对话星舆科技:以高精度位置感知切入自动驾驶 构建AI时代基础设施

简介: 星舆以高精度位置感知切入自动驾驶,欲以此为自动驾驶产业链提供基础性服务。
TB1znaToXzqK1RjSZSgXXcpAVXa.png

吕韶清亲自参与了中国互联网基础设施的搭建,彼时就职于亚信(中国)科技有限公司(AsisInfo)的他,亲眼见证了基础设施如何造就、支持着中国互联网从0到1、从萌芽、生长、繁荣的全过程。

除了亚信以外,这位中国最早一批的技术老兵也曾就职于网通、海格通信等通信及导航企业,对互联网、人工智能、导航和电信行业的技术及市场趋势有敏锐的嗅觉和深刻的理解。 

如果说互联网于他而言是上半场;那么AI无疑将是下半场的主战地。而对于下半场,他已经找到了切入点。

他敏锐地意识到此刻将处于自动驾驶爆发的前夜,这将是一个万亿级的市场。自动驾驶需要实现感知、决策、控制三大环节;高精度位置感知则是一切首要前提,也将会是AI时代的基础设施服务之一。

凭借着对基础设施的理解,他及核心团队于2018年成立星舆科技,希望以高精度位置感知来切入未来人工智能时代,并以此勾勒一幅技术商业的全景图。 

雷锋网(公众号:雷锋网)新智驾对话星舆科技CEO吕韶清,了解星舆对于AI时代基础设施有着什么样的理解,以及在高精度位置感知这条细分赛道上的布局与种种思考。

成立渊源:瞄准AI时代基础设施

与过去“移动互联网时代思考人需要什么”相比,面向未来AI时代,我们更应该思考的是机器需要什么能力。

“我们把AI感知层次分为三个级别:第一层是对环境元素的量化,比如温度,也就是Touch(触摸);第二层是中间的感知,即理解环境,比如机器对于位置感知;第三层是认知,机器需要有拟人化的情感或思考。目前国内切入位置感知的企业并不是很多,但位置感知是人工智能时代的刚需,未来必将会爆发。因此星舆瞄准的是位置感知领域”。吕韶清说。

机器对于高精度位置的感知,是刚性的需求;而对机器而言,单纯地输送坐标是不够的,还需要让机器理解每一个坐标背后的意义,才能真正帮助机器判断自身所处位置。因此,构建一个机器可感知、具有绝对坐标的精准时空体系就显得尤为重要,这个就属于人工智能时代的基础设施。

但这是一块“硬骨头”?作为一家年轻的公司,何以撬动这个巨头板块?

虽然星舆科技于2018年年初正式成立,但并非是一无所有地闯入高精度位置感知这个高技术壁垒的领域。此前,星舆的研发项目与团队运作已长达几年,是由公司核心团队与上市公司海格通信旗下子公司海格怡创共同发起创立。

这里需要交代的一个背景是:星舆科技脱胎于上市公司海格通信。海格通信是国内北斗导航领军企业同时也是北斗军事应用领域最大的整机供应商,海格怡创的通信网络建设和维护优化业务则覆盖全国20多个省,与三大运营商及铁塔公司具有良好业务关系。无论是在北斗民用还是通信、网络建维等方面,星舆都有明显的优势,相较于一般公司,也更容易获得更多相关资源、政策及技术的支持。

TB1riKZokzoK1RjSZFlXXai4VXa.png

*星舆团队

除了吕韶清以外,星舆的团队核心成员均来自于通信、测绘、地图、人工智能等领域,对于高精度位置,都有着深厚的感知。目前星舆科技团队约有130人,研发占比高达80%,团队成员大多来自香港科技大学、新加坡国立、CMU等名校。从团队背景来看,星舆已经集结了一支优秀的技术队伍。也正是基于这些优势和背景作为支持,使得星舆拥有十足的底气进入高精度位置感知这个细分赛道。

技术路径:着力打造全场景高精度位置感知

在星舆所瞄准的四个应用场景里(物联网、自动驾驶、机器人、无人机)当中,自动驾驶无疑是一个非常重要的应用领域,也是其支柱性业务之一。

对于自动驾驶车而言,实现全场景、高精度、室内外一体化的位置感知非常重要,尤其是在高楼林立、立交隧道密集的城市场景中,对于全场景高精度位置感知的需求更为迫切。 

事实上,如何达到稳定、可靠、连续的位置感知业内急需攻破的技术难点之一。为了能提供一套稳定可靠保证的全场景高精度位置感知技术方案,星舆独辟蹊径,开辟出一条技术道路——“基于自身布设的北斗高精度定位网络,借助各个卫星观测站来获取修正的差分数据,并结合机器视觉、IMU、UWB和云端智能定位算法的技术方案”,使得自动驾驶汽车能够获得24小时不间断的服务,实现从室内到室外的无缝过渡。 

