近日,第五届日本自动驾驶竞赛在东京大学落下帷幕。此次竞赛主题围绕L4级自动驾驶工厂场景,来自浪潮信息、东京大学、名古屋大学的团队分别获得冠、亚、季军。此外东京工业大学、日产、松下、住友等多个汽车、IT企业、高校团队也取得佳绩。
日本自动驾驶挑战赛现场
竞赛中,浪潮信息基于自动驾驶计算框架AutoDRRT和自动驾驶车载计算平台EIS400,完成L4级自动驾驶场景的感知、规划决策、控制算法方案开发和边缘侧部署,实现工厂无人运输场景下的烟雾、障碍物、连续弯道及狭窄道路的精准识别,创造了大赛最远行驶距离。
自动驾驶车载计算平台EIS400已经发布,自动驾驶计算框架AutoDRRT也已面向业界免费开源,汽车厂商、软件平台商和中间件软件开发商可免费下载使用:
浪潮信息自动驾驶计算框架AutoDRRT和自动驾驶车载计算平台EIS400
自动驾驶挑战赛,顶尖团队下场解题
Japan Automotive AI Challenge是国际权威的自动驾驶竞赛,由日本工程师学会2019年发起,旨在针对自动驾驶开发的各类难题,面向全球自动驾驶工程师征集解决方案。今年的挑战赛围绕工厂无人运输场景,像“超级玛丽”一样,赛道会设置障碍物、烟雾气体干扰、S 形、L 形狭窄路径多个题目,驾驶最远距离的队伍将获得胜利。此次竞赛吸引了东京大学、东京工业大学、名古屋大学、浪潮信息、日产、松下、住友、马自达等50多支顶尖自动驾驶团队参与。经过预赛亚马逊云线上仿真模拟比拼,有17支队伍晋级现场决赛,包括7家高校队伍和10家企业参赛队伍。
自动驾驶竞赛决赛在东京大学户外举行,参赛队伍将基于业界主流的开源自动驾驶计算框架Autoware,开发自动驾驶软硬件全栈方案,并部署在真实车辆上,用算力、算法创新解决自动驾驶在工厂运输领域应用会面临的各类问题。考虑工厂内部行驶环境复杂,对自动驾驶系统的安全性、可用性和通过性有较高的要求,此次比赛设置了重点考核题目:
障碍物干扰:工厂自动运输场景是人与机器协同的环境,此次比赛会设置各类障碍物,考察参赛车辆道路感知和自适应能力,防止自动驾驶设备运行时发生障碍物碰撞事故,以及规避场内空间随机出现的货物或其他障碍物,并及时采取安全措施。
烟雾气体干扰:化工厂中从靠近地面安装的管道排放的蒸汽会阻挡自动驾驶车辆传感器的视野,此次大赛也设置了烟雾气体干扰,参赛队伍需要建立更智能的车辆识别认知系统,解决蒸汽和烟雾环境下感知性能下降的问题,保障光散射和遮挡环境中仍然可用。
狭窄路径:在工厂和仓库的内部空间中,有几乎无法通过叉车的狭窄路径,以及在设备、机械、货架等之间穿梭的通道。为了通过S形弯道和L形道路等复杂狭窄道路,参赛队伍的自动驾驶方案需要具有更佳鲁棒性的路线规划算法和控制能力。
浪潮信息斩获模拟赛和真车赛的双料第一
作为全球领先的IT基础设施提供商,浪潮信息在自动驾驶领域拥有计算、软件框架和应用的全栈创新能力。面向工厂自动运输场景,浪潮信息基于今年最新发布的AutoDRRT开源框架和智能车载域控制器EIS400,进行了算力、算法和框架的全面优化,仅用时2个月就快速搭建了工厂自动驾驶全栈方案,并在50多个参赛队伍中脱颖而出,斩获模拟赛和真车赛的双料冠军。
自动驾驶车辆安全通过烟雾气体干扰路段
该方案包括了感知、决策规划、控制等算法的开发、计算并行与加速模块和开发工具的优化,以及底层系统、中间件和OS的优化,通过四大技术突破,实现了更高的鲁棒性、算法精度和计算性能:
更智能的感知算法,针对烟雾问题,提出一种基于激光点云强度信息的数据预处理方法,结合CenterPoint模型检测结果后处理方法,有效解决烟雾噪声干扰问题。
更鲁棒的规划算法,提出一种基于障碍物及空间信息的场景切换算法,能够自适应进行狭窄空间的规划算法切换;使用Astar及MPT算法进一步优化轨迹规划,规划路线更加鲁棒。
更精准的控制算法,为提升自动驾驶车辆不同路况横向控制性能,提出一种纯跟踪与MPC控制平滑切换方法,在狭窄空间使用纯跟踪控制,其余工况使用MPC控制,上述方法有效提升了控制的稳定性和精准性。
更高效的计算框架,针对Autoware框架端到端计算延时进行多节点优化,使用GPU计算加速点云预处理,模型算子优化加速模型推理,端到端延时降低至60ms,更好满足实时性要求。
凭借高性能算力及创新算法,浪潮信息在此次自动驾驶“超级玛丽”模拟赛和真车赛均创造了最远行驶距离,实现了最佳的安全性、可用性和通过性。
声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。
