揭秘算法人:算法落地为产品前,还有哪些路要走?
2022-10-19

2000TOPS,英伟达在年度发布会推出史上“最强”算力芯片Drive Thor,高通随后发布业内首个集成式汽车超算SOC——Snapdragon Ride Flex,亦能实现2000TOPS的综合AI算力。

 

科技进步带来无限可能。

 

寅家科技技术中心的算法团队对此展开头脑风暴——

 

有对技术突破的感叹

 

“深度学习的突破有三大维度,算力是其中之一。有了底层算力的基础,上层算法就会得到更好的加持,也为自动驾驶从业人员带来更大可能。”

 

“高性能的中央计算芯片意味着可以在汽车上运行成千上万的算法模型,可能会带动计算机学科和物理学科的进步,配合其他传感器使用,自动驾驶性能可能会更好。”

 

也有对机遇辩证的思索

 

“芯片的研发不一定是‘万金油’,不管计算量再怎么突破,算法的准确度不可能到达100%,只要还有0.01%的误差,就意味着安全隐患;另外更高的计算量意味着更高的热量散发,对散热和电源的要求都很高。”

 

正如你所见,

最好的团队协作,

能时刻让思维“对对碰”。

跟随他们的日常,

一起揭秘自动驾驶技术背后的算法人吧!

 

“寅家人”特别企划 第二期

本期为大家介绍三位

来自寅家科技技术中心算法部的小伙伴!

 

 

Crist Yao

技术中心 算法工程师

目标:成为自动驾驶仿真领域技术专家

 

Crist毕业于人工智能专业,负责自动驾驶仿真测试工作,在一开始就表明了仿真测试的必要性:“自动驾驶是未来科学技术发展的趋势,自动驾驶算法仿真又是自动驾驶落地的必不可缺的重要环节,是属于机遇和困难并存的工作。”

 

现如今,有碍于时间与成本,自动驾驶商业化依旧面临路测数据匮乏的挑战。据美国兰德公司研究,自动驾驶算法想要达到人类驾驶员水平,至少需要累计177亿公里的驾驶数据来完善算法,于是仿真测试成为自动驾驶研发的关键。

 

仿真测试是模拟自动驾驶汽车路测的重要方式,作为实现自动驾驶落地的必不可少的根基和铺垫,主要通过场景库,以数学建模的方法,快速搭建各种工况的测试场景,让汽车在虚拟环境下运行。

 

 

基于仿真测试的必要性,Crist还补充其意义所在:“通过软件仿真实现对自动驾驶系统的测试验证,降低自动驾驶系统的测试和回归时间成本,实现快速高效的高测试覆盖,避免实车路侧的安全问题,实现各种场景的构建。”

 

目前,基于场景库的仿真测试,是解决自动驾驶路测问题的重要路线。而场景库又是自动驾驶仿真测试的基础。寅家科技除了使用国内典型常用场景库之外,还拥有15000+种真实行车数据库,为产品研发和更新、性能优化奠定坚实的基础,成为仿真测试的强大后援。

 

随着技术的不断积累和精进,数据的输入和处理也变得更加精密和精准,这意味着模拟测试的结果也会变得更加可靠,自动驾驶系统也会因此变得更加成熟,大大提升其安全性能,助力自动驾驶更好地落地。

 

Crist表示近期关注了行业内高端的仿真技术以及保真渲染技术。他说道:“最终目的就是为了提高渲染的真实性。我们需要更高的画质,来‘欺骗’摄像头。有些场景在现实生活中是没法采集的,我们就通过仿真技术将非常真实的场景呈现给摄像头,从而检验深度学习算法。”

 

 

Steven Chen

技术中心 算法工程师

目标:成为自动驾驶感知领域资深工程师

 

Steven毕业于自动化专业,目前主要负责感知领域的语义分割。

 

自动驾驶系统的关键技术“感知”,目的在于告诉自动驾驶系统车辆周围环境,哪些区域能通行、哪些区域有障碍物。人类可以自动识别图像中的物体,并推断这些物体之间的关系;但对于程序算法而言,图像只是红、绿、蓝色值的集合。

 

语义分割就是将这些图像中的每个像素与语义类别进行匹配,学着像“人”一样去“识别图像是什么,识别图像中的位置,理解图像的意义”。

 

