运输自动化

高性能计算 推动了数十亿虚拟英里的发展,以发展自动驾驶汽车。

自Google几年前对其无人驾驶汽车项目首次引起公众关注以来,来自各种制造商的自动驾驶汽车(AV)一直在不断增加公路行驶里程和媒体报道。他们’在车辆和用于支持其设计和监控的数据中心中,ve也消耗了越来越多的计算能力—使AV成为高性能计算(HPC)资源的关键市场。

安全性和经济性推动了自动驾驶汽车的发展。无人驾驶技术和相关的高级驾驶员辅助系统(ADAS)都可以帮助减少撞车事故和死亡人数,其中大多数是人为错误造成的。远程货运,送货,出租车和乘车共享公司也希望减少对驾驶员的依赖,这可以降低运营成本。

虚拟样机制造商OPTIS与汽车LiDAR中使用的数字信号处理技术开发商LeddarTech Inc.合作,实现了先进LiDAR解决方案的工业仿真。图片:OPTIS / Leddartech 虚拟样机制造商OPTIS与汽车LiDAR中使用的数字信号处理技术开发商LeddarTech Inc.合作,实现了先进LiDAR解决方案的工业仿真。 图片:OPTIS / Leddartech

一些专家表示,自动驾驶汽车最终可能会重塑基础设施,并帮助引入更智慧的城市,从根本上改变我们的生活方式。但是在达到这一点之前,必须先设计AV—这需要大量的数据。根据英特尔的说法,自动驾驶汽车可以在不到两个小时的时间内将超过4TB的数据生成到云中。这些车辆的设计和测试也将比传统车辆依赖更多的计算能力。要证明AV的可靠性和安全性,就需要大规模的场景生成,仿真和数据分析,这对于汽车行业来说是空前的。没有数百万或数十亿英里的数据,根本没有现实的方法可以针对每种可能的情况对这些系统进行物理测试。

兰德公司(Rand Corp.)的一项研究发现,要证明AV的安全性,实际上需要进行数十亿英里的道路测试。从角度来看,过去五年来,像Google衍生出来的Waymo和Uber这样的公司仅对自己的AV进行了数百万英里的路试。在研究时’兰德(Rand)高级科学家Nidhi Kalra于2016年发布“与人为控制的汽车和卡车发生伤害和死亡的比率相比,自动驾驶汽车几乎不可能在道路上行驶足够的测试行驶里程来统计地证明其安全性。”

高性能计算 带动方向盘

这意味着更多地依赖于仿真,但是复杂度更高。“自动驾驶汽车将系统级仿真提升到了一个全新的水平,”ANSYS全球汽车行业总监Sandeep Sovani说。“系统仿真必须包括传感器,电子设备,软件,执行器和其他组件的仿真。即使只是踩下制动踏板也会对系统的性能产生广泛的影响。您必须模拟所有这些系统将如何响应车辆在道路上遇到的数百万种情况。”

仿真可以帮助自动驾驶汽车像人一样“避开”避开交通和障碍物。图片:Waymo 模拟有助于自动驾驶汽车“see”像人类一样会避免交通和障碍。 图片:Waymo

自动驾驶汽车还必须模仿人类的反应,这意味着模拟必须包括感知的概念—does the AV “see”周围的世界就像人类一样?

仿真工作将需要大量的HPC资源,这就是汽车制造商在其数据中心进行投资的原因。例如,福特汽车公司斥资2亿美元建立了一个新的数据中心来支持其AV计划,而丰田汽车则与NTT Communications合作建立了一个全球数据中心网络。

“HPC计算对于自动驾驶至关重要,”索瓦尼说。这些HPC资源可以帮助公司运行为这些系统建模所需的闭环仿真工具,并为汽车将遇到的数百万种不同的环境变化建模。

汽车制造商使用仿真软件来开发高级驾驶员辅助系统。图片:ANSYS 汽车制造商使用仿真软件来开发高级驾驶员辅助系统。 图片:ANSYS

最近,Waymo在其被称为Carcraft的AV模拟解决方案上为媒体和公众提供了一个高峰。该公司每天有25,000个虚拟AV在800万英里的模拟道路上行驶。在道路上以及在称为Castle的测试设施上通过现实世界测试生成的数据被输入到Carcraft,在其中可以创建问题场景并将其推断为数千个变量。一旦模拟器中的自动驾驶汽车成功导航了这些场景以及基于它们的数千种变体,就可以与Waymo共享知识。’整个自动驾驶汽车网络。

大量的仿真复杂度

每个影音制造商都需要进行大规模的这种模拟。随着自动驾驶汽车进入4级和5级功能—这将使车辆完全无需驾驶员(甚至转向设备)即可运行—他们将依靠高级深度学习,机器学习和人工智能在公共道路上安全行驶。

挑战之一是深度学习算法被编程为“learn”单项任务,即识别屈服信号。识别每种单独的符号类型都需要重复相同的学习水平。开发一种识别每种类型路标的算法将需要大量的计算能力和数百万个图像。

