蘋(píng)果自動(dòng)駕駛研究新成果:把傳感器收集的數(shù)據(jù)轉(zhuǎn)成3D測(cè)繪圖
近日,蘋(píng)果公司發(fā)表了一篇新的人工智能論文,號(hào)稱找到了彌補(bǔ)目前自動(dòng)駕駛汽車中,光學(xué)雷達(dá)傳感器(LIDAR,light detection and ranging)測(cè)繪技術(shù)不足的辦法。
論文中介紹的系統(tǒng)被稱為VoxelNet,它能夠把光學(xué)雷達(dá)傳感器收集的原始數(shù)據(jù)轉(zhuǎn)化成3D測(cè)繪圖,還能在測(cè)繪圖中辨識(shí)出包括汽車、自行車和行人等在內(nèi)的物體,讓駕駛更安全。
科技網(wǎng)站TheVerge在11月22日的報(bào)道中介紹,光學(xué)雷達(dá)傳感器被認(rèn)為是自動(dòng)駕駛系統(tǒng)的眼睛,它通過(guò)向四周物體發(fā)射激光,從而對(duì)周圍的環(huán)境進(jìn)行3D建模。這種方法比一般的照相攝像頭能包含更多深度信息,卻只能創(chuàng)造出小片的測(cè)繪圖,這導(dǎo)致只要有物體擋住激光,就無(wú)法看到更大區(qū)域的圖像,這個(gè)缺陷令它不適合安全自動(dòng)駕駛。
為了解決這個(gè)問(wèn)題,以往工程師的做法是,使用多個(gè)獨(dú)立系統(tǒng),首先將3D光學(xué)雷達(dá)傳感器數(shù)據(jù)劃分成多個(gè)有用區(qū)域,然后分辨各區(qū)域中都是什么。蘋(píng)果的VoxelNet系統(tǒng)則將以上這些流程全部并入一個(gè)神經(jīng)網(wǎng)絡(luò),令系統(tǒng)處理更加高效。蘋(píng)果的論文中稱,與多個(gè)競(jìng)爭(zhēng)對(duì)手的系統(tǒng)表現(xiàn)相比,自己系統(tǒng)的表現(xiàn)可以輕松勝出。
VoxelNet處理生成的3D測(cè)繪圖像中,能夠分辨出行人、自行車和汽車等物體。如圖所示,黃框中是行人、藍(lán)框中是自行車、綠框中是汽車。
這種系統(tǒng)除了可以廣泛應(yīng)用于自動(dòng)駕駛汽車,還能應(yīng)用于管家機(jī)器人、AR、VR等多種人工智能設(shè)備。
據(jù)彭博社2016年10月的報(bào)道,蘋(píng)果公司曾經(jīng)試圖研發(fā)過(guò)自己的自動(dòng)駕駛汽車,代號(hào)Titan。但隨后更改了自己的目標(biāo),不研發(fā)自動(dòng)駕駛汽車,只研發(fā)自治系統(tǒng)(autonomous systems),這樣可以用自己的軟件系統(tǒng)和汽車制造商合作。2017年6月,蘋(píng)果公司CEO蒂姆·庫(kù)克在接受彭博社采訪時(shí),確認(rèn)了蘋(píng)果正在研發(fā)自治系統(tǒng)的消息。
庫(kù)克在訪問(wèn)中稱,“我們把自治系統(tǒng)看作是所有人工智能應(yīng)用之母,它可能是我們正在研發(fā)的最難的人工智能項(xiàng)目之一。”他還補(bǔ)充道,“我們把它看作是至關(guān)重要的核心技術(shù)。”
不過(guò),蘋(píng)果的這項(xiàng)新系統(tǒng)在有的自動(dòng)駕駛工程師看來(lái),并不算是特別重大的突破。The Verge采訪了自動(dòng)駕駛視覺(jué)系統(tǒng)專家、荷蘭工程師Roland Meertens。Meertens介紹,為了繞過(guò)光學(xué)雷達(dá)傳感器的缺陷,其他公司也在研發(fā)不同方法:“比如特斯拉,就根本不使用光學(xué)雷達(dá)傳感器,但特斯拉的汽車非常擅長(zhǎng)沿著車道行駛。”