自动驾驶技术再突破，轻舟智航研究成果开启边界化难题解决新思路

近日，国内自动驾驶公司轻舟智航对外公开其在自动驾驶技术的最新研发成果——将自监督学习突破性地应用在自动驾驶感知模块。让自动驾驶车辆在不需要标注数据的情况下，就可以较好地理解交通参与者的运动状态。这一研究成果是全球首个能够在完全自监督框架下进行激光雷达点云体柱运动预测的学习范式，被业内视为解决自动驾驶边界化难题的新思路，并已被世界顶级计算机视觉会议CVPR 2021收录。

伴随着新能源汽车的发展，自动驾驶技术正在走近人们的生活，越来越多地应用在各类车辆上。但目前自动驾驶技术仍然在持续迭代，虽然已经解决了90%的问题，但还有10%的边界化难题需要被解决。这类边界化难题一般是指自动驾驶车辆从未遇到过的问题，因为缺少数据，机器无法应对这些问题，比如路上一些形状各异的车辆。

为了解决这些问题，一方面需要收集大量数据，另一方面，由于传统技术的局限性，收集上来的大部分数据需要由人工进行标注，才能被机器所使用。据统计，一辆自动驾驶汽车每天会产生超过1TB的数据，但仅有不到5%的数据被利用，若能把其他数据也充分利用起来，必将推动自动驾驶技术的大范围落地商用。

在这个背景下，轻舟智航联手约翰霍普金斯大学的学者，提出了创新性的解决方案。研究团队借助自监督学习，从未标注的激光雷达点云和配对的相机图像中获得了点云运动信息，即使是数据未标注的情况下，也可以很好地理解其他交通参与者的运动状态。

无人驾驶车辆通常搭配有多种高精度的传感器，包括激光雷达、摄像头、毫米波雷达等。其中，激光雷达是最可靠的一类传感器，激光雷达扫描后获取的数据称为点云数据，可以构建出一个3D空间。

在使用这些点云数据时，轻舟智航应用到了自监督学习。作为人工智能技术里最令人期待的方向，自监督学习不需要依赖任何人工标注的数据集，能从大规模未标记数据中进行自我学习。目前，这一前沿研究大多被应用在自然语言处理和计算机视觉领域，轻舟智航则将其突破性地应用在了自动驾驶领域。

得益于轻舟智航这一技术的创新与突破，轻舟智航的龙舟ONE无人小巴在行驶过程中能够很好的检测并预测其他物体的运动情况，从而控制车辆以一个安全、舒适的路径行驶。

目前，由轻舟智航部署的无人公交线路已经覆盖苏州、深圳、武汉等多个城市，这项技术突破使得轻舟智航的自动驾驶车辆能够应对更多的复杂场景，适用于更多城市和地区的复杂道路交通场景，为乘客带来更安全、更舒适的乘坐体验。