国汽智控张晔:车载OS如何解决自动驾驶OS?

鸣前小耳朵 2021-05-26 13:28:58

国汽智控张晔:车载OS如何解决自动驾驶OS?


5月25日,第八届国际智能网联汽车技术年会在北京亦创国际会展中心开幕。在上午举办以“车路云协同智能驾驶开发与应用”为主题的主题峰会2现场,国汽智控(北京)科技有限公司安全网络部副总裁张晔表示作了《车云计算基础软件助力自动驾驶落地》的主题演讲。


张晔在网络安全领域有20多年的从业经验,经验非常丰富。

国汽智控张晔:车载OS如何解决自动驾驶OS?

以下为张晔演讲全文,车云未作删减:


今天实际上讲座的顺序挺有意思的,从杜老师全国范围内的网络云控基础架构,逐渐的往底层深入,最后到了OS端。今天我想讲的主题,从车载OS怎么利用车路云的计算框架,进一步的解决车端自动驾驶OS问题。


国汽智控是车端智能驾驶OS平台开发公司,我们的目标实际上是为了汽车行业去开创一个可以多行业、多应用,可以适配的车端自动驾驶的操作系统,在这个操作系统上其中有一个目标就是硬件解耦,作为这么一个操作系统怎么样能够面对不同的硬件,包括当今不同车型和未来硬件和技术的发展,软件的发展,怎么去解决这个问题,这是我们始终在考虑的问题。


在考虑的过程中,我们实际上把视角面向了车路云现在提供的基础架构,今天利用这个机会跟大家分享一下,我们在车云计算基础平台的思考,以及基础平台怎么帮助自动驾驶在能力上拓展,以及未来发展上保证系统体系能够持续的发展。


今天汇报主要有三个题目,一个是车联网应用的现状,另外一个是车云基础软件基础架构和核心的应用技术,最后讲一下基础平台未来应该的技术场景。


车路云经过今天的报告在各个领域已经有广泛的应用,其中我们从自动驾驶OS的角度看,大致可以分为三类。一类是围绕着车端座舱,利用现在互联网应用的开发模式做座舱应用的开发,甚至消费的购买和应用发布,这个实际上相当于把现在互联网应用,应用到数字座舱的直接应用范围。另外一个行业主要应用是在车端运行过程中,把车端的运行数据,把自动驾驶各种场景数据收到云端,利用云端的海量存储和云端的高算力进行算法优化、系统仿真,这些计算实际上是充分利用了云端资源,反哺到车端软件的开发和车端应用的开发之中,这个实际上是直接在推动车端计算能力发展的主要动力。同时像前面各位专家介绍的V2X,也是通过高度集成云端信息,提高辅助驾驶的一个办法。


基于这几个具体方向来看,从车端自动驾驶方向来看,实际上并不是一个全局的解决方案。利用座舱驾驶主要面对的就是舒适度的提高,云端算法提升或者仿真实际上是针对车端整体软件单一算法的提升,实际上具体云端仿真最终和车端整体算法的运行还是有一定的差距。同样目前通过V2X和网联云控提供的服务,更注重于车端行驶安全,也是其中的重要一部分。真正网联云控到控车和真正车端控制器直接联动的话,是一个蛮长的链路,还需要更多的技术研究来支持。


同时我们主要从车端驾驶平台看到的,我们认为我们需要面定的问题,一个是自动驾驶的能力需要更多的提高,同时的话要求车端部署更多的传感器,部署更多的计算平台算力,来保证自动驾驶能力的逐级提高。但是今天一个高算力的车可能两三年之后就难以满足未来自动驾驶软件的需求,同时高算力也增加了车辆的成本,也有碍于驾驶能力的普及。从车辆自动驾驶软件开发和真正应用角度,我们怎么去解决软件对硬件的需求和难以满足软件的需求,这个最大的问题是我们在构建驾驶平台车端OS的时候,想急于解决的问题。我们最后的思路也是面向车路云多层级的架构,从这里头寻找解决方案。


