【编者按】伴随着深度神经网络和人工智能技术行业获得开创性进度,及其无人配送车、没有人的士、没有人公交车等智驾情景逐渐落地式深层次,无人驾驶领域近些年获得了愈来愈多的关心和发展。殊不知,要想真真正正完成在路面上行车,还必须处理诸多技术性问题。

认知系统软件做为车子最短路径算法的根据之一,必须根据“数据信息练习”打好基础,以监督学习的方法,将数十 PB 的练习数据信息给予给优化算法,根据其转化成具备普适性感知能力的实体模型,协助自动驾驶车辆有着能够更好地认知具体路面、车子部位、阻碍物信息内容等领域的工作能力,做到即时认知在途风险性,做出实际个人行为管理决策的目地。

伴随着愈来愈多的雷达探测、监控摄像头等感应器被布署在车子里,各个阶段的劳动量与日俱增,尤其是性能卓越无人驾驶汽车对信息的储存要求也是极大,一天转化成的信息量可做到 3-8 TB 上下。因而,怎样高效率、平稳地确保无人驾驶全过程中搜集到的很多数据信息,并迅速产生无人驾驶的测算实体模型,变成了各种无人驾驶公司关心的主要问题。

这篇文章内容,焱融高新科技将根据中国某致力于产品研发和运用L4级无人驾驶技术性,对焦无人驾驶交通出行和无人驾驶同城物流两大应用场景的无人驾驶企业具体实例,共享 YRCloudFile 在无人驾驶练习情景下对于 IO 实体模型、容器化布署、性能增加、智能化分层次层面的经验和启迪,期待能给有关从业人员处理这样问题时带来一些参照和协助。

海量信息,毫厘寸土必争

先前,中国某 L4 级无人驾驶企业关键采用的是开源系统的存储解决方案,将 GPU 测算和储存以结合的方式开展布署,可是伴随着文档总数的升高,特性发生显著降低,原来的储存方法也慢慢逐渐危害练习的高效率。因而,她们逐渐考虑到更新目前的存储解决方案。在更新历程中,该企业重点关注并处理下列问题:

·在日益猛增的海量信息情景下,怎样提高关键件,加速练习进展;

·开源系统计划方案尽管具有处理大量文档的工作能力,可是伴随着信息量的增加,怎样保障设备可靠性,防止无法维护保养的问题;

·如何解决存算结合构架下,没法依据要求独立扩充的问题;

·在数据信息历经搜集、清理、练习后,如何解决全过程中所造成的冷数据信息的问题。

YRCloudFile 怎么看待?

在掌握该企业驾驶训练情景之后,焱融高新科技对于其无人驾驶练习数据开展了一系列剖析,并汇总出其练习数据信息具有下列特点:

·