自動駕駛云平臺（智能駕駛云平臺）

今天給各位分享自動駕駛云平臺的知識，其中也會對智能駕駛云平臺進行解釋，如果能碰巧解決你現在面臨的問題，別忘了關注本站，現在開始吧！

本文目錄一覽：

• 1、自動駕駛云平臺的仿真是什么意思
• 2、專訪騰訊蘇奎峰：從數據要素到三大平臺，自動駕駛落地提速
• 3、騰訊自動駕駛云平臺構建「數據閉環」 為自動駕駛落地提速
• 4、ASD為澳大利亞政府提供云平臺信息服務助力自動駕駛發展

自動駕駛云平臺的仿真是什么意思

【太平洋汽車網】PanoSim云仿真平臺具有強大的集群仿真能力，能夠充分發揮云平臺的算力優勢，實時運行復雜度極高的仿真實驗，并能大規模并發運行海量的仿真實驗。此外，PanoSim云仿真平臺具備靈活的部署能力，能夠以各種不同規模的云平臺方式運行，能夠隨時擴展云平臺規模，并能夠無縫對接單機版PanoSim軟件的全部仿真功能。

DEMO展示的是由現場的兩臺高性能筆記本電腦組成的臨時云平臺，兩臺電腦共享算力資源，共享存儲資源，其中一臺兼做負載均衡器，綜合管理整個平臺。

然后在前端UI配置一輛裝備了八個高清攝像頭傳感器的主車，并加入到含有標準交通流工況的場景中，此時單臺主機的算力已無法支撐該仿真實驗的實時運行，攝像頭傳感器出現嚴重掉幀。最后通過前端UI將該實驗提交到云平臺執行，就能看到云端的兩臺主機開始同時啟動運行，并分別承擔四路攝像頭傳感器的渲染任務，使得該仿真實驗能夠以設計幀率實時穩定運行。

PanoSim是一款面向汽車自動駕駛技術與產品研發的一體化仿真與測試平臺，集高精度車輛動力學模型、高逼真汽車行駛環境與交通模型、高逼真車載環境傳感器模型和豐富的測試場景于一體，支持獨立仿真或與Matlab/Simulink的聯合仿真，提供包括離線仿真、實時硬件在環（MIL/SIL/HIL/VIL）和駕駛模擬器等在內的一體化解決方案；支持包括ADAS/V2X和自動駕駛環境感知、決策規劃與控制執行等在內的算法研發與測試，支持虛實融合的數字孿生測試，支持高并發云仿真等。

（圖/文/攝：太平洋汽車網問答叫獸）

專訪騰訊蘇奎峰：從數據要素到三大平臺，自動駕駛落地提速

數據是自動駕駛的「燃料」已成為業界共識。

4月9日，中央決策層下發的一個重要文件，讓“數據要素”的重要性蓋上了官方蓋章，成為生產要素之一，數據資源成為了亟待挖掘的黃金寶礦。

事實上，數據要素的重要性和想象力不僅局限于此。未來 汽車 將不再是信息孤島，是一個移動的感知終端，將與路、云端互聯，通過大數據、人工智能等技術實現智慧出行，數據是鏈接這一切的核心因素。

在眾多的自動駕駛玩家當中，構建「數據閉環」是騰訊助力產業發展，實現突圍的關鍵路徑。

數據要素高效利用背后更深層次的邏輯在于產業理解和基礎架構支撐，騰訊云提供強大的云服務能力，并基于此構建高效的自動駕駛數據服務體系。因此，在關于數據要素如何驅動自動駕駛的問題上，騰訊有著自己的一番理解。

基于此，騰訊在自動駕駛業務上擺出了三個具有殺傷力的產品：大數據云平臺、仿真測試平臺和高精度地圖。

雷鋒網新智駕將對話騰訊自動駕駛業務中心總經理蘇奎峰，試圖了解騰訊如何用數據要素驅動自動駕駛，三大業務之間高效聯動的邏輯。

在浩瀚的賽博空間里，數據是建成海量虛擬建筑的一塊塊磚瓦。

于自動駕駛而言， 數據以各種形式貫穿研發、生產、測試、運營等生命周期。 與此同時，數據的爆發也呈指數級增長，可以想象，玩家們面臨的是如海嘯一般涌來的數據。

因此在數據要素使用上，玩家們在兩個維度上的能力就顯得十分重要：一是數據閉環，沒有閉環，數據的有效性就無法驗證；二是在數據閉環的基礎之上如何實現數據高效運轉。

蘇奎峰向新智駕表示：自動駕駛的核心競爭力在于數據要素和計算資源的低成本獲取和高效利用。對數據要素進行高效收集和利用，提高數據循環鏈路的速度，是整個自動駕駛技術迭代的關鍵點。

