Silikon Vadisi'nin "Şehrin kapanması" arifesinde L4 insansız araba test sürüşü ve arkasındaki yenilikçi teknolojinin derinlemesine bir analizi
Konuşmacı | Qingzhou Zhihang: Yu Qian ve Wang Kun Qubit Düzenleyici | Genel Hesap QbitAI
Silikon Vadisinin şehri kapatmanın arifesinde, insansız araçların satın alma sürecinde olan süpermarketlere girmesine izin vermek nasıl bir deneyim olurdu?
21 Mart'ta, bu sürücüsüz şirketin insansız otomobili böylesine eşsiz bir deneyim yaşadı.
Başlangıçta plan "geceleri Silikon Vadisi'nin zirvesinde sürücüsüz bir arabada hamburger satın almaktı", ancak Amerika Birleşik Devletleri'ndeki salgın durumun ani dönüşü nedeniyle zorluk büyük ölçüde arttı.
Ama sonunda, Qingzhou Zhihang İnsansız araç, yeni zorluklara ve testlere sorunsuz ve başarılı bir şekilde dayandı ve Hamburg'u satın aldığı belirlenen hedefi başarıyla tamamladı.
Peki bu nasıl bir süreç? Qingzhou Zhihang'ın iki kurucu ortağı bu süreci ve arkasındaki teknolojiyi nasıl analiz ediyor?
Qingzhou Zhihang x qubit teknolojisinin canlı paylaşımında, Qingzhou Zhihang CEO'su ve Waymo'nun anahtar modüllerinin makine öğrenimi algoritması araştırma ve geliştirme eski başkanı Yu Qian , Google Çin'de Waymo'ya doğrudan katılan ilk kişi olan Qingzhou Zhihang'ın kurucu ortağı Wang Kun , Saha denemelerinin gerçek zamanlı verilerine, yenilikçi teknoloji yolunun ayrıntılı tanıtılmasına ve sınır sahnelerini yeniden oluşturmak için büyük ölçekli akıllı simülasyon sisteminin nasıl kullanılacağı, simüle edilmiş gerçek sahnelerin nasıl oluşturulacağı ve çeşitli öğrenmenin nasıl yapılacağı da dahil olmak üzere büyük ölçekli akıllı simülasyon sisteminin özel uygulamasına dayanarak Karmaşık sahneler, optimum hareket planlama kararları arama vb.
Canlı yayını kaçırdıysanız, şimdi bu transkripte daha yakından bakabilirsiniz.
Puan paylaşın
- Deneme sürüşü deneyimindeki teknik zorlukların analizi
- Otonom sürüş teknolojisinin değerlendirme standardını DMV yıllık raporu ile tartışın
- Otonom sürüş teknolojisinin mevcut evrimi nerede?
- Otonom sürüşün uzun kuyruk zorluğuna çözüm
- İnsansız sürüşün büyük ölçekli uygulaması neden simülasyona ihtiyaç duyar?
- İnsansız araçlar için ne tür bir simülasyon sistemine ihtiyaç var?
Silikon Vadisi'nin "kapanmasının" arifesinde sürücüsüz araba deneme deneyimi
Herkese merhaba, ben Qingzhou Zhihang'ın kurucu ortağı ve CEO'su Yu Qian'ım.
Sizinle ekranın önünde tanıştığım için çok mutluyum ve bu nispeten taze bir şekilde.
Qingzhou Zhihang, insansız sürüşü benzersiz ve yeni bir yolla gerçekleştirmeyi her zaman ummuştur.Şirketin kuruluşunun başlangıcında, hafif, hızlı ve verimli bir ekip kurmaya kararlıydık.Bu aynı zamanda şirketin adının da kaynağıdır - boğazın her iki tarafındaki maymunlar yardım edemez ama ağlar Qingzhou Wanzhongshan'ı geçti.
Bugün göstermek istediğim şey, Silikon Vadisinin "kapanmasının" arifesinde, insansız araçlarımızın çok sayıda kalabalığın ve kalabalığın olduğu süpermarketlerin önünden geçtiği.
California "Evde İzolasyon" yaptırım kararının verilmesinden sonraki üç saat, Qingzhou Zhihang için unutulmaz üç saattir.
