2022-10-20 | 대전=박희윤 기자

开发出恶劣天气下也能自动驾驶的世界顶级4D雷达人工智能技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

KAIST于20日表示,赵天植移动大学院孔承贤教授研究团队在世界上首次开发出可在恶劣天气条件下实现稳定自动驾驶的4D雷达(Radar)周边物体感知人工智能技术。

研究团队表示,将公开所构建的人工智能学习数据集(Dataset)KAIST-雷达(以下简称K-雷达)、所开发的人工智能神经网络(RTN4D),以及面向全球研究人员的4D雷达人工智能开发平台(Platform)和相关基准(Benchmark)。

目前全球正在开发的自动驾驶汽车,主要通过以适当的人工智能神经网络处理摄像头和激光雷达(LiDAR)输出的图像与点云(Pointcloud)数据,来识别汽车周边物体。

然而摄像头和激光雷达分别使用可见光和红外线,在雨雪或雾天条件下测量性能大幅下降,由此难以识别周边物体,无法实现安全的自动驾驶。

此外,与可安装在车内的摄像头不同,安装在车顶的激光雷达暴露于外部环境,一旦其表面附着雨雪或泥尘,利用激光雷达进行前方探测便变得困难。

孔承贤教授解释称:“在潮湿路面上,如前方有行驶车辆,其轮子扬起的混有泥尘的水雾会迅速污染激光雷达表面,结果导致对所有前方物体的激光雷达测量都无法进行。”

与使用红外线的激光雷达不同,77吉赫兹(GHz)频段的汽车雷达对雪、雨、雾等恶劣天气具有很强的稳健性,即使表面附着雨雪或泥尘也能给出稳定的测量结果。近来高分辨率4D雷达(测量到目标的距离、方位角、高度、多普勒频率)已被开发并进入商用,其性能也在快速提升。

因此,全球范围内已开始利用人工智能进行4D雷达周边感知技术的研究,但4D雷达所需的人工智能研究进展十分缓慢。原因在于,与摄像头或激光雷达不同,开发高性能人工智能所必需的充分数据集尚未构建。自2021年起虽有部分4D雷达点云数据集公开,但数据量不足且测量值非常稀疏,难以开发可靠的物体识别人工智能神经网络。

研究团队公开的K-雷达是在包括恶劣天气在内的多种天气及交通状况下采集的高多样性数据集,并与精确同步的摄像头和激光雷达测量数据一同构建,规模高达13太字节(TB),是世界上首个4D雷达数据集。

特别是,K-雷达并非点云形式,而是能够最大化人工智能神经网络性能的张量(Tensor)形式数据集,它不采用一般雷达的去噪方式,从而完整保留了处于噪声水平的微弱细微测量值。

研究团队开发的4D雷达人工智能神经网络(RTN4D)通过K-雷达进行了大量训练,结果在多种天气和道路状况下,对70米以内的物体准确完成物体判别、位置估计及行驶方向估计三项估计的比例最终达到62.5%,具有世界最高性能。

此外,研究团队还公开提供雷达用人工智能神经网络开发平台和基准,以便全球研究人员自行追加构建数据、开发神经网络技术并自主评估其性能。

孔承贤教授表示:“在下雪或下雨的天气里,4D雷达人工智能神经网络比现有激光雷达人工智能神经网络具有稳定得多的周边物体感知性能,这一结果表明4D雷达是恶劣天气下自动驾驶的必备传感器,这也是近来美国Waymo和以色列Mobileye公开表示计划在数年内将4D雷达用作自动驾驶主要感知传感器的原因”,并称“期待通过研究团队公开的K-雷达以及4D雷达人工智能开发平台和基准,今后关于4D雷达的人工智能研究能够更加活跃地展开”。

K-雷达、4D雷达人工智能神经网络(RTN4D)、4D雷达人工智能开发平台与基准将通过实验室主页和GitHub发布。

本次研究在韩国研究基金会(NRF)及信息通信规划评价院(IITP)的支持和Smart Radar System的合作下完成,研究成果将由博士研究生白东熙在2022年12月举行的全球性人工智能会议“NeurIPS 2022”数据集与基准分会(Datasets and Benchmark Track)上发表

阅读韩文原文