推动自动驾驶技术智能化发展
背景
自动驾驶的概念始于20世纪50年代,最初只是简单的车道保持和自适应巡航控制功能。随着科技的进步,特别是计算机技术和传感器技术的快速发展,自动驾驶技术在21世纪初取得了突破性进展。例如,在2004年和2005年的DARPA挑战赛上,无人驾驶汽车的展示吸引了广泛关注2. 2009年,谷歌成立自动驾驶部门,进一步推动了这一技术的商业化进程。如今,自动驾驶技术已经进入了量产应用阶段,许多量产车型都配备了不同程度的自动驾驶辅助功能
随着自动驾驶技术的不断发展,自动驾驶仿真技术越来越受到各大传统主机厂与自动驾驶科技公司的关注与青睐,也慢慢变成自动驾驶研发与测试的基础关键技术。究其原因是因为仿真技术通过把大量自动驾驶开发和测试的成本转化为GPU的物料成本和工程师的知识经验成本,进而大大缩短自动驾驶技术落地的时间与成本。
自动驾驶技术的发展不仅改变了人类的出行方式,还带来了更高的行车安全性、优化了交通资源配置,并催生了新的商业模式和就业机会,随着技术的不断进步和相关法律法规的完善,自动驾驶正逐步成为未来交通系统的重要组成部分。
行业痛点
1、视觉传感器场景受限:在很多场景下,例如下雪天、车道线磨损、遮挡或雾霾天气,传统的视觉以及激光雷达传感器都会有一定的失效。所以为了保证安全性和高级自动驾驶的有效冗余性,需要高精度地图这样一个冗余的传感器,来支撑自动驾驶,弥补传感器的不足。同时在城市的复杂道路环境下,依靠单纯的视觉系统,很难分辨出红绿灯究竟是控制哪条车道的交通流。
2、决策困境:在一起不可避免的碰撞事故中,自动驾驶系统究竟应该保护车内乘客,还是尽量减少对行人的伤害,这涉及到如何在个人利益和社会利益之间进行权衡取舍。
3、存在偏好或歧视:自动驾驶系统的决策过程可能存在偏好或歧视,例如在紧急情况下优先保护年轻人而忽视老年人的安全,这种做法会引发公众的广泛质疑和争议。
解决方案
工控机上运行着操作系统,操作系统中运行着无人驾驶软件。如图所示为某无人驾驶车软件系统架构。操作系统之上是支撑模块(这里模块指的是计算机程序),对上层软件模块提供基础服务。支撑模块包括:虚拟交换模块,用于模块间通信;日志管理模块,用于日志记录、检索以及回放;进程监控模块,负责监视整个系统的运行状态,如果某个模块运行不正常则提示操作人员并自动采取相应措施;交互调试模块,负责开发人员与无人驾驶系统交互。
相关产品
序号 | 产品名 | 产品信息 |
1 | MGP-800-01 | l 满足机器视觉、深专业的电源方案度学习、AI人工智能与边缘计算、车路协同与辅助驾驶等应用需求 l 多源数据融合,支持4G、WIFI通信 l 专业的电源方案可扩展2张全高全长GPU卡,具有强劲的AI计算能力 嵌入式GPU计算平台/Intel®W480E芯片组/i9-11900八核处理器/2*16G内存/256GSSD/2个千兆网口/VGA+HDMI/4×USB3.2(GEN2),4×USB3.2(GEN1) /2*DB9, 支持RS-232/422/485可调/1组音频/2个PCIe×16(PCIe×8信号)/2个 PCIe×4 |
2 | MGP-800-02 | l 满足机器视觉、深专业的电源方案度学习、AI人工智能与边缘计算、车路协同与辅助驾驶等应用需求 l 多源数据融合,支持4G、WIFI通信 l 专业的电源方案可扩展2张全高全长GPU卡,具有强劲的AI计算能力 嵌入式GPU计算平台/Intel®W480E芯片组/i7-11700八核处理器/2*16G内存/256GSSD/2个千兆网口/VGA+HDMI/4×USB3.2(GEN2),4×USB3.2(GEN1)/2*COM, 支持RS-232/422/485可调/1组音频/1个PCIe×16/2个 PCIe×4 |
客户收益
1、 提升自动驾驶系统的性能和效率
自动驾驶GPU计算测试可以帮助优化自动驾驶系统的性能和效率。例如,英伟达的DRIVE Thor计算平台就是一个例子,它可以集成自动驾驶、自动泊车、驾乘人员监控、AI座舱等多种智能功能,为汽车提供强大的计算能力。
通过GPU计算测试,可以加速AI算法的训练和应用,推动自动驾驶技术的快速发展。GPU的并行计算能力使得AI算法训练速度大幅提升,这对于自动驾驶技术的进步至关重要。
GPU在处理摄像头、雷达和其他传感器数据时发挥了关键作用,使得自动驾驶汽车能够识别道路标志、行人和障碍物,从而提高自动驾驶的安全性和可靠性。
通过GPU计算测试,可以验证自动驾驶技术在实际应用中的可行性和效果,为自动驾驶技术的商业化和普及奠定基础。例如,蔚来和小鹏的自动驾驶系统已经在多个城市进行测试并取得积极成果。