蘋果最新在康奈爾arXiv科研開放式目錄網(wǎng)站發(fā)表一篇論文，介紹了一種方法，即借助機(jī)器學(xué)習(xí)技術(shù)將激光雷達(dá)束采集的原始點(diǎn)云數(shù)據(jù)，無(wú)需額外傳感器數(shù)據(jù)，轉(zhuǎn)化為包含3D物體（如自行車和行人）的探測(cè)結(jié)果。

通過(guò)該論文，我們可以清楚地看到蘋果在無(wú)人駕駛技術(shù)上的研究成果。我們知道蘋果一直致力于無(wú)人駕駛技術(shù)研究，為了獲得加州機(jī)動(dòng)車輛管理局發(fā)出的無(wú)人駕駛測(cè)試許可，也是因?yàn)槠錅y(cè)試車輛已經(jīng)準(zhǔn)備好了。

蘋果同時(shí)也公開了一些機(jī)器學(xué)習(xí)方面的努力成果，在其博客上發(fā)表論文來(lái)強(qiáng)調(diào)其研究，現(xiàn)在也與更廣泛意義上的研究界進(jìn)行分享。此類發(fā)表舉動(dòng)對(duì)業(yè)內(nèi)人才來(lái)說(shuō)通常是一個(gè)重要因素，尤其是那些希望與更廣泛的研究圈子一同研究先進(jìn)的ML技術(shù)的人員。

該論文具體描述了蘋果的研究人員，包括論文作者Yin Zhou和Oncel Tuzel，是如何研究出VoxelNet的，VoxelNet能通過(guò)一束激光雷達(dá)捕獲的信息點(diǎn)推斷出為何物體。實(shí)際上，激光雷達(dá)的工作原理是通過(guò)向周圍放射激光，產(chǎn)生高分辨率點(diǎn)圖，然后記錄反饋結(jié)果。

蘋果的這項(xiàng)研究很有趣，因?yàn)樗辜す饫走_(dá)在其無(wú)人駕駛系統(tǒng)發(fā)揮的效果更顯著。激光雷達(dá)傳感數(shù)據(jù)其實(shí)是與光學(xué)相機(jī)、雷達(dá)和其他傳感器一同繪制出一幅完整的物體探測(cè)圖景；單獨(dú)使用有高置信度的激光雷達(dá)有助于真正上路的無(wú)人駕駛車輛的生產(chǎn)并提高運(yùn)算效率。