全球首届车路协同自动驾驶算法挑战赛公布获奖名单
3月23日，由清华大学智能产业研究院（AIR）联合百度Apollo共同发起的“清华AIR-百度Apollo车路协同自动驾驶算法挑战赛”公布获奖名单。首届挑战赛自去年11月18日启动，总共吸引来自全国640支队伍、共794人报名参与，在经过4个月的比赛后，最终10支队伍成功上榜，包括一等奖1名、二等奖2名、三等奖3名和优胜奖4名。2022年2月，清华AIR与百度Apollo共同发布全球首个基于真实自动驾驶场景的车路协同3D目标检测数据集DAIR-V2X，是首个用于车路协同自动驾驶研究的大规模、多模态、多视角数据集，全部数据均采集自真实场景，同时融合了2D&3D标注，经脱敏和安全加密等处理后发布。首届“清华AIR-百度Apollo车路协同自动驾驶算法挑战赛”是以DAIR-V2X为基础的车路协同3D目标检测挑战赛，在通信带宽约束下，车端融合路端信息，实现3D目标检测的视觉感知任务。相较传统的自动驾驶3D检测任务，挑战赛的特别之处在于需要解决车端与路端多视角的信息融合、数据多模态融合、时空异步、通信受限等现实挑战，通过设计车路融合感知算法，实现盲区补充、提升感知精度。算法模型的创新性和实际应用效果是核心评估标准，包括是否直接使用官方开源模型、设计思路、效率、复杂程度及可推广性等。入围团队由榜单成绩及专家评审团答辩筛选出十支获奖队伍。评审专家和参赛团队答辩合影
评审专家杨睿刚嬴彻科技CTO，IEEEFellow
张振林中汽创智智能驾驶CTO
王井东百度计算机视觉首席科学家
高果荣百度智能驾驶事业群副总裁
聂再清清华大学国强教授、智能产业研究院（AIR）首席研究员
获奖队伍名单奖项
队伍
学校/工作单位
团队成员
一等奖
cinyou的团队
清华大学
游晶、王定宇、张猛、郭文轩
二等奖
Anonymous
个人
傅佳安，杨心怡
二等奖
MML
河北大学
焦文涛，王春荣
三等奖
ARM330
小米
李宁
三等奖
ZLQK
清华大学/北京理工大学
李想，张昊，陈超义，雷诺，吴思宇
三等奖
大橘太重了的团队
清华大学
陈思暐，董佳林，王胤嵩，毛瑞清，刘度
优胜奖
Router
东南大学
优胜奖
小小科学家的团队
中国科学技术大学
陈飞扬
优胜奖
嘉能
华南理工大学
练秋酉
优胜奖
车路协同Lab
西安建筑科技大学
王秉路，黄鑫，胡世超，胡载宜，张磊
一等奖团队：cinyou的团队队员：游晶、王定宇、张猛、郭文轩方案示意图
自动驾驶安全面临巨大挑战，单车智能存在驾驶盲区、中远距离感知不稳定等问题，导致自动驾驶车辆可运行设计域受限，单车智能自动驾驶落地受阻。本方案构建了多终端、多模态融合网络，在BEV视角下完成多源异构数据的特征融合，并针对多终端协同标注数据有限的问题，利用单终端数据增强多终端型训练，提升了车路协同场景下3D目标检测的准确度和通用性。
Q：为什么参加算法挑战赛？
A：大家都开始意识到单车感知在遮挡条件和远距离感知中存在的一些局限性，因此车路协同领域的研究也慢慢多了起来。我们实验室对于这个领域比较关注，在DAIR-V2X数据集发布后也第一时间做了调研。因此在注意到本次比赛发布后，我们第一时间组织同学报名参加了本次比赛，希望能从中有所收获。Q：从去年11月开赛至今，是否有遇到挑战？如何去解决的？
A：事实上，由于本次比赛中模型的输入是多终端数据而非常见的单终端数据，因此我们花费了比较多的时间在重新搭建一套Pipeline上。当然这些都是工程实现上的问题。在技术层面上，我们发现多终端数据的数据量还是不太够，因此我们利用了单终端的数据来增强多终端模型的训练。此外，我们发现在路端数据上模型的效果会比在车端数据上更差，如何改进这一点也是我们未来考虑的方向之一。 二等奖团队：Anonymous队员：傅佳安，杨心怡方案示意图
受场景限制，车路协同中的3D目标检测任务对算法通常具有更高要求，精度与效率的平衡、通信延迟等问题极大地影响了检测模型与融合策略的选择。本方案聚焦于点云数据特点与车路协同场景下的计算资源与通信成本限制，通过对数据分布的挖掘与数据增广的合理应用，在不使用任何额外数据或预训练的前提下通过后融合简洁高效地完成检测任务。因融合与训练过程相对独立，允许采用的数据与增广策略更加灵活，并且易于拓展到多模态或结合时序信息的检测模型中。
Q：参赛感受是什么？
