目錄

1機器學(xué)習(xí)

可解釋性是否需要

其它算法

2感知的未來

Sensor迭代

深度學(xué)習(xí)+仿真數(shù)據(jù)+AI芯片

智能交通設(shè)施

3思考

---

原文鏈接：進階課程?丨Apollo感知之旅——機器學(xué)習(xí)與感知的未來

自動駕駛感知中的機器學(xué)習(xí)最大問題在于系統(tǒng)對模塊的要求與普通的機器學(xué)習(xí)不同。

從自動駕駛安全性角度考慮，系統(tǒng)對感知的準(zhǔn)確率、召回率和響應(yīng)延時要求很高。例如在自動駕駛中的感知機器學(xué)習(xí)出現(xiàn)一些障礙物的漏檢、誤檢會帶來安全問題。漏檢會帶來碰撞，影響事故；誤檢會造成一些急剎，帶來乘車體驗的問題。同時要求低延時，如果一秒以后才獲得感知結(jié)果，可能無人車已經(jīng)碰上障礙物。

上周阿波君為大家詳細(xì)介紹了「進階課程?Apollo感知之旅——感知算法」。

感知算法根據(jù)使用的傳感器不同而不同。根據(jù)激光雷達(dá)Lidar點云感知，詳細(xì)介紹了兩個檢測算法啟發(fā)式的Ncut和深度學(xué)習(xí)算法CNNSeg。對于視覺感知，深度學(xué)習(xí)了檢測和分割技術(shù)、跟蹤技術(shù)，2D-to-3D技術(shù)以及多相機融合技術(shù)，以及紅綠燈檢測算法、Radar檢測和超聲波檢測算法。

本周阿波君將與大家分享Apollo感知之旅——感知中的機器學(xué)習(xí)。下面，我們一起進入進階課程第20期。

---

1機器學(xué)習(xí)

機器學(xué)習(xí)里面存在一個普遍的假設(shè)，訓(xùn)練集和測試集是獨立同分布的，如果測試和訓(xùn)練沒有任何關(guān)系，測試效果是沒有任何保證的。但是無人車感知的訓(xùn)練集是封閉的，而測試集是開放的。

測試是在開放道路進行的，如果遇到新的障礙物，在訓(xùn)練中從來沒見過，怎么處理？例如，在城市道路上很少見到卡車，但是高速會遇到很多卡車，而且卡車上的東西也很多，如果機器學(xué)習(xí)模型沒見過這些障礙物，很有可能帶來一些錯誤。

可解釋性是否需要

無人車的安全需要可解釋，出現(xiàn)一個Bad case需要說清責(zé)任，需要搞清Bad case是由什么原因?qū)е碌?#xff0c;以便改進。

自動駕駛中深度學(xué)習(xí)模型需要更好的可解釋性，歸結(jié)為如何評估模型讓用戶知道模型是安全的？模型更新后如何做回歸測試？模型的應(yīng)用邊界在哪里？目前，大家認(rèn)為可解釋性可以通過測試來體現(xiàn)，如果大量測試得到相同的結(jié)果，那么原理是不是真正的可解釋也就沒那么重要。

---

其它算法

在感知模塊中，除了做基本的檢測、分割之外，還有后處理階段等由公式表示的幾何計算問題，是不需要深度學(xué)習(xí)的。另外，Common? sense也不需要深度學(xué)習(xí)，而且深度學(xué)習(xí)的效果不好，我們需要其他算法。那么，深度學(xué)習(xí)模型帶來一個結(jié)果，其他啟發(fā)算法給一個結(jié)果，怎么來融合？現(xiàn)在主要是基于Double check來提升安全性，還需要其他方法來進行更好的融合。

除了深度學(xué)習(xí)還需要其他的機器學(xué)習(xí)方法。如果數(shù)據(jù)量小，特征很難從原始數(shù)據(jù)學(xué)習(xí)，深度學(xué)習(xí)的效果可能就受到影響，因此諸如SVM或者隨機森林這些機器學(xué)習(xí)算法，可能需要結(jié)合場景選擇。

---

2感知的未來

Sensor迭代

如果在自動駕駛的研究中，發(fā)現(xiàn)某一類傳感器在感知或者其他模塊中具有很大的價值。那么，整個資本市場會投入很多人力、財力研發(fā)傳感器。隨著量產(chǎn)之后，傳感器的成本就會大幅下降，更新?lián)Q代就比較快。

深度學(xué)習(xí)+仿真數(shù)據(jù)+AI芯片

深度學(xué)習(xí)已經(jīng)證明了在感知中有很大的作用，但是計算量很大，專門研究車載AI芯片是對這一問題的很好解決方案。

現(xiàn)在很耗時的CNN模型以后都不是瓶頸，而且定制AI芯片的功耗可以足夠低，滿足車載需求。深度學(xué)習(xí)需要大量數(shù)據(jù)的問題，可以通過仿真來彌補。目前，點云仿真相對簡單一些，圖像仿真相對困難點。如果仿真這條路可以走通，那么仿真+深度學(xué)習(xí)不斷循環(huán)迭代，是非常有前景的。

智能交通設(shè)施

目前，自動駕駛都是在車上安裝傳感器進行感知，感知的范圍、魯棒性都有待提高。如果將這套傳感器布置在道路上、燈上，讓它們來感知，然后將實時結(jié)果傳輸給無人車。如果車上的傳感器失靈，那么路面上的傳感器會告知無人車障礙物信息，保證系統(tǒng)安全性。另外在駕駛環(huán)境中部署傳感器可以拓展感知距離，做到足夠安全，提前告知遠(yuǎn)處的信息。

---

3思考

這里列了五個課后思考題：

• 前面技術(shù)介紹時說的開放問題，大家可以思考。例如Corner? case的處理。
• 前向和后向的安全感知距離如何計算？
• 延時是如何來影響自動駕駛安全的？
• ACC自適應(yīng)巡航的功能是如何實現(xiàn)的？ACC這些功能主要是用哪些傳感器來實現(xiàn)的？原理是什么？
• 推導(dǎo)Pitch角對距離誤差的影響，假設(shè)Pitch角標(biāo)定的時候，有0.1度的誤差，請推導(dǎo)對距離估計有多大的影響？

總結(jié)

以上是生活随笔為你收集整理的Apollo进阶课程⑳丨Apollo感知之旅——机器学习与感知的未来的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。