生成式AI改革Continental自动驾驶系统开发

生成式AI改革Continental自动驾驶系统开发

关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Generative Ai， Autonomous Driving， Data-Driven Development， Scene Search， Machine Learning]

导读

自动驾驶车辆(AV)和高级驾驶辅助系统(ADAS)的开发需要一个数据驱动的过程，该过程依赖于数百PB的驾驶数据和复杂的工具链。参加这个分组讨论会，了解Continental和亚马逊云科技如何合作加速云端AV/ADAS开发流程。本次会议概述了亚马逊云科技如何帮助减轻非差异化的繁重工作，例如简化数据管理和工具链集成。然后介绍生成式AI如何加速在多模态数据集中识别和管理1-2%的相关数据，用于模型训练、微调和系统验证。

演讲精华

以下是小编为您整理的本次演讲的精华。

在2024年亚马逊云科技 re:Invent大会上，一场引人入胜的会议探讨了亚马逊云科技与知名汽车一级供应商大陆公司之间的变革性合作。这种合作旨在通过将生成式人工智能和亚马逊云科技的尖端技术战略性地整合到大陆公司的自动驾驶系统开发中，从而彻底改革该系统的开发过程。

亚马逊云科技行业产品部门的产品负责人Jeff首先阐释了亚马逊云科技的共同开发模式，该模式将亚马逊云科技工程师和专家与客户团队并肩作战，共同应对复杂的变革性挑战。在这种情况下，亚马逊云科技与大陆公司携手合作，解决一个紧迫的需求——在自动驾驶和高级驾驶员辅助系统(ADAS)开发的复杂环境中，最大限度地提高大陆公司工程资源的效率和生产力。

认识到这项工作的多方面性质，Jeff自然过渡到Brian Bresdovin，他全面概述了自动驾驶开发中固有的挑战。Brian的阐述揭示了汽车工程师学会将自动驾驶分为六个不同级别的分类，并强调了从Level 2(部分自动化)过渡到Level 3(有条件自动化)时出现的重大障碍，在这一级别上，车辆将承担更多控制权。

Brian强调，即使是较低级别的自动化，如自动紧急制动系统，也可能对社会产生深远影响，有潜力大幅减少交通事故死亡、伤害和碰撞。然而，要实现这些功能，就需要处理来自测试车队的大量传感器数据，单单一天就高达50至80TB。

矛盾的是，开发人员在任何给定时间通常只需访问这些数据的1%，用于他们的特定任务。因此，定位相关数据可能会占用开发人员60%至70%的时间，从而阻碍了生产力和效率。

自动驾驶数据生命周期的复杂性进一步得到阐释，包括各种数据驱动任务，如注释、AI/ML模型训练、用于安全验证的模拟以及跨不同场景的验证。每项任务都需要利用不同的应用程序、数据类型和格式，从而加剧了开发过程的复杂性。

可扩展性成为一个至关重要的问题，需要处理数百PB的数据，同时确保强大的数据治理。Brian概述了一个典型的自动驾驶数据生命周期，说明了数据从车队和装置流向处理、映射、注释、模拟，并回到验证的复杂流程——这个过程可能需要多达50种不同的亚马逊云科技服务，用于摄取、存储、搜索等。

在这个时候，来自大陆公司自动驾驶部门的Jan Borrmann提供了有关大陆公司在ADAS和自动驾驶开发方面几十年经验的宝贵背景。他阐述了大陆公司的中央云平台CACHE，该平台每天可托管高达1PB的摄取数据，为150多个开发项目提取相关数据集。

然而，CACHE面临着巨大的挑战，包括超过50%的高运营开销、数据需求超过100PB的可扩展性限制，以及新兴AI技术集成延迟。这些障碍促使大陆公司为与亚马逊云科技的合作制定了雄心勃勃的目标，包括将运营成本降低60%、加快机器学习数据集的管理，以及提高算法迭代速度。

