apollo|自动驾驶体验服务引关注 "人工智能老司机"长什么样?( 二 )


“在一次测试中 , Apollo遇到一个三角事故牌和临时停车 , 识别成了静止障碍物和静止车辆 。 它选择先停车观察 , 然后再缓慢起步绕行 。 当系统记录这一次缓行后 , 通过数据挖掘和Learning训练模型 , Apollo理解了这是交通事故场景典型特征 。 在之后的驾驶策略上 , 再遇到三角牌 , 它会提前主动借道通行 , 像老司机一样自然绕行 。 ”
所以 , 不仅仅是安全员发生接管的场景 , 包括系统主动发现的漏洞或是影响用户体验的问题 , 都会被系统实时捕捉 , 并自动上传云端 。 所有问题的数据 , 在后台都会被自动化分析和归类标注 。
“对于比较简单的问题 , 系统可以自己形成训练数据 , 直接对算法模型进行自我更新 , 增强驾驶能力 。 而对于一些新问题和重点问题 , 则会被系统识别出来 , 流转给技术人员作深入分析和优化 。 ”李肆说 , 当技术人员对一类典型场景完成算法优化后 , 会在仿真平台针对问题场景进行验证 。 “从遇到一个长尾场景 , 到数据驱动模型迭代、仿真回归验证、新版本上线解决 , 优化周期大约在几周或几个月 , 要视问题的困难程度而定 。 ”
除了让Apollo把自己遇到的难题“巩固复习”好 , 百度的技术人员还给Apollo主动加练 , 从现实和虚拟两个维度打造起Apollo的“练功房” 。
现实中的“练功房”位于国家智能网联汽车(长沙)测试区东片区 , 这是百度联合长沙湘江智能打造的国内首个自动驾驶7×24小时全无人值守封闭测试场 , 目前已投入日常测试使用 。 可以实现测试全程无人化 , 支持7×24小时不间断可靠性测试 , 大幅节省测试人力成本 。 同时也保障了场景构建的高度还原和一致性 , 对交互博弈场景构建的优势尤其突出 。
除了真实的道路数据之外 , 百度的自动驾驶学习也依托仿真模拟器 。 百度自动驾驶事业部总经理陶吉告诉采访人员:“我们拥有一个‘无限里程虚拟世界’ , 我们在这里面放很多行人和车辆的障碍物 , 他们按照一定的规则去跑 , Apollo也放一辆进去 。 当跑到足够多里程的时候 , 会发生很多意想不到的情况 。 如果发现Apollo应对不了的情况 , 这个案例我们会特别拿出来分析 , 作为训练课程来增强自动驾驶系统的能力 。 ”
据陶吉介绍 , 在仿真云环境下 , Apollo已累计运行了数亿公里的测试里程 , 每日运行超过数百万公里 , 保证了Apollo自动驾驶对路上多样化场景的适应性 , 让百度自动驾驶车辆在上路前 , 已经完成了对于路上可能会发生的所有场景的充分验证 。
“今天我们敢在北京开放 , 也是代表一种技术自信 。 ”陶吉说 , “对于一项新技术 , 只有面向用户、面向市场才有最佳的改进目标 , 当然我们还有各种不足 , 也希望能够通过开放试乘来收集用户的反馈 , 不断打磨提升自己 , 带给大家更好的出行服务产品 。 ”

推荐阅读