張凌霄[汽車之家 行業] 近日，百度宣布百度Create大會（暨百度AI開發者大會）將于1月10日舉辦。據悉，百度已連續第五年舉辦Create大會，今年的Create大會將依舊在百度希壤元宇宙中呈現，分享百度在人工智能、自動駕駛、智能交通、智能搜索、量子計算、人工智能科學計算等領域的最新進展與思考。
在Create大會正式召開之前，百度展示了如何用“手機全雙工語音交互”改善使用導航應用的體驗，還詳細介紹了如何用“上帝視角”提升汽車的自動駕駛能力，以及百度自研的深度學習平臺飛槳在科研領域的運用。
業內首發全雙工語音交互技術
以實際使用場景為例，當用戶駕駛車輛時使用地圖導航，一般會借助時播放的導航語音認路。當環境音比較嘈雜，而用戶需要修改路線的時候，語音可能會識別不請。它的原理也不難理解，如果手機App在說話的時候，又在聽，它可能會識別自己說的話，非常容易造成誤判。
百度語音首席架構師賈磊解釋說，很長一段時間，都沒有一個方案能普適的支持在手機上實現全雙工的語音交互——在手機播放導航提示的同時，也能夠聽清我們的指令，甚至像真人對話一樣可以被我們隨時打斷，并對新的語音指令給予反饋。
理論上講，想要實現全雙工語音交互，必須先做回聲消除，避免手機終端識別自己播放的聲音。賈磊說，在前裝軟件的音箱、車載系統上比較容易實現，可以通過硬件適配算法，提前保證回聲消除的效果。
而手機App屬于純軟件后裝方案，需要讓軟件算法適配不同型號的終端硬件。通常，手機上喇叭距離麥克風的距離比較近，同時手機終端款式多，硬件參差不齊。這些因素疊加在一起，會導致聲音信號的回聲消除會出現各種各樣的問題。再加上手機硬件的迭代更新非常快速，回聲消除效果就更加難以保證了。
百度的技術團隊融合傳統信號處理和深度學習模型各自的優點，基于語音識別目標，端到端地進行回聲消除和信號增強，解決了手機場景下的回聲消除問題，即使手機音量開到最大，回聲消除量也能達到40分貝，使得手機APP的語音識別功能能夠正常工作。
據介紹，這是第一個能在手機上實現純軟件方案回聲消除的技術。這個技術的實現讓讓人機交互更智能順暢，更逼近人與人直接交互的體驗。目前，百度已經計劃將全雙工語音交互運用到更多場景中，比如智能汽車。
車路一體的UniBEV解決方案
在近日的溝通會上，百度還展示了自動駕駛車路一體解決方案UniBEV。
據了解，近幾年來，有的車企推出了BEV（Bird's Eye View，視覺為中心的俯視圖）自動駕駛感知方案。據介紹，BEV自動駕駛感知就好比是一個從高處統觀全局的“上帝視角”，車上多個傳感器采集的數據，會輸入到一個統一模型進行整體分析推理生成鳥瞰圖，能有效地避免誤差疊加；這種方案還能夠做到時序融合，不僅是收集一個時刻的數據，分析一個時刻的數據，而是支持把過去一個時間片段中的數據都融合進模型做環境感知建模，時序信息的引入讓感知到的結果更穩定，使得車輛對于道路情況的判斷更加準確、讓自動駕駛更安全。
而百度基于BEV基礎上，提出了UniBEV車路一體的解決方案。它集成了車端多相機、多傳感器的在線建圖、動態障礙物感知，以及路側視角下的多路口多傳感器融合等任務，是業內首個車路一體的端到端感知解決方案。
基于統一的BEV空間，UniBEV 車路一體大模型更容易實現多模態、多視角、多時間上的時空特征融合。百度借助大數據+大模型+小型化技術閉環，在車端路側的動靜態感知端有更大的優勢。
此外，百度還展示了飛槳團隊的最新成果：推出了超大規模圖學習訓練技術PGLBox，是業界首個同時支持復雜算法+超大圖+超大離散模型的大規模圖學習訓練技術，通過顯存、內存、SSD三級存儲技術和訓練框架的性能優化技術，單機即可支持百億節點、數百億邊的圖采樣和訓練，并可通過多機擴展支持更大規模。據悉飛槳目前已經在百度的智能交通、信息推薦、搜索等標桿場景實現落地，大幅提升業務效率和用戶體驗。（文/汽車之家 張凌霄 ）