毫末智行两篇论文入选IROS 2022智能机器人国际顶会

6 月 30 日，毫末智行两篇最新研究成果成功入选机器人领域顶级学术会议 IROS （IEEE/RSJ International Conference on Intelligent Robots and Systems 智能机器人与系统国际会议）2022，近期将通过论文方式发表在 IROS 2022 会刊上。

此次毫末智行团队提交的两篇最新论文研究成果分别是：《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》（《鉴于激光雷达的三维疏通方针朋分的高效时空信息融合》）、《OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》（《OverlapTransformer：一种鉴于激光雷达的高效、旋转无关的位置辨认网络》）。两篇论文从 2000 多篇投稿论文中脱颖而出，成功入选。

论文结合激光雷达在主动驾驭车辆上的应用，分别提出了一种新的针对激光雷达疏通方针朋分的深度神经网络和一种新的鉴于激光雷达的位置辨认算法，帮助主动驾驭车辆有效应用时空信息、辨认疏通方针，以及为自身进行快速准确的定位，从而极大的提升激光雷达的感知才能。

随着近年来主动驾驭领域对激光雷达应用的逐步深入探索，其强大的空间三维分辨才能已普遍被视为主动驾驭技术向高阶升级和商用落地过程中的重要才能。然而，硬件采集的信息数据，也需要算法进行更快、更准确的解析，才能帮助主动驾驭车辆更好地对其加以应用，从而实现更安全的行驶。毫末智行的两篇论文即从这一角度进行切入。

在《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation》中指出，准确的疏通方针朋分是主动驾驭的一项重要任务，而如何有效地应用时空信息是三维激光雷达疏通方针朋分的关键问题。为此，毫末提出了一种新的深度神经网络，应用时空信息和激光雷达的不同表示模式来提高激光雷达 MOS 性能。

具体来说，研究人员提出了一种新颖有效的鉴于激光雷达的在线疏通方针朋分网络，通过使用双分支结构以更好的融合空间信息和时间信息，并引入了一种「由粗到细」的策略来减少物体边界上的边界模糊问题，在保持实时性的同时，性能一举超越之前的网络 。目前，相关方法在 SemanticKITTI MOS 基准上实现了最先进的激光雷达 MOS 性能。

在《Overlap Transformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition》一文中，毫末提出了一种新的位置辨认方法，应用安装在主动驾驭车辆上的三维激光雷达产生的距离图像，可实现仅使用激光雷达数据而不使用任何其他信息来检测 SLAM 的 loop closure 候选或是直接给出地点辨认，并在不进行微调的情况下很好地推广到不同的环境中，在长时间跨度的室外大规模环境（毫末数据集）中实现长期位置辨认。OverlapTransformer 的运行速度比大多数最先进的方法更快，各项指标也都达到了 SOTA。

IROS（IEEE/RSJ International Conference on Intelligent Robots and Systems，IEEE/RSJ 智能机器人及系统国际会议）是世界机器人和智能系统领域中最著名、影响力最大的顶级学术会议之一。2022 年的 IROS 以「共生社会的具体化人工智能」为主题，将于 10 月 23-27 日在日本京都举行。

作为国内量产主动驾驭领先公司，毫末智行在过去的两年半时间里，凭借强大的技术创新才能和产品的快速落地才能，收获了业内外的广泛认可。

毫末打造的中国主动驾驭领域首个数据智能体系 MANA，通过定义和使用数据智能，提升主动驾驭产品才能，是其产品迭代的基石，具备高效率、低成本挖掘数据价值的才能。

截止 2022 年 6 月，毫末数据智能体系 MANA 学习时长已超 24 万小时，虚拟驾龄相当于人类司机驾驭 2 万年。毫末表示，鉴于 MANA 的强大才能及规模化量产才能和日趋成熟的商业模式，该公司已建立起完善的数据闭环，为自身技术产品的不断升级及主动驾驭技术进步提供了强有力支撑。