分享 MIT韩松团队最新研究，靠LiDAR和2D地图实现端到端自动驾驶

提到自动驾驶，大家自然而然地就会想到「视觉算法」派和「激光雷达」派的争论，前者依靠摄像头的纯视觉感知，后者则强调激光雷达（LiDAR）的精准测距。据了解，2021年配有激光雷达的车型将会达到23款，但多数是作为高分辨率影像信息的一种补充。

最近， MIT 计算机科学与人工智能实验室（CSAIL）团队成功展示了一种基于机器学习的自动驾驶系统，该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航，并且大大提升了鲁棒性。对依靠 LiDAR 的自动驾驶技术来说，这项研究意义重大。更多内容参见「Auto Byte」的报道。

6月21日19:00-20:00，机器之心最新一期线上分享邀请到论文共同一作、 MIT在读博士生刘志健，介绍PVCNN、SPVNAS和这次 ICRA 的Fast-LiDARNet。

分享主题：高效三维深度学习及其在自动驾驶中的应用

分享摘要：激光雷达为自动驾驶系统提供了精确的空间信息，然而如何处理采集到的三维点云给车上较为有限的硬件资源带来了巨大的挑战。传统的三维深度学习方法大多都受限于较大的内存开销和不规则的内存访问。

这次分享主要介绍我们近期对高效三维深度学习的一些探索，包括如何设计高效的三维深度学习组件（PVCNN，NeurIPS 2019 Spotlight）、自动的搜索三维神经网络架构（SPVNAS，ECCV 2020）和加速三维稀疏卷积的计算（Fast-LiDARNet，ICRA 2021）。我们的解决方法在最近的NuScenes激光雷达语义分割比赛中取得了第一名。

嘉宾介绍：刘志健，麻省理工学院第三年在读博士生（导师为韩松教授）。他于2018年从上海交通大学获得学士学位，2020年从麻省理工学院获得硕士学位。他的研究兴趣主要是高效和硬件友好的深度学习及其在计算机视觉和机器人中的应用。

直播时间：6月21日（周一）19:00-20:00

「机动组」是机器之心发起的人工智能技术社区，将持续提供技术公开课、论文分享、热门主题解读等线上线下活动，同时「机动组」也将不定期组织人才服务、产业技术对接等活动，欢迎所有 AI 领域技术从业者加入。