百度Apollo自動駕駛開放平台近期正式加入加州柏克萊大學的DeepDrive深度學習(deep learning)自動駕駛產業聯盟, 並發布了Apollo數據及前瞻技術品牌Apollo Scape, 正式開放ApolloScape大規模自動駕駛數據資訊. 騰訊科技報導, 百度自駕開放平台Apollo日前正式加入UC Berkeley DeepDrive深度學習自駕產業聯盟UC Berkeley. UC Berkeley DeepDrive深度學習自動駕駛產業聯盟的研究應用主要在於汽車領域的電腦視覺和機器學習技術, 成員包括NVIDIA, 高通(Qualcomm), 通用(GM), 福特(Ford)等20家發展自駕事業的跨國企業, 研究項目涵蓋感知, 規劃決策, 深度學習等自動駕駛重要關鍵技術. 身為百度副總裁, AI技術平台體系(AIG)總負責人, 百度研究院院長的王海峰表示, 百度與UC Berkeley的合作將透過Apollo開放的產業資源和UC Berkeley頂尖的學術團隊加快自駕的技術理論創新以及落地應用的進程. 百度於發布會上公布ApolloScape自動駕駛開放數據資訊, 該舉之所以使業界趨之若鶩的原因在於在自動駕駛開發測試中, 大量的真實數據是必不可缺的研究原料, 卻鮮少有團隊有能力去開發並經營一個能夠定期校準並收集新數據的自駕平台. Apollo開放平台此次發布的ApolloScape不僅比Cityscapes等同類數據集擁有大10倍以上的數據量, 包括感知, 模擬場景, 路網數據等等數十萬幀逐像素語義分割標註的高解析度圖象數據, 進一步涵蓋更複雜的環境, 天氣和交通狀況等. 就數據難度觀之, ApolloScape數據涵蓋了更複雜的道路狀況, 例如其單張映像中有多達162輛交通工具或80名的行人, 同時開放數據集採用了逐像素語義分割標註的方式, 是目前環境最複雜, 標註最精準, 數據量最大的自動駕駛數據集. ApolloScape發布的整個數據集包含數十萬幀逐像素語義分割標註的高解析度圖象數據將有利於研究人員更加充分利用數據. 百度在數據集中定義了26個不同語義項的數據實例(包括汽車, 單車, 行人, 建築, 路燈等), 未來將進一步涵蓋更複雜的環境, 天氣和交通狀況等. 此外, ApolloScape也將進行更多關於模擬的前瞻技術研究, 目標是打造真實世界還原度最高, 場景最豐富的模擬平台; 目前, ApolloScape計劃透過Apollo模擬平台同時將數十輛自動駕駛車輛投入到同一個路網中行駛, 類比真實的複雜駕駛場景, 是目前最先進的智能駕駛模擬技術之一, 可以幫助研發人員有效檢驗並優化預測, 決策和路徑規劃等演算法, 大大提升自動駕駛的測試多樣性. 據介紹, Apollo開放平台還將與UC Berkeley在電腦視覺及模式識別大會(CVPR)期間共同舉辦自動駕駛研討會, 並以ApolloScape的大規模數據定義多項任務挑戰, 為全球自動駕駛開發者和研究人員提供共同探索前瞻領域技術突破及應用創新的平台.
