苹果公司的研究人员正在努力推进让自动驾驶汽车进入公共道路行驶。上周，苹果针对相关的研究发布了基于神经网络去识别激光雷达点云数据中事物要素的一篇学术论文。尽管相关的研究仍处于一个早期阶段，但论文提到，该技术已经可以较为可靠地提高基于LiDAR数据导航的精准度。
在苹果的这篇论文中提到，准确识别三维点云数据中的事物要素，仍然是当今快速发展的应用技术中的难题之一。无论是自动驾驶汽车，抑或自动化的清扫机器人，再或者其他需要自主导航能力的机器，都将需要更高精度、高效率的环境、包括针对各类物体的识别能力。而且与单纯的基于二维的图像识别能力相比，基于三维点云的数据识别能力往往准确性要更高；但受限于点云的密度差异，密度较低的点云数据在识别方面也往往引发不少问题。
目前，行之有效的点云数据识别的训练方法，是依靠手工标注特点的方式来进行。例如操作人员会将点云数据从鸟瞰视角进行特点的标注，或者把这些数据三维网格化之后，对每一个立体网格要素进行手动标注。但在苹果的论文中提到，这种标注方式存在着一定的瓶颈，甚至在一定程度上限制了基于LiDAR数据的导航系统对这些三维点云数据的有效利用。
在苹果的论文中，作者Yin Zhou（一位AI研究员）和Oncel Tuzel（一位机器学习专家）则提出了一种可不断训练的三维点云识别深度架构，该架构名为VoxelNet，其用以在复杂的三维网格要素中，对每一个要素进行自动化的特征标注。
苹果公司现在利用这种技术手段训练机器从点云数据中去识别汽车、行人和骑自行车的人，在论文中他们提到了该方法的可行性，其性能也优于传统的做法。所以在理论研究之外，利用论文中提到的技术手段，苹果公司目前正在加利福尼亚州进行实际的自动驾驶技术的训练。
根据今年8月的一份报告，苹果公司计划利用他们自主研发的一系列自动驾驶技术，研发自动驾驶巴士，向硅谷园区里的员工提供接送服务。
除了应用于自动驾驶领域，该技术可能还将用于AR空间感知、以及其他需要自主导航能力的智能硬件领域。
