百度开放自动驾驶模型训练数据，为解决汽车“决策”能力?

在 CES 上，除了与北汽拿出一份智能汽车量产时间表，百度也做了一件让无人驾驶开发者有些动心的事情：

在宣布推出高级自动驾驶人工智能模型 Road Hackers 的同时，也将开放基于此模型的百度自动驾驶训练数据。

据百度介绍，Road Hackers 是在真实路况下，利用百度深度学习及百度神经网络等人工智能技术，实现最优算法的高级自动驾驶人工智能模型，也是世界上第一个在真实道路上实现端到端模式的高级自动驾驶模型。

用“深度学习”来提升智能汽车的“决策”能力

一般来讲，　自动驾驶问题的难点在于城市环境下的驾驶场景是十分复杂和难以预测的。所以需要通过融合多种传感器的数据来实现感知、定位、决策和规划。

其中，“决策”与“规划”一直是难以突破的问题之一。这个时候，深度学习技术就派上用场了，例如市面上比较有名的 Caffe 等深度学习框架，就可以方便地用来进行深度学习训练，很适合用于解决自动驾驶等任务。

但要强调一点，进行训练需要首先收集驾驶场景并进行标注物体类别或驾驶决策，建立训练数据的数据库。而具体操作时就需要运用上面提到的“端对端模式”：

向模型输入那些摄像头、雷达等传感器获取的原始数据，以数学模型算法来计算出最优驾驶决策，然后再直接输出给车辆方向系统和行车系统，最终形成符合路况的驾驶决策。

值得注意的一点是，随着不断贴合真实路况，模型算法也将被不断优化。

当然，“决策”能力不是在很短时间内就能被训练出来的，为了继续深化“深度自动驾驶技术”的研究，百度还与清华水木汽车工程系建立了学研关系。

开放 Road Hackers

对于 Road Hackers 这个自动驾驶学习平台的优势，百度认为，一方面它能够通过“百度大脑”既有体系，建立更多优质的人工智能算法模型，根据实际路况情况，实时输出给车辆最优自动驾驶决策;

另一方面，它可以利用来自百度地图的大量实时驾驶数据来不断“学习”合理的真实驾驶行为和习惯，让车辆在自动驾驶时不断优化用户的乘车体验。

当然，鉴于人工智能技术“开放”的本性，笼络更多开发者一起优化自动驾驶的”决策”能力显得很有必要。因此，百度 L3 智能汽车事业部也宣布，将同时对外开放全部的自动驾驶训练数据，让开发者对百度的算法与模型进行更深一步的使用、研究及测试。

百度自己给出的开放理由为”打破高级自动驾驶技术方面的壁垒“，但实际上，与所有算法开源平台的目的一样，百度希望把开发者们黏在平台上，分享彼此的数据与其他资源，建立自己的智能驾驶生态系统。

可以想象一下，百度既然承诺 Road Hackers 将逐步扩大对外开放的资源力度，那么未来自动驾驶深度算法与相关技术的研究门槛很有可能会不断降低。

这或许就像百度所说的，未来开发者只要关注模型的高层结构就够了，而无需担心数据量等底层问题。

但是，从数据这一方面来看，最担心的不应该是数据量，而是数据的来源与优质程度。这种通过地图收集的数据，其训练出的“决策”能力是否能胜任实际道路上的一切情况，还需要路测来验证。

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 百度开放自动驾驶模型训练数据，为解决汽车“决策”能力?