A：本次算法挑战赛让我们对感知任务有了进一步的认识，模型不应仅仅是网络层数或是trick的堆砌，数据本身也是值得发掘的角度。在今后的科研与工作中，我们会更加全面地考虑数据特点与应用场景等因素，实现算法模型与数据的有机统一。团队：MML队员：焦文涛，王春荣方案示意图
车路协同检测（Vehicle-to-Infrastructure（V2I））是一种基于智能交通系统（ITS）的技术，旨在提高交通安全和效率。它利用车辆和道路基础设施之间的通信，实现交通信息共享和协同行驶。近年来，基于光探测和测距（LiDAR）点云的三维物体检测因其在智能城市和自动驾驶中的广泛应用而备受关注。级联框架在二维物体检测方面显示出其先进性，但在三维空间中研究较少。传统的级联结构使用多个独立的子网络来顺序地细化区域建议。然而，这种方法在所有阶段测量提案质量的能力有限，并且很难在3D空间中实现期望的性能改进。我们使用了一种新的级联框架，称为级联注意（CasA），用于从激光雷达点云中检测三维物体。CasA由区域建议网络（RPN）和级联细化网络（CRN）组成。在CRN中，我们设计了一种新的级联注意力模块（CAM），该模块使用多个子网络和注意力模块来聚合不同阶段的对象特征，并逐步细化区域建议。CasA可以集成到各种两级三维探测器中，并提高其性能。
Q：参赛感受是什么？
A：参加算法挑战赛让我们获得了许多宝贵的感受和经验。在挑战赛中，我们学会了更好地思考问题和解决问题的能力。比赛中遇到的各种问题，从数据处理到模型选择，都让我们深入理解了算法和数据科学的实际应用。首先，挑战赛让我们掌握了更多的算法和数据结构知识，这对我们今后的科研和工作都是必要的基础。其次，通过比赛获得的经验可以帮助我应对各种难题和挑战，提高解决问题的能力和效率。最后，参加算法挑战赛还能自己接触到来自不同领域和国家的优秀选手，扩展自己的人脉和视野。我想说“通过车路协同算法挑战赛，积累了对前沿人工智能领域的经验，尤其是在多模型融合、多模态感知等方面，感谢主办方对比赛的精心设计，也提供了完整的baseline代码，模型等可供参考。”
---团队：ARM330（三等奖）
“参加算法挑战赛是一个很好的机会来锻炼自己的算法设计和编程能力，并且能够接触到最新的技术和研究方向。在挑战赛中，我们学到了很多关于车路协同感知算法的知识和技能，例如数据预处理、特征提取、模型设计和优化等等。同时，我们也认识了许多来自不同背景和领域的人，这些人都对算法和人工智能有着浓厚的兴趣和热情。
参加挑战赛对于今后的科研和工作也有很大的帮助。首先，它使我们更加了解了人工智能在交通领域的应用和前沿研究，为我们今后在相关领域的研究和工作提供了很好的基础。其次，它锻炼了我们在算法设计和编程方面的能力，使我们更加自信和熟练地应对未来的挑战。最后，参加挑战赛还使我们意识到了团队协作和沟通的重要性，这对于今后的工作和生活都是至关重要的。”
---团队：ZLQK（三等奖）
通过车路协同算法挑战赛，我们更加了解了自己的研究领域，对自动驾驶前沿的三维感知算法又有了更深刻的理解。这次比赛让我们对从调研前人工作、模型选择、代码实现算法和训练与测试都有了更丰富的经验，此外我们也首次通过本次比赛认识到路端和车端检测方法的异同。
----团队：大橘太重了的团队（三等奖）
感谢所有的参赛团队，并祝贺上榜队伍！
大赛参与方清华AIR
清华大学智能产业研究院（InstituteforAIIndustryResearch,TsinghuaUniversity，英文简称AIR）是面向第四次工业革命的国际化、智能化、产业化的研究机构。AIR的使命是利用人工智能技术赋能产业升级、推动社会进步。通过大学与企业创新双引擎，突破人工智能核心技术，培养智能产业领军人才，推动智能产业跨越式发展。百度Apollo
百度2013年开始布局自动驾驶，2017年推出全球首个自动驾驶开放平台Apollo。目前百度Apollo已经在自动驾驶、智能汽车、智能交通三大领域拥有业内领先的解决方案，是全球智能驾驶产业的领跑者。飞桨
本次比赛平台为百度飞桨AIStudio。飞桨（PaddlePaddle）以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。截至2022年5月，飞桨已累计凝聚477万开发者、服务18万企事业单位、创建56万AI模型。2022年7月，中国信通院最新报告显示，百度飞桨深度学习平台居中国市场应用规模第一。飞桨助力开发者快速实现AI想法，创新AI应用，作为基础平台支撑越来越多行业实现产业智能化升级。平台及论文MMDetection3D
