: Artificial intelligence in autonomous vehicle systems

AI"Apollo", AIApolloAIApollo, ApolloAI

无人驾驶系统是一个涵盖了多个功能模块和多种技术的复杂软硬件结合系统. 在机器学习，大数据和人工智能技术的大规模崛起之前，无人驾驶系统和其他的机器人系统类似，整体解决方案基本依赖于传统的优化技术。随着人工智能和机器学习在计算机视觉以及自然语言处理领域获得巨大成功，学术和工业界也逐步开始在无人车系统的各个模块中进行基于人工智能和机器学习的探索. 无人驾驶系统作为代替人类驾驶的解决方案，其设计思路和解决方法背后都蕴含了很多对人类驾驶习惯和行为的理解。从车上的最小化可行性产品(Minimum Viable Product)角度出发，一套车辆上运行的无人驾驶软件系统包括高精地图，车辆定位，环境感知，行为预测，智能决策，以及规划控制等核心模块。这些车上的核心软件模块可以基本分为“客观世界”以及“主观行动”两个类别。客观世界的部分包括地图，定位，以及对外部动态静态物体的感知，而主观行动部分则包括了从宏观行为的决策到底层控制的计算。从模块分隔和设计的角度，这些“客观世界”和“主观行动”的每一个模块都会产生大量的历史数据。人工智能技术对于无人驾驶的一个最重要的意义，就在于如何从这些数据中学习到人类的有效驾驶经验，从而使得无人驾驶系统更加安全，有效和智能. 我们将以百度的开源无人车技术平台Apollo为基准和样例。首先介绍无人车软件系统的整体设计思路和模块划分理念。其次我们将结合Apollo无人车解决方案中的环境感知，行为预测，以及规划控制等模块所需要解决的问题，分享并探讨AI技术在这些模块的应用场景以及具体的基于AI的解决方案。在"客观世界"方面，这些AI技术的应用包括计算机视觉技术在环境感知上的解决方案，以及如何利用大规模机器学习技术有效对周边车辆的行为作出预测建模。AI技术在“主观行动”即无人车的决策规划控制上也有创新的尝试和应用，我们将分析我们在Apollo的规划控制上实践利用AI技术的经验案例。最后，我们也将对"端到端"的一体化基于学习的无人车解决方案做出展望和探讨.