自动驾驶汽车如何利用时空信息更好地识别运动物体，没有定位导航又如何知道“我在哪里”？这是目前自动驾驶正在攻克的技术难题。现在，中国自动驾驶人工智能公司陌陌智行想出了一个更好的解决方案。6月30日，陌陌知行两项最新研究成果成功入选机器人领域顶级学术会议IROS（IEEE/RSJ智能机器人与系统国际会议）2022，并将发表在IROS2022期刊通过论文在不久的将来优越。沫沫智行团队最新提交的两篇论文的研究结果分别是：《EfficientSpatial-Temporal Information Fusion for LiDAR-Based 3D Moving ObjectSegmentation》（《基于激光雷达的三维运动目标分割的高效时空信息融合》）和《OverlapTransformer:An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based PlaceRecognition》（《OverlapTransformer：一种基于激光雷达的高效、旋转无关的位置识别网络》）。两篇论文从2000多篇投稿论文中脱颖而出，成功入选。本文结合激光雷达在自动驾驶汽车中的应用，提出了一种新的激光雷达运动目标分割深度神经网络和一种新的基于激光雷达的位置识别算法，帮助自动驾驶汽车有效利用时空信息，识别运动目标，并快速、准确定位自身，从而大大提高激光雷达的感知能力。随着近年来激光雷达在自动驾驶领域应用的逐步深入探索，其强大的空间三维分辨能力被普遍认为是自动驾驶技术向高端化升级过程中的重要能力。商业实施。但是，硬件收集的信息数据也需要通过算法进行更快、更准确的分析，帮助自动驾驶车辆更好地利用它，从而实现更安全的驾驶。沫沫知行写的两篇论文就是从这个角度出发的。《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3DMoving Object Segmentation》中指出准确的运动目标分割是自动驾驶的重要任务，而如何有效利用时空信息是3D激光雷达运动目标分割的关键问题。为此，MoMo提出了一种新的深度神经网络，通过利用时空信息和LiDAR的不同表示模式来提高LiDARMOS的性能。具体来说，MoMo提出了一种新颖有效的基于激光雷达的在线运动目标分割网络，它使用双分支结构更好地融合空间信息和时间信息，并引入了“从粗到精”的方法。减少物体边界上边界模糊问题的策略，同时保持实时性，性能一举超越之前的网络。目前，相关方法在SemanticKITTIMOS基准测试中实现了最先进的LiDARMOS性能。在文章《Overlap Transformer: An Efficient and Yaw-Angle-InvariantTransformer Network for LiDAR-Based Place Recognition》中，MoMo提出了一种新的位置识别方法，利用安装在自动驾驶车辆上的3D激光雷达生成的距离图像，可以实现仅使用激光雷达数据而不使用任何其他信息的SLAM检测直接给出闭环候选或位置识别，无需微调即可很好地扩展到不同环境，实现长期室外大尺度环境（毫米数据集）下的长期位置识别。OverlapTransformer比大多数最先进的方法运行得更快，所有指标都达到了SOTA。IROS（IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems，IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems）是国际上最著名、最具影响力的机器人与智能系统领域顶级学术会议之一。IROS2022将于10月23-27日在日本京都举行，主题为“为共生社会实现人工智能”。作为国内量产自动驾驶第一家，在过去两年半的时间里，陌陌智行凭借强大的技术创新能力和快速的产品落地能力，获得了行业内外的广泛认可。陌陌打造的国内首个自动驾驶领域数据智能系统MANA，通过数据智能的定义和运用，提升自动驾驶产品的能力。截至2022年6月，毫米数据智能系统MANA的学习时间已超过24万小时，虚拟驾驶体验相当于人类驾驶员2万年的驾驶时间。基于MANA强大的能力、大规模量产能力和日益成熟的商业模式，陌陌建立了完整的数据闭环，为自身科技产品的不断升级和中国自动驾驶技术的进步提供了有力支撑。
