- 0
- 0
- 0
分享
- 全球首届车路协同自动驾驶算法挑战赛公布获奖名单
-
2023-03-23
3月23日,由清华大学智能产业研究院(AIR)联合百度Apollo共同发起的“清华AIR-百度Apollo车路协同自动驾驶算法挑战赛”公布获奖名单。
评审专家和参赛团队答辩合影
评审专家
杨睿刚 嬴彻科技CTO,IEEE Fellow
张振林 中汽创智智能驾驶CTO
王井东 百度计算机视觉首席科学家
高果荣 百度智能驾驶事业群副总裁
聂再清 清华大学国强教授、智能产业研究院(AIR)首席研究员
获奖队伍名单
奖项 | 队伍 | 学校/工作单位 | 团队成员 |
一等奖 | cinyou的团队 | 清华大学 | 游晶、王定宇、张猛、郭文轩 |
二等奖 | Anonymous | 个人 | 傅佳安,杨心怡 |
二等奖 | MML | 河北大学 | 焦文涛,王春荣 |
三等奖 | ARM330 | 小米 | 李宁 |
三等奖 | ZLQK | 清华大学/北京理工大学 | 李想,张昊,陈超义,雷诺,吴思宇 |
三等奖 | 大橘太重了的团队 | 清华大学 | 陈思暐,董佳林,王胤嵩,毛瑞清,刘度 |
优胜奖 | Router | 东南大学 | |
优胜奖 | 小小科学家的团队 | 中国科学技术大学 | 陈飞扬 |
优胜奖 | 嘉能 | 华南理工大学 | 练秋酉 |
优胜奖 | 车路协同Lab | 西安建筑科技大学 | 王秉路,黄鑫,胡世超,胡载宜,张磊 |
一等奖
方案示意图
自动驾驶安全面临巨大挑战,单车智能存在驾驶盲区、中远距离感知不稳定等问题,导致自动驾驶车辆可运行设计域受限,单车智能自动驾驶落地受阻。本方案构建了多终端、多模态融合网络,在BEV视角下完成多源异构数据的特征融合,并针对多终端协同标注数据有限的问题,利用单终端数据增强多终端型训练,提升了车路协同场景下3D目标检测的准确度和通用性。
Q:为什么参加算法挑战赛?
Q:从去年11月开赛至今,是否有遇到挑战?如何去解决的?
二等奖
方案示意图
受场景限制,车路协同中的3D目标检测任务对算法通常具有更高要求,精度与效率的平衡、通信延迟等问题极大地影响了检测模型与融合策略的选择。本方案聚焦于点云数据特点与车路协同场景下的计算资源与通信成本限制,通过对数据分布的挖掘与数据增广的合理应用,在不使用任何额外数据或预训练的前提下通过后融合简洁高效地完成检测任务。因融合与训练过程相对独立,允许采用的数据与增广策略更加灵活,并且易于拓展到多模态或结合时序信息的检测模型中。
Q:参赛感受是什么?
方案示意图
车路协同检测(Vehicle-to-Infrastructure(V2I))是一种基于智能交通系统(ITS)的技术,旨在提高交通安全和效率。它利用车辆和道路基础设施之间的通信,实现交通信息共享和协同行驶。近年来,基于光探测和测距(LiDAR)点云的三维物体检测因其在智能城市和自动驾驶中的广泛应用而备受关注。级联框架在二维物体检测方面显示出其先进性,但在三维空间中研究较少。传统的级联结构使用多个独立的子网络来顺序地细化区域建议。然而,这种方法在所有阶段测量提案质量的能力有限,并且很难在3D空间中实现期望的性能改进。我们使用了一种新的级联框架,称为级联注意(CasA),用于从激光雷达点云中检测三维物体。CasA由区域建议网络(RPN)和级联细化网络(CRN)组成。在CRN中,我们设计了一种新的级联注意力模块(CAM),该模块使用多个子网络和注意力模块来聚合不同阶段的对象特征,并逐步细化区域建议。CasA可以集成到各种两级三维探测器中,并提高其性能。
Q:参赛感受是什么?
我想说
“通过车路协同算法挑战赛,积累了对前沿人工智能领域的经验,尤其是在多模型融合、多模态感知等方面,感谢主办方对比赛的精心设计,也提供了完整的baseline代码,模型等可供参考。”
---团队:ARM330(三等奖)
“参加算法挑战赛是一个很好的机会来锻炼自己的算法设计和编程能力,并且能够接触到最新的技术和研究方向。在挑战赛中,我们学到了很多关于车路协同感知算法的知识和技能,例如数据预处理、特征提取、模型设计和优化等等。同时,我们也认识了许多来自不同背景和领域的人,这些人都对算法和人工智能有着浓厚的兴趣和热情。
参加挑战赛对于今后的科研和工作也有很大的帮助。首先,它使我们更加了解了人工智能在交通领域的应用和前沿研究,为我们今后在相关领域的研究和工作提供了很好的基础。其次,它锻炼了我们在算法设计和编程方面的能力,使我们更加自信和熟练地应对未来的挑战。最后,参加挑战赛还使我们意识到了团队协作和沟通的重要性,这对于今后的工作和生活都是至关重要的。”
---团队:ZLQK(三等奖)
通过车路协同算法挑战赛,我们更加了解了自己的研究领域,对自动驾驶前沿的三维感知算法又有了更深刻的理解。这次比赛让我们对从调研前人工作、模型选择、代码实现算法和训练与测试都有了更丰富的经验,此外我们也首次通过本次比赛认识到路端和车端检测方法的异同。
----团队:大橘太重了的团队(三等奖)
感谢所有的参赛团队,并祝贺上榜队伍!
大赛参与方
清华AIR
百度Apollo
飞桨
平台及论文
MMDetection3D
OpenDAIRV2X
DAIR-V2X数据集论文
AIR长期招聘人工智能领域优秀科研人员
点这里关注我们
关于AIR
-
阅读原文
* 文章为作者独立观点,不代表数艺网立场转载须知
- 本文内容由数艺网收录采集自微信公众号清华大学智能产业研究院 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。