NVIDIA 智驾方案驱动软件定义汽车的持续创新
2022-12-26 13:41
分享到微信
分享到微博
汽车智能化大趋势下，“软件定义汽车”成为行业共识，软件将深入汽车开发、验证、销售和服务全过程，并不断改进和优化该过程，以实现体验持续优化、过程持续优化、价值持续创造。“软件定义汽车”正在重塑汽车产业生态，构建汽车行业发展新格局。
在上周举行的 2022 年腾讯全球数字生态大会中，NVIDIA 中国区工程和解决方案高级总监赖俊杰博士在 “智慧出行专场”分享了 NVIDIA DRIVE 端到端自动驾驶平台，探讨了软件定义汽车的持续创新。以下为内容概要。
“软件定义汽车”蓄势待发
当前，软件定义汽车成为行业共识。每辆汽车都将具有一个强大的计算平台，结合复杂的软件栈，可以支持汽车出厂时配置的各种功能，并且能够为将来的各种扩展和升级预留空间。同时，集中式处理将成为主流。车内的各种计算任务，包括自动驾驶以及智慧座舱、人机交互等 AI 功能，都将由一个统一的计算平台来完成。
借此，数据中心内不断迭代的算法模型，就可通过 OTA（无线更新）方式，对汽车的各项功能进行便捷且持续性的更新。在汽车的整个生命周期内，汽车的易用性和安全性将会得到不断提升，这便是软件和算法的价值。
车载 SoC 迭代推新，
助力自动驾驶汽车“全速前进”
以上的愿景和预期，势必对车载计算平台提出极高要求。首先，车载计算平台需要能够完成当前各种的复杂计算任务，还要为将来的功能升级留出足够的余量，并且需要保证在车载环境下，能满足不同类型的计算任务对实时性和安全性的苛刻需求。
上图展示的是 NVIDIA 车载芯片的几代产品，从最初的 Parker，Xavier，到如今已经实现量产的 DRIVE Orin，和刚刚发布的面向未来的 DRIVE Thor，可以很明显看出各代产品在能力上的不断提升。借助 DRIVE Thor 的强大性能，智能座舱、仪表显示、车载人机交互娱乐系统、泊车以及自动驾驶功能，就可以由单一的架构实现。从车企角度，集中式的车载计算平台，可以显著简化设计开发，并降低供应链紧张的潜在风险，在成本、功耗及设备重量上都有很大优势。
从硬件到软件、工作流，
基于统一计算架构下的端到端开发流程
通过梳理自动驾驶算法的开发过程，可知整个流程其实是相当复杂的。不管是从前期的数据采集、打标、清理，还是到后期的算法验证及测试，以及中间各种功能模型的训练和开发，不同的阶段，涉及到不同的复杂工具和框架。
对于自动驾驶的算法设计者而言，端到端的、无缝流畅的开发环境，能大大提高研发效率。NVIDIA 在自动驾驶开发全流程都提供了相应的工具软件的支持。
举几个简单的例子：
在模型验证阶段的数据回放（Replay）阶段，需要将自动驾驶模型算法在真实数据上做测试，并且需要跟真值数据进行比对。为了提高整个系统的吞吐，NVIDIA 提供了 TensorRT、Triton 来加速模型推理的性能，并提供了 DeepStream SDK 来处理视频流的解码和编码，以及跟模型计算的衔接。
在智慧座舱场景下，NVIDIA 提供了语音识别及合成技术，例如自然语言处理、手势、视频会议等多种功能的预训练模型。
自动驾驶技术要求车辆实现实时精准的定位，并获取反映当前道路状况的高清地图信息。NVIDIA 通过收购、整合 DeepMap 的技术，赋能车辆在道路上拥有更强的自我定位能力。
接下来一起看看另一个维度。一支包含 50 台数据采集车辆的车队，大约每天会产生 1.6PB 的数据。这些数据经过清洗、打标后，将进入模型训练步骤，然后基于真实数据和仿真数据来进行模型效果验证。整个流程会涉及到大量的数据处理、数据传输以及复杂的计算过程。并且，这个过程需要日复一日反复进行，以期能够不断提升模型的效果，从而提高自动驾驶的安全性和可靠性。
未来的数据中心和自动驾驶
前面提到的这些现实需求，对数据中心的架构提出了较高挑战。为了能够实现计算性能的高扩展性，数据中心的设计非常复杂。另外，从设计到真正完成部署，中间涉及到的采购和安装调试，也会花费大量的时间及人力；数据中心上线之后，日常的运维管理同样需要付出很多精力。
为了应对前面提到的端到端开发环境、海量数据处理、数据中心部署运维等多方面的需求，在系统层面，NVIDIA 结合自己以及与客户合作的经验，针对数据中心的底层架构提出了基于 NVIDIA DGX 的参考架构实现；在平台运行管理层面，提供了 BaseCommand；在框架和工具层面，提供了 NVDIA AI Enterprise 一整套方案，其中包含优化的训练框架、部署软件和预训练模型等等。另外，还提供了用于模拟仿真的 DRIVE Replicator 和 DRIVE Sim 平台。
借助这些从系统、运维到框架工具等一整套的软硬件方案，自动驾驶技术的开发者们可以方便高效地完成算法开发、模型训练验证及部署的全流程。
腾讯云和 NVIDIA 围绕云上 GPU 相关产品，在 TI 平台和 TACO 平台展开了深入合作。这些平台提供了企业级的模型训练优化，以及模型推理部署的支持。另外双方也正在自动驾驶仿真方向进行合作及探索。NVIDIA 希望能和腾讯智能汽车云一起，打造强大的软硬件生态，为自动驾驶的客户在云端提供丰富的一站式的选择。
