加速智能汽车产业变革,产学研用创新联合体重磅发布“自动驾驶关键技术攻坚”倡议行动

2024-07-24 来源:网络 阅读:2766

7月21日,华为云智能驾驶创新峰会&乌兰察布汽车专区发布会现场,华为云与中国电动汽车百人会携手北汽研究总院、毫末智行、四维图新、同济大学、禾多科技、赛目科技、为辰信安联合发起“自动驾驶关键技术攻坚”倡议行动,呼吁自动驾驶产业链各方把握发展先机,围绕产业技术挑战展开深入研究并协同技术创新,加快推动自动驾驶技术发展与产业化落地。


华为云EI服务产品部部长尤鹏表示:“华为云愿做最坚实云底座,支撑中国汽车产业在电动化、智能化领域的‘换道先行’。联动产、学、研、用,攻克关键技术;完善工具链,降低研发门槛,做强产业链,打造繁荣生态;软、硬并举,形成产业合力,助力产业发展。”


华为云携手众多伙伴发起“自动驾驶关键技术攻坚”倡议行动


华为云EI服务产品部部长尤鹏,华为云安全领域部长左文树,北汽研究总院智能网联中心专业总师林大洋,毫末智行COO侯军,四维图新高级副总裁蒋晟,中国电动汽车百人会副秘书长徐尔曼,同济大学教授、汽车安全技术研究所所长朱西产,禾多科技(北京)有限公司高级副总裁黄雷,北京赛目科技股份有限公司副总经理徐俊松,广东为辰信息科技有限公司数据安全产品总监喻晓等出席并见证倡议行动发布。


突破感知限制 应对复杂路况和极端天气


感知是自动驾驶系统的核心功能之一,它能够让车辆识别周围的环境,包括道路、车辆、行人、交通标志等。然而,感知系统的性能往往受到复杂路况和极端天气的影响,例如拥堵、施工、雨雪、雾霾等。这些情况会增加感知系统的误判和漏判的风险,从而影响自动驾驶的安全性和可靠性。


为了突破自动驾驶感知限制,应对复杂路况和极端天气,倡议提出可以在多传感器前融合、差异化场景的运动规划、感知决策一体化集成方面发力。


技术一:多传感器前融合:目前传感器融合主要采用后融合方式,即控制器在对数据综合处理前,毫米波雷达、激光雷达、摄像头等传感器已经在传感器内部对信息进行预先过滤,导致自动驾驶决策所需背景信息几乎被剔除。前融合可以规避此类问题,但仍面临异构传感器存在空间失调和分辨率差异、不同传感器数据可靠性不一、数据传输带宽不足等挑战。


技术二:差异化场景的运动规划:运动规划能通过优化,使路径规划和行为决策的结果真正应用到车辆控制执行端。但现实中车辆行驶环境复杂,如何进行场景分类和场景识别、差异化场景的运动规划都亟需解决。


技术三:感知决策一体化集成:需要建立一个驱动模型,将原始的传感器数据、导航命令和车辆状态,映射到转向、油门和刹车的原始控制命令,形成感知决策一体化集成。在复杂交通环境,糟糕的天气等条件下,避免对车内人员的安全造成威胁。


挖掘数据价值 加速自动驾驶数据闭环


自动驾驶系统的决策能力是影响其性能和安全性的关键因素,而决策能力的提升则依赖于大量的高质量训练数据通过数据自动化标注可以提高数据效率,仿真测试与评价则能确保决策能力的准确性与稳定性。三者结合,将有效提升自动驾驶系统的性能,降低风险,为未来自动驾驶的全面发展提供有力支持。


技术四:精准挖掘高价值场景数据:自动驾驶算法迭代需要大量场景数据支持,但上传云端的几十甚至上百GB。数据中能用于算法训练的高价值场景数据占比很小,数据的高效、精准识别与清洗仍面临困难,亟需探索前沿数据驱动决策优化的方法。同时,需要探索低成本、高效率的高精度地图要素采集路径或模式。


技术五:基于AI的数据自动化标注:企业采集数据只有经过标注才具备更大的算法训练价值。但因各类细分场景的数据集不同,仍有近10%需人工标注,效率低且成本高。产业需引入自监督预训练技术并结合人类反馈强化学习技术提高算法的规划决策准确性,进一步减弱对人工数据标注的依赖。


技术六:Corner case数据积累:现有技术已经实现90%以上场景的自动驾驶,但现实道路场景复杂,剩下10%的长尾场景始终无法覆盖。如何采集最后10%极端工况数据,成为制约自动驾驶发展的难题之一。


技术七:高质量仿真场景数据库:当前高级别自动驾驶,多传感器数据、场景库规模和高精度地图要素数据严重不足,需要提升仿真数据库的特征丰富度和覆盖广度,比如,如何保留地域性特征,如何选取具有代表性的道路环境、交通状况、交通规则、驾驶习惯,如何实现自动驾驶仿真场景要素提取与建模。


技术八:构建全栈仿真系统:仿真测试系统需要构建虚拟场景,对感知系统、车辆动力学等实现仿真功能。目前国内仿真软件起步较晚,在功能完整度、仿真结果可靠性等方面的创新力亟待提升。


华为云在自动驾驶开发、测试、量产方面进行了创新,其中自动标注大模型可以更高效地批量生产模型训练所需的标注数据,将标注成本降低为人工标注的十分之一。ModelArts模型生产线提供3大Turbo,提升模型训练效率。同时,华为云平台基于昇腾云服务,为自动驾驶开发提供澎湃算力。华为云还构建了AI-Native存储系统,提供数据24小时入云、精细存储、高效训练服务,助力汽车行业面对智能化带来的数据浪涌挑战。此外,华为云还在业界最早推出了云端大规模并行仿真服务,可以实现“日行千万里”的仿真验证能力,相比实车的验证速度提升了成千上万倍。


打破技术瓶颈 做好系统通信安全防护


技术九:T-BOX安全防护


BOX作为汽车对外通信的重要接口,网络与数据安全防护至关重要。


但T-BOX本身计算资源有限,引入IDS安全产品需要占用一定计算资源。如何在有限硬件资源下,实现安全能力嵌入并保证T-BOX稳定运行,仍存在技术瓶颈。


善用大模型 融合AI等前沿新技术


技术十:AI大模型应用于自动驾驶的路径


大模型的涌现能力、基于已有信息的预测能力与人类的“观查-决策”行为模式相近,天然适合自动驾驶领域。但大模型的算力消耗大,且不擅长处理对精度与安全有高要求的场景,需要进一步解决安全问题和车端的算力瓶颈。


华为云近期发布了盘古大模型3.0,采用分层解耦设计,可以快速适配、快速满足行业的多变需求。当前多家自动驾驶算法公司已将盘古大模型应用于场景生成、场景理解、预标注、多模态检索等场景中,大大提升了数据处理效率。


自动驾驶已然成为支撑我国建设现代化强国的重要科技创新领域,领域技术发展将重塑汽车产业链布局。未来,华为云将继续深耕自动驾驶领域,为自动驾驶打造最佳云底座。华为云同各方携手发起的“自动驾驶关键技术攻坚”倡议行动,将引领产业各方不断突破关键技术,带动汽车产业链企业快速发展,为产业变革加速,实现中国汽车产业“云上加速,智行万里”。


延伸 · 阅读