江苏龙网

  1. 首页 > 人文 > >

智能相对论■模拟仿真：自动驾驶的又一个“刺激战场”( 三 )


不难看出 ， 在模拟仿真市场的竞争中 ， 腾讯最大的优势是把握住了“仿真”二字 ， 如同电影《头号玩家》中的“绿洲“一样 ， 在虚拟世界中最大程度的还原真实世界 。
像腾讯与国家智能网联汽车（长沙）测试区仿真实验室的合作项目 ， 就是基于高精度地图和模拟仿真技术 ， 将对测试区的地理全貌进行数字化建模 ， 实现在仿真环境下进行安全、高效的智能汽车实验 。
此外 ， 腾讯还认为闭环的数据应用体系 ， 提升数据利用效率 ， 是自动驾驶产品落地的关键 。
腾讯布局自动驾驶云生态的开发平台 ， 则基于云端存储及算力支撑 ， 构建了数据采集管理、样本标注、算法训练评测、诊断调试、云端仿真、实车反馈闭环全流程云服务 ， 提供支撑自动驾驶研发的全链路云服务和开发平台 。
2、华为：云+AI+软硬件+芯片的组合生态
华为从自动驾驶的数据服务入手 ， 继而延伸到训练服务和仿真服务的领域 。
众所周知 ， 自动驾驶测试会产生极为庞大的数据 ， 除了数以百亿技的测试里程之外 ， 一辆自动驾驶测试车1小时就能产生约8TB的数据 ， 一天按测试8小时计算 ， 就会有64TB的数据 。 一个月按22天工作日则产生约1.3PB/月的数据 ， 但其中有效数据仅为0.05% ， 同时还有80万张/车/天图片有待人工标识 。
此外 ， 现有的仿真工具多为烟囱式孤岛 ， 分散 ， 不利于大数据的统一、AI能力的统一构建 ， 及高效运营管理 。
华为的逻辑是通过“八爪鱼”构建一个按需获取的全栈云平台 ， 除了可以迈过数据处理这座高山 ， 还能覆盖自动驾驶的模型、训练、仿真、标注等全生命周期业务 。 因而“八爪鱼”可以向用户提供以下几种核心能力 。
· 处理海量数据 ， 自动化挖掘及标注 ， 能够节省70%以上的人力成本；
· 软硬件加速 ， 平台提供华为自研昇腾910 AI芯片和MindSpore AI框架能大幅提升训练及仿真效率；
· 丰富的仿真场景 ， 高并发实例处理能力：通过集成场景设计和数据驱动的方法 ， 合计提供超过1万个仿真场景；系统每日虚拟测试里程可超过500万公里 ， 支持3000个实例并发测试；
· 云管端芯协同 ， 车云无缝对接：Octopus天然支持无缝对接MDC（移动数据中心）等车端硬件平台和ADAS系统 ， 实现车云协同；
以上可以看出 ， 华为的自动驾驶仿真能力并不是单独出现的 ， 而是作为华为“八爪鱼”生态中的一种能力而存在 ， 仿真能力是整个生态数据闭环的一个节点 ， 当这个节点与其他环节产生协同合作时 ， 才能体现出“八爪鱼”生态的优势 。
我们可以注意到 ， “八爪鱼”并非仅仅是云+AI的结合体 ， 整个生态中还包含芯片、MDC等车端硬件平台和ADAS系统 ， 华为表示 ， 未来还会将高精地图、5G及V2X技术等能力集成到“八爪鱼”中 ， 如是看来 ， “不造车”的华为在仿真市场的布局颇为宏大 。
3、百度：补动力仿真短板
百度在模拟仿真领域也拥有较强的实力 ， 其主要体现在两个方面 。
首先 ， 另辟蹊径提升仿真的“真实性” 。
去年3月百度论文《AADS:Augmented autonomous driving simulation using data-driven algorithms》登上《Science》杂志子刊《Science Robotics》 ， 该论文提出了一套全新的自动驾驶仿真系统：增强现实的自动驾驶仿真系统（AADS） 。
有别于传统的自动驾驶仿真环境都根据游戏引擎或高保真计算机图形创建的方式 ， AADS系统是一种以数据驱动的端到端自动驾驶仿真方法 ， 通过模拟交通流来增强现实世界图像 ， 进而创建逼真的、媲美现实世界渲染的仿真场景 。
其次 ， Apollo平台去年7月迎来5.0版升级的时候 ， 新增了车辆动力学模型 。
传统的建模方式在模型的复杂度、模型的精准度、模型的可迁移性、可扩展性等维度上都具有很多局限性 。 Apollo5.0将传统的车辆动力学建模方式升级到基于机器学习的Apollo动力学模型 ， 这一技术一下将传统方式建模结果在误差上减少了80% 。


推荐阅读


上一篇：「爱生活系感恩」千元机别再乱买了，6G+128G+4000mAh，跌至1399元

下一篇：『望家欢』美团领投6亿元 这家老牌食材B2B平台分公司130家 拥有种植基地20万亩