為此，騰訊在自動駕駛業務上推出了大數據云平臺和仿真測試平臺、高精度地圖三大業務。要理解這三大業務平臺對數據閉環的高效驅動，需要追溯自動駕駛數據產生的鏈條。蘇奎峰給新智駕舉了一個例子：

由此可見，一個圍繞數據采集、場景構建、測試驗證、運營更新的數據流通鏈條得以形成。

蘇奎峰也認為，數據要素利用效率的提升是全鏈條事情，并非一個單點就能解決。

比如從數據采集角度看，知道采集何種數據就十分重要。在了解白天黑夜、擁堵與非擁堵路段等數據需求之后，可以將動態場景進行自動或手動標定觸發，從而提升數據獲取效率，避免重復。

而在車輛真正在路上運行之后，也可以根據相應的觸發條件，自動篩選一些有用的數據回傳到云端；此外，騰訊還會提供數據管理系統，將采集回來的數據進行標簽化，快速清洗、篩選、查找需要的數據，進行高效流轉。

工具鏈涵蓋從數據采集、數據訓練、到算法模塊評測（包括模型在環、軟件在環、車輛在環、硬件在環），再到實際路測的整個自動駕駛鏈路。

“這個閉環體系的每個工具的每一個環節，都在提高數據要素的流轉和利用效率，以便快速解決問題或加速研發?！碧K奎峰如此表示。

比如遇到一個Corner case，騰訊能夠從數據庫里找到相關案例來標注算法訓練，或快速采集相應的數據，以保證數據閉環的穩定有效。

目前，針對L2.5級以上的自動駕駛系統，騰訊都能提供云端工具鏈包括場景分類器等生產工具，同時提供車端與云端的一些標準，用戶可以根據自己的算法需求進行選取。

基于對數據閉環和高效運作的理解，騰訊在自動駕駛的目的也呼之欲出：為行業客戶提供，能夠對數據要素進行高效收集和利用，提高數據循環鏈路速度的軟件與服務，助力產業技術的演進，加速產品落地。

換言之，為行業客戶提供自動駕駛云開發的工具鏈，集數據采集、訓練、評測、更新等環節于一身。這也是蘇奎峰一直在強調的騰訊在自動駕駛上的工具屬性。

騰訊的大數據云平臺、仿真測試平臺、高精度地圖三大業務，構成了這些工具鏈的產品形態。

以仿真測試平臺為例，可以理解為，騰訊的仿真平臺TAD Sim就是一部大型的、針對自動駕駛車輛的角色扮演 游戲 ，結合了專業的 游戲 引擎、工業級車輛動力學模型、虛實一體交通流等技術。

蘇奎峰告訴新智駕，仿真測試非常核心的一個功能就是，能夠將采集到的數據轉換成有用的測試場景。

他強調道：“工具本身要求我們會使用數據，我們也有數據要素儲備。但對仿真來講，核心功能在于工具而非數據本身。有了這個工具，車輛采集的數據就可以生產大量的測試場景?！?/p>

騰訊的TAD Sim仿真平臺也能夠提供單機版本和云端版本。

單機版能夠進行場景編輯，做各種測試驗證。而云端版本則是提供云端高并發的測試能力，包括場景云仿真和虛擬城市型云仿真。

場景云仿真通過大量數據生成幾十萬甚至上百萬的測試場景，在云端大規模并行加速，實現自動駕駛算法的高效驗證。

虛擬城市云仿真，則是能夠加載一個真實或編輯的城市級高精度地圖，實現上百萬輛交通流車輛和上千臺自動駕駛主車的并行加速，進行7×24小時的不間斷測試。

通過不斷尋找Corner case、或是將算法處理不好的場景積累下來，豐富自動駕駛測試的場景庫。

當然，這背后可以很明顯地看到騰訊強大的 游戲 技術支撐的痕跡。

“仿真系統可以把數據鏈條打碎，然后分階段驗證，同時也會將這個鏈條集成驗證。這從一定意義上來說更接近于實際的道路測試。但是還是要強調，實車測試永遠是需要的，仿真永遠代替不了實車測試?！碧K奎峰說。

