合肥网站空间,cpanel wordpress是什么,海尔电子商务网站建设预算,没有主机怎么做自己的网站导读 本文整理自 2023 年 9 月 5 日百度云智大会 - 智能汽车分论坛#xff0c;百度智能云自动驾驶云研发高级经理徐鹏的主题演讲《从研发域到量产域的自动驾驶工具链探索与实践》。 全文中部段落附有演讲中 2 个产品演示视频的完整版#xff0c;精彩不容错过。 (视频观看百度智能云自动驾驶云研发高级经理徐鹏的主题演讲《从研发域到量产域的自动驾驶工具链探索与实践》。 全文中部段落附有演讲中 2 个产品演示视频的完整版精彩不容错过。 (视频观看https://mp.weixin.qq.com/s/qsgrgirWa_UiSPkF_P7NYQ) 全文3580预计阅读时间9分钟。 百度作为国内最早布局自动驾驶的企业一直积极向行业输出自动驾驶相关的产品、技术和服务。很荣幸今天有这样一个机会向大家去分享百度在自动驾驶工具链领域的实践经验也希望把我们对自动驾驶工具链的理解同大家做一些共同的探讨。
自动驾驶是一门融合多项能力的复杂学科如果没有扎实的技术沉淀和产业布局很难破解自动驾驶快速落地的难题。百度从 2013 年便开始布局自动驾驶核心研发技术2021 年我们向产业开放了在多年自动驾驶领域积累的经验形成系统化工具链产品。两年内我们获得了国内外很多主机厂和 Tier1 的广泛认可。
这里也给大家分享几个案例
第一个案例是云仿真平台。我们跟客户一起积累了 50w 的定制化场景在不到一年的时间内帮助车企客户完成了 700 多版自动驾驶算法的迭代实现了近千万公里的测试验证让车企的量产智能驾驶落地时间大大提前。
第二个案例是数据闭环。我们在一年内帮助客户累计托管了 50 PB 数据并且在平台中嵌入了 500 多个自动驾驶数据挖掘模型完成上亿帧数据的高效处理实现数据的价值提升和转化。
第三个是数据标注。对自动驾驶的研发训练而言高质量和大数量的数据集获取在传统条件下一般是人工逐帧标注。百度自主研发的 AI 智能标注模型帮助客户累计标注了千万帧的数据省去了上千万的人力成本。
这三个案例从左往右分别对应着数据应用、数据管理和数据生产过程。在和车企落地实践的过程中我们认为自驾的研发新模式就是能够让海量自驾数据在数据的应用、生产、管理上更高效的模式。这也是我们在逐步跟客户沟通过程中逐步找到的工具链价值也得到了客户们的认可。 刚才我们分享了早期基于研发域的工具链需求以及和客户做探索和落地的一些思考。而随着智能化汽车逐步发展尤其是以智能化为核心的下半场已经到来智能汽车即将跨过发展临界点迎来真正的大爆发。
因此如果要决胜智能驾驶市场必须提前进行量产研发布局。
然而目前行业大部分自动驾驶云产品主要提供的是自动驾驶功能从无到有的研发能力。但在量产阶段车企更关注自家算法从有到优其中核心要解决的就是长尾问题。虽然长尾问题的比例可能只有 10%但是解决长尾问题的成本和代价是非常高的这也给车企带来了四大挑战 首先是数据合规。根据自然资源部去年发布的 1 号文的要求智能网联汽车在路上跑已经明确为测绘行为需要委托资质图商管控保障地理信息数据安全满足合规要求。所以对车企来说量产回传的数据如何在符合监管政策的前提下回传到云端帮助后端做研发就成了第一大挑战。 其次是效率问题。对量产车来说每天需要回传百万台车的海量数据这就对平台的处理效率提出了极高的要求。那么如何从海量混杂的业务数据中挖掘出高质量数据解决长尾问题就成了车企面临的巨大挑战。 第三是服务问题。我们需要根据不同用户反馈持续提升智能驾驶效果和乘车体验实现千人千面的个性化服务能力。 最后是成本问题。城市道路场景复杂测试尤为困难。汽车量产需要以低成本的方式拓展至全国各地如何快速适应不同城市场景也需要要有对应的处理方案。
所以量产时代自动驾驶需要新的工具、新的服务。
百度作为国内最早布局自动驾驶的企业率先完成了从研发域工具链到量产域服务的产品升级致力于服务智驾量产攻坚长尾难题为车企赢得新的市场增长点。 百度作为最早进入自动驾驶的企业之一目前已经率先完成了自动驾驶工具链从研发域到量产域的全面升级。
下图是百度智能云面向量产车全面升级的自动驾驶工具链的全套解决方案。
