百度大脑提出自动驾驶仿真系统AADS,论文登上Science子刊( 四 )

对于自动驾驶领域而言 , 安全性是至关重要的一环 。 业界一般认为一个可靠的、安全的自动驾驶系统必须能保证在苛刻的测试环境下安全行驶数亿公里 。 按照这一指标 , 若完全使用真实道路测试 , 可能需要长达数十年 。 强大的AADS可以提供一套完整的自动驾驶仿真数据链 , 不仅可以生成海量标注数据用于训练、测试自动驾驶感知、路径规划等核心机器学习算法 , 也可以端到端、交互式的完整测试、验证自动驾驶系统 。 通过AADS系统 , 既能兼顾自动驾驶系统测试的安全性 , 也能极大地缩短测试时间 。

基于 AADS 系统 , 百度还同时发布了两大公开数据集 , 即 ApolloCar3D 和 TrafficPredict 。 这两个数据集是百度 ApolloScape 开源项目的一部分 , 其中 ApolloCar3D 数据集包括超过六万车辆的实例 , 配有高质量的三维 CAD 模型和语义关键点 。 TrafficPredict 是一个运动物体的轨迹数据集 , 包括时间戳 , 车辆 ID , 类别 , 位置 , 速度 , 朝向等信息 , 轨迹总长度达到1000多公里 。 百度主持的 CVPR 自动驾驶研讨会将于 2019 年 6 月举行 , 此次研讨会将重点关注自动驾驶中的多帧感知、预测和规划 , 同时举办全球范围内的挑战赛事 。


推荐阅读