在今年CVPR 2021 Argoverse 運動預測挑戰賽(Argoverse Motion Forecasting Competition)上,來自國內自動駕駛公司輕舟智航的QCraft Blue Team斬獲第一名。

專注運動預測,推動自動駕駛技術創新進步

在計算機視覺領域,CVPR和 ICCV、ECCV并稱三大頂尖會議。其中,CVPR是由IEEE舉辦的計算機視覺和模式識別領域的國際頂級A類會議,堪稱計算機視覺領域的“奧斯卡”。

CVPR 2021期間舉辦的Argoverse運動預測挑戰賽,主要在來自 Argo AI 的高清地圖和傳感器數據Argoverse 數據集上進行,對道路使用者的運動進行預測,以推動自動駕駛技術的研究創新與進步。

Argoverse運動預測挑戰賽目前已舉辦三屆,本屆主要按"帶概率校正的最終位移誤差"評選出冠軍,并對能夠以新穎的方式處理互動、計算輕量化、能創造性地使用 Argoverse 的高清地圖,或在有挑戰性場景的子集上表現出色的團隊進行榮譽獎勵。

作為業內國際權威比賽,今年的Argoverse運動預測挑戰賽延續了去年比賽的熱度,共吸引來自世界各地的幾十支團隊參賽,其中,阿里巴巴、?？低?、華為、深動科技、Waymo等知名企業紛紛參與挑戰。

眾所周知,運動估計與路徑規劃是自動駕駛系統智能性的最直接體現,對行駛的安全性起決定性作用。但是,由于現實路況的復雜性,運動估計一直是自動駕駛的一大難點。

輕舟智航參賽方案通過基礎算法架構將原始高清地圖數據組織為Lane graph,使用圖神經網絡建模復雜的車道拓撲關系,并憑借一種新的遠程圖注意力機制,對高清地圖中的車道圖進行編碼,成功理解復雜的車道互動關系。最終在本次比賽的決勝關鍵指標brier-minFDE上取得了顯著的優勢,摘得桂冠。

自主創新,輕舟智航打造自動駕駛超級工廠

近年來,自動駕駛技術一直保持在機器學習、預測、控制、仿真、車載系統、地圖定位等方面進行自研系統的完善。目前來看,自動駕駛在技術上已經解決了90%的問題,但剩下10%的問題如很多邊界化難題,即自動駕駛車輛從未遇到過的問題,需要付出比過去更多的精力去攻克。

最近,為了解決這些難題,針對真實場景數據較難采集,需花費大量人力、物力和時間的困難,輕舟智航將自監督學習突破性地應用在自動駕駛感知模塊,讓自動駕駛車輛在不需要標注數據的情況下,也可以很好地理解交通參與者的運動狀態。

這一研究成果是全球首個能夠在完全自監督框架下進行激光雷達點云體柱運動預測的學習范式,被業內視為解決自動駕駛邊界化難題的新思路,并已被CVPR 2021收錄。

值得注意的是,輕舟智航打造的自動駕駛超級工廠,擁有完整的數據收集及處理能力,可自動化完成數據收集、數據清洗標注、仿真評估以及大規模仿真場景生成等流程,可大大減少測試成本,實現數據閉環。

憑借自動駕駛超級工廠,輕舟智航可基于多種車型實現L4級別自動駕駛功能,應對各類城市復雜交通場景,推動我國自動駕駛在更多智慧城市場景中落地。

比如,由輕舟智航部署的龍舟ONE無人小巴,目前已經在蘇州、深圳、武漢等多個城市上路運營,是國內布局城市最多的公開道路自動駕駛公交,讓市民可以放心地體驗自動駕駛的樂趣,也為行業創新發展帶來了一些啟發。

隨著新一輪科技革命和產業變革,特別是在新基建的推動下,自動駕駛正在打破傳統交通行業的邊界,推動新型交通生態系統的構建。讓出行更加方便自由的自動駕駛究竟離真正大規模落地還有多遠,我們拭目以待。