16 Mart, Silikon Vadisi saatine göre öğleden sonra 4: 23'te, ilgili Kaliforniya hükümeti tarafından yayınlanan resmi bir zorunlu emir aldık. Tüm sakinler evde izole edilmeli ve yiyecek satın almadıkları, tıbbi tedavi görmedikleri veya başka acil durumlar haricinde evlerini terk etmelerine izin verildi. Zorunlu emir aynı gün içindedir. Gece 12'de etkilidir.
Bu bildirimi aldığımda, yürürlüğe girmesine sadece 8 saat kaldı. Silikon Vadisi'ndeki meslektaşların sağlığını ve güvenliğini korumak ve zorunlu siparişleri ihlal etmemek için, başlangıçta bugün için planlanan test sürüşü canlı yayını iptal edilebilir mi?
Vazgeçmedik, ancak Silikon Vadisi risk sermayesi BoomingStar Ventures'ın yönetici ortağı Alex Ren ile üçüncü taraf tanık olarak temasa geçtik ve o akşam saat 7'de acilen yol testinin bir videosunu kaydettik.
Zaman kısıtlamaları nedeniyle, yalnızca bir şansımız var, bu nedenle bu video da tek seferde kaydediliyor.
Deneme sürüşü deneyimi için neden canlı yayını kullanmayı seçiyoruz?
Temel olarak, canlı yayının kendisi hava durumu, trafik koşulları vb. Gibi birçok kontrol edilemeyen koşulla karşılaşacağı için, canlı yayını herkesin kendi teknolojimize olan güvenini göstermek için kullanmayı umuyoruz.
Yukarıdakiler, bu deneme sürüşü için rota haritasının bir parçasıdır.Şoförsüz araba, ticari bir bölgenin etrafındaki bir McDonald's'a gidecek, arabalı bir pencereden geçecek, ardından büyük bir süpermarket ve otoparkından geçecek ve şirkete geri dönecektir.
Arabaya servis, Amerika Birleşik Devletleri'nde yemek sipariş etmenin çok yaygın bir yoludur ve tipik kentsel karmaşık trafik ortamlarından biridir. Teknik bir bakış açısından, Arabadan geçiş senaryosu da çok zordur.
Her şeyden önce, şeritleri tek şeritlerden daha dardır ve konumlandırma ve kontrol gereksinimleri nispeten yüksektir.Yatay konumlandırma ve kontrol doğru değilse, kaldırıma yuvarlanacak veya binaya çarpacaktır. Dikey doğru değilse, yanlış hizalanacaktır. Yemek penceresi.
İkincisi, çıkışta yapılandırılmamış bir yol olan bir otopark var.İnsan ve araçların karışık durumuyla başa çıkabilmek için ana yola korumasız bir sağa dönerek girmek gerekiyor.
Son olarak, daha zor olan, buranın normal iş operasyonları için bir yer olmasıdır.Yol testleri için tekrarlanabilen açık yollardan farklı olarak, çok sayıda simülasyon testinden geçtik ve yolda çok güvenli ve güvenilir bir ilk kez başardık.
Silikon Vadisi'nin "kapanışının" arifesinde L4 insansız araçların canlı test sürüşleri
Yukarıdakiler o gün çekilmiş tam uzunlukta bir video.Salgının etkisiyle birçok kişi alışveriş yapmak için süpermarkete gitti. Qingzhou Zhihang'ın insansız aracı, süpermarketin yakınında birçok yaya ve araçla karşılaştı.
Tabii ki, insansız araçların teknik değerlendirmesi için test sürüşü deneyimi referansına ek olarak, sektörde bazı göstergeler de sağlayan bazı endüstri raporları da var, bu yüzden sadece bu zaman paylaşımı için bu raporu da yorumlayabilirsiniz:
California Otonom Sürüş Devralma Raporu
Bu yılın Şubat ayında, California Motorlu Taşıtlar Departmanı (DMV), kat edilen kilometre göstergesinin (MPI) daha fazla tartışmaya neden olduğu birçok tartışmaya yol açan 2019 California Otonom Sürüş Devralma Raporu'nu duyurdu.
Bana göre, farklı şirketlerin devralma standartları farklıdır ve farklı şirketler arasındaki devralma oranlarını karşılaştırmak anlamsızdır.
Örneğin, bir şirketin yol testi yeterince basitse, örneğin, başka araç yoksa, kavşak yoksa ve yaya yoksa, şirketin devralma oranı yeterince düşük olabilir.
