“华为八爪鱼”自动驾驶开放平台发布助力自动驾驶开发，让复杂变得简单

[中国，上海，4月18日] 在2021年上海国际车展前夕，华为智能车云服务产品部总经理廖振钦正式对外发布了“华为八爪鱼”自动驾驶开放平台，围绕自动驾驶开发最关键的四大要素——硬件、数据、算法和高精地图，构建一套以数据为核心，驱动自动驾驶闭环迭代的开放平台，旨在通过车云协同的能力封装、业内领先的标注能力、升级的虚拟仿真，以及安全合规的一站式云服务，协助车企“0”基础构建自动驾驶开发能力，降低开发门槛，提升开发效率。

图1：华为智能车云服务产品部总经理廖振钦发布“华为八爪鱼”自动驾驶开放平台

廖振钦表示：“我们这个平台有三个能力：首先，把算法、数据、算法解耦，实现了车云协同。平台既可以支持华为MDC，也可以支持其他主流的异构硬件。高精地图也是解耦的，支持NDS、OpenDrive等多种主流标准；第二，我们将沉淀积累的平台能力开放出来，通过预置的2000万框标注数据集、20万仿真场景库、完整工具链和标注算法，以及场景数字孪生、虚实混合仿真、日行千万公里的大规模并行仿真等服务，实现了自动驾驶的0基础开发，真正做到了开箱即用；第三，我们的云服务是完全安全合规的。”

智能车云服务CTO 喻杰博士介绍了“华为八爪鱼”自动驾驶开放平台的架构和核心亮点。该平台全面地覆盖了自动驾驶开发的各个阶段，并且作为一个开放平台，可以支持丰富的API及数据接口，允许合作伙伴进行二次开发。随后喻杰博士阐述了华为是如何提升感知模型精度，并达到业界领先水平；如何通过模型适配、感知协同，实现了数据与算法在云端与车端之间的高效闭环；以及如何将整个开发流程纳入DevOps，加速规控算法的仿真测试和迭代优化。

图2：华为智能车云服务产品部CTO 喻杰博士介绍“华为八爪鱼”自动驾驶开放平台架构

华为今天同时对外发布了高精地图云服务最新的能力及路标，并将在精度、广度、鲜度全方面满足各车企自动驾驶商用化的要求。廖振钦表示“高精地图是自动驾驶中的重要元素。华为已经拥有了导航电子地图制作甲级测绘资质，也具备完整的高精地图采集和制图能力，所以我们有信心今年能支持真正的商用化。”

华为计划今年完成全国高快速路与北上广深的高精地图，往后持续扩大覆盖范围，2023年覆盖20多个主要城市。考虑到中国幅员辽阔、城市众多，华为正与广泛的图商合作，形成高精地图产业合力，共同绘制一张完整的、高质量的中国动态高精地图。

图3：华为发布高精地图云服务能力和路标

以下是发布会主要内容：

自动驾驶开发，需构建一套以数据为核心的、开放解耦的闭环系统

自动驾驶进行快车道，在自动驾驶从开发到商用的过程中，围绕着产生价值的生产资料——“数据”及相应的处理，行业面临着如下挑战：

挑战1：海量数据处理难

高等级自动驾驶测试车每天采集的数据量是TB级别的，开发团队需要PB级的存储空间，但这些数据中，可用于训练的价值数据大约只占不到5%。而且对车载摄像头、激光雷达、高精定位等传感器采集的数据还有着严格的安全合规要求，这就对海量数据的接入、存储、脱敏、处理等带来了极大的挑战。

挑战2：数据标注成本高

数据标注占据了大量的人力和时间成本。随自动驾驶向高阶能力的发展，场景复杂度持续提升，会出现更多的难例场景。而提升车辆感知模型的精度，则对训练数据集的规模和质量都提出了更高要求。传统人工标注在效率和成本方面，已经难以满足模型训练对海量数据集的需求。

挑战3：仿真测试效率低

虚拟仿真是加速自动驾驶算法训练的有效手段，但仿真场景构建难、还原度低，尤其是一些复杂、危险场景，很难构建。加之并行仿真能力不足，仿真测试的效率低，算法的迭代周期过长。

挑战4：高精地图覆盖少

高精地图主要还是靠自采集、自制图，仅满足试验阶段指定道路的场景。后续要走向商用，扩展到全国各大城市的城区街道，在覆盖、动态更新，以及成本和效率方面都面临着非常突出的挑战。

图4：自动驾驶开发面临的四大挑战

加速自动驾驶开发，需构建一套开放的数据闭环系统

廖振钦认为，传统软件的开发可以按照结构化程序设计的方法，即Pascal之父沃斯在40多年前提出著名的“算法+数据结构=程序”。自动驾驶软件的开发，本质上是人工智能技术的应用，是要造一个“驾驶员”。人工智能技术发挥作用需要数据、算法和算力这三个要素，其中，自动驾驶软件中的数据是核心要素，是车企自己必须积累的。因此，我们在自动驾驶开发架构上，要把硬件、数据和算法进行分离，将这些数据独立解耦出来，将有利于灵活地选择更开放的硬件和算法。