MMDetection3D是OpenMMLab下一代通用3D感知（检测/分割）平台。得益于各种代码层面的优化，MMDetection3D拥有业界最快的训练速度，覆盖了单模态（点云/图片）和多模态3D检测以及点云分割，室内和室外场景SOTA，同时支持了各种室内室外包括SUNRGB-D,ScanNet,nuScenes,Lyft,KITTI和Waymo在内的主流数据集。基于MMDetection，MMDetection3D能够无缝使用MMDetection所有检测分割算法，极大方便了多模态算法的研发。除此以外，最新版的MMDetection3D提供了开放统一的坐标系接口，从数据集、任务、模态三个方面进行了统一，提供了丰富的多模态可视化能力，同时增加了对纯视觉(BEV)3D视觉感知模型的完善支持。https://github.com/open-mmlab/mmdetection3dOpenDAIRV2X
OpenDAIRV2X是清华大学智能产业研究院大数据实验室（DAIRLab）推出的面向车路协同自动驾驶的开源平台。该平台致力于打造通用协同自动驾驶，全链条覆盖协同检测、跟踪、预测，进一步推动协同的端到端自动驾驶发展。基于首个真实车路协同场景的DAIR-V2X系列数据集，OpenDAIRV2X目前已提供协同3D检测相关数据集API，并支持多种不同融合的协同检测算法，近期还将支持协同跟踪和预测相关数据集V2X-Seq及相关算法。https://github.com/AIR-THU/DAIR-V2XDAIR-V2X数据集论文
DAIR-V2X:ALarge-scaleDatasetforVehicle-InfrastructureCooperative3DObjectDetection.HaibaoYu,YizhenLuo,MaoShu,YiyiHuo,ZebangYang,YifengShi,ZhenglongGuo,HanyuLi,XingHu,JiruiYuan,andZaiqingNie.CVPR2022ICRA 2019 RoboMaster人工智能挑战赛获奖名单公告
一、获奖名单
奖项学校队伍国家/地区特等奖第一名北京理工大学DreamChaser中国一等奖第二名浙江大学ZMART中国第三名西安交通大学DuXing中国第四名东北大学TDT中国二等奖中国科学院自动化所Neutons中国哈尔滨工业大学（深圳）Critical_HIT中国中国科学院国家空间科学中心SEIT中国上海科技大学BayesianBot中国三等奖约翰霍普金斯大学BlueJays美国吉林大学TARS_Go中国延世大学Roboin韩国福冈联合大学FUKUOKANIWAKA日本华中科技大学OneTwelfth中国上海交通大学JiaoLong中国西北工业大学Firefly中国西安电子科技大学ZEROTOHERO中国印度理工大学ERA印度弗吉尼亚理工大学RoboGrinder美国阿尔伯塔大学UARM加拿大加州大学伯克利分校Tensorbot美国墨尔本大学Ausdroid澳大利亚中央民族大学CanBeidouYuheng中国优胜奖深圳大学RobotPilots中国哈尔滨工业大学WinThink中国哈尔滨工业大学（威海）HERO中国西安电子科技大学IRobot中国哈尔滨工业大学（威海）SOT中国哈尔滨工业大学ICRAERS中国太原理工大学TRoMaC中国天津大学PI中国中国矿业大学CUBOT中国粤台产业科技学院-台湾中正大学联队KineticRobotics中国台湾北京理工大学珠海学院高巨毅恒中国桂林电子科技大学北海校区拿奖leader女装中国墨尔本大学M.U.S.T.A.R.澳大利亚厦门大学TUF中国兰州理工大学万马奔腾中国西安交通大学飞跃光芒中国马尼帕尔高等教育学院 Osiris印度
二、奖项颁发
1.奖状
①对于特等奖、一等奖、二等奖、三等奖的队伍，奖状在ICRA现场颁发；
②对于优胜奖的队伍，奖状将以电子文档格式发送到队长的邮箱（北京时间6月30日前）；
2.奖金（包括技术报告S与A等级的资金补贴）
处理步骤：
步骤一：请获奖队伍的队长，填写以下合同和收据，并盖章或签字。
