版权声明：本文版权为网易汽车所有，转载请注明出处。
网易汽车7月27日报道 7月27日，“未来交通峰会”在北京举行，大会立足于现实出行，聚焦于未来交通，未来出行平台、飞行汽车、无人驾驶、共享汽车、旅游出行等行业的全球顶尖企业和领导者共聚一堂，共同探讨未来交通和出行服务领域的前沿趋势。
未来交通，奇点已至，出行行业基础设施逐渐完善，智能交通出行体系正在搭建，下一代交通工具已经横空出世，未来出行方式即将发生改变。
英伟达的自动驾驶是基于人工智能的自动驾驶解决方案，但人工智能只是自动驾驶解决方案的一部分。关于英伟达GPU深度学习的硬件加软件，底层是GPU，基于深度学习神经网络框架开发了软件算法库，可以一层一层设计网络，不需要每一层都编写代码。
自动驾驶解决方案里，主要有几个模块。其中有，底层汽车车载硬件以及车上各种传感器；高清地图分为两种，一是静态的，比如高德地图，可用自己的高清地图采集车，通过车载传感器配置，采集到数万公里数十万公里的信息，放到云数据中心处理，另外针对动态的高清地图，英伟达也有高清地图；高精度定位，有三个层次高精度定位，高科技公司目前采用激光雷达，加高精度GTS，加上RMU定位，定位精度能达到厘米级别，但这种成本很高。程亚冰表示，在短时间内，这种传感器配置没有商用可能性。一种更为经济有效手段是车载照相机以及民用GPS加上RMU推动方法结合高清地图做匹配，能达到几十厘米定位精度，横向定位精度可做到一二十厘米，很多厂家也在选用。也有一些关注低成本驾驶方案的客户，可能选择更便宜解决方案，以照相机为主，用视觉里程做定位，但是定位精度误差是累积的，长时间运行，定位可能失真不可信；感知领域，是人工智能算法应用最广模块，很多客户利用深度学习算法做目标检测识别以及追踪；驾驶模块，这里的驾驶可以理解为决策、路径规划、控制，是自动驾驶里面最核心也是最复杂最困难的模块。
人工智能应用于自动驾驶，在基于神经网络和目标检测追踪的感知模块，综合传感器、车体动力学以及真实场景这三个因素，建立模拟器，让自动驾驶汽车深度学习算法去学习世界上复杂万千的路况信息，非常具有挑战性，也是大家正在研究的热点。
在各个等级自动驾驶，英伟达要面临挑战有哪些？在L4自动驾驶技术里，有高清地图模块加入，多种多样数据整合，以备做决策和路径决策规划使用。在底层，汽车车载硬件动态控制，结合OTA，自动驾驶算法要通过不停的迭代，循序渐进升级。程亚冰表示，L3自动驾驶所需要的计算量和数据量是高级辅助的5倍左右。 L3到L4有非常巨大的计算量提升，L3的自动驾驶，大家目前所采用方案是一些比较浅层的网络，而且它的摄像为1920×1080，是一张图片200万的量级，但是大家采用算法时候，还是有几百乘几百的小型量级。L4为了胜任各种各样的复杂场景，网络规模上，有量的提升，另外L4安全纠错机制更为复杂，L4软件框架要比L3复杂很多，为了保证完全自动驾驶要有更多安全冗余加入其中，不可能依靠一套算法去解决问题。针对L4，相对L3，英伟达认为有50倍计算量和数据量的提升。针对L4巨大的挑战，英伟达发布全球第一款车载人工智能，有深度改进的架构，有512GPU，加了类似谷歌TPU的深度学习加速器，这款芯片还能在30瓦功耗情况下达到30TOPS的处理能力。
英伟达自动驾驶整套软件加硬件解决方案，是在硬件平台之上，推出的整套软件解决方案。软件协议站有四个神经网络，DriveNet可以识别车辆行人自行车等信息，Lanenet识别车道线，还有识别前方区域的神经网络，这三种都是一个模块一个模块性质，还有端到端神经网络。传感器拿到数据后，通过驾驶员行为，直接输出决策控制。目前，英伟达和全球顶级OEM厂商都达成了合作伙伴关系，包括丰田、奔驰、沃尔沃、奥迪等，希望与全球顶级的Tier1合作，一起推动开发自动驾驶的平台。
本文来源：网易汽车
责任编辑：
张新颖_NAB7458
