近日，苹果研究人员于在线期刊《arXiv》公布了一份关于自动驾驶技术的论文，文中详细阐述了苹果自动驾驶技术是如何探测行人和自行车的。
论文显示，苹果自动驾驶技术主要依赖一个名为“VoxelNet”的方案来探测3D物体：只使用LiDAR（光学雷达）探测，整个功能通过复杂的计算机视觉和人工智能执行。
LiDAR是目前自动驾驶技术中主要使用的技术，通过向物体表面发射光束和计算返回的时间，来测量与目标物体之间的距离以及物体的形状。相比于基于图片的探测，LiDAR提供了深度信息，可以精确确定物体的位置和形状。
文中表示，大部分基于LiDAR的3D探测，依赖手动特征表示法（hand-crafted feature representations）；但苹果公司的研究人员消除了手动特征的瓶颈，提出了VoxelNet。这是一种创新的、端到端的可训练深层架构，可以直接在稀疏的3D点上运行，并有效捕捉3D形状信息。研究人员在论文中表示，他们认为VoxelNet的性能要大幅优于目前最先进的基于LiDAR 3D探测方法。
今年8月，苹果CEO表示创造自动驾驶系统是“所有AI项目之母”，他还表示，苹果是从“核心的技术角度”关注自动驾驶技术。
