毫末智行兩篇論文入選IROS 2022智慧機器人國際頂會

6 月 30 日，毫末智行兩篇最新研究成果成功入選機器人領域頂級學術會議 IROS （IEEE/RSJ International Conference on Intelligent Robots and Systems 智慧機器人與系統國際會議）2022，近期將通過論文方式發表在 IROS 2022 會刊上。

此次毫末智行團隊提交的兩篇最新論文研究成果分別是：《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》（《基於鐳射雷達的三維運動目標分割的高效時空資訊融合》）、《OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》（《OverlapTransformer：一種基於鐳射雷達的高效、旋轉無關的位置識別網路》）。兩篇論文從 2000 多篇投稿論文中脫穎而出，成功入選。

論文結合鐳射雷達在自動駕駛車輛上的應用，分別提出了一種新的針對鐳射雷達運動目標分割的深度神經網路和一種新的基於鐳射雷達的位置識別演算法，幫助自動駕駛車輛有效利用時空資訊、識別運動目標，以及為自身進行快速準確的定位，從而極大的提升鐳射雷達的感知能力。

隨著近年來自動駕駛領域對鐳射雷達應用的逐步深入探索，其強大的空間三維分辨能力已普遍被視為自動駕駛技術向高階升級和商用落地過程中的重要能力。然而，硬體採集的資訊資料，也需要演算法進行更快、更準確的解析，才能幫助自動駕駛車輛更好地對其加以利用，從而實現更安全的行駛。毫末智行的兩篇論文即從這一角度進行切入。

在《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》中指出，準確的運動目標分割是自動駕駛的一項重要任務，而如何有效地利用時空資訊是三維鐳射雷達運動目標分割的關鍵問題。為此，毫末提出了一種新的深度神經網路，利用時空資訊和鐳射雷達的不同表示模式來提高鐳射雷達 MOS 效能。

具體來說，研究人員提出了一種新穎有效的基於鐳射雷達的線上運動目標分割網路，通過使用雙分支結構以更好的融合空間資訊和時間資訊，並引入了一種「由粗到細」的策略來減少物體邊界上的邊界模糊問題，在保持實時性的同時，效能一舉超越之前的網路 。目前，相關方法在 SemanticKITTI MOS 基準上實現了最先進的鐳射雷達 MOS 效能。

在《Overlap Transformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》一文中，毫末提出了一種新的位置識別方法，利用安裝在自動駕駛車輛上的三維鐳射雷達產生的距離影象，可實現僅使用鐳射雷達資料而不使用任何其他資訊來檢測 SLAM 的 loop closure 候選或是直接給出地點識別，並在不進行微調的情況下很好地推廣到不同的環境中，在長時間跨度的室外大規模環境（毫末資料集）中實現長期位置識別。OverlapTransformer 的執行速度比大多數最先進的方法更快，各項指標也都達到了 SOTA。

IROS（IEEE/RSJ International Conference on Intelligent Robots and Systems，IEEE/RSJ 智慧機器人及系統國際會議）是世界機器人和智慧系統領域中最著名、影響力最大的頂級學術會議之一。2022 年的 IROS 以「共生社會的具體化人工智慧」為主題，將於 10 月 23-27 日在日本京都舉行。

作為國內量產自動駕駛領先公司，毫末智行在過去的兩年半時間裡，憑藉強大的技術創新能力和產品的快速落地能力，收穫了業內外的廣泛認可。

毫末打造的中國自動駕駛領域首個數據智慧體系 MANA，通過定義和使用資料智慧，提升自動駕駛產品能力，是其產品迭代的基石，具備高效率、低成本挖掘資料價值的能力。

截止 2022 年 6 月，毫末資料智慧體系 MANA 學習時長已超 24 萬小時，虛擬駕齡相當於人類司機駕駛 2 萬年。毫末表示，基於 MANA 的強大能力及規模化量產能力和日趨成熟的商業模式，該公司已建立起完善的資料閉環，為自身技術產品的不斷升級及自動駕駛技術進步提供了強有力支撐。