7月21日,華為云智能駕駛創新峰會&烏蘭察布汽車專區發布會現場,華為云與中國電動汽車百人會攜手北汽研究總院、毫末智行、四維圖新、同濟大學、禾多科技、賽目科技、為辰信安聯合發起“自動駕駛關鍵技術攻堅”倡議行動,呼吁自動駕駛產業鏈各方把握發展先機,圍繞產業技術挑戰展開深入研究并協同技術創新,加快推動自動駕駛技術發展與產業化落地。
華為云EI服務產品部部長尤鵬表示:“華為云愿做最堅實云底座,支撐中國汽車產業在電動化、智能化領域的‘換道先行’。聯動產、學、研、用,攻克關鍵技術;完善工具鏈,降低研發門檻,做強產業鏈,打造繁榮生態;軟、硬并舉,形成產業合力,助力產業發展。”
華為云攜手眾多伙伴發起“自動駕駛關鍵技術攻堅”倡議行動
華為云EI服務產品部部長尤鵬,華為云安全領域部長左文樹,北汽研究總院智能網聯中心專業總師林大洋,毫末智行COO侯軍,四維圖新高級副總裁蔣晟,中國電動汽車百人會副秘書長徐爾曼,同濟大學教授、汽車安全技術研究所所長朱西產,禾多科技(北京)有限公司高級副總裁黃雷,北京賽目科技股份有限公司副總經理徐俊松,廣東為辰信息科技有限公司數據安全產品總監喻曉等出席并見證倡議行動發布。
突破感知限制 應對復雜路況和極端天氣
感知是自動駕駛系統的核心功能之一,它能夠讓車輛識別周圍的環境,包括道路、車輛、行人、交通標志等。然而,感知系統的性能往往受到復雜路況和極端天氣的影響,例如擁堵、施工、雨雪、霧霾等。這些情況會增加感知系統的誤判和漏判的風險,從而影響自動駕駛的安全性和可靠性。
為了突破自動駕駛感知限制,應對復雜路況和極端天氣,倡議提出可以在多傳感器前融合、差異化場景的運動規劃、感知決策一體化集成方面發力。
技術一:多傳感器前融合:目前傳感器融合主要采用后融合方式,即控制器在對數據綜合處理前,毫米波雷達、激光雷達、攝像頭等傳感器已經在傳感器內部對信息進行預先過濾,導致自動駕駛決策所需背景信息幾乎被剔除。前融合可以規避此類問題,但仍面臨異構傳感器存在空間失調和分辨率差異、不同傳感器數據可靠性不一、數據傳輸帶寬不足等挑戰。
技術二:差異化場景的運動規劃:運動規劃能通過優化,使路徑規劃和行為決策的結果真正應用到車輛控制執行端。但現實中車輛行駛環境復雜,如何進行場景分類和場景識別、差異化場景的運動規劃都亟需解決。
技術三:感知決策一體化集成:需要建立一個驅動模型,將原始的傳感器數據、導航命令和車輛狀態,映射到轉向、油門和剎車的原始控制命令,形成感知決策一體化集成。在復雜交通環境,糟糕的天氣等條件下,避免對車內人員的安全造成威脅。
挖掘數據價值 加速自動駕駛數據閉環
自動駕駛系統的決策能力是影響其性能和安全性的關鍵因素,而決策能力的提升則依賴于大量的高質量訓練數據通過數據自動化標注可以提高數據效率,仿真測試與評價則能確保決策能力的準確性與穩定性。三者結合,將有效提升自動駕駛系統的性能,降低風險,為未來自動駕駛的全面發展提供有力支持。
技術四:精準挖掘高價值場景數據:自動駕駛算法迭代需要大量場景數據支持,但上傳云端的幾十甚至上百GB。數據中能用于算法訓練的高價值場景數據占比很小,數據的高效、精準識別與清洗仍面臨困難,亟需探索前沿數據驅動決策優化的方法。同時,需要探索低成本、高效率的高精度地圖要素采集路徑或模式。
技術五:基于AI的數據自動化標注:企業采集數據只有經過標注才具備更大的算法訓練價值。但因各類細分場景的數據集不同,仍有近10%需人工標注,效率低且成本高。產業需引入自監督預訓練技術并結合人類反饋強化學習技術提高算法的規劃決策準確性,進一步減弱對人工數據標注的依賴。
技術六:Corner case數據積累:現有技術已經實現90%以上場景的自動駕駛,但現實道路場景復雜,剩下10%的長尾場景始終無法覆蓋。如何采集最后10%極端工況數據,成為制約自動駕駛發展的難題之一。
技術七:高質量仿真場景數據庫:當前高級別自動駕駛,多傳感器數據、場景庫規模和高精度地圖要素數據嚴重不足,需要提升仿真數據庫的特征豐富度和覆蓋廣度,比如,如何保留地域性特征,如何選取具有代表性的道路環境、交通狀況、交通規則、駕駛習慣,如何實現自動駕駛仿真場景要素提取與建模。
技術八:構建全棧仿真系統:仿真測試系統需要構建虛擬場景,對感知系統、車輛動力學等實現仿真功能。目前國內仿真軟件起步較晚,在功能完整度、仿真結果可靠性等方面的創新力亟待提升。
華為云在自動駕駛開發、測試、量產方面進行了創新,其中自動標注大模型可以更高效地批量生產模型訓練所需的標注數據,將標注成本降低為人工標注的十分之一。ModelArts模型生產線提供3大Turbo,提升模型訓練效率。同時,華為云平臺基于昇騰云服務,為自動駕駛開發提供澎湃算力。華為云還構建了AI-Native存儲系統,提供數據24小時入云、精細存儲、高效訓練服務,助力汽車行業面對智能化帶來的數據浪涌挑戰。此外,華為云還在業界最早推出了云端大規模并行仿真服務,可以實現“日行千萬里”的仿真驗證能力,相比實車的驗證速度提升了成千上萬倍。
打破技術瓶頸 做好系統通信安全防護
技術九:T-BOX安全防護
BOX作為汽車對外通信的重要接口,網絡與數據安全防護至關重要。
但T-BOX本身計算資源有限,引入IDS安全產品需要占用一定計算資源。如何在有限硬件資源下,實現安全能力嵌入并保證T-BOX穩定運行,仍存在技術瓶頸。
善用大模型 融合AI等前沿新技術
技術十:AI大模型應用于自動駕駛的路徑
大模型的涌現能力、基于已有信息的預測能力與人類的“觀查-決策”行為模式相近,天然適合自動駕駛領域。但大模型的算力消耗大,且不擅長處理對精度與安全有高要求的場景,需要進一步解決安全問題和車端的算力瓶頸。
華為云近期發布了盤古大模型3.0,采用分層解耦設計,可以快速適配、快速滿足行業的多變需求。當前多家自動駕駛算法公司已將盤古大模型應用于場景生成、場景理解、預標注、多模態檢索等場景中,大大提升了數據處理效率。
自動駕駛已然成為支撐我國建設現代化強國的重要科技創新領域,領域技術發展將重塑汽車產業鏈布局。未來,華為云將繼續深耕自動駕駛領域,為自動駕駛打造最佳云底座。華為云同各方攜手發起的“自動駕駛關鍵技術攻堅”倡議行動,將引領產業各方不斷突破關鍵技術,帶動汽車產業鏈企業快速發展,為產業變革加速,實現中國汽車產業“云上加速,智行萬里”。