TB18BO0ogHqK1RjSZFEXXcGMXXa.png

*星舆在无人车上测试自身的高精度位置感知技术

诀窍在哪里?星舆对雷锋网新智驾解释:星舆从高精度定位、加强机器对自身周围环境感知、高精度地图三个方面进行逐一进行单点的突破。 

在实现高精度定位方面,RTK是星舆的重磅武器之一。因为在多种传感器中,RTK的重要性不言而喻。即使在雨雪、雾天、积水的恶劣天气情况下,RTK依旧可以不受影响地正常工作,这种特性可以弥补机器视觉、毫米波雷达等其他传感器的不足。

在满足机器视觉对自身周围环境感知需求的层面,星舆利用自研的智能立体视觉技术,分析立体摄像头拍摄的图像,对道路环境进行全范围识别与环境重建,定位出自身在道路中的位置与周边设施的关系,对于运动物体如车人进行跟踪与行为预测,为实时规划行驶路径提供可靠的依据。

在高精度地图方案,星舆也是卯足劲,做了大量的准备工作。据吕韶清对雷锋网新智驾透露:未来一年内,星舆科技计划完成覆盖全国主要地区的北斗高精度定位网络布设,采用星舆自主研发的智能观测站接收机进行布站,相比起传统土建浇筑布站方案,时间大大缩短,建设、维护成本也大大降低。

TB1dRKKomrqK1RjSZK9XXXyypXa.png

*图片为传统接收机(左)与星舆智能观测站接收机对比 

高精度地图是自动驾驶产业链当中一块必争的高地。从技术的维度看,高精度地图是自动驾驶重要的技术支柱;从商业模式的维度看,高精度地图也存在着不可估量的商业价值。 

星舆的定位是构建AI时代的基础设施,事实上,高精度定位和高精度地图是一对孪生兄弟,高精度地图的生产、制作离不开高精度定位网络,因此,无论从商业逻辑还是技术优势上来讲,星舆高精度地图解决方案都有着明显的优势。

破局自动驾驶:以AI技术发力高精度地图 

区别于传统地图,高精度地图拥有非常丰富的道路元素信息,高精度的坐标、准确的道路形状、每条车道的坡度、曲率、航向、高程这些信息都是构成高精度地图的核心元素。此外,高精度地图需要更高频率甚至是实时的地图更新,这就意味着,高精度地图需要非常庞大的数据量,并且是一项高投入的业务。

国内某家图商在2016年底公布过一次成本,每辆测绘车800万,每公里测绘成本10万,可是单就中国而言,道路总里程500万公里。 虽然已经两年多过去了,成本已经在一定程度上有所降低,但是,这笔账依旧是巨大的。因此,任何一家想在高精度地图上有所作为的企业,如何在保证高质量交付的同时控制成本一定是他们的第一要务。

星舆科技的做法是基于北斗的高精度定位网络和AI定位终端,采取“机器视觉+RTK+IMU”的高精度地图众包采集和更新方案,构建一个低成本高效率的高精度地图众包生产体系。 

 通过安装于众包车辆上的地图采集终端,对高精度地图数据进行实时采集,交由后台更新处理,并经过基于深度学习的人工智能引擎审核识别更新到地图数据体系中,从而实现可供自动驾驶使用的海量实时动态地图数据。 

这样既能够满足高精度地图对于高频率更新的需求,又能够以低成本的方式获取大量的地图数据。

TB1j.GPojTpK1RjSZKPXXa3UpXa.png

*星舆高精度地图识别自动化处理

 “尽管CV(computer vision)尚缺乏认知理解能力,但在大数据和超算计算能力的支撑下,基于深度学习的CV已经能够接近于人的感知能力。因此,星舆也着力于双目机器视觉的研发,目前星舆高精度地图的自动化处理率已达90%以上,此外,星舆还将不断对地图元素作精细化分类和提取。”吕韶清对新智驾表示。

未来星舆将通过量产千元级别的高精度地图采集终端,有望实现高精度地图的众包实时更新。

从星舆的技术路径和应用路径来看,星舆的动态数据积累和科学数据分析,以及人工智能数据处理后,所生产出来的高精度地图质量既能够保障的同时,在时间和成本上都有明显的优势。 吕韶清对新智驾说:“未来,没有一个企业可以垄断把握所有数据,高效、高质量的数据才有意义,性价比高、又能高效采集高质量数据的终端,才是众包高精度地图的必由之路。”

