自动驾驶看似很遥远，但其实又很近；很遥远的概念是觉得自动驾驶应该是牵扯到大量的基础设施和法规健全，但其实很近，很近的原因是用深度学习和人工智能来规避以上问题，你要的只是一个和人一样大脑来控制的汽车。
所以回归到当前研究自动驾驶，其实核心真正的是AI智能芯片，剩下的不过是根据自身车辆进行标定和验证。就像传统主机厂所熟悉的发动机标定-基本上来自于博世和大陆等几家。
在2020年《自动驾驶汽车计算平台》报告中，NVIDIA在自动驾驶汽车平台领域位列榜首。
所以我们今天借助英伟达的一站式自动驾驶解决方案，来展望未来我们如何进行自动驾驶开发开发。
大数据采集
通过英伟达的传感器生态系统（白话就是英伟达合作的传感器制造商）和英伟达的Nvida Drive 平台进行数据采集，这就是当前大家看到道路上各种头顶上长包和引擎盖上长角的车子更多倾向于干的事情就是数据采集。
深度学习模型训练
通过NVIDA DGX数据中心进行自动驾驶深度学习模型训练，当前汽车行业深度学习主要两种CNN(卷积神经网络Convolutional Neural Networks)和RNN(递归神经网络Recurrent Neural Network) ，其中自动驾驶主要用CNN 进行物体的识别，利用RNN 以及RNN中一个子类LSTM(Long short term memory)进行物体运动的预测，关注我们公众号，我们接下来会有文章去科普这些算法。
虚拟验证
再通过NVIDA DRIVE Constellation 硬件在环测试优化，如我们之前文章（浅谈如何做整车AD自动驾驶试验验证）中介绍自动驾驶需要达到很高的信心的验证里程多达上亿公里，所以借助实车是不可能进行商业化的所以确保多种驾驶环境进行验证和覆盖，采用虚拟验证进行验证和优化是必须的道路。
自动驾驶实施
最后释放软件到NVIDA DRIVE AGX车载自动驾驶电脑上进行自动驾驶车辆的控制，同时英伟达表示这个是支持OTA的，例如现在特斯拉推出的自动驾驶升级包。
硬件小巧-能耗和散热是自动驾驶车辆不容忽视的要求
当然自动驾驶来临，英伟达当然不会放过自动驾驶座舱这个红利，毕竟车机电脑掌握了所有的通讯信息那么人机交互不就是个电脑屏幕的事情吗，当然智能汽车时代来临不单单是屏幕的竞争了，而且虚拟增强显示的竞争了，所以英伟达把这块也做了。他们叫做Drive IX
这样英伟达完美完成了自动驾驶车辆的车机电脑布局，整车底层架构系统（大概率是Ubantu）上面运行两大工具：Drive AV 去感知规划执行自动驾驶，Drive IX 去数据融合人机交互。然后主机厂或者自动驾驶服务商定义自己的应用执行程序实现自动驾驶和智能座舱功能。
所以自动驾驶看似遥远其实很近，人工智能算法和芯片运算是核心 - 只需要一个聪明的人工智能取代人类驾驶。
参考资料：英伟达报告文中部分图片版权归其所有
*未经准许严禁转载和摘录
作者：Pirate Jack
来源：https://mp.weixin.qq.com/s/042Wy25bo9VIv9ONRqZbaA
Vehicle微信公众号
相关文章推荐
更多汽车行业干货请关注Vehicle专栏。
