百度開放自動駕駛模型訓練數據，為解決汽車“決策”能力？

在 CES 上，除了與北汽拿出一份智能汽車量產時間表，百度也做了一件讓無人駕駛開發者有些動心的事情：

在宣布推出高級自動駕駛人工智能模型 Road Hackers 的同時，也將開放基于此模型的百度自動駕駛訓練數據。

據百度介紹，Road Hackers 是在真實路況下，利用百度深度學習及百度神經網絡等人工智能技術，實現最優算法的高級自動駕駛人工智能模型，也是世界上第一個在真實道路上實現端到端模式的高級自動駕駛模型。

用“深度學習”來提升智能汽車的“決策”能力

一般來講， 自動駕駛問題的難點在于城市環境下的駕駛場景是十分復雜和難以預測的。所以需要通過融合多種傳感器的數據來實現感知、定位、決策和規劃。

其中，“決策”與“規劃”一直是難以突破的問題之一。這個時候，深度學習技術就派上用場了，例如市面上比較有名的 Caffe 等深度學習框架，就可以方便地用來進行深度學習訓練，很適合用于解決自動駕駛等任務。

但要強調一點，進行訓練需要首先收集駕駛場景并進行標注物體類別或駕駛決策，建立訓練數據的數據庫。而具體操作時就需要運用上面提到的“端對端模式”：

向模型輸入那些攝像頭、雷達等傳感器獲取的原始數據，以數學模型算法來計算出最優駕駛決策，然后再直接輸出給車輛方向系統和行車系統，最終形成符合路況的駕駛決策。

值得注意的一點是，隨著不斷貼合真實路況，模型算法也將被不斷優化。

當然，“決策”能力不是在很短時間內就能被訓練出來的，為了繼續深化“深度自動駕駛技術”的研究，百度還與清華水木汽車工程系建立了學研關系。

開放 Road Hackers

對于 Road Hackers 這個自動駕駛學習平臺的優勢，百度認為，一方面它能夠通過“百度大腦”既有體系，建立更多優質的人工智能算法模型，根據實際路況情況，實時輸出給車輛最優自動駕駛決策；

另一方面，它可以利用來自百度地圖的大量實時駕駛數據來不斷“學習”合理的真實駕駛行為和習慣，讓車輛在自動駕駛時不斷優化用戶的乘車體驗。

當然，鑒于人工智能技術“開放”的本性，籠絡更多開發者一起優化自動駕駛的”決策"能力顯得很有必要。因此，百度 L3 智能汽車事業部也宣布，將同時對外開放全部的自動駕駛訓練數據，讓開發者對百度的算法與模型進行更深一步的使用、研究及測試。

百度自己給出的開放理由為”打破高級自動駕駛技術方面的壁壘“，但實際上，與所有算法開源平臺的目的一樣，百度希望把開發者們黏在平臺上，分享彼此的數據與其他資源，建立自己的智能駕駛生態系統。

可以想象一下，百度既然承諾 Road Hackers 將逐步擴大對外開放的資源力度，那么未來自動駕駛深度算法與相關技術的研究門檻很有可能會不斷降低。

這或許就像百度所說的，未來開發者只要關注模型的高層結構就夠了，而無需擔心數據量等底層問題。

但是，從數據這一方面來看，最擔心的不應該是數據量，而是數據的來源與優質程度。這種通過地圖收集的數據，其訓練出的“決策”能力是否能勝任實際道路上的一切情況，還需要路測來驗證。

我是 36 氪要聞組的宇多田，關注無人駕駛、特斯拉、新能源汽車與 AI。歡迎聯系。微信：fudabo001（注明身份）。

來自: 36kr.com