必须模拟通信技术,以确保可靠的车对车通信。图片:ANSYS。 必须模拟通信技术,以确保可靠的车对车通信。 图片:ANSYS。

考虑其他类型的驾驶条件。在封闭的行车道上工作的路勤人员将要求车辆越过道路上的双黄线(否则,车辆会被训练成不能这样做),识别旗手,对即将来临的交通做出反应以及其他功能人工驾驶是理所当然的,但这需要大量的编程和学习才能使自动驾驶系统导航。

日产将此称为“社会上可以接受的驾驶”这将很难实现。“It’这是一个很难解决的问题,”硅谷日产研究中心的Maarten Sierhuis说,他去年在密尔沃基举行的HPC用户论坛上发表了讲话。“这是人的决策,我们希望汽车能够像人一样理解或做出决策。我们试图模仿这种类似于人的决策。我们有一群社会科学家正在从事这项研究,并试图了解类似于人类的驾驶到底是什么。他们提出了诸如爬行,背piggy式等概念—作为人类,我们甚至还没有意识到驾驶时正在做的这些概念。”

日产汽车部分地由于难以预测和模拟所有可能的情况,因此开发了其无缝自主移动(SAM)概念。 SAM依靠人工干预来帮助自动驾驶车辆导航特别棘手的场景,类似于为其AV配备空中交通管制员。一旦人类机动性经理引导车辆通过故障点,解决方案就可以通过云传达给所有其他AV,因此他们可以安全地导航相同的场景而无需人工干预。

视音频可以共享知识的想法在业界越来越受关注,而这些努力背后的数据紧缩将为高性能计算领域带来另一机遇。英特尔’AV的愿景还包括“learning”通过数百万辆汽车的集体经验。英特尔’科技助力Waymo’的车辆,该公司去年购买了Mobileye。该公司为视音频和ADAS解决方案提供视觉和机器学习,数据分析和制图技术。

行业倡议比比皆是

英特尔/ Mobileye联合组织已经发起的一项计划是映射程序。 Mobileye 8 Connection防撞系统已部署在成千上万的乘车共享车辆中。该解决方案将通过Mobileye道路体验管理解决方案收集街道地图数据,以创建高清众包地图。这种类型的地图和基础设施数据对于完全自治至关重要。

为了满足自动驾驶汽车开发的需求,仿真工具也在不断涌现和发展。在ANSYS公司’的Simplorer系统级仿真工具可用于视音频领域中基于模型的系统工程,该公司’的Engineering Knowledge Manager可以集成不同类型的仿真并在部门之间共享数据。

法国OPTIS公司已经开发了专门针对车辆的光和传感器模拟系统。该公司预计,到2022年,车辆中的传感器数量将超过30个。车辆设计人员可以使用仿真来测试车辆中LiDAR,雷达和摄像头系统的性能。该公司最近与LiDAR提供商LeddarTech建立了合作伙伴关系,以推动自动驾驶汽车的发展。 OPTIS工具可以验证LiDAR模型并通过虚拟闭环仿真实时仿真正确的响应。

微软扩大了其AirSim产品—最初开发用于测试无人机AI系统的安全性—到自动驾驶汽车领域开放系统包括API,可以帮助新用户创建自己的仿真工具以进行研究。在英国,利兹大学驾驶模拟器(UoLDS)被用于HumanDrive项目,这是一项创新的英国计划,旨在在2020年之前开发出具有人类自然控制功能的自动驾驶汽车。

仿真将最终减少这些视音频系统的开发时间并降低成本,但是对于汽车行业而言,这些仿真的规模已达到一个新的数量级。—Waymo’Carcraft的巨大努力将不得不由其他制造商来复制。

鉴于不同的车辆系统在不同类型的行驶条件下会相互影响,因此多学科测试也将至关重要。同样,车辆和数据分析都需要大量的计算机功能,这为高性能计算提供商提供了机会。

展望未来

一旦这些车辆大量上路,就需要有一个数据中心和微数据中心网络,以接收来自它们的数据并将信息提供给它们。车辆本身也将需要更大的计算能力。英特尔估计,自动驾驶汽车每秒将处理多达1G的数据,以便快速响应驾驶条件。

仿真工具需要继续发展以满足自动驾驶汽车行业的需求,包括日益复杂的驾驶场景。汽车制造商将需要的一个重要工具是一种自动有效地为模拟创建虚拟环境的方法。

“需要在可能遇到各种情况的虚拟世界中模拟4级和5级车辆,” Sovani says. “交叉路口的类型有数千种,您必须包括在城市中会发现的不同道路拓扑,行人和物体。现在,那个’手动完成,可能需要数月的时间才能建立大型城市交叉路口的模型。我们需要一种使用计算工具来创建这些世界的方法。”

Share This Article

订阅我们的免费杂志, 免费的电子邮件通讯或两者兼而有之!

加入超过90,000名工程专业人员的行列,他们将在新闻发布后立即获得最新的工程新闻。


#18904