快讯 | 百度发布Apollo1.5 开放五大核心能力,未来3年花100亿投资100家公司

百度正式发布Apollo 1.5,相比Apollo 1.0,在障碍物感知、决策规划等方面进行了重大升级,支持昼夜定车道自动驾驶。同时,百度还宣布了一系列生态建设和人才培养计划。

百度智能驾驶事业群组总经理   李震宇


记者 | 鸽子



9月20日,百度正式发布Apollo1.5,这是继7月5日Apollo1.0发布后,仅2个半月时间又一大动作。从升级速度和推进力度来看,确实能感到百度咬紧了无人驾驶这条线绝不放松的姿态,拼尽全力狂奔中。


来看看相较于Apollo1.0,此次发布的Apollo1.5有哪些升级。


据百度智能驾驶事业群组总经理李震宇介绍,此次正式开放的能力包括障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习(End-to-End)五个方面,并支持昼夜定车道自动驾驶。


来看看这五大能力背后有哪些可圈可点之处。



开放5大核心能力


一、开放障碍物感知能力


针对这一块,百度特别采用深度学习神经网络来为预测模型进行建模。


此外,针对不同类型的障碍物、车辆、行人等,李震宇表示,百度专门配备了针对不同预测轨迹的算法。由此集成的可插拔软件架构对外开放。


障碍物感知能力开放后,开发者将在以下两个方面受益:


  1. 夜间视觉环境下,也可以精准识别障碍物识别,保障夜间行驶安全;

  2. 可对异形障碍物(非典型交通场景)进行识别,例如大型犬、足球、垃圾桶等。


第二,开放决策和规划能力


此次Apollo1.5开放的决策和规划能力,是利用优化器和基于动态规划的规划器反复迭代出的系统架构,可以保障昼夜定车道自动驾驶。


第三,开放百度专为自动驾驶自主研发的高精地图。


据称,百度的高精地图在精度上可达厘米级;广度上,计划在2020年覆盖全国所有高等级道路及重点城市道路。


第四,开放百度自动驾驶的云端仿真平台。


这项能力的开放可以为开发者节省实际路测的成本和时间。


第五,开放端到端的深度学习(End-to-End)能力。


这项能力可以让Apollo1.5从数据输入,到决策和规划的数据输出,都能适配不同底层结构。



生态建设


除技术能力外,针对开发者和Apollo生态合作伙伴,百度也公布了Apollo项目日前取得的成绩以及未来计划:


1. 从7月5日百度AI大会以来,Apollo保持着每周数十次频率的代码更新,两个多月时间新增6.5万行代码。


2. 截止目前,共有1300多个合作伙伴下载使用了Apollo开源代码,近百个合作伙伴通过Apollo官网申请开放数据。


3. 与金龙客车合作,Apollo实现了首例商用车落地实例。


4. 百度与激光雷达制造商Velodyne联合宣布,Velodyne将为Apollo生态成员提供专门渠道获取产品信息,享有更短供货周期和专项技术支持。


5. 软件方面百度与ROS达成合作,双方将推动ROS Community和Apollo生态的深入合作。


6. Apollo基金将实现“双百计划”,计划三年内投入100亿资金,对超过100家项目的进行投资。这将是全球规模最大的自动驾驶专项基金。


7. 推出百度自动驾驶数据标注众包平台。为生态内企业提供数据标注方面的便利服务。


在发布会的现场,百度副总裁邬学斌表示,Apollo由一个统一的执行委员会组成,设14个席位,由Apollo生态圈内成员推荐选举产生,一年一换。决策委员会之下,设立多个技术委员会。



开发者生态及人才培养


在开发者人才生态建设方面,Apollo与优快云、优达学城、极客邦等多方合作,共建开发者社区。


其实早在7月5日Apollo 正式开源前,优快云与百度的合作就已开始。双方联合主办和组织的无人驾驶技术专家团研讨会,提前进行了代码审核,专家组包括:


  • 陈  钟  北京大学教授、北大软件与微电子学院院长

  • 陈  绪  英特尔中国云计算战略总监

  • 韩  威  宇通智能客车车队队长,中科院微电子所副研究员

  • 侯晓迪 图森CTO 

  • 蒋  涛  优快云 & 极客帮创始人

  • 刘  澎  中国开源软件推进联盟秘书长

  • 刘少山  PerceptIn 联合创始人、董事长 

  • 邱纯鑫  速腾聚创创始人

  • 徐   昕  国防科大教授

  • 余轶南  地平线公司自动驾驶研发总监


在发布会的结尾,邬学斌说了这么一段话:“开发者之难就是Apollo之难,开发者之喜就是Apollo之喜,开发者成功才是Apollo的成功,我想开发者一定能成功,Apollo一定能成功。”


开发者是百度无人驾驶中的重要力量,好的生态能够成就他人,成就整个产业链条。希望百度的计划和未来行动,能给开发者们持续不断的赋能和力量!


— end —



AI公开课

主题:让机器读懂你的意图——人体姿态估计入门

时间:9月26日晚8点

嘉宾:曾冠奇,便利蜂智能零售实验室团队负责人

内容:

  • 人体姿态估计在新零售的应用点

  • 人体姿态估计的整个知识结构树

  • 人体姿态估计一个流派的论文、算法和代码解析

扫码报名


主题:深度学习中基础模型性能的思考和优化

时间:已结课(可看复播)

嘉宾:吴岸城 菱歌科技首席算法科学家

扫码学习:


主题:XGBoost模型原理及其在各大竞赛中的优异表现

时间:已结课(可看复播)

嘉宾:卿来云 中科院副教授

扫码学习:


主题:深度学习入门及如何转型AI领域

时间:已结课(可看复播)

嘉宾:覃秉丰 深度学习技术大咖

扫码学习:


 ☞ 点赞和分享是一种积极的学习态度

标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值