百度自动驾驶技术在英伟达DRIVE PX 2上的应用成果。DRIVE PX 2是英伟达打造的全球首款车载人工智能超级计算机,能够为自动驾驶的复杂计算提供强劲性能支持。

  据他介绍,通过使用英伟达的GPU 和相关代码库 (TensorRT),百度DNN深度神经网络模型训练速度快了大约1000倍,整整提升了三个数量级,因此节省了大量研发时间。

  高精地图则是保证自动驾驶安全性的关键所在,借助百度深度学习技术和英伟达GPU的高计算能力,百度高精地图的制作效率和精确性大幅提升。

  顾维灏透露,自动化是百度高精地图的核心竞争优势,自动化程度超90%,能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标,相对精度达0.1-0.2米,准确率高达95%以上。对于自动化程度的计算方法,顾维灏解释是将目标检测率与准确率相乘得出。此外,在DRIVE PX2上运行的百度自定位技术,能够实现厘米级精度,在路测中取得了非常好的效果,横向误差仅为20cm、纵向误差则为2米,完全可以满足L3自动驾驶在高速路场景下的应用。

  数据储备方面,顾维灏在演讲中主要谈到了百度Road Hackers ——自动驾驶开放平台,它可提供中国路情驾驶数据的开放、基于深度学习的自动驾驶算法的演示和自动驾驶算法基准测试评比。顾维灏介绍,百度在中国拥有一支庞大的地图采集车队,积累了海量的街景图像、道路汽车状况等数据。

  同时还记录了车辆在采集图像过程中方向盘转角、刹车、加速和其它动作信息。依托庞大数据库,百度可以使用端到端深度学习算法教汽车像人类一样驾驶。通过模仿人类司机的驾驶行为,可以更好地避免自动驾驶车辆在转弯、刹车以及加速中的“生硬”和“突然”。(李根)

  以下为百度智能汽车事业部(L3)总经理顾维灏演讲实录:

  女士们、先生们,你们好!

  我是百度智能汽车事业部总经理顾维灏,很高兴能够在这一届 GTC 大会与你们分享百度在自动驾驶上的最新进展。我演讲的主题是“自动驾驶民主化”。

  我们正处于一个非常有趣和关键的时间点:将自动驾驶从研究项目变为商业化产品。自动驾驶技术不应是财力雄厚的大公司的特权,如果我们的使命是变革未来的交通方式,让大多数人受惠,那么我们就必须让自动驾驶民主化,让更多企业能够发展自动驾驶,让更多民众享受到自动驾驶的成果。

  为此,我想向大家介绍“阿波罗计划”。

  你们很多人可能已经听说过“阿波罗计划”,这是我们几周前在上海车展上发布的自动驾驶开放平台。“Apollo”平台是一套完整的软硬件和服务系统,包括车辆平台、硬件平台、软件平台、云端数据服务等四大部分,百度还将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力,并且提供完整的开发测试工具。百度发布“Apollo”计划,将搭建起一个以合作为中心的生态体系,为合作伙伴赋能,共同促进自动驾驶技术的发展和普及。在众多科技公司中,百度是拥抱人工智能和机器学习的先驱之一。这次,为了鼓励更多创新和机遇,百度主动开放自动驾驶技术,让参与者更好地利用我们的技术推动整个行业的演变。

  “阿波罗计划”提供一套完整的软硬件和服务系统,包括车辆平台、硬件平台、软件平台和云端数据服务四大部分。百度还将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力,并且提供完整的开发测试工具。我们的阶段性目标是在今年 7 月率先开放封闭场地的自动驾驶能力;在 2017 年底输出在城市简单路况下的自动驾驶能力;最终目标是 2020 年前逐步开放至高速公路和普通城市道路上的全自动驾驶。

  在“阿波罗计划”的帮助下,OEM 厂商和其他合作伙伴能够快速搭建一套属于自己的完整的自动驾驶系统。当然,我们希望将自动驾驶从研究项目转变为商业化产品。因此,我们将自己定位为领先的自动驾驶解决方案提供商:为合作伙伴提供数据和技术,推进智能汽车的量产。我们的解决方案的三大价值主张是:安全、舒适和经济。

  我们想为用户提供什么类型的自动驾驶功能?在当前阶段,百度更关注在不同场景下解决实际问题,主要聚焦于制定三类特定场景下的自动驾驶解决方案。第一,高速公路行驶场景。高速公路行驶占据了一半以上的驾驶总时间,且道路环境相对封闭和稳定,显然是自动驾驶绝佳的应用场景。 第二,自动代客泊车场景。停车位资源在北京、纽约或伦敦这些大城市非常紧张,因此我们希望为司机解决这些问题。第三,卡车或商用车的自动驾驶。当下,运营商用车的费用中,人力和燃料成本分别占据三分之一,剩下的三分之一才是汽车本身。实际上,商用车在环境相对封闭的港口、矿场及工厂等地上按照固定路线低速运行,实现自动驾驶较为容易,将自动驾驶技术应用到物流运输等商用车上,能节约大量的人力成本和燃料成本。因此,发展自动商用车同样具有经济意义。

  自 2016 年在百度世界大会上宣布联手开发自动驾驶以来,英伟达一直是百度咋在自动驾驶领域最重要的合作伙伴之一。在接下来的幻灯片中,我将展示我们自动驾驶技术在英伟达DRIVE PX 2上的应用成果。

  1. DNN(深度神经网络)加速训练模型:我们使用英伟达的 GPU 和相关代码库 (TensorRT) 来加速 DNN 算法。应用英伟达GPU之后,其训练速度快了大约 100 倍,而使用 TensorRT 则又获得了另外 10 倍的加速,因此总体的改进大约为 1000 倍,速度提升整整三个数量级!这种加速帮我们节省了很多时间。

  2)百度高精地图和数据处理:百度高精地图制作过程的核心竞争力是自动化。借助百度领先的深度学习技术和英伟达GPU的高计算能力,百度高精地图的制作效率和精确性大幅提升。百度高精地图自动化程度超90%,能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标。如果你想知道我们如何得出这个自动化程度,请看这张表格。表格展示的检测率是指识别物体的概率,而准确率则是指正确检测的概率。因此,把这两个数字相乘就能得到自动化程度。我再强调一次,结合百度的 AI 技术和强大的 GPU,我们可以极大地提升高精地图制作的效率和精确性。

  1. 百度的自定位技术运行在 PX2 上,为自动驾驶提供厘米级精度。

  2017 年 4 月 17 日,百度和博世在中国苏州高速公路上完成了一次自动驾驶演示,其中,运行在 PX2 上的百度高精地图和百度自定位技术集成在自动驾驶系统里。

  1. Road Hackers 是基于深度学习的自动驾驶开放平台,它可提供海量中国路情驾驶数据的开放、基于深度学习的自动驾驶算法的演示和自动驾驶算法基准测试评比。百度在中国有一支庞大的地图采集车队,其中一个优势是具有街景图像和汽车状况的海量数据。此外,我们在采集图像过程中还会记录方向盘转角、刹车、加速和其他动作信息。有了这个庞大的数据库,我们可以使用端到端深度学习算法教汽车像人类一样驾驶。你可以看到我们的算法能很好地记录人类驾驶者的驾驶行为。

  如约翰·肯尼迪在演讲中所言,我们做这事不是因为它容易,而是因为它困难。百度由衷地欢迎各位加入“阿波罗计划”,推动自动驾驶的普及,让更多人早日享受未来交通方式的便利。

  谢谢!

推荐阅读
聚焦
关闭评论