在2021年上海國(guó)際車(chē)展前夕，爪魚(yú)自動(dòng)助力自動(dòng)雜變?nèi)A為智能車(chē)云服務(wù)產(chǎn)品部總經(jīng)理廖振欽正式對(duì)外發(fā)布了“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)，駕駛駕駛圍繞自動(dòng)駕駛開(kāi)發(fā)最關(guān)鍵的開(kāi)放開(kāi)四大要素——硬件、數(shù)據(jù)、平臺(tái)算法和高精地圖，發(fā)布構(gòu)建一套以數(shù)據(jù)為核心，讓復(fù)加拿大預(yù)測(cè)最準(zhǔn)的專(zhuān)家驅(qū)動(dòng)自動(dòng)駕駛閉環(huán)迭代的得簡(jiǎn)單開(kāi)放平臺(tái)，旨在通過(guò)車(chē)云協(xié)同的爪魚(yú)自動(dòng)助力自動(dòng)雜變能力封裝、業(yè)內(nèi)領(lǐng)先的駕駛駕駛標(biāo)注能力、升級(jí)的開(kāi)放開(kāi)虛擬仿真，以及安全合規(guī)的平臺(tái)一站式云服務(wù)，協(xié)助車(chē)企“0”基礎(chǔ)構(gòu)建自動(dòng)駕駛開(kāi)發(fā)能力，發(fā)布降低開(kāi)發(fā)門(mén)檻，讓復(fù)提升開(kāi)發(fā)效率。得簡(jiǎn)單

　　圖1：華為智能車(chē)云服務(wù)產(chǎn)品部總經(jīng)理廖振欽發(fā)布“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)

　　廖振欽表示：“我們這個(gè)平臺(tái)有三個(gè)能力：首先，把算法、數(shù)據(jù)、算法解耦，實(shí)現(xiàn)了車(chē)云協(xié)同。平臺(tái)既可以支持華為MDC，也可以支持其他主流的異構(gòu)硬件。高精地圖也是解耦的，支持NDS、OpenDrive等多種主流標(biāo)準(zhǔn)；第二，我們將沉淀積累的平臺(tái)能力開(kāi)放出來(lái)，通過(guò)預(yù)置的2000萬(wàn)框標(biāo)注數(shù)據(jù)集、20萬(wàn)仿真場(chǎng)景庫(kù)、完整工具鏈和標(biāo)注算法，加拿大PC預(yù)測(cè)網(wǎng)2.8版本以及場(chǎng)景數(shù)字孿生、虛實(shí)混合仿真、日行千萬(wàn)公里的大規(guī)模并行仿真等服務(wù)，實(shí)現(xiàn)了自動(dòng)駕駛的0基礎(chǔ)開(kāi)發(fā)，真正做到了開(kāi)箱即用；第三，我們的云服務(wù)是完全安全合規(guī)的?！?/p>

　　智能車(chē)云服務(wù)CTO

　　喻杰博士介紹了“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)的架構(gòu)和核心亮點(diǎn)。該平臺(tái)全面地覆蓋了自動(dòng)駕駛開(kāi)發(fā)的各個(gè)階段，并且作為一個(gè)開(kāi)放平臺(tái)，可以支持豐富的API及數(shù)據(jù)接口，允許合作伙伴進(jìn)行二次開(kāi)發(fā)。隨后喻杰博士闡述了華為是如何提升感知模型精度，并達(dá)到業(yè)界領(lǐng)先水平；如何通過(guò)模型適配、感知協(xié)同，實(shí)現(xiàn)了數(shù)據(jù)與算法在云端與車(chē)端之間的高效閉環(huán)；以及如何將整個(gè)開(kāi)發(fā)流程納入DevOps，加速規(guī)控算法的仿真測(cè)試和迭代優(yōu)化。

　　圖2：華為智能車(chē)云服務(wù)產(chǎn)品部CTO 喻杰博士 介紹“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)架構(gòu)

　　華為今天同時(shí)對(duì)外發(fā)布了高精地圖云服務(wù)最新的能力及路標(biāo)，并將在精度、廣度、鮮度全方面滿(mǎn)足各車(chē)企自動(dòng)駕駛商用化的要求。廖振欽表示“高精地圖是自動(dòng)駕駛中的重要元素。華為已經(jīng)擁有了導(dǎo)航電子地圖制作甲級(jí)測(cè)繪資質(zhì)，也具備完整的高精地圖采集和制圖能力，所以我們有信心今年能支持真正的商用化?！?/p>

