满足自动驾驶汽车开发的测试
过滤掉不相关的东西。如果你想总结一下创造一辆自动驾驶汽车所面临的至少部分挑战,这可能是一个合理的起点。
正如我在早些时候的帖子在美国,我们目睹了自无马马车发明以来汽车设计方面最深刻的进步。从司机手中夺走控制权是其中最大的一个。
话虽如此,自动驾驶汽车也有可能是一个逐渐变化的故事,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系统的出现,自动驾驶技术已稳步被主流、大众市场车型采用。如今,车道辅助、疲劳检测和自动紧急刹车等选项变得越来越普遍。
这些系统中的每一个都在来自传感器的恒定数据流上源。正确地解释它 - 瞬间 - 确保正确响应的关键。太多的误报将很快成为司机的刺激物。但只有一个假阴性可以让他们的生活充满风险。
自治车辆代表这种系统的数量的巨大增加 - 以及与之随身携带的传感器和数据。每个人都需要实时到达正确的不同方案的正确决策。这就是汽车正在移动的每个分裂。
采取紧急制动。刚才跑到车前的是一个孩子吗?被风吹走的空购物袋?还是夕阳的阴影?该系统需要解释所有可想象的场景和条件下的所有相关数据——城市丛林或无特色的沙漠,白天或黑夜,雪、雨、雾或灿烂的阳光。
让这些事情正确地要求大量的测试。其中一些可以在现实世界中使用真正的车辆进行。但是,挑战的规模和性质意味着这将永远不会提供可用时间的所有答案。结果,需要数百万英里的模拟。在此规模上运行培训仿真要求在高性能计算(HPC)网络上管理的分布式计算。bob官网 bob体育下载Altair PBS工作运行时工作负载管理技术满足了这一需求,能够跨HPC环境有效地分配繁重的计算工作负载。
正如自主驾驶系统必须识别和响应复杂的条件和情况一样,工程师需要找到在现实世界的海啸中埋藏的见解和它们所产生的模拟数据。为了帮助从数据中汲取决策价值,汽车公司需要强大的人工智能(AI)和Altair的启用的机器学习的数据分析工具。
自动驾驶系统是汽车工程、数据科学、仿真和高性能计算融合的一个突出例子。为了有效地管理自动驾驶汽车测试,所有这些因素都需要结合在一起,在一个直观、方便的环境中,使不同的工程师团队能够协作。
我们不应低估迎接这一挑战的重要性。人们仍然倾向于将自动驾驶汽车视为新奇或威胁。事实上,我们所关注的是拯救每年因道路交通而丧生的135万人中的一部分的潜力事故发生.其中许多都是人为失误造成的,而改进的驾驶辅助和自动驾驶系统可以避免这些失误。在牵牛星,我们致力于开发技术,帮助实现这项重大工作背后的测试。更多细节,点击这里。