Apollo进阶课程⑳丨Apollo感知之旅——机器学习与感知的未来
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。
- 上一篇: 交行信用卡积分兑换 万种礼品任你选
- 下一篇: 爬虫小记