此前，騰訊和國家智能網聯 汽車 （長沙）試驗區合作了智能網聯 汽車 仿真實驗室。

利用高精度地圖和模擬仿真技術對試驗區的地理全貌進行數字化建模，實現在仿真環境下進行安全、高效的智能 汽車 實驗。

除此之外，仿真測試平臺的還離不開大數據云平臺和高精度地圖的組合。

蘇奎峰表示，云化是未來的一大趨勢，不光是數據存放在云端，目前在客戶端的很多服務和終端決策也會隨著云端趨勢的加強而發生改變。

“未來隨著5G通訊鏈路的增強、軟件架構和硬件架構升級、以及云端能力的增強，自動駕駛一定會從端的分布逐漸向云端遷移?！边@也是騰訊構建大數據平臺的原因。

此外，騰訊表示，TAD Sim提供地圖編輯器，可以直接編輯高精度地圖，也可以直接導入生產的實際高精度地圖， TAD Sim提供通用的高精度地圖接口，能夠加載地圖中的道路要素信息，也可以導入建筑物、樹木等等三維環境信息。

“總體來說，無論車端還是云端，這個閉環是互相嵌套的體系。最終的呈現形式可以是單獨模塊，但如果想提高數據的流轉效率和開發效率，就需要把這個體系緊密地耦合在一起，才能發揮最大效率?！碧K奎峰說。

而閉環體系中算法、數據流轉的效率越高，自動駕駛的成本也越低，核心競爭力也會更強。

在工具鏈上有一個完整的閉環，但在商業策略上，騰訊的商業模式是靈活的。

現階段，“全家桶”式的打包顯然不能滿足當下主機廠們對產品定制化的需求。

既可單兵作戰，也能齊同上陣。也就是說，三大業務既可以模塊化輸出，也能集大成者，進行團戰?？偠灾?，根據行業需求靈活組配甚至一定程度的定制。

與此同時，在三大核心業務能力的加持下，騰訊也一直打磨自己的自動駕駛解決方案。

相比其他玩家，騰訊并不以自動駕駛分級來劃分解決方案，而是從用戶高頻的需求出發，提供場景化的自動駕駛解決方案，分場景、分需求逐步實現自動駕駛落地。

從2019年開始，騰訊就瞄準了高速及泊車兩大用戶剛需場景，并將針對這兩大場景推出自動駕駛量產解決方案。

蘇奎峰告訴新智駕，目前，騰訊高精度地圖團隊已經完成了全國高速及快速路的高精度地圖數據采集及繪制工作，為實現高速場景的自動駕駛打好了基礎。

至于在商業落地上，蘇奎峰表示，由于互聯網公司的介入，傳統主機廠的固有合作模式會發生變化，尤其是軟硬件分離的趨勢越來越明顯?！昂献鞯哪Ｊ胶蜋C制都在改變，目前騰訊與主機廠也在通過一些合作來推動模式的升級?！?/p>

比如在車端的解決方案上，騰訊既可以提供地圖定位的算法模塊，也可以提供感知、融合算法模塊。但是不同的車廠、不同的傳感器配置，仍然需要進行定制化，通用模塊很難適配所有車型。

而大數據云平臺方面，騰訊和寶馬中國聯合開發的自動駕駛高性能數據開發平臺已經交付使用。

就像 游戲 中輔助角色一樣，在“輔助輸出”的理念下，騰訊正在用非常靈活的姿態融進主機廠、業內玩家們的自動駕駛生態之中。

正如騰訊CEO馬化騰在朋友圈寫道：“助力車企開發自己的自動駕駛AI算法和大數據平臺”。騰訊憑借自己對數據閉環高效運作的理解與實踐，有望助力車企們早日抵達自動駕駛的未來。

（雷鋒網） 雷鋒網

騰訊自動駕駛云平臺構建「數據閉環」 為自動駕駛落地提速

數據是數字化時代全新的生產要素，數據與算法、算力的融合，正在促進人工智能行業的發展。自動駕駛作為AI技術的 *** （ 查成交價 | 車型詳解 ），數據的作用更是貫穿生產、測試、研發全生命周期。目前，自動駕駛走入以落地應用為目標的下半場，解決極端場景下的安全問題，也離不開大量數據支持。對數據進行高效的采集和利用，提高數據循環鏈路的速度，成為整個自動駕駛技術迭代的關鍵點。

構建數據閉環，提升自動駕駛系統的核心競爭力

要實現自動駕駛，必然要搞定大數據。利用并轉化收集到海量的實際路況數據，可以幫助系統加速學習和升級，也意味著能夠率先搶占高級別的自動駕駛技術高地，因此整個行業都極為重視并大力投入。

車輛要想在道路上實現完全自動駕駛，除了要依靠車輛本身的攝像頭、毫米波雷達、激光雷達等傳感器，還要依靠網聯技術的支持。行駛時車輛依靠各種傳感器“觀察”道路，會產生大量數據，1.5小時的駕駛時間數據量達4TB，車端顯然不適合處理和存儲如此巨大的工作負載。而車端產生的大量數據，是提升自動駕駛體驗、完善算法的關鍵資源，所以最好是共享到云端，再通過人工智能算法提供大量的訓練數據來供機器學習，以搭建虛擬開發測試環境進行驗證。