步骤二：将步骤一的文件，以word和PDF格式的文件，发送到邮箱robomaster@dji.com，抄送freyman.song@dji.com
步骤三：将步骤一的文件，纸质材料寄送到组委会办公室，要求详见合同。
步骤四：组委会盖章并将文件寄回给队伍。
步骤五：等待奖金发放。
A对于中国内地队伍，合同和收据模板下载：附件
B对于海外队伍，合同和收据模板下载：附件
三、赛后调研
请所有队伍的队长，填写以下调查问卷，以便组委会更好的组织以后的赛事。
调查问卷填写：链接
火热出炉！第四届“中国法研杯”司法人工智能挑战赛获奖结果揭晓
近日，由最高人民法院信息中心指导、中国司法大数据研究院（最高人民法院智慧法院重点实验室）联合各方主办的第四届“中国法研杯”司法人工智能挑战赛（LAIC2021）圆满落下帷幕，共计18支参赛队伍和3个创新创业项目分别斩获各赛道一、二、三等奖。
作为司法人工智能领域的权威赛事，第四届“中国法研杯”司法人工智能挑战赛吸引了众多法院、高校、以及高科技企业参加，累计报名人数达1600余人，共计1100余支队伍参与挑战。本届赛事设计两大比赛方向，分别是技术能力比赛和创业创新比赛。其中，技术能力比赛围绕“智慧审判辅助”展开，分别是自然语言处理方向的刑期预测、犯罪金额要素提取、争议焦点提取三个赛道；创新创业方向面向智慧司法领域设置创新创业项目赛道。历经三个月的激烈角逐，经过初赛、复赛、专家评选、网络投票等环节的层层遴选和比拼，最终共有59支参赛队伍脱颖而出，其中，21支队伍斩获一、二、三等奖。（完整获奖名单参见赛事官网：http://data.court.gov.cn/pages/laic2021.html）
52支队伍脱颖而出
技术能力赛道获奖名单揭晓
百舸争流千帆竞。经过激烈的选拔，自然语言处理方向赛道涌现出一批优秀的技术手段，参赛选手所采用的问答、序列标注、多模型融合等技术对司法文书解析能力的提升具有重要的指导和启发意义。
自然语言处理方向获奖队伍共计52支，获奖团队主要来自高校，其中来自东莞理工学院、中南大学和中国农业大学的高校团队表现优异，分别获得三个技术赛道的冠军。另有来自浙江大学等单位的34支队伍分获各赛道纪念奖和参与奖。值得一提的是，来自陕西省高级人民法院的团队参加了技术方向的所有赛道比赛并获得了奖项。
七个项目获多方青睐
创新创业赛道获奖名单揭晓
人工智能发展至今，早已不是孤立的技术话题，正加速与实际业务碰撞、融合产生出更大的社会价值。此次赛事专门设置创新创业赛道，面向全社会征集智慧司法领域的创新创业方案，为切合实际的创新项目提供展示的舞台，有效地推动了创新技术应用的落地，对进一步提升法院审判管理和审判能力现代化和智能化水平具有实际意义。
智慧司法创新创业赛道共计7个项目获奖。一、二、三等奖由法催云（厦门）科技有限公司、擎盾数据和琢创网络科技（上海）有限公司等三家企业团队包揽，它们提供的项目立意切合智慧司法行业需求，具有显著的社会效益和商业价值，受到专家评委的一致推荐。
此外，温州市瓯海区人民法院推荐的“诚威智能流水分析应用”以及安徽财经大学推荐的“雏菊——未成年人保护工作室”等四个项目荣获单项奖。
2018年以来，为了促进人工智能技术在司法领域的深度应用，全面推动智慧法院建设进程，服务法院审判体系和审判能力现代化建设，由中国司法大数据研究院（最高人民法院智慧法院重点实验室）联合各方开始举办每年一届的“中国法研杯”司法人工智能挑战赛，迄今已成功举办四届赛事，已成为具有一定国际影响力和广泛国内影响力的司法人工智能应用领域的权威赛事。2021年起，“中国法研杯”司法人工智能挑战赛英文名称正式更名为“LegalAIChallenge”，简称“LAIC”，并启用了全新的赛事品牌专用Logo。
点击底部阅读原文，登录第四届中国法研杯司法人工智能挑战赛官方网站，可查看本届赛道设置和获奖名单详情。
原标题：《火热出炉！第四届“中国法研杯”司法人工智能挑战赛获奖结果揭晓》
阅读原文
全国大学生数字媒体科技作品及创意竞赛官网
参赛选题竞赛采用“自主选题”和“指定命题”两种选题方式。指定选题包括：虚幻引擎（UE）作品创作、“科技+创意，讲好中国故事”特辑、AIGC类数字创意作品创作。自主命题包括：虚拟现实VR与游戏、移动应用开发、影视与动漫设计、智能产品设计、人居环境设计、数字艺术表现、数据可视化、电子图书绘本设计、智能软硬件创意作品、微信小程序应用、其他。