智行者聯(lián)合清華大學等單位完成國內(nèi)首套端到端自動駕駛系統(tǒng)的開放道路測試

4月22日消息，近日國內(nèi)無人駕駛研發(fā)公司智行者與清華大學車輛學院李克強院士、李升波教授領(lǐng)導的研究團隊，完成了國內(nèi)首套全棧式端到端自動駕駛系統(tǒng)的開放道路測試。

據(jù)了解，該系統(tǒng)依托車路云一體化智能網(wǎng)聯(lián)駕駛架構(gòu)，涵蓋了“感知-預測-決策-規(guī)劃-控制”等全鏈路環(huán)節(jié)，從今年1月份率先啟動了城市工況的開放道路驗證，經(jīng)過近4個月的內(nèi)部測試，完成了各項性能的綜合評估。官方表示，這一工作為L3級及以上高級別自動駕駛系統(tǒng)的落地應用奠定了堅實的基礎(chǔ)。

系統(tǒng)開發(fā)中，智行者主要負責感知模型的構(gòu)建與預訓練，并與清華大學等單位共同完成了實車平臺的搭建與開放道路測試。

目前，處于L1、L2級智能駕駛系統(tǒng)主要依賴“模塊分解”的設計思路，盡管部分模塊（如感知、預測等）已經(jīng)初步神經(jīng)網(wǎng)絡化，但是決策、規(guī)劃、控制等模塊仍然嚴重依賴人工規(guī)則和在線優(yōu)化，缺乏利用數(shù)據(jù)進行閉環(huán)迭代的能力，這導致行車過程的智能性仍然不足。同時，模塊間不可避免地存在較大信息損失，且各模塊的優(yōu)化目標存在一定沖突，不利于自動駕駛過程的綜合性能提升。

與之相比，以全模塊神經(jīng)網(wǎng)絡化為特征的“端到端”自動駕駛系統(tǒng)，因模塊與模塊之間的信息傳遞可依賴高維度特征向量，且神經(jīng)網(wǎng)絡具有充分的訓練自由度，最大程度地減少了傳感器到執(zhí)行器之間的信息損失，使得全棧模塊具備利用數(shù)據(jù)閉環(huán)進行快速更新的能力，這為高級別自動駕駛的智能性提升提供一條全新的技術(shù)路徑。

據(jù)了解，清華大學與智行者團隊自2018年就開始瞄準端到端自動駕駛領(lǐng)域進行深耕，重點突破決策、規(guī)劃與控制領(lǐng)域的神經(jīng)網(wǎng)絡設計與訓練難題。團隊先后提出了面向高級別自動駕駛的集成式?jīng)Q控（IDC）開發(fā)框架，研發(fā)了綜合性能國際領(lǐng)先的數(shù)據(jù)驅(qū)動強化學習算法（DSAC），首創(chuàng)了時空分離的交通參與者行為預測模型（SEPT），設計了具有動作平滑特性的控制型神經(jīng)網(wǎng)絡架構(gòu)（LipsNet），開發(fā)了自主知識產(chǎn)權(quán)的最優(yōu)控制策略近似求解器（GOPS），以螞蟻搬家的精神逐一解決了端到端自動駕駛面臨的一系列核心難題。

以此為基礎(chǔ)，今年年初清華大學與智行者團隊成功研制了首個從傳感器原始數(shù)據(jù)到執(zhí)行器控制指令的全棧神經(jīng)網(wǎng)絡化自動駕駛系統(tǒng)，并率先完成了城市工況開放道路的實車測試驗證。（蕭?。?/p>

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。