满足自主车辆发展的考验

过滤掉无关紧要的。如果您希望至少总结一下创建自动车辆所涉及的挑战，这可能是一个合理的起点。

正如我在之前的帖子，我们目睹了自从本发明的无食的马车以来汽车设计中最深刻的进展。远离驾驶员的控制代表了最大的一切。

话虽如此，也有可能将自动驾驶汽车视为一个渐进变化的故事，而不是一个大爆炸。自上世纪90年代以来，随着自适应巡航控制技术的出现，自动驾驶技术已逐步被主流大众车型所采用。今天，车道辅助、疲劳检测和自动紧急制动等选项已经变得很普遍。

每一个系统都从传感器获得源源不断的数据。正确而迅速地解释它是保证正确反应的关键。太多的误报很快就会成为司机的烦恼。但只要一个错误的阴性结果就会让他们面临生命危险。

自动驾驶汽车代表了这类系统数量的巨大增长，以及传感器和数据的增长。每个人都需要能够在各种不同的情况下实时做出正确的决定。这就是车在移动的每一秒。

采取紧急制动。刚才跑到汽车前面的是一个孩子吗?一个被风吹走的空购物袋?或者仅仅是落日的阴影?该系统需要在每个可以想象到的场景和条件下解释所有相关数据——城市丛林或毫无特色的沙漠，白天或夜晚，下雪、下雨、雾或灿烂的阳光。

把这些事情做好需要大量的测试。其中一些可以在现实世界中使用真实的交通工具进行。然而，这一挑战的规模和性质意味着，它不可能在现有的时间内提供所有的答案。因此，需要数百万英里的模拟。在这种规模上运行训练模拟需要在高性能计算(HPC)网络上管理的分布式计算。bob官网 bob体育下载Altair PBS工作和运行时工作负载管理技术符合此需要，可以在HPC环境中高效地分配重型计算工作负载。

就像自动驾驶系统必须识别并应对复杂的条件和情况一样，工程师们也需要在现实世界的海啸和他们产生的模拟数据中找到深刻的见解。为了从数据中获取决策价值，汽车公司需要强大的人工智能(AI)和机器学习数据分析工具，这是牵牛星(Altair)率先开发的。

自动驾驶系统是汽车工程、数据科学、仿真和高性能计算新融合的一个突出例子。为了有效地管理自动驾驶汽车的测试，所有这些元素都需要结合在一起，在一个直观和易于理解的环境中，使不同的工程师团队能够进行协作。

我们不应低估迎接这一挑战的重要性。目前仍有一种趋势，即将自动驾驶汽车视为新奇事物或威胁。事实上，我们所关注的是拯救每年因道路交通而死亡的135万人中的一些人的潜力事故发生．其中许多是人为失误的结果，而通过改进驾驶辅助和自动驾驶，这些失误将得以避免。在牵牛星，我们致力于建立能够帮助实现这项重大工作背后的测试的技术。更多细节,点击这里。