Helm.ai推出DNN基础模型 用于意图预测和路径规划

盖世汽车讯 据外媒报道，自动驾驶和机器人自动化的下一代人工智能软件供应商Helm.ai宣布推出基于DNN（深度神经网络）的行为预测和决策基础模型，进一步扩展其用于高端ADAS L2/L3和L4级自动驾驶的AI软件堆栈。

图片来源：Helm.ai

该公司训练了DNN基础模型来预测复杂城市场景中车辆和行人的行为，以及预测自动驾驶车辆在这些情况下将采取的路径，这是自动驾驶汽车自我决策能力的关键要素。Helm.ai利用其经过行业验证的环视全场景语义分割和3D检测系统作为核心表示，实现训练意图预测和路径规划。此外，该基础模型使用Helm.ai专有的深度教学（Deep Teaching）技术进行训练，以可扩展的方式实现广泛的预测能力。

Helm.ai的技术直接从真实驾驶数据中学习，并利用该公司高度准确且时间稳定的感知系统来捕获有关车辆和行人以及周围驾驶环境的复杂行为的信息，从而使DNN能够自动学习城市驾驶中微小却重要的因素。为Helm.ai的意图和路径预测提供支持的基础模型从一系列观察到的图像中收集输入，并生成预测视频序列，而这些序列代表接下来发生情况最有可能的结果。该模型还为自动驾驶车辆提供了与意图预测一致的预测路径。意图预测和路径预测功能对于自动驾驶车辆规划最安全的最佳行动都至关重要。

重要的是，用于意图预测和路径规划的Helm DNN基础模型是在高度可扩展的深度教学范式中进行训练的，从而能够直接从真实驾驶数据中无监督地学习复杂的城市驾驶场景。这种方法绕过了繁琐的基于物理的模拟器和手工编码的规则，因为这些规则不足以捕捉现实世界中驾驶的全部复杂性。特别的是，Helm.ai开发和验证管道在针对高端ADAS L2/L3量产软件进行优化的同时，也可以直接应用于L4级完全自主应用。此外，Helm.ai可扩展的人工智能方法很容易推广到自动驾驶车辆以外的机器人领域。

Helm.ai正在构建一种人工智能优先的自动驾驶方法，旨在从高端ADAS L2/L3级大规模生产计划一直无缝扩展到大规模L4级部署。该公司的纯软件平台与硬件无关且视觉优先，解决了视觉的关键感知问题，同时还根据需要整合了视觉和雷达/激光雷达之间的传感器融合。

通过为自动驾驶汽车基于人工智能的意图预测和路径规划软件的可扩展开发和验证铺平道路，此次Helm.ai推出的新技术加速了其软件产品的价值。

Helm.ai首席执行官Vladislav Voroninski表示：“在Helm.ai，我们正在开创一种高度可扩展的人工智能方法，可在同一框架中同时解决高端ADAS L2/L3即批量生产和大规模L4级部署问题。”