Ancak zaman boyutunda aynı şirketin devralma oranını karşılaştırmak daha ilginç.
Örnek olarak toplam kilometre ve kilometre kapsamı çeşitliliği açısından sektör tarafından tanınan Waymo'yu ele alalım. 2018 ve 2019'da Waymo'nun devralma türlerini karşılaştırırken, çok ilginç bir nokta bulunabilir: algı yüzdesi önemli ölçüde artmıştır. ,% 25'ten% 47'ye yükseldi.
Bu, Waymo'nun algılama yeteneğinin azaldığı anlamına mı geliyor?
Pek sayılmaz.
Mutlak MPI perspektifinden bakıldığında Waymo, algılama ve hareket planlamasında ilerleme kaydetmiştir.
Genel orandaki değişimden, algı oranındaki artışın, planlama kararlarının neden olduğu devralma oranındaki düşüşe bağlı olduğu görülmektedir.
Bu aynı zamanda Waymo'nun planlama ve karar vermede büyük teknolojik ilerleme kaydettiği anlamına gelir ki bu çok dikkat çekicidir ve büyük ölçekli simülasyon testi uygulamasından ayrılamaz.
Hepinizin bildiği gibi, algı görece belirleyici bir konudur, nasıl test edileceği ve değerlendirileceği çok açıktır ve genel metodoloji nispeten açıktır.
Bu nedenle endüstri, planlama ve karar verme tekniklerine odaklanmaya başladı ve planlama ve karar vermeyi şu anda en zorlu sorun olarak görüyor.
Planlama ve karar vermenin zorluğu iki noktadan görülebilir:
İlk olarak, belirsizliği ölçmek zordur. Planlama ve karar vermenin iyi mi yoksa kötü mü olduğuna karar vermek için mevcut göstergeler rahatlık ve güvenliktir, ancak bu iki gösterge daha özneldir.
Bir yandan, farklı insanların sürüş sırasında farklı davranışları ve tercihleri vardır. Bazıları daha agresif, bazıları daha muhafazakar. Konfor seviyesinin kendisi çok öznel bir yargıdır. Öte yandan, güvenlik açısından basit bir güvenlik endeksi çarpışma değildir, hatta Çarpışmaz Arabanız yanınızdaki arabadan her zaman 1 cm uzakta ise kendinizi güvende hissetmezsiniz.
İkincisi, metodolojik bir bakış açısıyla, sektörde ana akım olan planlama ve karar alma metodolojisinin 20 yıl öncesine kıyasla büyük bir atılımı yoktur. Taklit öğrenme veya pekiştirmeli öğrenme yöntemleri, büyük ölçekli pratik uygulamalarda hala birçok soruna sahiptir.
Bu nedenle, planlama kontrolünü iyileştirmek algıdan daha zordur.
O zaman şu sorun da olabilir:
Otonom sürüş teknolojisi ne kadar gelişti?
Otonom sürüş teknolojisi ilk olarak haritalar ve konumlandırma ile başladı. Basit olan şey, nerede olduğunuzu bilmektir.
Harita tamamlandıktan ve konumlandırıldıktan sonra, endüstri algılama teknolojisine odaklanmaya başladı.Yüksek hatlı lidar, algılamanın erken gelişimini teşvik etmede önemli bir role sahip.
2012'de öğrenmenin patlak vermesinden sonra, endüstri algıya derin öğrenmeyi uygulamaya başladı ve algılama teknolojisi hızlı ve önemli bir ilerleme kaydetti.
Tespit edilecek ve tanınacak nesneler tespit edildiğinde sektör, planlama kararının hiç de basit olmadığını hatta daha da zor olduğunu fark eder.
Şu anda, büyük ölçüde daha iyi testler için planlama ve karar vermeye yardımcı olduğu görülen simülasyon teknolojisi ortaya çıktı - sonuçta, algoritma her değiştirildiğinde test için arabaya yerleştirmek mümkün değil.
Simülasyon teknolojisinin benimsenmesiyle, endüstri hızlı bir gelişim yoluna girdi. 2016'dan beri Waymo'nun gerçek yol testi kilometresi, dünyanın ekvatorunun etrafında 400 kattan fazla olan 10 milyon mili aştı. Bu sadece 2018 verileridir.