聚焦千元级别定位终端,极大压缩成本

 “AI定位终端”是星舆面对自动驾驶主推的产品,也是星舆“网·端·云”精准时空体系当中的重要一环,这也是实现全场景高精度位置感知能力的关键之一。 

星舆的“AI定位终端”,集成了智能立体摄像头、IMU、RTK定位模块,融合视觉、惯导、卫星定位等多种定位技术,内置AI算法与GPU计算单元,基于高精度定位网和终端云端智能的定位,能够实现全场景高精度实时定位。

TB1WOWVokvoK1RjSZFNXXcxMVXa.png

*图为星舆自主研发的高精度地图采集终端

此外,由于该产品鲁棒性高、工程化程度高、成本低、商业适用性广,将为新一代智能设备、无人车、机器人等提供厘米级位置感知。

 “AI定位终端”打通了从硬件、算法及网络层面的关卡,对卫星定位换站的稳定性、室内超宽带时间同步的精确性、惯性导航运算的效率、视觉定位的精准度等定位技术都进行了优化,并通过自主研发的AI融合定位模型,使前述多种难以同时兼容的定位技术(GNSS、UWB、IMU、视觉),无缝地融合在产品终端上,并且能够达到厘米级的定位。

目前从自动驾驶主流传感器来看,激光雷达等成本虽一降再降,但精密制造的工艺决定了它很难达到大众所能接受的量产价格水平,“一辆车也才十几二十万,只有做到千元级别,才能真正指向落地的量产。星舆通过自身研发优势,聚焦可量产落地的终端,极大地压缩了自动驾驶的成本。”

此外,吕韶清告诉新智驾:“目前所采用的芯片都是车规级芯片,目前在无人车这个领域已经和数位合作伙伴达成了合作协议。未来半年内星舆的重点将是实现量产以及过车规。”

总的来说,开放、高动态与严重不确定环境下自动驾驶研发所突破的感知和认知技术,是人工智能产业应用的核心赋能力量,可望推动其他无人平台、个人机器人等未来颠覆性产品形态的发展。 

 星舆选择了一条最佳的技术路径切入,重要的是高精度位置感知技术如何能够结合不同领域,赋能不同领域。星舆科技表示,将采取更加开放的生态策略,基于开放平台与产业链各方进行合作,通过构建AI时代的基础设施,打开商业的大图景。

目录
相关文章
|
1天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
1天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
4 1
|
2天前
|
人工智能 自然语言处理 程序员
如何看待首个 AI 程序员入职科技公司?
【5月更文挑战第3天】通义灵码入职阿里云,那么 如何看待首个 AI 程序员入职科技公司?
|
4天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的进化之路
【5月更文挑战第8天】 随着人工智能(AI)技术的飞速发展,AI系统正逐步从单一任务处理转向多任务、持续学习的智能体。本文将深入探讨AI技术在持续学习系统中的最新进展,包括深度学习、强化学习以及转移学习等关键技术。文章还将讨论如何通过这些技术实现AI系统的适应性、泛化能力和自我进化,从而推动AI在多变环境中的长期应用和自主决策能力。
|
4天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
15 1
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI】生成式AI,对话式AI,LLM,SLM 差异分析
【5月更文挑战第6天】生成式AI,对话式AI,LLM,SLM 学习
|
5天前
|
机器学习/深度学习 存储 人工智能
构建未来:AI在持续学习系统中的应用
【5月更文挑战第6天】 随着人工智能技术的飞速发展,AI在各个领域中的应用越来越广泛。本文将探讨AI在持续学习系统中的应用,以及如何通过这种技术提高教育质量和效率。我们将讨论AI如何帮助个性化学习,提供实时反馈,以及如何通过数据分析预测学生的学习进度。此外,我们还将探讨AI在教育中的潜在挑战和解决方案。
18 3
|
6天前
|
人工智能 自动驾驶 安全
破壁人AI百度:科技公司反内卷的典型样本
互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词,恰如其分的描述了互联网的现状,比如抖音开始做外卖,微信强推视频号,一直硝烟弥漫的电商市场,更是激战在社区团购上。
21 3
|
8天前
|
传感器 人工智能 自动驾驶
【AI 场景】如何开发用于自动驾驶的人工智能系统?
【5月更文挑战第3天】【AI 场景】如何开发用于自动驾驶的人工智能系统?
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应学习系统
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,教育领域正经历一场由AI驱动的变革。本文将探讨一个新兴的研究领域——自适应学习系统。这种系统通过利用机器学习算法和大数据分析,能够根据学生的学习习惯、知识水平和兴趣点提供个性化的教学方案。我们首先介绍自适应学习系统的基本概念及其在现代教育中的重要性,然后详细阐述其工作原理及关键技术,包括数据挖掘、模式识别和自然语言处理等。最后,文章将分析当前自适应学习系统面临的挑战,并提出未来的发展趋势。