活动回顾 | 自动驾驶系统中的数据驱动和人工智能
11月9日下午三点,SSE Career邀请李力耘博士为同学们带来了主题为“自动驾驶系统中的数据驱动和人工智能”的线下讲座。此次讲座是理工学院“与行业专家面对面”系列讲座第二讲。
理工学院副院长黄建伟教授主持
李力耘博士是小鹏汽车自动驾驶中心规划和模拟器方向负责人,负责小鹏汽车Xpilot 3.0的高速自主导航辅助驾驶系统的研发。目前自动驾驶汽车已经进入量产化阶段,如何把数据和最新的人工智能技术更好地运用到自动驾驶中?此次讲座中李博士解答了诸多相关问题,让同学们更深入地了解自动驾驶。
分享嘉宾李力耘博士
小鹏汽车的NGP架构
首先,李博士介绍了NGP架构(Navigation Guided Pilot),即高速自主导航驾驶, 致力于打造高速封闭场景点到点的完整闭环体验。为了更加直观生动的讲述NGP架构在小鹏汽车中的应用,李博士播放了一段自动驾驶测试的演示视频,展示了NGP架构在自动限速、主动变道或主动避让等实际场景中发挥的作用。
如何使用数据驱动自动驾驶系统的进化
接下来李博士向大家介绍了量产车最强自动驾驶系统架构Xpilot 3.0的组成与运作,以及小鹏汽车的自动驾驶技术演进之路。从Xpilot 2.5到Xpilot 3.0再到下一步即将实现的Xpilot 3.5与L4级别自动驾驶,数据驱动支持着小鹏汽车的数据迭代。而说到数据驱动力量,如何打造一个持续进化,且具有普适能力的自动驾驶系统是一个值得思考的问题。李博士总结了小鹏汽车应对的几点重要因素,如基于海量的真实数据获取、充分的标注能力、准确的场景识别算法与基于数据的迭代和驱动等.
从L2到L4,自动驾驶对于数据和场景的模拟需求是指数级逐步上升的过程,李博士接着向我们分别介绍了L2、L3、L4的定义、测试范畴与模块建设的过程。
深度学习在自动驾驶各个模块的应用
典型的自动驾驶软件系统模块划分为"the world"和"the ego"两个方面,即客观世界与主观行动的区别。说起深度学习的应用,李博士为我们详细介绍了深度学习在认知方面的几个方案:视觉图像方案(动静态图像空间的识别,360度感知),对计算资源要求更高、准确率更高的多视角的传感器融合方案。除此之外,李博士还为同学们概述了行为预测上的深度学习过程,以及具体建模时需考虑的因素、常见的预测模型等。
AI算法在自动驾驶应用方面的未来展望
讲座的最后,李力耘博士还分享了自己对未来自动驾驶领域的展望:随着感知领域的深度学习应用日趋成熟,基于融合的感知技术也在日趋主流,与此同时,硬件层面数据的同步融合将推动数据的联合标注以及模型的联合训练。在未来,我们将会看到越来越多的数据驱动的决策规划技术,而AI算法在决策和规划上的应用一定会是一个自底向上的过程。
问答环节
Q:影子模式把用户数据上传过程的成本很高吗?
数据上传需要甄别,实际是有一定策略性的。我们更关注有价值的场景,这也与场景识别挂钩,从而形成良性互动。
Q:户外感知是需要摄像头的,但明暗变化差异明显时,稳定性可以得到保障吗?
一个成熟的自动驾驶产品在研发过程中已经考虑、覆盖了这些情况,我们收集的数据足够丰富,模型有足够泛化能力,预测能力也会随之增强。
随后同学们还问及了有关芯片、规划模块、数据上传与行车安全性的问题,都得到了李博士耐心的解答。
分享嘉宾Cindy Chen |
分享嘉宾Charles Zhang |
小鹏汽车自动驾驶中心为同学们提供了快速成长通道和优良平台护航,对小鹏汽车感兴趣的同学可以持续关注并抓住实习、校招机会申请心仪岗位。看完要点回顾的你,是否能够回想起本次分享会的精彩瞬间呢?点击链接输入CUHK(SZ)账号,即可获得讲座PPT,再也不用担心错过精彩内容啦!