Bu teknolojik evrim yolu, sadece otonom sürüş alanındaki 10 yılı aşkın deneyimimin bir özeti değil, aynı zamanda farklı zaman noktalarında otonom sürüş teknolojisinin farklı bir temel odağıdır.Aynı zamanda, son yıllarda pek çok girişimin sıfırdan ilk baştan teknoloji inşa sürecidir. Haritalama ve konumlandırmada iyi bir iş yapın, ardından algıda iyi bir iş yapın ve sonunda planlama kararları ve simülasyonlar yapmaya başlayın.
Ancak Qingzhou Zhihang için simülasyon test platformunu başından beri temel bir yetenek olarak ele aldık ve çok verimli bir geliştirme durumu elde etmek için diğer modüllerle birlikte inşa ettik.
Qingzhou Zhihang L4 seviyesi insansız teknoloji
Otonom sürüşün uzun kuyruk etkisiyle karşı karşıya kalan otomasyon, sınır sorununu çözmenin en iyi yoludur
Planlama ve karar vermenin zorluklarına ek olarak, otonom sürüş endüstrisinin uzun kuyruk etkisinden de bahsedilmelidir.
Otonom sürüşle uğraşan teknisyenler, sorunların% 90'ının teknik olarak çözüldüğüne dair derin bir anlayışa sahip olmalıdır, ancak geri kalan% 10 aynı veya daha fazla enerjiye ihtiyaç duyabilir. Bu% 10 birçok sınır problemini içerir ve genellikle Corner Case denilen.
Yukarıdaki resim tipik bir köşe vakasıdır.Bir yaban ördeğiyle karşılaşmadan önce, bir yaban ördeği sorununun olacağını bile bilmiyorsunuz, bu yüzden köşe vakasının keşfedilmesi ve çözülmesi gerekiyor.
Peki sınır problemi nasıl keşfedilir ve çözülür?
Büyük miktarda veri toplamanın yanı sıra, otomatik bir üretim fabrikası kurmak ve sürekli olarak toplanan etkili verileri otomatik araçlar aracılığıyla kullanılabilir bir model haline getirmek daha önemlidir. Köşedeki kasaya daha hızlı ve daha verimli bir şekilde yanıt verin.
Örnek olarak yukarıdaki yaban ördeği senaryosunu ele alalım.Bu senaryolar için özel modeller geliştirmeye ihtiyacınız varsa, başa çıkmanız gereken sonsuz senaryolar olacaktır.
Bununla birlikte, otomatik yöntemlerin yardımıyla, veriler işaretlendiği sürece, bu durum sistem bir sonraki güncellendiğinde daha iyi idare edilebilir ve bu da mühendislere çok zaman kazandırır.
Algıyı örnek almak daha kolay anlaşılır ama aslında planlama teknikleri aynıdır. Araba için doğru planlar yapmak için en ilkel yöntem, mühendisler tarafından kurallar yazmaktır - çok sayıda mühendis çok sayıda kural yazar, ancak bu yöntem yeterince sürdürülemez ve talebi karşılayamaz; bir sonraki adım, ödül işlevini tasarlamaktır Bir ödül işlevi tasarlamak, kural yazmaktan çok daha basittir; gelecekte, ödül işlevini otomatik olarak öğrenmek için verileri kullanmaktır. Bu süreç, otomasyona doğru gelişim sürecidir.
Qingzhou Zhihang'ın peşinde olduğu şey, otomatik ölçekli bir üretim fabrikası kurmaktır.Orijinal "bina merdiveni" ile karşılaştırıldığında, "bir roket inşa etmeyi" umuyoruz. Bu amaçla, çok sayıda takım zinciri ve simülasyon test ortamları oluşturulmalıdır.
Otonom sürüşte testler vazgeçilmezdir
Sistem geliştirme ve testte 10x kanunu vardır; bu, tüm konsept, tasarım, geliştirme, test etme ve yayınlama sürecinde, her gece bir aşamada bir hata keşfedilirse, onu çözmenin maliyeti çok daha yüksek olacaktır.
Bu 10x yasası, özellikle otonom sürüş alanında belirgindir.Sorun ne kadar geç ortaya çıkarsa, çözümü o kadar zor olur. Sorun serbest bırakılıncaya kadar ortaya çıkmazsa, yaşamı tehdit eden bir felaket olabilir.
Bundan, simülasyon testinin önemini de görebiliriz.Planlama ve karar vermedeki uygulamasına ek olarak, simülasyon testi insansız sürüş teknolojisinin tüm önemli modüllerinin hızlı yinelemesini de destekleyebilir.
