百度Apollo自动驾驶开放平台近期正式加入加州柏克莱大学的DeepDrive深度学习(deep learning)自动驾驶产业联盟, 并发布了Apollo数据及前瞻技术品牌Apollo Scape, 正式开放ApolloScape大规模自动驾驶数据资讯. 腾讯科技报导, 百度自驾开放平台Apollo日前正式加入UC Berkeley DeepDrive深度学习自驾产业联盟UC Berkeley. UC Berkeley DeepDrive深度学习自动驾驶产业联盟的研究应用主要在于汽车领域的电脑视觉和机器学习技术, 成员包括NVIDIA, 高通(Qualcomm), 通用(GM), 福特(Ford)等20家发展自驾事业的跨国企业, 研究项目涵盖感知, 规划决策, 深度学习等自动驾驶重要关键技术. 身为百度副总裁, AI技术平台体系(AIG)总负责人, 百度研究院院长的王海峰表示, 百度与UC Berkeley的合作将透过Apollo开放的产业资源和UC Berkeley顶尖的学术团队加快自驾的技术理论创新以及落地应用的进程. 百度于发布会上公布ApolloScape自动驾驶开放数据资讯, 该举之所以使业界趋之若鹜的原因在于在自动驾驶开发测试中, 大量的真实数据是必不可缺的研究原料, 却鲜少有团队有能力去开发并经营一个能够定期校准并收集新数据的自驾平台. Apollo开放平台此次发布的ApolloScape不仅比Cityscapes等同类数据集拥有大10倍以上的数据量, 包括感知, 仿真场景, 路网数据等等数十万帧逐像素语义分割标注的高分辨率图象数据, 进一步涵盖更复杂的环境, 天气和交通状况等. 就数据难度观之, ApolloScape数据涵盖了更复杂的道路状况, 例如其单张图像中有多达162辆交通工具或80名的行人, 同时开放数据集采用了逐像素语义分割标注的方式, 是目前环境最复杂, 标注最精准, 数据量最大的自动驾驶数据集. ApolloScape发布的整个数据集包含数十万帧逐像素语义分割标注的高分辨率图象数据将有利于研究人员更加充分利用数据. 百度在数据集中定义了26个不同语义项的数据实例(包括汽车, 自行车, 行人, 建筑, 路灯等), 未来将进一步涵盖更复杂的环境, 天气和交通状况等. 此外, ApolloScape也将进行更多关于仿真的前瞻技术研究, 目标是打造真实世界还原度最高, 场景最丰富的仿真平台; 目前, ApolloScape计划透过Apollo仿真平台同时将数十辆自动驾驶车辆投入到同一个路网中行驶, 模拟真实的复杂驾驶场景, 是目前最先进的智能驾驶仿真技术之一, 可以帮助研发人员有效检验并优化预测, 决策和路径规划等算法, 大大提升自动驾驶的测试多样性. 据介绍, Apollo开放平台还将与UC Berkeley在电脑视觉及模式识别大会(CVPR)期间共同举办自动驾驶研讨会, 并以ApolloScape的大规模数据定义多项任务挑战, 为全球自动驾驶开发者和研究人员提供共同探索前瞻领域技术突破及应用创新的平台.
