云计算使自动驾驶汽车程序可以专注于速度和建筑价值。

巨大的成就需要巨额投资，根据调研公司PitchBook的数据，自主汽车初创公司平均每月花费160万美元。 其中大部分费用用于测试以及支持该测试所需的基础设施。一辆配备传感器和数据记录装置的原型车的成本可能高达50万美元。处理和存储所有生成的数据的成本也相

巨大的成就需要巨额投资，根据调研公司PitchBook的数据，自主汽车初创公司平均每月花费160万美元。

其中大部分费用用于测试以及支持该测试所需的基础设施。一辆配备传感器和数据记录装置的原型车的成本可能高达50万美元。处理和存储所有生成的数据的成本也相差不大。

2017年，通用汽车，现代汽车，大众汽车和Waymo等汽车制造商和科技公司都预测无人驾驶汽车将在2020年问世，并为此投入巨资。根据布鲁金斯学会（Brookings Institution）的一项研究，从2014年8月到当年6月，汽车制造商和科技公司在视音频技术上投资了800亿美元。

仅仅一年后，涉及自动驾驶原型车的事故似乎使开发人员失去了动力。同时，实现5级自动驾驶所需的技术挑战（全自动无人驾驶汽车）变得越来越复杂。到2019年，许多开发人员都放弃了2020年计划。

通往5级的道路仍在继续，影音开发商仍在致力于它将带来的社会改善。但它们也有一些新的优先事项。他们也在云计算领域找到了新的机会，这可以减少成本和开发时间。

首先，他们将重点放在与长期目标相符的可销售产品和服务的近期路径上：卡车运输和物流，自动驾驶辅助（ADAS）系统以及提供数据见解。一些开发者正在创造价值并展示现实世界的效率。

同样，四级自动驾驶卡车创业公司TuSimple在7月启动了自动货运网络。该公司正在演示通过在有偿货物运输中进行自主操作来改进安全性和效率的各种方式，同时在实际测试中改进其产品。

其次，音视频开发人员希望通过在虚拟环境中进行更多测试并加快处理和存储速度来节省其现有工作流程。

在这两种情况下，云计算都提供了以极大的灵活性加速和扩展开发的机会，同时使那些近期目标的数据更易于访问。COVID-19进一步加速了现有的云解决方案趋势。

自2018年以来，出于安全原因，每辆公路上的测试车都要由两个人乘坐，这已成为标准做法。社交疏远规则使这变得更加困难，这意味着许多测试车队目前都停在那里。

小规模计算

影音开发涉及从实际测试和仿真中收集大量数据。然后进行训练，并将数据输入到原型的新行为模型中，然后在仿真中进行测试并再次进行验证，从而生成新的数据周期。

Lyft Level 5的高级工程师Timothy Perrett说：“仿真是提高软件安全性的关键方法之一，甚至可以在测试轨道上进行。”这是一个过程，需要灵活性。

Lyft Level 5于2017年推出，旨在让乘车共享公司直接买入影音技术的优势，并着眼于自动驾驶乘车共享车辆。Lyft的工程师利用从其AV车队收集的PB级数据，每年进行数百万次模拟，以提高其自动驾驶系统的性能和安全性。

验证工作以及运行所有这些数据的规模是一个巨大的问题，仿真中生成的大量数据也是如此。自2012年以来，Lyft本身就将AWS用作云合作伙伴，但使用云与现场客户进行交互以及用于模拟和数据处理并不相同。

第5级有不同的需求和约束，大多数计算需求是为大型、批处理式的工作负载提供服务，这些工作负载的配置非常尖刻。需要能够爆发出高峰值负载，然后在不使用它时迅速将其关闭的能力。

解决方案在于使用竞价型实例。竞价型实例是按需分配的计算功能，是Amazon弹性计算云（EC2）的一部分。用户只为使用的商品付费，没有规模限制。 它们还允许将作业打包在一起并发运行。这样可以加快处理大批量数据的速度，这意味着任何团队或工程师都不必闲着，而另一个可以优先处理计算时间。

现在已在路上

级别5，完全的自动驾驶自主性可能是所有音视频开发人员的最终目标，而今天，有些公司已经在其收益服务中利用其技术。

卡车初创公司TuSimple于7月1日启动了世界上第一个自动货运网络，目前，正在使用UPS从凤凰城一直运送到沃思堡。该公司的目标是在2024年在全国范围内运营。

TuSimple的卡车已经按照通常称为4级自治的标准运行。它们可以驱动自己，但主要是在为其创建的环境中。

卡车通常在标记和维护良好的高速公路上在仓库之间移动。从理论上讲，这对于音视频系统来说比较容易，但是大型钻机长70英尺，难以操纵和停止，并且通常在车道两侧的间隙小于3英尺。 该公司所有的卡车都有一个人来操纵，而人和计算机都在不同的场合开车。当驾驶员处于控制状态时，系统会记录驾驶员的行为以及AI会做出的决定，然后通过机器学习对其进行分析。

早期，TuSimple会在自己的硬盘驱动器上收集数据，然后经过15个小时的过程将数据传输到云中。在2018年，它增加了AWS Snowball Edge设备，可以在车上记录，标记和压缩数据。这节省了在运行后必须执行这些任务的时间，还有助于从云中重新集成新的驾驶模型。

数据通过AWS Direct Connect（专用，安全，高速数据连接）与云之间来回传输，传输速度比以前快得多。

该公司的控制算法可以在装满拖车的情况下以65英里/小时的速度将卡车保持在4cm的准确车道中央。通过比人类更精确的油门和方向控制，它在旅途中的燃油经济性也提高了10％。

存储并遵守

TuSimple收集的大量数据也保留在云中，并进行索引以备将来使用，这是合规性的关键部分。

当创建一个机器学习模型来做出决策时，例如汽车的运行方式，需要能够将输入其中的数据用于以后的审核。关于需要保留数据多长时间的意见不一，但是一般的经验法则是，数据需要保留10-15年，并且必须易于获取。

AWS使将公司的所有数据存储在一个中央位置（一个“数据湖”）成为可能。“数据湖”参考架构是由AWS在与众多客户合作应对其自治和ADAS数据面临的挑战之后专门开发的。

以类似于现货实例的方式，它使各种级别的存储可用于在分层定价系统中使用和保留数据。新鲜数据通常存储在Amazon S3服务器上。可以将休眠数据移至Amazon Glacier，这成本非常低，但访问速度较慢。它比磁带解决方案更具成本效益和可访问性。

通往5级的道路可能很漫长，音视频开发商有机会微调其运营并在此过程中创造价值。最好的选择是长期战略。云计算可以提供帮助，云基础架构的合作伙伴也可以提供帮助。

数据 卡车 驾驶 公司 测试