要想在復雜的場景中提升現階段輔助駕駛/自動駕駛安全性，繁復的測試與驗證工作必不可少，由于現實中的駕駛場景難以窮盡，極其復雜且不可預測，在開發和測試的過程中，業界一般通過采集大量的數據構建場景集，幫助汽車打造仿真環境以實現模擬測試。實際路測中，復現一次極端場景的接管可能需要1個月的時間，而依靠數據，不僅可以復現更多極端場景，還可以極大提升測試效率。

此外，在部署自動駕駛車輛之后，會產生大量的回傳數據，自動駕駛系統也需要基于這些數據不斷進行迭代升級，并通過OTA的方式為用戶持續推送新的功能、適應更多的場景和提升體驗。

由此可見，基于數據驅動的自動駕駛，在完成前期數據的收集、中間數據的存儲與遷移之后，還要對后期核心數據進行訓練與管理。因此，構建自動駕駛數據閉環，是自動駕駛產品研發的核心競爭力。

騰訊自動駕駛云平臺驅動數據高效流轉

騰訊憑借多年在大數據、AI等領域的深度積累，借助騰訊云強大的算力支持，結合本土化的交通場景和應用需求，成功研發出在工具鏈完整性、場景豐富性、場景真實性等方面行業領先的自動駕駛云平臺，極大地提升了研發和測試效率，在云端高并發運行、真實有效性等方面實現了創新突破。

據悉，騰訊自動駕駛云平臺基于云端海量存儲空間與計算資源支撐，構建了數據采集管理、樣本標注、算法訓練評測、診斷調試、云端仿真、實車反饋閉環等全流程云服務，提供支撐自動駕駛研發的全鏈路云服務和開發平臺。

在數據治理方面，騰訊自動駕駛云平臺的樣本標注服務采用國際頂級算法預標注，可在實現樣本自動化生產，提升生產效率的同時，積累海量樣本數據，包括全要素目標檢測、跨相機目標跟蹤、語義分割等圖像標注、3D激光點云標注、以及精準圖像與3D點云融合標注、變道標注等多種自動駕駛研發專用樣本等。此外，該技術在計算節點中閉環運行全棧自動駕駛算法，支持一萬個以上場景的并行計算，使得1000個測試場景的運行時間從2天大幅縮減至4分鐘，并實現全自動化測評。在虛擬城市中數以千計的自動駕駛車輛不間斷的持續行駛，并通過隨機工況和激進交通流提升測試復雜度。

在數據應用層面，在測試工具之外，對于測試管理、政策制定等相關部門來說，仿真作為智能網聯汽車最重要的測評工具,既可幫助企業掌握在車輛研發、測試和集成的不同階段的安全邊界和質量問題，也有利于相關標準制定和場景庫的建設，通過信息化和標準化的手段提升智能網聯汽車行業透明度。在產業互聯網領域，騰訊致力于做數字化的連接器和工具箱，騰訊自動駕駛云平臺也在和OEM廠商、測試場、政府機構、產業聯盟乃至科研機構廣泛合作，推動應用落地。

（圖/文/攝： 石家莊01） @2019

ASD為澳大利亞政府提供云平臺信息服務助力自動駕駛發展

據外媒報道，自動駕駛汽車的運行很大程度上是一個強大的云系統，使車輛能夠與基礎設施進行通信，從而保證車輛導航的安全性。未來，無人駕駛汽車的發展必然會大大提高車輛的互聯互通，這意味著需要海量的信息和數據并對其進行評估，這無疑需要云系統的輔助。為確保云系統的安全性，澳大利亞有成熟的云供應商認證監管框架。澳大利亞國防信號管理局負責向澳大利亞聯邦政府機構提供信息安全建議和服務，控制和批準安全云服務。建筑署還將提供受保護的)云認證標準，可確保服務提供商能夠在澳大利亞運營數據中心，并提供安全清潔工程師。澳大利亞政府應堅定不移地推進ASD制定的網絡安全標準。澳大利亞政府正計劃推出自動駕駛汽車。只有把公共安全放在第一位，才能真正安全地執行相關標準，保障云系統的安全，助力無人車的成功。

自動駕駛云平臺的介紹就聊到這里吧，感謝你花時間閱讀本站內容，更多關于智能駕駛云平臺、自動駕駛云平臺的信息別忘了在本站進行查找喔。