百度升级的自动驾驶工具链解决方案为车企搭建了一条用于车辆智能化开发的智能驾驶产线构建了面向自动驾驶全生命周期的云服务。这套方案为车企提供在智驾研发过程中的模型开发、模型训练、数据采集、数据标注、仿真测试、运营与监管等全栈工具平台让自动驾驶开发变得更智能、更高效、更简单助力车企快速开发和使用自动驾驶实现数据闭环、问题闭环和场景闭环。
百度自动驾驶工具链经过了充分的实践验证。通过大量的自动驾驶道路测试数据目前已经形成了千万量级的场景库基于领先的 AI 大底座已实现日行千万公里的自动驾驶仿真测试同时也已经支持百度 6000w 公里的自动驾驶实测里程为百度自动驾驶技术的快速迭代、效果验证提供了有效支撑。
百度智能云提供的这一套解决方案在工具链的基础之上还为客户输出了百度在自驾研发过程中的一些实践和经验将我们实践中积累的产品 Know-How 一并和用户分享帮助车企始终走在智驾前沿抢占智驾服务新市场。 下面我会从三个方面分别讲讲自动驾驶工具链在实践过程中的主要的一些思考。
第一点是工具链 合规服务。我们知道合规是底线只有数据安全智驾行业才能健康快速发展。百度作为行业内唯一支既懂合规又懂能提供完善的基础设施同时还精通自动驾驶业务的公司在打造自动驾驶工具链时精准理解数据合规要求同时满足客户业务创新需要实现「原始数据不出车、测绘数据不出云、测绘成果不关联、资质图商全管控」的效果帮助车企实现全流程的合规升级改造。
在「精准的合规」背后百度设立了专业的合规保障团队能够提供全生命周期的安全服务与多部门的「会诊」服务解决各类疑难场景为车企的智驾安全可持续发展保驾护航。 第二点是数据服务。在过去的几年的快速发展中车企逐步积累了大量数据。如何在海量数据中快速、准确地挖掘出有价值的信息是影响智驾迭代速度的关键。
传统的数据挖掘过程更多的还是通过人工标注或者算法打标的方式进行流程式的挖掘已无法满足客户对海量长尾数据的需求。
我们基于百度多年在搜索领域的积累结合文心大模型实现了自动驾驶「数据智能搜索引擎」。数据服务从「流程式」向「检索式」升级实现数据挖掘的“大海捞针”。 在检索式数据挖掘能力的帮助下标签的能力更丰富。同时通过对数据场景的精准定义可以基于图片、文字做一些更加精准的需求定义和检索能力让数据资产快速从无到有从有到优。传统特殊场景的挖掘大概需要一周时间才可以开发完毕而通过检索式的服务基本可以实现场景的一键获取。 自动驾驶研发过程中经常需要一些定制化的场景进行问题的复现。传统的解决防范是根据需要的场景来让研发人员写一些挖掘算法然后再布置对应的任务工作流才能跑出来。而现在可以如视频中的所展示的通过以图搜图、以文搜图或者场景检索等功能直接从海量数据中把所需数据搜索出来将无序的数据变成宝贵的数据资源。
第三点是仿真服务。我们观察到行业中很多伙伴其实是缺乏数据积累的。我们也一直在思考如何让缺乏数据积累的行业伙伴以低成本的方式快速进行自动驾驶的研发、测试和运营。此时高精度和多场景的城市级仿真就是解决该问题的关键。
百度多年来已积累了海量的自动驾驶数据一方面我们基于百度地图大规模路网自动构建孪生城市在孪生城市中实现高精度仿真还原全面覆盖百城差异化场景另一方面百度目前已经积累了超过 6000w 公里的自动驾驶测试里程数据并积累了千万级场景库。
百度智能云的仿真服务将为车企提供超过百城的真实路网、千万公里的场景数据支持日行千万公里的大规模仿真测试。车企在云端就可轻松验证不同城市场景下的自动驾驶能力解决因地理环境、路况差异带来的「智车出城难」问题释放百亿价值数据助力车企快速积累测试里程大幅降低研发成本研发效率提升 10 倍以上。 百度智能云的仿真平台自 2021 年正式对外发布以来已经经过了多个版本的迭代。在这个过程中非常感谢行业各位合作伙伴的信任。同时基于大模型技术的发展趋势我们的仿真平台也新增了仿真场景的自动生成在内的很多新功能后面也会逐步发布并分享给更多的行业伙伴。
智能汽车的发展也即将跨越临界点迎来真正的大爆发。百度智能云自动驾驶工具链通过提供「管家式」的云服务切实解决智驾量产面临的诸多挑战。百度期待和行业伙伴一起共同攻克自动驾驶技术难关抓住增长机遇共赴智驾量产新时代。
— END —
推荐阅读
大模型在代码缺陷检测领域的应用实践
通过Python脚本支持OC代码重构实践二数据项提供模块接入数据通路的代码生成
对话InfoQ聊聊百度开源高性能检索引擎 Puck
浅谈搜索展现层场景化技术-tanGo实践
初识搜索百度搜索产品经理的第一课