　　華為計(jì)劃今年完成全國(guó)高快速路與北上廣深的高精地圖，往后持續(xù)擴(kuò)大覆蓋范圍，2023年覆蓋20多個(gè)主要城市。加拿大pc預(yù)測(cè)刮刮樂(lè)考慮到中國(guó)幅員遼闊、城市眾多，華為正與廣泛的圖商合作，形成高精地圖產(chǎn)業(yè)合力，共同繪制一張完整的、高質(zhì)量的中國(guó)動(dòng)態(tài)高精地圖。

　　圖3：華為發(fā)布高精地圖云服務(wù)能力和路標(biāo)

　　以下是發(fā)布會(huì)主要內(nèi)容：

　　自動(dòng)駕駛開(kāi)發(fā)，需構(gòu)建一套以數(shù)據(jù)為核心的、開(kāi)放解耦的閉環(huán)系統(tǒng)

　　自動(dòng)駕駛進(jìn)行快車(chē)道，在自動(dòng)駕駛從開(kāi)發(fā)到商用的過(guò)程中，圍繞著產(chǎn)生價(jià)值的生產(chǎn)資料——“數(shù)據(jù)”及相應(yīng)的處理，行業(yè)面臨著如下挑戰(zhàn)：

　　挑戰(zhàn)1：海量數(shù)據(jù)處理難

　　高等級(jí)自動(dòng)駕駛測(cè)試車(chē)每天采集的數(shù)據(jù)量是TB級(jí)別的，開(kāi)發(fā)團(tuán)隊(duì)需要PB級(jí)的存儲(chǔ)空間，但這些數(shù)據(jù)中，可用于訓(xùn)練的價(jià)值數(shù)據(jù)大約只占不到5%。而且對(duì)車(chē)載攝像頭、激光雷達(dá)、高精定位等傳感器采集的數(shù)據(jù)還有著嚴(yán)格的安全合規(guī)要求，這就對(duì)海量數(shù)據(jù)的接入、存儲(chǔ)、脫敏、處理等帶來(lái)了極大的挑戰(zhàn)。

　　挑戰(zhàn)2：數(shù)據(jù)標(biāo)注成本高

　　數(shù)據(jù)標(biāo)注占據(jù)了大量的人力和時(shí)間成本。隨自動(dòng)駕駛向高階能力的發(fā)展，場(chǎng)景復(fù)雜度持續(xù)提升，會(huì)出現(xiàn)更多的難例場(chǎng)景。而提升車(chē)輛感知模型的精度，則對(duì)訓(xùn)練數(shù)據(jù)集的規(guī)模和質(zhì)量都提出了更高要求。傳統(tǒng)人工標(biāo)注在效率和成本方面，已經(jīng)難以滿(mǎn)足模型訓(xùn)練對(duì)海量數(shù)據(jù)集的需求。

　　挑戰(zhàn)3：仿真測(cè)試效率低

　　虛擬仿真是加速自動(dòng)駕駛算法訓(xùn)練的有效手段，但仿真場(chǎng)景構(gòu)建難、還原度低，尤其是一些復(fù)雜、危險(xiǎn)場(chǎng)景，很難構(gòu)建。加之并行仿真能力不足，仿真測(cè)試的效率低，算法的迭代周期過(guò)長(zhǎng)。

　　挑戰(zhàn)4：高精地圖覆蓋少

　　高精地圖主要還是靠自采集、自制圖，僅滿(mǎn)足試驗(yàn)階段指定道路的場(chǎng)景。后續(xù)要走向商用，擴(kuò)展到全國(guó)各大城市的城區(qū)街道，在覆蓋、動(dòng)態(tài)更新，以及成本和效率方面都面臨著非常突出的挑戰(zhàn)。

　　圖4：自動(dòng)駕駛開(kāi)發(fā)面臨的四大挑戰(zhàn)

　　加速自動(dòng)駕駛開(kāi)發(fā)，需構(gòu)建一套開(kāi)放的數(shù)據(jù)閉環(huán)系統(tǒng)

