点击下方卡片,关注“自动驾驶之心”公众号
ADAS巨卷干货,即可获取
今天自动驾驶之心邀请来了鉴智机器人合伙人、技术副总裁、智驾产品线负责人—潘屹峰博士!今晚七点半为大家分享国内首个可实车量产部署的自动驾驶端到端建模方法—GraphAD!
如果您有兴趣分享相关学术成果,请联系AIDriver002!
上世纪五十年代开始,自动驾驶技术开始受到学术界关注,进入二十一世纪以来,伴随着谷歌(Waymo)和百度等产业巨头的持续投入,自动驾驶技术和系统进入了发展快车道。自特斯拉于2021年发布纯视觉智驾方案,并陆续升级至Transformer网络架构下的BEV、Occupancy感知表达范式,自动驾驶技术发展进一步提速。与此同时,以乘用车量产智驾系统为代表的应用端也开始了快速产品化普及,自动驾驶已成为AI商业化落地最快的应用方向。
传统自动驾驶系统分为感知、地图、预测、规控等几个主要功能模块。很长一段时间内,各模块均在内部进行技术迭代与方案演进。伴随着自动驾驶应用场景的拓展与对功能、性能要求的提高,模块式系统架构的诸多问题,如模块间接口定义模糊,性能指标对齐困难,模块内优化目标与端到端优化目标不一致,已充分暴露出来。无论是从着眼根因解决问题的角度,还是参考相关领域技术发展历程,我们认为集成式架构一定是自动驾驶系统发展的方向,而端到端统一建模将是自动驾驶系统架构的终极方案。
从以终为始的角度进行思考,模型(神经网络结构)、算法(参数优化方法)和算力(云端芯片计算算力和车端芯片优化部署能力)将是自动驾驶AI系统性能最大化的核心要素。鉴智机器人在自动驾驶核心技术的研发投入也集中在以上三要素上。分享人潘屹峰博士作为在自动驾驶领域深耕技术研发超过10年的行业资深专家,将着重介绍鉴智机器人在自动驾驶端到端建模领域的最新研发成果:GraphAD。该方法首次将图模型思想引入motion和planning等任务中,对驾驶环境中的交互性元素进行显性建模,使得模型能够更直接、快速的捕捉到相关性信息,显著提升了学习效率和性能。在此基础上,对BEV encoder和Map representation等网络结构进行了针对性改进,大幅降低了模型计算复杂度,并成功将该模型以实时运行性能部署到量产车载计算平台上。
希望与广大听众分享研发经历感悟以及对未来技术发展的趋势要点判断。
哔哩哔哩关注自动驾驶之心,预约直播
自动驾驶之心B站
【自动驾驶之心】平台矩阵,欢迎联系我们!