新闻稿 – Xinwengao.com

无人驾驶汽车Aurora使用亚马逊云科技加速Aurora Driver的开发

在亚马逊云科技高性能基础设施和强大功能组合的支持下,Aurora使用机器学习和每天数百万次基于云的模拟,安全快速地训练、测试和验证其无人驾驶技术

北京2021年12月8日 /新闻稿网 - Xinwengao.com/ — 亚马逊云科技宣布,无人驾驶汽车科技领导者Aurora选择亚马逊云科技作为其机器学习训练和云上模拟工作负载的首选云提供商。Aurora 使用亚马逊云科技成熟的基础设施和无与伦比的功能组合来安全地加速其可扩展的自动驾驶汽车技术Aurora Driver的开发。Aurora Driver由感知世界的传感器、规划安全路径的软件,以及将 Aurora 的硬件和软件与任何车辆平台集成并提供动力的计算机组成。在机器学习训练和云上模拟工作负载方面,Aurora全面使用亚马逊云科技,每天使用云处理数万亿个数据点。在今年年底之前,Aurora都将在云上扩展训练工作负载,以其在真实道路测试中收集的PB级数据为基础,每天完成多达1200万次驾驶模拟训练。

自动驾驶是一项极其复杂的技术挑战,很大程度上依赖云计算来实现感知、嵌入式计算、机器学习、动线规划、决策和高级传感器技术的突破。借助亚马逊云科技在高性能计算、机器学习、存储和安全方面的能力,Aurora优化并扩展了其虚拟测试工作,以安全快速地扩展Aurora Driver的功能。

Aurora首席执行官Chris Urmson表示:“Aurora大规模进行高级机器学习和模拟是我们能够安全、快速开发技术的基石。亚马逊云科技为我们提供了持续前进所需的高性能。凭借几乎无限的规模,亚马逊云科技支持数百万次虚拟测试,以验证Aurora Driver的能力,让其可以在无数真实世界驾驶的边缘场景中安全地行驶。”

由亚马逊云科技支持的虚拟测试套件(Virtual Testing Suite)是用于开发Aurora Driver的独特加速器。Aurora可以使用它在现实世界中观察到的单一测试情况的数据,从而启发虚拟测试套件中的数百种排列。这种虚拟测试有助于训练Aurora Driver更快、更安全地驾驭复杂情况,如道路施工、乱穿马路和无保护的左转弯。例如,在Aurora Driver尝试在实际道路上进行无保护左转之前,它已经完成了近230万次模拟转弯 — 估计大约相当于2万个小时的真实驾驶练习。自2019年以来,Aurora一直在亚马逊云科技上大规模运行模拟,并计划到2021年底将其在亚马逊云科技上运行的模拟量增加两倍,达到每天1200万次以上。

Aurora Driver软件栈的离线组件都在亚马逊云科技上运行,包括虚拟测试套件、高清路线图(Aurora "Atlas")、机器学习模型和软件开发工具。例如,Amazon SageMaker机器学习服务可以帮助开发人员和数据科学家在云端和边缘快速创建、训练和部署机器学习模型,Aurora使用Amazon SageMaker来创建、运行和持续改进机器学习模型,以支持其驾驶模拟。通过该服务,Aurora可以访问Amazon Elastic Compute Cloud(Amazon EC2)实例类型,比如P4d,可为云上机器学习训练提供超高性能。

在开发模拟之前,Aurora 使用亚马逊云科技安全地存储和处理其在实际道路测试期间记录的PB级数据,然后基于这些数据训练机器学习模型。预处理工作负载在 Amazon Elastic Kubernetes Service(Amazon EKS)和Amazon EMR上运行,这是亚马逊云科技用于使用开源工具处理云中的大量数据的服务。然后,Aurora的机器学习训练工作负载依赖于亚马逊云科技优化的深度学习框架,如TensorFlow和PyTorch。最后,Aurora使用Amazon EKS和Amazon EC2在数十万个并发vCPU和数千个并发GPU上编排并自动扩展其模拟工作流,而Amazon EKS和Amazon EC2可提供加速的计算实例类型,如 G4dn。

亚马逊云科技机器学习副总裁Swami Sivasubramanian表示:“亚马逊云科技高度可扩展的计算、机器学习和分析服务正在帮助Aurora推动自动驾驶汽车技术向前发展,走向广泛的现实世界。我们可靠的基础设施和全面的云服务,包括Amazon SageMaker等行业领先的机器学习服务,为Aurora从每天生成的数万亿数据点中获得洞察提供了理想的基础,从而不断增强其技术。我们非常骄傲能够支持自动驾驶技术创新加速,并期待运输、交付和移动的转型能够提高安全性和效率。”

Weibo RenRen Tweet Share Pin It

© 2024 新闻稿 – Xinwengao.com. All Rights Reserved.

Exit mobile version