日前,Torc Robotics公司已經(jīng)選擇亞馬遜云服務(wù)(AWS)作為其首選的云服務(wù)商,以滿足其大規(guī)模數(shù)據(jù)傳輸、存儲和計算的速度要求,以備在美國新墨西哥州和弗吉尼亞州部署其下一代自動駕駛卡車測試車隊。隨著公司測試車隊規(guī)模、路線數(shù)量和傳感器能力的增長,其在美國和德國的工程團隊對數(shù)據(jù)攝取和分析的需求與日俱增。
Torc將在新墨西哥州和弗吉尼亞州部署其新一代自動駕駛卡車測試車隊。
Torc是戴姆勒卡車旗下的獨立子公司,負責將L4級自動駕駛系統(tǒng)商用化、并提供給卡車客戶。根據(jù)汽車工程師協(xié)會(SAE)的定義,在L4級自動駕駛系統(tǒng)下,車輛能夠在特定的運營條件下執(zhí)行全部駕駛功能。
亞馬遜云服務(wù)具備廣泛的能力,旨在提供快速而安全的數(shù)據(jù)傳輸、智能分層存儲、托管式的編排和分析工具,以及高性能的多核CPU和GPU計算,可以幫助Torc快速擴展其敏捷、低成本的開發(fā)平臺,加速其技術(shù)的測試與商用。
Torc在新墨西哥州的測試車隊已經(jīng)在公共道路測試中產(chǎn)生了PB級的數(shù)據(jù)(1PB等于100萬GB)。Torc有端到端的軟件堆棧,收集和處理來自激光雷達、雷達和攝像頭等眾多傳感器的原始數(shù)據(jù)。不僅測試路線和車隊的規(guī)模不斷擴大,新一代測試卡車還集成了更多高分辨率的傳感器,可以加強更遠距離的物體檢測,這進一步增加了用于分析、仿真和機器學(xué)習(xí)的數(shù)據(jù)量級。
Torc公司首席執(zhí)行官Michael Fleming說,“我們的下一代卡車測試車隊將幫助我們快速提高自動駕駛能力,加速L4級自動駕駛卡車的商用。我們處理數(shù)據(jù)的能力必須能夠跟上,無論是傳輸、存儲還是擴大仿真的能力,都必須跟上。有了AWS,我們就有了一個值得信賴的解決方案,可以在我們需要的時候提供計算規(guī)模、傳輸速度和安全性。”
AWS汽車行業(yè)銷售總監(jiān)Wendy Bauer表示,“開發(fā)自動駕駛汽車的競賽中,會從多種類型的傳感器中產(chǎn)生巨大數(shù)量的數(shù)據(jù)。借助AWS,Torc公司的工程師就擁有了速度、靈活性和洞察力,能夠進行設(shè)計測試、大規(guī)模運行仿真、以及利用廣泛、高度專業(yè)化的計算實例類型來完善其實驗。Torc的行業(yè)領(lǐng)先技術(shù),結(jié)合AWS的可靠性、安全性以及在自動駕駛汽車開發(fā)方面的深厚專業(yè)知識,將使Torc保持領(lǐng)導(dǎo)者地位,并將自動駕駛卡車的好處帶給社會。”
戴姆勒卡車自動駕駛技術(shù)群組(Torc是其下一部分)負責人Peter Vaughan Schmidt博士說,“我們相信,Torc和AWS之間的這種關(guān)系,將兩個非常強大的團隊凝聚在一起,是我們通往L4級自動駕駛卡車道路上的另一個里程碑。戴姆勒卡車的目標是實現(xiàn)自動駕駛卡車的安全投放,塑造整個卡車運輸和物流行業(yè)的未來。”
亞馬遜云解決方案為什么強大
亞馬遜云服務(wù)(AWS)一直是世界上以服務(wù)豐富、應(yīng)用廣泛而著稱的云平臺。AWS的服務(wù)組合不斷擴展以支持幾乎云上任意工作負載,目前提供了超過200項全功能的服務(wù),涵蓋計算、存儲、數(shù)據(jù)庫、網(wǎng)絡(luò)、大數(shù)據(jù)分析、機器人、機器學(xué)習(xí)與人工智能、物聯(lián)網(wǎng)、移動、安全、混合云、虛擬現(xiàn)實與增強現(xiàn)實、視頻,以及應(yīng)用開發(fā)、應(yīng)用部署與應(yīng)用管理等方面,遍及24 個地理區(qū)域的77個可用區(qū),并已公布計劃在澳大利亞、印度、印度尼西亞、日本、西班牙和瑞士新建6個AWS區(qū)域、18個可用區(qū)。全球數(shù)百萬客戶,包括發(fā)展迅速的初創(chuàng)公司、大型企業(yè)和領(lǐng)先的政府機構(gòu)都信賴AWS,通過AWS的服務(wù)強化其基礎(chǔ)設(shè)施,提高敏捷性,降低成本。
Torc的L4級自動駕駛汽車系統(tǒng)利用車載計算機,實時處理傳感器數(shù)據(jù),并利用車載軟件處理自動運行過程中的動態(tài)駕駛?cè)蝿?wù)。Torc將利用AWS來提高其路測路線的數(shù)據(jù)傳輸效率,讓其團隊不斷增強自動駕駛系統(tǒng)。Torc公司首席技術(shù)官Ben Hastings解釋道,“對我們路測車隊收集的海量數(shù)據(jù)進行攝取、存儲和后處理,AWS是一個理想的平臺。”
Hastings表示,“我們的軟件使用合成場景和傳感器數(shù)據(jù)重放的組合進行仿真測試。這些測試往往會集中進行,對計算資源產(chǎn)生顯著的峰值需求。通過AWS,我們獲得了可以動態(tài)擴展的解決方案,以滿足工程和虛擬測試團隊的需求,而無需購置和維護我們自己的數(shù)據(jù)中心。”