Modern bir fabrikanın üretim süreciyle karşılaştırılabilir.Ürün piyasaya sürülmeden önceki her bağlantı yeterli test gerektirir.
Haritadan konumlandırmaya, algılamadan tahmine, nihai planlama ve karar vermeye kadar, tüm geliştirme tamamlandıktan sonra genel modülü test etmiyoruz, baştan itibaren eşzamanlı olarak ilerliyoruz.
Şu anda endüstri, test etmenin öneminin farkında ve otonom sürüşün temel rekabetçiliğinin tek noktalı bir algoritma olmadığını, testi verimli ve hızlı bir şekilde tamamlamak için verimli bir veri fabrikasının nasıl kurulacağını anlıyor.
Qingzhou Zhihangın test araçları, mühendislerin verimli bir şekilde gelişmesine, araçtaki sorunları hızla yeniden oluşturmasına ve olası olası sorunları önceden ortaya çıkarmasına yardımcı olmak için tasarlanmıştır.Aynı zamanda, bir sürümün diğerinden daha iyi olup olmadığını değerlendirmek için bir değerlendirme sistemi de sağlar. Onu güzel bir görüntü veya güzel bir nokta bulutu haline getirmek yerine kötüye gitti.
Test sistemimiz araç üstü sistem ile son derece tutarlı olabilmektedir.Yolda meydana gelen problemler simülasyonda çoğaltılabilmekte ve geri geldiklerinde tamir edilebilmektedir. Tekrar yola çıktığınızda aynı sorunun meydana gelmediğinden emin olun. Oluşturduğumuz sahne kitaplığı da gerçek ortamla oldukça tutarlıdır, çünkü başlangıçta gerçeklikten öğrenilmiştir.
Bu yetenekler elde edilemezse, simülasyon testi sadece bir dekorasyondur. Bu yeteneklerle geliştirme verimliliği hızla artırılabilir.
Yenilikçi teknoloji yolları, insansız sürüşün her açıdan ve çoklu senaryolarda verimli bir şekilde uygulanmasını teşvik edebilir
İnsansız sürüş alanında iki önemli konu, biri teknik yol, diğeri ticari uygulama.
Otonom sürüş, talep olmadan değil, çok fazla taleple çok benzersiz bir alandır. Güvenliği artırmak, işçilik maliyetlerini azaltmak veya şehir içi trafik verimliliği sağlamak olsun, insansız sürüş alanında güçlü bir taleptir, ancak Qingzhou Zhihang için de bir fırsat olan teknolojide hala çeşitli sorunlar vardır.
Qingzhou Zhihang, teknoloji yolu açısından otomasyona ve teste büyük önem vermektedir. Etkili veriler, büyük ölçekli bir akıllı simülasyon sistemi ve kendi kendine öğrenen bir karar verme planlama çerçevesi, Qingzhou'nun akıllı havacılık teknolojisini ilerlemeye iten dişlilerdir ve aynı zamanda benzersiz teknolojik yolumuzdur.
Geçen yılın ilk aşamasında, Qingzhou Zhihang, "ağaçları görmek, ormanı görmek istemedi" - hileler ve parçalara ayırma yoluyla belirli bir küçük uygulama senaryosuna girmek ve sorunları çözmek için bir yığın insana güvenen bir şirket olmak istemedi. Büyük ölçekli bir mühendislik şirketi, dahili becerileri geliştirmeye odaklanır.Ana hattın derin ve yatay genişlemesini sağladıktan sonra, gerçek insansız sürüşü hafif ve hızlı bir şekilde gerçekleştirebilir.
Ticari uygulamalar açısından düşüncemiz şudur: Her şeyi yapmak yerine, sürücüsüz sürüşü gerçeğe dönüştürmek için uzmanlık alanlarına odaklanmak ve ortaklarla birlikte çalışmak daha iyidir.
Böyle bir vites grubunu döndürmek, aynı zamanda dış endüstri ortamından da ayrılamaz. Bence sürücüsüz sektör büyük bir gelişme aşamasında.