　　廖振欽認(rèn)為，傳統(tǒng)軟件的開(kāi)發(fā)可以按照結(jié)構(gòu)化程序設(shè)計(jì)的方法，即Pascal之父沃斯在40多年前提出著名的“算法+數(shù)據(jù)結(jié)構(gòu)=程序”。自動(dòng)駕駛軟件的開(kāi)發(fā)，本質(zhì)上是人工智能技術(shù)的應(yīng)用，是要造一個(gè)“駕駛員”。人工智能技術(shù)發(fā)揮作用需要數(shù)據(jù)、算法和算力這三個(gè)要素，其中，自動(dòng)駕駛軟件中的數(shù)據(jù)是核心要素，是車(chē)企自己必須積累的。因此，我們?cè)谧詣?dòng)駕駛開(kāi)發(fā)架構(gòu)上，要把硬件、數(shù)據(jù)和算法進(jìn)行分離，將這些數(shù)據(jù)獨(dú)立解耦出來(lái)，將有利于靈活地選擇更開(kāi)放的硬件和算法。

　　圖5：加速自動(dòng)駕駛開(kāi)發(fā)，需構(gòu)建一套開(kāi)放的數(shù)據(jù)閉環(huán)系統(tǒng)

　　上云，是自動(dòng)駕駛從開(kāi)發(fā)到商用的必由之路

　　自動(dòng)駕駛汽車(chē)從開(kāi)發(fā)到商用，數(shù)據(jù)閉環(huán)系統(tǒng)建設(shè)會(huì)面臨更大挑戰(zhàn)。對(duì)算力、存儲(chǔ)要求的擴(kuò)大，對(duì)云資源的高可靠性、安全性的要求，將從試驗(yàn)階段轉(zhuǎn)為商用要求。最新發(fā)布的《智能網(wǎng)聯(lián)汽車(chē)生產(chǎn)企業(yè)及產(chǎn)品準(zhǔn)入管理指南（試行）

　　》對(duì)自動(dòng)駕駛云端數(shù)據(jù)在合規(guī)、安全、隱私等方面提出了更高的要求。

　　廖振欽認(rèn)為，傳統(tǒng)的數(shù)據(jù)中心已經(jīng)不能適應(yīng)自動(dòng)駕駛商用化的要求。上云是自動(dòng)駕駛從開(kāi)發(fā)到商用的必由之路。使用“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)，能確保車(chē)輛在各個(gè)地區(qū)都能就近接入云端，并解決商用過(guò)程中所面臨的覆蓋、安全、彈性擴(kuò)展等問(wèn)題。開(kāi)發(fā)者將不再為機(jī)房專(zhuān)線(xiàn)、升級(jí)擴(kuò)容傷腦筋，精力可以都放在核心的算法開(kāi)發(fā)上。

　　眾所周知，“華為八爪魚(yú)”構(gòu)筑于華為云底座?；谌?3個(gè)Region，45個(gè)AZ，可實(shí)現(xiàn)全球范圍的就近服務(wù)和異地容災(zāi)，并具有電信級(jí)高可靠性。車(chē)企自動(dòng)駕駛開(kāi)發(fā)團(tuán)隊(duì)，將不再為了機(jī)房專(zhuān)線(xiàn)、安全合規(guī)、容災(zāi)備份、升級(jí)擴(kuò)容，和運(yùn)維管理等問(wèn)題而大傷腦筋，可以將更多的精力投入到自動(dòng)駕駛核心算法的開(kāi)發(fā)上。

　　圖6：上云，是自動(dòng)駕駛從開(kāi)發(fā)到商用的必由之路

　　“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)5大亮點(diǎn)特性

　　1）預(yù)置業(yè)界領(lǐng)先的自動(dòng)標(biāo)注模型

　　“華為八爪魚(yú)”

　　自動(dòng)駕駛開(kāi)放平臺(tái)團(tuán)隊(duì)和華為諾亞實(shí)驗(yàn)室打造聯(lián)合團(tuán)隊(duì)，持續(xù)攻關(guān)，感知算法精度已經(jīng)達(dá)到業(yè)界領(lǐng)先水平，解決了復(fù)雜場(chǎng)景或遠(yuǎn)端目標(biāo)的漏檢、錯(cuò)檢等業(yè)界難題，并在多個(gè)自動(dòng)駕駛國(guó)際公開(kāi)數(shù)據(jù)集測(cè)試挑戰(zhàn)中獲得領(lǐng)先的名次。

