百度三类特定场景下的自动驾驶解决方案

百度智能汽车事业部顺应“Apollo”计划的战略构想，将自己定位为领先的自动驾驶解决方案提供商，主要聚焦于制定三类特定场景下的自动驾驶解决方案：第一，高速公路行驶场景；第二，自动代客泊车场景；第三，卡车或商用车的自动驾驶。
顾维灏说，在高速公路行驶场景中，高速公路行驶占据了一半以上的驾驶总时间，且道路环境相对封闭和稳定，显然是自动驾驶绝佳的应用场景。 在自动代客泊车场景中，停车位资源在北京、纽约或伦敦这些大城市非常紧张，因此百度自动驾驶团队希望为司机解决这些问题。另外，在运营商用车的费用中，人力和燃料成本分别占据三分之一，剩下的三分之一才是汽车本身。实际上，商用车在环境相对封闭的港口、矿场及工厂等地上按照固定路线低速运行，实现自动驾驶较为容易，将自动驾驶技术应用到物流运输等商用车上，能节约大量的人力成本和燃料成本。因此，发展自动商用车同样具有经济意义。
百度自2012年开始便与英伟达就人工智能领域展开多项合作，并在2016年的百度世界大会上宣布将共同打造自动驾驶汽车平台。大会上，顾维灏展示了百度自动驾驶技术在英伟达DRIVE PX 2上的应用成果。DRIVE PX 2是英伟达打造的全球首款车载人工智能超级计算机，能够为自动驾驶的复杂计算提供强劲性能支持。据他介绍，通过使用英伟达的GPU 和相关代码库(TensorRT)，百度DNN深度神经网络模型训练速度快了大约1000倍，整整提升了三个数量级，因此节省了大量研发时间。
高精地图是保证自动驾驶安全性的关键所在。顾维灏说，自动化是百度高精地图的核心竞争优势，自动化程度超90%，能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标，相对精度达0.1-0.2米，准确率高达95%以上。对于自动化程度的计算方法，顾维灏解释是将目标检测率与准确率相乘得出。此外，在DRIVE PX2上运行的百度自定位技术，能够实现厘米级精度，在路测中横向误差仅为20cm、纵向误差则为2米，满足L3自动驾驶在高速路场景下的应用。
庞大的数据储备也是百度发展自动驾驶的优势之一。百度自动驾驶开放平台Road Hackers可提供海量中国路情驾驶数据的开放、基于深度学习的自动驾驶算法的演示和自动驾驶算法基准测试评比。顾维灏介绍，百度地图采集车队，积累了海量的街景图像、道路汽车状况等数据。同时还记录了车辆在采集图像过程中方向盘转角、刹车、加速和其它动作信息。依托庞大数据库，百度可以使用端到端深度学习算法教汽车像人类一样驾驶。通过模仿人类司机的驾驶行为，可以更好地避免自动驾驶车辆在转弯、刹车以及加速中的“生硬”和“突然”，带来舒适的乘车体验。

目标明确

多多益善！

异想天开

非同小可

自欺欺人