|
楼主 |
发表于 2020-12-23 10:13:10
|
本帖最后由 逸雪霁蓝 于 2020-12-23 13:26 编辑
4月22日,阿里达摩院发布了全球首个自动驾驶“混合式仿真测试平台”,采用虚拟与现实结合的仿真技术,引进真实路测场景和云端训练师,能够提供最贴近实际道路状况的模拟测试,并且模拟一次极端场景仅需30秒,系统每天虚拟测试里程可超过800万公里,将大幅度提升自动驾驶AI模型训练效率,加速迈进自动驾驶L5阶段。
想了解这套平台的意义,首先要弄明白自动驾驶的实现方式。简单理解来说可以分为:感知道路环境、处理数据并给出结果、控制车辆,其中最简单的是控制车辆方面,因为如今绝大部分车辆的方向、油门、刹车都是电子化控制,所以想要执行明确命令并不难,而真正难点在于感知道路环境和基于这些信息做出正确的决策。专业说法为:感知、融合、决策、控制。即通过传感器将道路信息记录下来、把信息整合分类送入计算单元、处理数据后做出抉择、根据给出的决策控制车辆行驶。难点即是感知、融合、决策阶段。
近两年,自动驾驶经常被媒体所报道,但几乎所有人争执的焦点都在“激光雷达”“5G技术”“V2X(车联网,Vehicle to Everything)”这几个问题上,似乎大多数认为只要解决了“激光雷达成本”“5G技术普及”“V2X落地”等问题,完全自动驾驶就能迎刃而解。无论是5G还是V2X,本质上也只是能够解决感知层面问题,并且由于目前车载算力已经足够(如今Mobileye、英伟达、特斯拉等公司的车载自动驾驶芯片,从算力角度应对自动驾驶需求已经绰绰有余),其实云计算的收益也不高,所以这些仍然不是自动驾驶的核心痛点。
业界实现自动驾驶基本分为两种方式:“强感知、强智能”和“弱感知、强智能”,后一种方式目前只有少数企业在采用,也就是以视觉方案为主的策略,代表是特斯拉;前一种则是绝大部分企业采用,拥有激光雷达、高精地图等额外感知手段,提升“强感知”。
所谓的智能,即是聪明程度,抛开硬件的算力不谈(自动驾驶Tier1级别的处理器算力相差不大,且除了特斯拉之外都是采购第三方的芯片),各家厂商真正角逐的赛场,其实在学习方法(思维、习惯)的提高方面,换句话说,也就是软件层面的问题。这其实就是为什么现如今自动驾驶行业的发展,愈发偏向软件研发公司,例如华为、达摩院等企业的入场。
自动驾驶,需要应对的道路情况极为复杂,因为除了固定的道路信息之外,每个人、车都具有极强的不确定性,可能发生的情况接近于“无限”。如果由程序员来界定车辆在何种情况下进行某种操作,那么就是以“有限”对“无限”,根本没有胜算。所以业界无一例外,在对信息的整合处理阶段,都是采用人工智能的方式,对神经网络进行训练,通过深度学习(Deep Learning,机器学习的一种)的方式提高“智力”。所以整个自动驾驶行业,从之前的硬件竞争,逐渐转变为了机器学习竞争。也就是说,谁能更好更快地训练自动驾驶AI,谁就具有真正的优势和技术壁垒。达摩院发布的自动驾驶仿真路测平台,就是为此服务的。
达摩院“混合式仿真测试平台”平台能够将现实的路况信息通过其他手段收集,并融合进模拟器环境中,也就是说神经网络系统能够得到比一般模拟器更加真实的训练,能够接近路测数据级别。该平台甚至通过算法模拟人类的不确定,对车辆进行随机干预,模拟各种现实中奇怪的驾驶习惯以及场景。并且由于性能强劲,传统极为复杂的场景需要仅1个月时间,而在达摩院这套平台中,仅需30秒即可完成复杂场景的构建和测试准备,每天可支持场景构建数量达百万级别。整体训练效率相比普通模拟器将提升百万倍。自动驾驶发展道路上,硬件技术虽然重要,但只是门槛,真正的技术壁垒和难点,集中在自动驾驶神经网络的训练上。
|
|