由于自动驾驶是一项复杂的机器任务,需要在不断变化的环境中进行感知、规划和执行。所以其安全性至关重要,需要以最高精度执行任务。语义分割能提供有关道路上自由空间的信息以及检测车道标记和交通标志等信息。

 

Steven打了个形象的比方:“语义感知可以看成自动驾驶行业里汽车的眼睛,汽车通过传感器‘看’到了哪些东西,我们把它看到的东西通过算法来处理,再经过计算把它传递到其他模块。”

 

 

可靠的感知系统,是自动驾驶车辆在不受控制和复杂驾驶环境中安全行驶的先决条件。寅家科技在感知系统方面的优势,在于采用了多数据融合传感器技术,高算力平台+自研的高性能神经网络算法、成熟的自研规控算法、动态调整的路径规划算法,能高精度识别检测道路车辆、行人、路障等目标物,实现全天候、复杂路况和天气变化下的精准环境感知。

 

普通摄像头很难达到自动驾驶中传感器的使用标准,Steven与同事一起对摄像头进行算法优化,使现有硬件功能达到既定要求。他表示:“当我们采用多传感器,例如摄像头、激光雷达和毫米波雷达,还需要考虑多传感器之间的决策、平衡问题。这其实非常考验团队协作能力。”

 

一个人走,可能会走得很快;一群人走,才会走得更远。从产品研发到落地,离不开技术中心每一位工程师的紧密合作。Steven一直强调团队的力量不容小觑:“虽然我们负责的板块各不相同,有做规控、仿真、感知视觉,但彼此之间的氛围非常融洽活跃。很多时候听完同事的分享后就可能产生一种新的创意或想法。”

 

 

Gin Yin

技术中心 算法工程师

目标:成为自动驾驶领域资深架构师

 

担任算法工程师的Gin,硕士毕业于计算机科学与数据分析专业,主要负责规划模块和控制模块。日常研究的就是“车辆该怎么走”。

 

车辆究竟该怎么走,与实现自动驾驶关键技术“规划与控制”有着莫大的关联。

 

规划,是对车辆运动进行全局规划(从地点A到地点B运行路线)、行为决策(判断变道还是超车等)、局部规划(规划局部行驶轨迹,规避障碍物等);

控制,是精准控制车辆按规划轨迹行驶。

 

规划和控制模块的运用,决定了自动驾驶车辆的稳定性和舒适性,直接影响车辆“走”的效果。Gin这样解释:“一句话,就是先由规划模块规划出一条具体的线路,然后交给控制模块去执行,控制汽车行驶。”

 

Gin在分享时提到:“自动驾驶算法大多通过C++实现,编译是写C++程序的难题之一。编译过程就像游戏通关过程,难免会遇到问题,我们得先把问题找出来,逐个解决,最后编译成功。编译完成后,并不代表程序可以运行,当代码通过编译还无法执行时,还需要逐段测试、调试代码,以保证完好运行。”

 

关于攻克技术难点,他认为:“可以积累更多经验,下一步分析代码的时候,就知道哪些地方需要格外注意,这样对调试代码也会越来越有心得。”

 

不管是规划还是控制,最终都会转化为算法“优化”问题。对其算法的评断标准,除了要考虑其是否满足业务场景,还需考虑算法的时空复杂度和鲁棒性。寅家科技一直走在提升自动驾驶人性化、智能化、安全化体验的道路上,针对不同场景,研发对应算法。如针对泊车场景,使用Hybrid A*规划算法;针对寻库场景,使用Lattice规划算法等。在规划模块方面,专注对其安全性、稳定性、舒适性和驾驶效率的探索,使其更好地与控制模块配合,最终实现自动驾驶车辆更精准地跟随规划轨迹。

 

 

环境可以塑造人,亦可以影响人。一个融洽且富有活力的工作氛围,对于企业而言至关重要。Gin非常喜欢公司文化和氛围:“寅家非常鼓励员工开放创新,勇敢表达自己的想法。这种创新精神能够孕育出新的想法甚至技术,有了新技术我们就能更好地实现产品的迭代和落地。在这里做什么都很有干劲。”

 

结语

 

要让自动驾驶真正走进现实生活,还需要自动驾驶从业人员的不断努力,攻克技术难关,缩小自动驾驶理想蓝图与现实阻碍之间的距离。相信每一个怀抱智驾梦想的寅家人,秉承着寅家科技“于车,不止于车”的使命,在公司“开放创新”的文化号召力下,不断发挥才智,展露锋芒!