“小”麻烦？揭底自动驾驶面临的真挑战

配备“千里眼”和“最强大脑”，自动驾驶汽车毫无疑问已经初具无障碍行驶的能力了。

据了解，目前，主流自动驾驶汽车对车辆、行人或是动物的识别准确率日渐提升，这得益于它们装备的不同的传感设备和算法系统。但多数人没想到的是，道路上那些最轻、最安静、最灵活的小车，可能成为自动驾驶在未来的最大挑战。

背景：“小”麻烦

“自行车可能成为自动驾驶系统面临的，最艰难的检测难题”，来自加州大学伯克利分校的研究工程师Steven Shladover如是说。

加州大学的视觉计算专家Nuno Vasconcelos也表达了类似的观点，他认为自行车正因相对小巧、灵活并且结构特殊，可能会使自动驾驶汽车面临一种复杂的计算难题。“汽车就像一个‘庞然大物’，但自行车的质量就小得多，而且它们的外形各不相同——比如不同形状、不同颜色、不同挂饰等等。”

这也解释了一个问题，就是为什么近年来自动驾驶车对汽车的检测正确率已经超过了自行车。当然，其中也包括一些算法训练的原因。目前自动驾驶汽车的路况检测算法，一大部分是基于图像的深度学习，而主要的“学习”对象是汽车特征，自行车则相对较少。

转机：算法颠覆

话说到这儿，就要祭出一个近期刚刚发布的神秘算法了。这个“神秘”更多不在于算法本身，而是其颇为有趣的研究团队阵容。我们了解到，去年年底，这几位研究人员发布了他们名为“Deep3DBox”的算法论文。

从上图就看得出，论文由三人合力完成，其中一人来自乔治?梅森大学，而另外两位，则来自极尽低调之能却被炒得声名在外的，无人驾驶汽车创业公司Zoox。

了解这一领域的人应该对Zoox多少有所耳闻，这家坐标美国硅谷的初创公司致力于无人驾驶汽车研发。去年10月，一笔高达5000万融资过后，Zoox身价已经一跃达到了10亿美元。虽然Zoox可能压根儿没有“外宣”部门，但它的技术员工阵容十分强大，一些资料显示，部分员工曾供职于谷歌、苹果、特斯拉等公司。

回到三人共同研发的最新算法“Deep3DBox”，用颇为外行的话解释，就是这种算法独创了一种方式，能够从2D照片中提取3D的目标检测和姿态估计。测试数据显示，Deep3DBox能够识别89%的车辆，而之前这一记录保持者（学术方向）的成绩是70%。

3   第1页/共3页   首页   下一页   上一页   尾页