　　圖7：“華為八爪魚(yú)”感知算法精度達(dá)業(yè)界領(lǐng)先水平

　　以3D點(diǎn)云目標(biāo)檢測(cè)為例，華為融合了激光雷達(dá)和攝像機(jī)等不同傳感器提取的多種信息，同時(shí)采用對(duì)多視角、多時(shí)序數(shù)據(jù)融合的方式提取目標(biāo)特征，通過(guò)多層卷積網(wǎng)絡(luò)迭代，融合不同特征，最終實(shí)現(xiàn)了對(duì)3D點(diǎn)云目標(biāo)的精準(zhǔn)識(shí)別和檢測(cè)。再結(jié)合云端強(qiáng)大算力，可以將這種超大模型的訓(xùn)練效率提升10倍以上，進(jìn)而提高車(chē)端感知模型的迭代速度。

　　圖8：高精度自動(dòng)標(biāo)注復(fù)雜模型的訓(xùn)練離不開(kāi)云端強(qiáng)大算力的支持

　　2）車(chē)、云協(xié)同，難例場(chǎng)景智能篩選

　　通過(guò)云和車(chē)載計(jì)算平臺(tái)MDC協(xié)同，可以實(shí)現(xiàn)難例場(chǎng)景的智能篩選，解決智能化分析檢測(cè)算法的性能瓶頸，有針對(duì)性的收集車(chē)端和云端數(shù)據(jù)，發(fā)掘數(shù)據(jù)中的難例（Corner

　　case）, 極大的緩解長(zhǎng)尾問(wèn)題（Long tail problem）。

　　開(kāi)發(fā)者向云端上傳期望搜集的難例圖片，云端會(huì)把難例搜集規(guī)則下發(fā)給車(chē)輛，車(chē)輛則會(huì)檢測(cè)攝像機(jī)捕捉到的實(shí)時(shí)數(shù)據(jù)流，找到類(lèi)似的難例場(chǎng)景，截取相應(yīng)圖片并回傳到云端，形成特定場(chǎng)景的難例數(shù)據(jù)集。這種方式可以減少90%的上云數(shù)據(jù)，并節(jié)省70%的數(shù)據(jù)集構(gòu)建時(shí)間。

　　圖9：車(chē)云協(xié)同，實(shí)現(xiàn)難例場(chǎng)景的智能篩選

　　3）與高精地圖結(jié)合，實(shí)現(xiàn)真實(shí)場(chǎng)景數(shù)字孿生和虛實(shí)混合仿真

　　規(guī)控算法開(kāi)發(fā)迭代過(guò)程中最耗時(shí)的是測(cè)試驗(yàn)證。一方面，自動(dòng)駕駛車(chē)輛需要天文數(shù)字級(jí)的里程測(cè)試來(lái)驗(yàn)證，而另一方面，測(cè)試場(chǎng)景的構(gòu)建又成為了這一環(huán)節(jié)最大的難點(diǎn)。

　　虛擬仿真是提高自動(dòng)駕駛驗(yàn)證效率的有效手段，但它對(duì)場(chǎng)景庫(kù)的多樣性及虛擬仿真的真實(shí)感要求非常高?！叭A為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)可以將采集的典型路段轉(zhuǎn)換成仿真場(chǎng)景，并與高精地圖相結(jié)合，實(shí)現(xiàn)真實(shí)場(chǎng)景數(shù)字孿生。這種方式可以實(shí)現(xiàn)95%以上的場(chǎng)景還原能力，能有效幫助開(kāi)發(fā)者快速模擬周邊車(chē)輛，實(shí)現(xiàn)分鐘級(jí)的場(chǎng)景構(gòu)建，并有效驗(yàn)證復(fù)雜的城市交通場(chǎng)景，支撐SIL（軟件在環(huán)））驗(yàn)證。

　　前面提到的真實(shí)場(chǎng)景數(shù)字孿生能力解決了復(fù)雜仿真場(chǎng)景構(gòu)建的問(wèn)題，但如何體現(xiàn)車(chē)輛在測(cè)試場(chǎng)景中的真實(shí)動(dòng)力學(xué)表現(xiàn)，成為了另一道難題。通過(guò)動(dòng)力學(xué)仿真軟件模擬的真實(shí)性有待提升；通過(guò)真實(shí)場(chǎng)景實(shí)車(chē)測(cè)試，周期又很長(zhǎng)。為解決這個(gè)問(wèn)題，“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)又提供了虛實(shí)混合仿真能力。

