Baidu, Inc. heeft plannen aangekondigd om in 2023 's werelds grootste autonome ride-hailing servicegebied te bouwen. De aankondiging kwam tijdens een viering van Apollo Day. Het plan schetste een doel om het werkgebied voor Baidu's volledig bestuurderloze robottaxi's uit te breiden, waardoor Baidu meer potentiële klanten kan bereiken.

Daarnaast onthulde Baidu een reeks nieuwe technologische doorbraken, waaronder een groot AI-model voor autonoom rijden, high-definition kaarten voor autonoom rijden, een gesloten datasysteem voor autonoom rijden en de succesvolle end-to-end aanpassing van AI-chips voor autonome voertuigen. Het bedrijf om 's werelds grootste volledig bestuurderloze ride-hailing service gebied te bouwen in 2023, het handhaven van de groei momentum als 's werelds grootste robot taxi service provider: Sinds augustus 2022 heeft Baidu al volledig bestuurderloze ride-hailing diensten uitgerold (zonder menselijke bestuurders in de auto) in de steden Chongqing en Wuhan, met toegang tot honderden vierkante kilometers operationeel gebied. Op basis van deze leidende positie zal Baidu zijn werkgebied volgend jaar verder uitbreiden om 's werelds grootste werkgebied voor volledig bestuurderloze robot-taxidiensten op te bouwen.

Momenteel bestrijkt Apollo Go, het platform voor autonoom rijden, meer dan 10 steden in China, waaronder alle grote steden. Alleen al in het derde kwartaal van 2022 heeft Apollo Go meer dan 474.000 ritten voltooid, een stijging van 311% op jaarbasis en een stijging van 65% ten opzichte van het vorige kwartaal. In steden als Beijing en Shanghai kan elke robottaxi van Apollo Go gemiddeld 15 ritten per dag verzorgen, bijna hetzelfde ritgemiddelde als typische online ride-hailing autodiensten.

Tegen het einde van het derde kwartaal van 2022 heeft Apollo Go in totaal 1,4 miljoen ritten aan het publiek aangeboden. Naarmate Baidu zijn werkgebied van de robottaxidienst blijft uitbreiden, is het een stap dichter bij het doel om meer mensen te voorzien van autonome rijdiensten, terwijl het zijn leidende positie in de wereldwijde autonome ride-hailingmarkt verder versterkt. Het eerste grote AI-model voor autonoom rijden, dat het "long tail"-probleem aanpakt: De AV-industrie worstelt al lang met het "long tail"-probleem, waarbij een autonoom voertuig in een scenario terechtkomt dat het nog niet eerder heeft gezien of meegemaakt.

Om dit probleem aan te pakken heeft Baidu's expert op het gebied van autonoom rijden, Jingdong Wang, het eerste grote AI-model voor autonoom rijden aangekondigd, een vooraf getraind visueel-taalmodel met zwakke supervisie, ondersteund door het Baidu WenXin Big Model, dat duizenden objecten herkent en helpt het bereik van de semantische herkenning te vergroten. Het model zal autonome voertuigen in staat stellen om snel een ongezien object te herkennen, zoals speciale voertuigherkenning (brandweerwagen, ambulance), verkeerde detectie van plastic zakken en andere. Bovendien kan Baidu's model voor autonome rijperceptie, een submodel van het WenXin Big Model met meer dan 1 miljard parameters, het generalisatiepotentieel van autonome rijperceptie drastisch verbeteren.

High-definition autonoom rijden kaart om een slimmere en efficiëntere autonome rijervaring te waarborgen: Volgens Jizhou Huang, Baidu's expert op het gebied van autonome rijtechnologie, is de nieuwe generatie autonome kaarten uitgerust met uitgebreide mogelijkheden zoals automatische productie, real-time fusie en kennisverbetering. De kaart zal in massaproductie worden genomen om een "veilige, betrouwbare en efficiënte" autonome rijervaring te realiseren.

96% automatiseringsgraad voor kaartproductie: Met AI als belangrijkste drijvende kracht om de efficiëntie te verhogen en de kosten te verlagen, heeft de automatiseringsgraad van Baidu's zeer nauwkeurige kaartproductie nu 96% bereikt. Real-time kaartupdate om de rijveiligheid te garanderen: De integratie van waarnemingsgegevens aan de voertuigzijde en multi-source kaarten om in realtime online kaarten te genereren heeft geholpen om de veiligheid van autonoom rijden aanzienlijk te waarborgen. Massale gegevens plus kennis van de menselijke bestuurder om de betrouwbaarheid van het rijden te verbeteren: Met meer dan 12 miljoen kilometer aan wegennetwerken en gegevens verzameld op Baidu Maps, samen met honderden miljoenen menselijke rij-uren, integreert Baidu's kaart voor autonoom rijden effectief deze datapunten om de betrouwbaarheid van autonoom rijden te verbeteren.

Gesloten datasysteem om de intelligentie van autonoom rijden verder te verbeteren: Nu autonome voertuigen op grotere schaal worden ingezet, zal ook de omvang van de ontvangen gegevens exponentieel toenemen. Dit brengt uitdagingen met zich mee voor het identificeren van waardevolle gegevens en het efficiënt gebruiken van gegevens om autonoom rijden voortdurend te verbeteren. Ang Li, Baidu's technologie-expert, introduceerde het concept van "Fijne zuivering, sterke opname" en Apollo Loop, een gesloten datasysteem, om gegevens effectief te identificeren en te gebruiken.

Om de gegevens te zuiveren, maakt het systeem gebruik van zowel kleine AI-modellen aan boord als een groot AI-model in de cloud om zeer efficiënte datamining en geautomatiseerde labeling te bereiken. De architectuur voor gegevensinvoer zorgt voor automatische training met de mogelijkheid tot groepsoptimalisatie en inzicht in gegevensdistributie om gegevens effectief te gebruiken en de algemene intelligentie van autonoom rijden verder te verbeteren. Ontwikkeling van een wederzijds versterkend parallel gebruiksmodel voor L4 en L2+ autonome rijtechnologieën: Het bedrijf brengt ook actief autonoom rijden technologie om geavanceerde assisted driving producten te versterken.

Liang Wang, Baidu's expert op het gebied van autonoom rijden, legde uit hoe Baidu zijn decennialange ervaring met autonoom rijden gebruikt om een technische route te verkennen waarlangs L4 en L2+ autonoom rijden naast elkaar kunnen bestaan. Momenteel maakt het technologiestapelingsniveau de eenmaking van L4- en L2+-slimme rijproducten mogelijk op het gebied van visuele perceptie, technische architectuur, eenmaking van kaarten, interconnectie van gegevens en delen van infrastructuur. Baidu voorziet een wederzijds voordelige relatie waarin L4 geavanceerde technologische migratie zal blijven bieden voor L2+ smart driving producten in stedelijke use cases, terwijl L2 data feedback ook zal helpen om het generalisatievermogen van L4 te verbeteren.