Bir yandan teknolojinin yeni zirvesi, diğer yandan politikanın güçlü desteğidir. Teknolojinin yeni yüksekliği, sensörlerin ve bilgi işlem birimlerinin hızlı bir şekilde yinelenmesi ve teknik yeteneklerin yükseltilmesi ve artması anlamına geliyor. Politikanın güçlü desteği, "yeni altyapı" da otonom sürüşe yapılan son vurguyu, 5G gibi destekleyici teknolojilerin geliştirilmesini ve destekleyici yasa ve düzenlemelerin iyileştirilmesini içermektedir.
Bunun en iyi zaman olduğu söylenebilir, bu yüzden Qingzhou Zhihang bu zamanda görünmeyi seçti.
Karmaşık şehir içi trafik ortamına uyum sağlayan L4 otonom sürüş teknolojisine odaklanıyoruz ve ortaklarımıza kapsamlı ve toplu üretilen sürücüsüz çözümler sunmayı umarak "eski sürücüler" yaratmaya kararlıyız.
Hafif, hızlı ve verimli bir tam yığın yıldız ekibimiz ve hızlı genişlemeyi destekleyen teknik bir yola sahibiz.Son olarak, kapsamlı, çok senaryolu verimli bir iniş gerçekleştireceğiz.
İnsansız araçlar için ne tür bir simülasyon gereklidir?
Herkese merhaba, ben Qingzhou Zhihang'ın kurucu ortağı Wang Kun. Bugün sürücüsüz sürüş alanında sizlerle simülasyon teknolojisi hakkında iletişim kurma fırsatına sahip olduğum için çok mutluyum.
Piyasada pek çok simülasyon yazılımı var, en popüler olanları oyun motorlarına dayalı olanlardır. Bu tür bir simülasyon yazılımı arayüz açısından daha güzel, simüle edilmiş bir şehir gibi, sahne çok gerçek.
Bu genel simülasyon yazılımından farklı olarak, Qingzhou Zhihang'ın simülasyon yazılımı arayüzü çok basittir, karmaşık oluşturma işini terk eder, yalnızca 3D Box ve radar noktalarının üst üste binmesi dahil olmak üzere algı sonuçlarını korur. Neden oyun motorunu güzel bir simüle edilmiş şehir yaratmak için kullanmıyoruz?
Oyun motoru geliştirmeye dayalı simülasyon sisteminin üç özelliğini özetledik:
Birincisi, bir oyun motoru kullanılması durumunda, kendi görüntü oluşturma çalışması, algıda çok sınırlı bir iyileşmeye sahiptir, çünkü oluşturma etkisi gerçek nesneden biraz farklıdır.
İkincisi, otonom sürüş alanında, bu tür Yeniden inşa yazılımı (üçüncü taraf yazılım geliştirmeye dayalı) test kesinliğinden yoksundur. Otonom sürüş alanında simülasyon yazılımının önemli uygulaması, belirli bir yol testinin etkisini yeniden üretmektir. Bununla birlikte, bu tür üçüncü taraf yazılımların geliştirilmesi ve otonom sürüş yazılımının geliştirilmesi birbirinden bağımsız olduğundan, her modülün kesinliğini garanti etmek zordur ve sonuçta kullanılabilirliği etkileyen tüm simülasyon yazılımında belirsizliğe neden olur.
Üçüncüsü, bir oyun motorunu temel alan bir emülatör, görüntü oluşturma için çok fazla bilgi işlem kaynağı tüketecektir, bu da büyük ölçekli uygulamalara elverişli değildir ve bu da pratikliğini etkiler.
Yukarıdaki hususlara dayanarak, Qingzhou Zhihang'ın benzersiz simülasyon sistemi geliştirildi.
Simülasyon otonom sürüşe ne getirebilir?
Otonom sürüş için simülasyonun önemi ortadadır ve birçok avantajı vardır:
1. Düşük maliyetli
Simülasyon sürüş testi maliyeti, gerçek sürücü testi maliyetinin yaklaşık% 1'i veya daha azıdır. Gerçek yol testinde, donanım maliyeti, sensör maliyeti, sürücü maliyeti ve sistem mühendisi maliyeti gereklidir ve test yalnızca günde 8 ila 10 saat etkili olabilir. Simülasyon sürücü testini kullanarak, gereksinimler yüksek olmadığında, 24 saat boyunca sürekli test etmek için yalnızca bir bilgisayar ve GPU gerekir.
