无人驾驶研究小组研讨会

2019年12月16日晚18：30，由无人驾驶研究小组在国家多媒体软件工程中心7楼会议室进行每周学术讨论会，该小组现有指导老师3名，研究生10余名，本科生5名，并有华为AI 计算芯片和东风提供线控车辆平台作为验证手段。主要目标是跟踪国际Waymo和Telsa公司技术和斯坦福和CMU的学术进展， 将最新的深度学习和强化学习技术运用到自动驾驶的算法性能提升中，重点解决车道线检测，3D目标检测，目标跟踪以及车辆行为预测的等方面的难点问题，并运用到量产车辆的L2和L4的自动驾驶系统中。

首先，于欢博士为大家带来论文《VPGNet: Vanishing Point Guided Network for Lane and Road Marking Detection and Recognition》的讲解，VPGNet提出统一的端到端可训练多任务网络，共同处理在恶劣天气条件下由消失点引导的车道线和道路标记检测和识别。实验结果表明，在各种工况条件下实时实现了高精度和鲁棒性。

李明老师为大家带来讲解强化学习相关知识。强化学习的目的是通过和环境交互学习到如何在相应的观测中采取最优行为。行为的好坏可以通过环境给的奖励确定。不同的环境有不同的观测和奖励。驾驶中的环境的奖励根据任务的不同，可以通过到达终点的速度、舒适度和安全性等指标确定。强化学习可以更有效地解决环境中所存在着的特殊情况。比如，无人车环境中可能会出现行人和动物乱穿马路的特殊情况。只要我们的模拟器能够模拟出这些特殊情况，强化学习就可以学习到怎么在这些特殊情况中做出正确的行为。其次，强化学习可以把整个系统作为一个整体的系统，从而对其中的一些模块更加鲁棒。

        研究小组学生汇报了上周工作进展，从基础网络设计，到3D目标检测性能提升，以及目标跟踪等方面展示了自己的研究成果，大家积极讨论，互相切磋，各位老师也为大家的工作提出建设性的意见，拓宽了大家对研究方向的认识，对学术研究起到了积极的促进作用。