云的力量

大成就需要巨额投资，根据研究公司PitchBook的数据，自动驾驶汽车（AV）初创公司平均每月要花费160万美元。 

狮子’其中的一部分费用用于测试以及支持该测试所需的基础架构。配备传感器和数据记录装置的单个现实世界自动原型车的成本可能高达$ 500,000。处理和存储所有生成的数据的成本为’t too far behind.

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$ 80B。

仅一年后，涉及自动驾驶原型的事故似乎使开发人员失去了动力。同时，第5级自治所需的技术挑战–完整的自动驾驶汽车–已经变得越来越复杂。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，视音频开发人员仍在努力实现其带来的社会进步。但它们也有一些新的优先事项。他们’ve还发现了云计算方面的新机会-可以减少成本和开发时间。 

首先，他们’重新关注与他们的长期目标相吻合的可销售产品和服务的近期路径：卡车和物流，自动驾驶辅助（ADAS）系统以及提供数据见解。一些开发人员现在正在建立价值并展示实际效率。

“像Wejo这样的公司在其数据中隐藏了宝石，”亚马逊网络服务（AWS）自主技术全球业务开发经理John Barrus说。“他们可以与市政当局合作，并提供重要信息来维护基础设施，绘制停车标志等资产或确定坑洼和道路封闭的资产。他们’只是将它们捕获的数据精炼为价值。” 

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，Barrus说，视音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AV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，这意味着当前已停放了许多视音频测试车队。

“我们的许多视听客户可以’现在要在现实世界中进行测试，并希望进行更多模拟，”AWS Nisarg Modi说’全球业务发展主管。但是，莫迪补充道，“如果您增加对仿真的依赖，但不要’您没有准备好计算基础架构’会烧掉很多现金。”

Barrus说，AWS将自己视为需要计算基础架构的人员的合作伙伴。“AV startups don’无需设置自己的硬件来进行计算或存储，” he adds. “It’让合作伙伴提供这些内容并将这些任务转换为API调用会更加高效。”

AV开发涉及从实际测试和仿真中收集大量数据。然后是训练-将数据输入原型的新行为模型，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。 

“模拟是我们在软件问世之前提高软件安全性的关键方法之一，即使在测试轨道上，”Lyft 5级高级工程师Timothy Perrett说。’一个需要灵活性的过程。

Lyft Level 5于2017年推出，旨在让乘车共享公司直接买入AV技术的优势，并着眼于自动驾驶乘车共享车辆。使用从其AV机队Lyft收集的PB数据’的工程师每年进行数百万次仿真，以提高其性能和安全性’的自动驾驶系统。

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，” says Perrett. “我们大多数的计算需求是为大型，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。我们需要能够爆发出高峰值负载，然后当我们’re not using it.”

解决方案在于使用竞价型实例。“当我们尝试在Amazon EC2（弹性计算）竞价型实例上运行时，我们意识到随着程序的快速发展，有机会大幅降低我们的运营成本，” says Perrett. 

竞价型实例是计算功能的按需分配，是Amazon的一部分’弹性计算云（EC2）。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。 Perrett说，通过适应竞价型实例结构，“我们在一天中如何分配工作以及如何在给定资源池中重新分配工作方面变得更加聪明。”

通过仔细划分和定向其仿真流量，Perrett’的团队将每次执行的仿真成本降低到了几美分。“现在，在所有5级工作负载中，约有77％的计算团队使用AWS EC2 Spot实例，” he says, “总体而言，节省的成本约为三分之二。”

级别5，完全的自动驾驶自主性可能是所有视音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。 

“我们发射了世界’的第一个自动货运网络于7月1日开始”影音卡车创业公司TuSimple的市场总监Jason Wallace说，“We’目前使用UPS从凤凰城运送到沃思堡。”该公司的目标是在2024年在全国范围内运营。

TuSimple’卡车已经在什么地方工作了’通常定义为4级自治。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。那’从理论上讲，这对于AV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。 

公司全体’卡车上有一个人在操纵，人和计算机都在不同的场合开车。当人为驾驶员控制时，系统会记录该驾驶员’AI的行为和决策，然后通过机器学习对其进行分析。

“We’现在有超过50辆卡车，每个人都从任务中回来’将大量数据重新更新到云中，” he adds. “我们需要能够快速安全地传输数据，而AWS确实在此方面提供了帮助。”

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。 

像Lyft Level 5一样，TuSimple使用现货实例，并且能够将其模拟和分析时间从几周减少到几小时，这部分是它如何能够从2018年的单辆试验卡车到中期运送50多辆真实货物的原因。 -2020。华莱士说，该公司仍然拥有自己的数据中心，“但是我们成长如此之快，以至于我们需要一个合作伙伴来扩展我们的工作。

华莱士说，得益于真实世界和模拟测试，TuSimple已经向客户展示了卡车的功能。 

公司’s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其车道中央，准确度为4厘米。它’通过比人类更精确的油门和方向控制，在旅途中还可以使燃油经济性提高10％。 

对于现在使用该系统的UPS，McLane和美国邮政服务等客户而言，这些节省极为重要。“当COVID-19遇到问题时，我们没有停止运营，因为我们有履行合同的条件，并且我们的模型允许社会疏远。”

华莱士说，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。“我们有自己的存储功能，但是’不适合这样的规模’s required,” he adds. “您必须确信数据在需要时就稳定，安全且可访问。”

“当您创建一个机器学习模型来做出诸如汽车的操作等决策时，” AWS’ John Barrus says, “您需要能够稍后将包含在其中的数据用于审核。”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必须将数据保留10-15年，并且必须易于获取。

AWS可以存储公司的全部内容’的数据位于一个中心位置-a“data lake.” The “data lake”参考体系结构是由AWS在与众多客户一起解决他们在管理自治和ADAS数据方面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。“It’比磁带解决方案更具成本效益和可访问性，” says AWS’ Nisarg Modi.

Modi说，通往5级的道路可能很漫长，视音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。您如何扩展业务？在未来困难时期，您如何管理现金？”他补充说，云可以提供帮助，云基础架构的合作伙伴也可以提供帮助。

有兴趣了解有关Amazon Web Services及其如何的更多信息’帮助AV开发人员利用云技术？确保注册AWS’即将在2020年11月10日举行的网络研讨会。 点击这里了解更多。