6月17-18日,2021第四届中国国际自动驾驶大会以“转型、创新、协同、融合”为主题在上海成功举办。宽凳科技应邀出席,产品副总裁孙旭发表《高精地图产业化必经之路- 自动化质量评估》的精彩演讲,深刻分析了高精地图自动化、规模化质量评估的技术难点和解决思路。并和大家分享了宽凳科技自主研发的高精地图质量评估平台的实践经验,以及高精地图质量评估对高精地图量产的重要影响。


随着自动驾驶各领域技术的快速发展,自动驾驶的功能正快速走进我们的生活日常,并逐步影响着我们的驾驶习惯。人们在体验自动驾驶带来的舒适和便利体验的同时,对安全问题一直持续关注。从感知到决策的各领域的专家也不断在提升自身在安全可靠性能上的极致追求。
自动驾驶功能的不断升级,高精地图的价值得到了广泛的认可,作为自动驾驶不可或缺的信息源,高精地图与其他车载感知设备的区别主要体现在三个方面,首先高精地图提供了超视距的精细化感知信息,可以定制化的提供行驶路线上前向环境信息,既可以是规划路径上的沿线信息,也可以包含沿途分离和合并道路的信息,这是都是车载感知系统无法实时获取的;其次高精地图提供了更深层次的道路级,车道级拓扑连接关系,现实世界的每个车道之间的通行关系,都得到了完整精准的体现;同时高精地图还通过整合道路标线,标牌,标志的综合信息形成的各类的交通限制信息,交通禁止信息。这些深层次的交通语义规则信息,以及拓扑信息会大大降低车端计算的复杂度。也让自动驾驶的决策更深入的依赖高精地图的信息输出。

高精地图承载了大量的物理世界的要素形态信息,属性信息,以及语义信息,我们经常说高精地图是现实世界的数字孪生,丰富大量的信息必然会带来更高的制作和维护难度,要素的丰富度也使得高精地图的时间敏感性更强,更多的现实世界的变化需要被及时发现和体现到数据更新里面。如何快速,规模化的检测出高精地图数据的各类错误,评判并保障高精地图产品的质量,是高精地图产业化的关键路径和必经之路。
虽然高度可靠的高精地图还有很长的路要走,但是规模化的评估能力建设是重要的第一步。为了迈出这一步,宽凳科技自主研发了规模化的质量评估系统HDES,在这套系统中,全面评估高精地图的数据质量,平台整合了完整的质量评估维度,覆盖高精地图的各类要素和属性信息。为了支持规模化的评估能力,开发了支持高度自动化的图像资料和数据匹配的底层核心技术。同时把一整套评估的业务逻辑通过一套评估平台完成了全流程的串接。实现了从输入到输出的全流程平台流转。并在此基础上开发了特色的可视化校验系统,并支持多格式的互相校验。通过逻辑检查规则,数据和现实世界的自动对比,以及高精地图数据和检查点真值的自动匹配对比,系统可以对高精地图的5个质量维度作出全面的评价并给出评估报告。通过HDES评估系统,不仅可以对宽凳自己制作的高精度地图进行规模化质量评估,同时也可以对三方的高精度地图进行规模化质量评估。这对高精度地图的行业发展起到了非常重要的推动作用。

今年宽凳科技凭借专业的团队和扎实的技术实力中标量产项目,现阶段正在全面更新全国高速和快速道路的高精度地图,并针对收费站,服务区等特定场景升级了地图要素的精心化表达,支持高速城快主线,匝道,收费站,服务区等全区域场景的自动驾驶应用。为此宽凳科技将成为拥有中国全国高速和快速公路数据信息最新最全的高精度地图公司。宽凳科技将用专注的高精度地图技术服务与各一级供应商和主机厂,并将高精度地图技术应用在交通领域的各个行业,推动高精度地图行业快速发展。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。