图5：加速自动驾驶开发，需构建一套开放的数据闭环系统

上云，是自动驾驶从开发到商用的必由之路

自动驾驶汽车从开发到商用，数据闭环系统建设会面临更大挑战。对算力、存储要求的扩大，对云资源的高可靠性、安全性的要求，将从试验阶段转为商用要求。最新发布的《智能网联汽车生产企业及产品准入管理指南（试行）》对自动驾驶云端数据在合规、安全、隐私等方面提出了更高的要求。

廖振钦认为，传统的数据中心已经不能适应自动驾驶商用化的要求。上云是自动驾驶从开发到商用的必由之路。使用“华为八爪鱼”自动驾驶开放平台，能确保车辆在各个地区都能就近接入云端，并解决商用过程中所面临的覆盖、安全、弹性扩展等问题。开发者将不再为机房专线、升级扩容伤脑筋，精力可以都放在核心的算法开发上。

众所周知，“华为八爪鱼”构筑于华为云底座。基于全球23个Region，45个AZ，可实现全球范围的就近服务和异地容灾，并具有电信级高可靠性。车企自动驾驶开发团队，将不再为了机房专线、安全合规、容灾备份、升级扩容，和运维管理等问题而大伤脑筋，可以将更多的精力投入到自动驾驶核心算法的开发上。

图6：上云，是自动驾驶从开发到商用的必由之路

“华为八爪鱼”自动驾驶开放平台5大亮点特性

1）预置业界领先的自动标注模型

“华为八爪鱼” 自动驾驶开放平台团队和华为诺亚实验室打造联合团队，持续攻关，感知算法精度已经达到业界领先水平，解决了复杂场景或远端目标的漏检、错检等业界难题，并在多个自动驾驶国际公开数据集测试挑战中获得领先的名次。

图7：“华为八爪鱼”感知算法精度达业界领先水平

以3D点云目标检测为例，华为融合了激光雷达和摄像机等不同传感器提取的多种信息，同时采用对多视角、多时序数据融合的方式提取目标特征，通过多层卷积网络迭代，融合不同特征，最终实现了对3D点云目标的精准识别和检测。再结合云端强大算力，可以将这种超大模型的训练效率提升10倍以上，进而提高车端感知模型的迭代速度。

图8：高精度自动标注复杂模型的训练离不开云端强大算力的支持

2）车、云协同，难例场景智能筛选

通过云和车载计算平台MDC协同，可以实现难例场景的智能筛选，解决智能化分析检测算法的性能瓶颈，有针对性的收集车端和云端数据，发掘数据中的难例（Corner case）, 极大的缓解长尾问题（Long tail problem）。

开发者向云端上传期望搜集的难例图片，云端会把难例搜集规则下发给车辆，车辆则会检测摄像机捕捉到的实时数据流，找到类似的难例场景，截取相应图片并回传到云端，形成特定场景的难例数据集。这种方式可以减少90%的上云数据，并节省70%的数据集构建时间。

图9：车云协同，实现难例场景的智能筛选

3）与高精地图结合，实现真实场景数字孪生和虚实混合仿真

规控算法开发迭代过程中最耗时的是测试验证。一方面，自动驾驶车辆需要天文数字级的里程测试来验证，而另一方面，测试场景的构建又成为了这一环节最大的难点。

虚拟仿真是提高自动驾驶验证效率的有效手段，但它对场景库的多样性及虚拟仿真的真实感要求非常高。“华为八爪鱼”自动驾驶开放平台可以将采集的典型路段转换成仿真场景，并与高精地图相结合，实现真实场景数字孪生。这种方式可以实现95%以上的场景还原能力，能有效帮助开发者快速模拟周边车辆，实现分钟级的场景构建，并有效验证复杂的城市交通场景，支撑SIL（软件在环）验证。

前面提到的真实场景数字孪生能力解决了复杂仿真场景构建的问题，但如何体现车辆在测试场景中的真实动力学表现，成为了另一道难题。通过动力学仿真软件模拟的真实性有待提升；通过真实场景实车测试，周期又很长。为解决这个问题，“华为八爪鱼”自动驾驶开放平台又提供了虚实混合仿真能力。

这种虚实混合仿真，通过结合真实车辆和虚拟场景，实现了线上线下协同，通过在云端构建测试场景，再将仿真测试场景加载到车端运行，从而在空旷的道路或场地模拟出各种需要的虚拟场景、危险场景，比如跟车、行人横穿、非机动车CUT-IN、避让静态障碍物等各种场景，以测试验证自动驾驶算法、实车的车辆动力学性能，以及驾乘体验。“华为八爪鱼”自动驾驶平台通过这种车云协同的方式，极大地加速了VIL（车辆在环）测试的效率与质量。

4）完整工具链，一站式自动驾驶DevOps能力

“华为八爪鱼”自动驾驶开放平台提供了云端一站式仿真评测工具链，实现自动驾驶领域的DevOps，从代码仓库接入、版本管理，到仿真、评测，实现了完整的自动化闭环。通过大规模并发仿真，达到规控算法迭代速度的量级提升，可实现虚拟仿真测试里程日行千万公里。这种高效的模式，将规控算法评测周期从原来的天级缩短到了小时级，整个算法的迭代周期也从周级缩短到了天级。