2. Esneklik
Gerçek sürücü testinde, aşırı koşullarla karşılaşmak çok küçük bir olasılık olayıdır ve güvenli değildir. Simülasyon sisteminde, mühendisler, gerçek sürücü testinden önce yeterli doğrulamayı sağlamak için manuel düzenleme veya otomatik oluşturma yoluyla birçok ekstrem durumu test edebilir.
Üç, ölçeklenebilirlik
Simülasyonun ölçeklenebilirliği, gerçek yol testinden daha büyüktür ve simüle edilmiş yol testi kilometre, gerçek yol testi kilometresinin yaklaşık 1000 katıdır. Simülasyon sisteminin ihtiyaç duyduğu donanım maliyeti çok düşükken, filonun donanım maliyeti, personel maliyeti ve işletme maliyeti çok yüksektir.Bulut hizmetlerinin gelişmesiyle birlikte simülasyonun ölçeklenebilirliği filonunkinden çok daha büyük olacaktır.
Dördüncü olarak, ölçülebilirlik
Otonom sürüş yazılımı geliştirirken her gün çok fazla kod değişikliği ve algoritma yinelemesi oluyor.Bu ayın hangi yazılımlarının ve geçen ayın hangi yazılımlarının daha iyi performans gösterdiğini nereden biliyorsunuz? Bu tür bir karşılaştırmanın gerçek yol testi yoluyla yapılması zordur, çünkü sınırlı araçlar söz konusu olduğunda, test senaryoları ve kilometre sınırlıdır ve güvenilir bir istatistiksel sonuç elde etmek zordur. Ancak simülasyon yardımı ile mühendisler çok sayıda senaryo kütüphanesinde paralel olarak test yapabilmekte ve yazılım versiyonunu kısa sürede değerlendirebilmektedir. Gelecekte, yazılımın seri üretim seviyesine ulaşıp ulaşmadığını değerlendirirken simülasyon da ana test ve değerlendirme teknolojisi olacaktır.
Qingzhou Zhihang simülasyon sisteminin sistem mimarisi ve simülasyon değerlendiricilerinin sınıflandırılması
Qingzhou Zhihang Simülasyon Sisteminin sistem mimarisi 5 katmana ayrılabilir:
Alt katman, modüller arasında verimli iletişimi sağlamak için alt iletişim sistemini kullanan, Qingzhou Zhihang tarafından kendi geliştirdiği Araba İşletim Sistemidir;
Araba işletim sistemi ve simülatör son derece entegre sistemlerdir. Çekirdek simülatör ve değerlendirici, simülasyon sisteminin belirleyiciliğini sağlayabilen temel Araç İşletim Sistemi arayüzüne dayalı olarak geliştirilmiştir;
Bir sonraki katman, tüm veri kapalı döngüsünün etkinliğini sağlayabilen ve tüm verilerin verimli kullanımını sağlayabilen simülasyon çevresel araç zinciri ve altyapısıdır;
Dördüncü katman, büyük ölçekli bir sahne kitaplığının oluşturulmasıdır; üst katman, hızlı ve büyük ölçekli simülasyon uygulamalarını destekleyen ve kısa sürede doğru değerlendirmeleri alabilen dağıtılmış bir sistem simülasyon platformudur.
Qingzhou Zhihang'ın simülasyon değerlendiricisi de 5 kategoriye ayrılabilir:
İlk kategori, çarpışma olup olmadığı, yolun kenarına bastırılıp bastırılmadığı, bir yayaya çarpıp çarpmadığı vb. Değerlendirmeyi içeren Güvenlik Değerlendiricisidir;
İkinci tür, simülasyon sonuçlarını manuel veya otomatik açıklama yoluyla tespit edip karşılaştırabilen ve mühendise zamanında geri bildirim sağlayan Zemin Gerçeği Değerlendiricidir;
Üçüncü kategori, kırmızı ışıkta geçilip geçilmeyeceği, retrograd olup olmayacağı vb. Gibi trafik kurallarına dayalı değerlendirmeye atıfta bulunan hukuk değerlendirmesidir (Hukuk Değerlendiricisi);
Dördüncü kategori, ani frenleme gibi rahatsızlık veren davranışların olup olmadığını ifade eden konfor değerlendirmesidir (Konfor Değerlendiricisi);
Beşinci kategori, nispeten düşük seviyeli olan ve modül tarafından üretilen ara sonuçlara dayalı uzunlamasına karşılaştırma ile elde edilen değerlendirme sonuçlarını ifade eden İstatistik Değerlendiricisi'dir.