与亚马逊云科技合作设计的解决方案为原始传感器和处理后的数据存储引入了底层托管服务层，并配备了元数据层。最关键的是，它为自动驾驶开发应用程序提供了标准化API，包括编排、场景搜索，以及与模拟合作伙伴的无缝集成。这种创新方法将集成时间从数月缩短到仅数周，实现了前所未有的敏捷性和响应性。

Brian演示了由亚马逊云科技和大陆公司共同开发的AI驱动场景搜索功能，展现了这种合作的力量。利用生成式AI、机器学习模型和非ML技术，场景搜索功能实现了跨视频、注释和时间序列数据的多模态数据提取、索引和语义搜索。

这项突破性能力使开发人员能够高效地管理与灵活的自然语言查询相匹配的相关驾驶场景，例如“有眩光的雨天行人”。以这种方式查询数据，而不依赖预定义参数，代表了自动驾驶开发的一个重大飞跃。

在结束语中，演讲者强调了亚马逊云科技与大陆公司合作的深远影响。通过标准化数据和应用程序层来减少开发开销，并引入变革性的场景搜索工具，大陆公司的工程师可以将更多时间专注于高价值活动，而不是与运营任务和数据处理作斗争。

这次会议不仅展示了亚马逊云科技与大陆公司之间的卓越协同效应，还阐明了生成式AI和云技术在革新自动驾驶系统开发方面的变革潜力。这种合作体现了创新、协作和共同愿景的力量，推动了可能性的边界，为更安全、更先进的移动解决方案铺平了道路。

下面是一些演讲现场的精彩瞬间：

Andy Jassy解释了自动驾驶的不同级别以及从Level 2到Level 3过渡的挑战，在这个阶段，车辆将承担更多控制权，需要进行严格的测试以确保安全。

强调即使是较低级别的自动驾驶也具有巨大的潜力，可以大幅减少交通事故死亡、伤害和碰撞，突出了ADAS技术为社会带来的前所未有的价值。

亚马逊展示了自动驾驶所需的感知传感器和数据处理能力，强调自动驾驶车队产生的海量数据。

介绍了一个强大的平台，每天可以摄取和处理高达一千万亿字节的数据，使开发人员能够访问相关数据进行机器学习、计算机视觉和算法开发。

Amazon Bedrock使开发人员能够利用语义搜索和自然语言查询来查找相关数据，例如搜索“天空中的海鸥”或“雨中有眩光的行人”，而无需依赖预定义的标签或注释。

大陆开发了中间件和标准化框架，以简化自动驾驶车辆的开发，降低成本和时间，同时还实现了场景搜索功能，简化了数据抽象并加速了日常开发活动。

总结

作为一家领先的汽车技术公司，大陆集团着手革新其自动驾驶系统开发流程。他们与亚马逊云科技合作，旨在利用生成式人工智能和云计算的力量，简化数据管理、提高开发人员生产力并加速创新。

通过这一合作伙伴关系，大陆集团开发了一个名为CACHE的基于云的平台，实现了从其自动驾驶汽车收集的大量传感器数据的无缝摄取和处理。借助亚马逊云科技服务，他们创建了一个标准化的API层，促进了尖端技术的集成，将集成时间从数月缩短至数周。

这一合作的一个关键成果是开发了一种基于人工智能的场景搜索工具。该工具使大陆集团的工程师能够通过自然语言查询和多模态模型，从数百万亿字节的数据中高效地策划和检索相关的驾驶场景。它结合了生成式人工智能、机器学习和语义搜索等最先进的技术，使开发人员能够快速可视化和验证他们的算法在不同驾驶场景下的表现。

这一合作不仅将运营成本降低了60%，而且还解放了大陆集团的机器学习专家，使他们不再需要耗费大量时间收集数据。这使他们能够专注于改进算法、加快迭代周期，并为客户提供更高价值。通过采用亚马逊云科技的云能力和生成式人工智能，大陆集团彻底改革了其自动驾驶开发流程，为更安全、更先进的自动驾驶移动解决方案铺平了道路。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。