　　這種虛實(shí)混合仿真，通過(guò)結(jié)合真實(shí)車(chē)輛和虛擬場(chǎng)景，實(shí)現(xiàn)了線(xiàn)上線(xiàn)下協(xié)同，通過(guò)在云端構(gòu)建測(cè)試場(chǎng)景，再將仿真測(cè)試場(chǎng)景加載到車(chē)端運(yùn)行，從而在空曠的道路或場(chǎng)地模擬出各種需要的虛擬場(chǎng)景、危險(xiǎn)場(chǎng)景，比如跟車(chē)、行人橫穿、非機(jī)動(dòng)車(chē)CUT-IN、避讓靜態(tài)障礙物等各種場(chǎng)景，以測(cè)試驗(yàn)證自動(dòng)駕駛算法、實(shí)車(chē)的車(chē)輛動(dòng)力學(xué)性能，以及駕乘體驗(yàn)?！叭A為八爪魚(yú)”自動(dòng)駕駛平臺(tái)通過(guò)這種車(chē)云協(xié)同的方式，極大地加速了VIL（車(chē)輛在環(huán)）測(cè)試的效率與質(zhì)量。

　　4）完整工具鏈，一站式自動(dòng)駕駛DevOps能力

　　“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)提供了云端一站式仿真評(píng)測(cè)工具鏈，實(shí)現(xiàn)自動(dòng)駕駛領(lǐng)域的DevOps，從代碼倉(cāng)庫(kù)接入、版本管理，到仿真、評(píng)測(cè)，實(shí)現(xiàn)了完整的自動(dòng)化閉環(huán)。通過(guò)大規(guī)模并發(fā)仿真，達(dá)到規(guī)控算法迭代速度的量級(jí)提升，可實(shí)現(xiàn)虛擬仿真測(cè)試?yán)锍倘招星f(wàn)公里。這種高效的模式，將規(guī)控算法評(píng)測(cè)周期從原來(lái)的天級(jí)縮短到了小時(shí)級(jí)，整個(gè)算法的迭代周期也從周級(jí)縮短到了天級(jí)。

　　圖10：“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)的一站式自動(dòng)駕駛DevOps能力

　　5）預(yù)置海量數(shù)據(jù)集和場(chǎng)景庫(kù)

　　“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)可提供50多類(lèi)、120多萬(wàn)張、超過(guò)2000多萬(wàn)對(duì)象的標(biāo)注數(shù)據(jù)集。并且這些數(shù)據(jù)還會(huì)月度迭代，逐步增長(zhǎng)。結(jié)合高效的標(biāo)注工具，以及智能預(yù)標(biāo)注算法，可以幫助自動(dòng)駕駛開(kāi)發(fā)者構(gòu)建完整的數(shù)據(jù)采集、處理、自動(dòng)化標(biāo)注、難例挖掘、生成增量數(shù)據(jù)集等感知算法快速迭代能力。

　　此外，“華為八爪魚(yú)”自動(dòng)駕駛開(kāi)放平臺(tái)構(gòu)建了20多萬(wàn)仿真場(chǎng)景庫(kù)，支持場(chǎng)景庫(kù)泛化能力，并且可以通過(guò)真實(shí)場(chǎng)景數(shù)字孿生和虛實(shí)混合仿真幫助自動(dòng)駕駛開(kāi)發(fā)者快速構(gòu)建高還原度的仿真場(chǎng)景，大幅提升了仿真測(cè)試的效率。

　　除了“華為八爪魚(yú)”自動(dòng)駕駛云服務(wù)之外，華為智能車(chē)云服務(wù)還有四個(gè)云服務(wù)，包括車(chē)聯(lián)網(wǎng)云服務(wù)、三電云服務(wù)、高精地圖云服務(wù)和V2X云服務(wù)。華為智能車(chē)云服務(wù)提供豐富、開(kāi)放的服務(wù)能力，并滿(mǎn)足安全合規(guī)要求，有效使能智能網(wǎng)聯(lián)業(yè)務(wù)創(chuàng)新，助力車(chē)企造好車(chē)。

　　圖11：華為智能車(chē)云服務(wù)全景

上一篇：上海車(chē)展點(diǎn)兵下一個(gè)千萬(wàn)：福田汽車(chē)蛻變加速，為變革而來(lái)