Gerçekten kullanılabilir simülasyon
Büyük ölçekli akıllı simülasyon sistemi gösterimi
Yukarıdaki video, McDonald's'taki simülasyon testimizin bir örneğidir.Aşağıdaki gerçek görüntüden önümüzde araç olmadığını görebiliriz.
Ancak simülasyon yardımıyla, araçların sanal araçlardan doğru bir şekilde kaçıp kurtulamayacağını test etmek için olay yerinde iki yeşil sanal araç oluşturduk.
Benzer şekilde, test için sarı kutuları olan yayalar da oluşturuldu. Videodaki beyaz sınır, o andaki gerçek sürüş parkurudur.
McDonald's sahnesinin birden çok kez test edilmesine izin verilmediğinden, bu video birçok örnekten yalnızca biridir. Aslında bu türden birçok benzer sahne oluşturduk. Simülasyon testinde değerlendirici iyi sonuçlar elde etti. , Araç gerçek sahnede test etsin.
Ek olarak, yukarıdaki animasyon aynı zamanda simülasyon sahne kitaplığının otomatik olarak oluşturulmasının ilgili çalışmasını da gösterir. Videodaki kırmızı ve yeşil noktalar, iki aracın yörüngelerini temsil eder.Bu yörüngelerin oluşturulması ve değişiklikleri, eğitim için derin öğrenme yöntemlerini kullanarak ve ardından eğitimli derin sinirleri kullanarak gerçek trafik veri setlerine dayanır. Ağ (üretim modeli), büyük ölçekli etkileşimli araçların yörüngelerini sentezler.
Etkileşimli aracın yörüngesinin sürekli değiştiğini görebilirsiniz.Bu değişiklik, etkileşimli aracın hareket davranış alanının üretici model yardımıyla rastgele örneklenmesinden kaynaklanmaktadır.
Üretken model, farklı sahne kitaplıklarının farklı haritalarda sentezini destekler ve gerçek ve etkili, çeşitli ve zengin ve ölçek genişletme gibi birçok özelliğe sahiptir.
Videodaki iki nokta veya iki araba etkileşimlidir ve doğru şekilde etkileşime girebilirler.Bu tür bir etkileşimli davranış manuel olarak değil, gerçek araba ile araba arasındaki etkileşimli verilerden derinlemesine yaratılır. Öğrenme yöntemi öğrenmeden gelir.
Özetle, simülasyonun büyük ölçekli sürücüsüz teknolojiye ulaşmanın tek yolu olduğuna inanıyoruz.
Her şeyden önce, simülasyon ve ilgili alet zincirlerinin yardımıyla, insanları istiflemek veya araçları istiflemek yerine algoritma testini ve verimli yinelemeyi destekleyen verimli bir kapalı veri testi döngüsü oluşturulabilir.
İkincisi, yalnızca büyük ölçekli akıllı simülasyonla doğrulanan yazılım, güvenliği ve kullanılabilirliği sağlayabilir. Bir metaforla bitirmek gerekirse, insansız sürüş bir yarışsa, simülasyon, tamamen insansız sürüşün gerçekleştirilmesine yardımcı olacak güçlendiricidir.
Qingzhou Zhihang hakkında:
QCraft, ABD'nin Silikon Vadisi'nde kurulmuş olup, dünyanın önde gelen sürücüsüz şirketidir.Karmaşık kentsel trafik ortamına uyum sağlayan ve sürücüsüz sürüşü gerçeğe dönüştüren "eski sürücüler" yaratmaya kendini adamıştır. Qingzhou Zhihang, büyük ölçekli bir akıllı simülasyon sistemine ve kendi kendine öğrenen bir hareket planlama çerçevesine dayanarak, ortaklara, düşük hızdan yüksek hıza, lojistikten seyahate, ticari araçlardan ticari araçlara kadar tüm yönleri kapsayan kitlesel olarak üretilmiş insansız sürüş çözümleri sağlamaya odaklanıyor. Binek otomobiller gibi çoklu uygulama senaryoları. Çekirdek ekip üyeleri Waymo, Tesla, Uber, Ford ve Nvidia gibi dünyanın en iyi şirketlerinden geliyor ve insansız sürüş için anahtar teknoloji modüllerinin tam kapsamlı kapsamını elde ettiler.
- Bitiş -