下面介绍一下国汽智控在技术软件上的思考,我们在做云计算如何把基础软件在云端运行,重新回顾一下2019年智能驾驶平台上提出了车端软件架构,基本上这个架构明确了车端软件开发要以软件分层次的逻辑去构建和开发,基本上提出了硬件平台层,系统软件层,功能软件层和应用软件层,这几个层面。就是因为有层级的提出和层级间明确的关系,后续为车端操作系统向云端扩展,和操作系统云端跟车端进行交互提供了一个基础,也是为我们后续或者今天在这个方向进行思考提供了可能。


下面用一个图例的方式跟大家展示一下,在我们车云计算框架里面所需的关键技术,毋庸置疑,当车端想利用云端资源,利用云端算力的时候,5G网络是必须的通道,今天大家就这个问题做了很多的探讨。同时运营商在部署5G网络的同时,也把计算能力推向边端,以满足5G上各类应用的需求,车端车载的计算应用实际上在MEC里头运行要求最高的实时应用之一。


有了在边端部署的通信网络和计算资源,我们有能力去把数字卵生理念带到车云计算的框架当中来。针对车端操作系统OS,我们可以在边端计算资源上做它的数字卵生,同时通过5G的数据通道打通数字卵生体跟车端的数据通道,满足真正卵生体运行的必要数据需求。


同时车辆通过数据需求,通过合理的功能编排,我们可以达到车端的OS和云端OS卵生体,可以协同工作,整体上我们把卵生体跟车端OS最后可以抽象成一个逻辑的车体,这个逻辑的车体可以真正实现对车上内部数据交换,以及从云端到车端数据流转和控制。


同样架构之中仍然还需要一个高层管理,那么在多个MEC,在区域间进行管理和控制。这个实际上是跟车端本身是一个运动体,它会跟各个网络基站,各个MEC之间做迁移相关的,实际上也是通过MEC里面的数据相关技术和卵生体的管理技术,可以实现车端在不同MEC之间的迁移。这是一个针对我们提的车云计算技术的总况,下面我针对相应的技术做详细的解释。


我们把现在运行在车端里的整体软件推向云端,符合现在计算的发展历程,我们从个人计算机到当今的云服务和大家现在的手机APP,实际代表着计算的演进历程。我不去赘述中间的一些细节,只是请大家关注一下终端软件在整机软件演进中的作用,几十年前所有的软件只装在PC上,所有的软件功能都由PC终端完成。后续随着网络的发展,局域网、广域网的成熟,出现了企业内部的数据中心、公有云,随着后续虚拟化容器技术的发展,最终我们到了今天作为的服务都在云上,以服务的形式在向大家推送。大家桌上的计算机和手里的现在只做两件事,一个是把你的数据上传云端,另一个是把云端结果展示在屏幕前。大家可以理解原有的数据计算现在以一种协同的方式在运行,我们身边的物理体只负责数据的上传和结果的展示,那么现在实际上大家认为90%的应用都是以这种形式在运行。我们的出发点这个软件应用和软件开发的模式,在软件定义汽车的过程中和后续汽车软件开发的过程中,对于我们来说是否适用?我们后续在车载平台上的软件开发和软件能力,是否能够借用这个模式突破车载平台单一硬件的限制,这是总体我们思考的出发点。


思考下来的话,这些条件现在已经具备了,而且正在沿着这个方向进行实践。在边缘端现在支持云端总体服务的,比如说Olderstack(音)支持基于VM的服务框架,或者Kelnati(音)在云端支持基于微服务的服务框架,作为基础支撑了整体云端服务。在边缘端实际上现在Studywise(音)也是作为边缘服务的基础框架,也在边端的MEC上正在推进和实施,它以低延时、高可靠为主要目标,把容器化服务推到云端和边缘,使我们在中心云端享受的微服务已经可以在边端使用。


另外数字卵生技术,实际上在各行各业,在航空航天,甚至车辆和元器件的设计上早就有了广泛应用。我们对于车辆行业,在我们的视角,从车端OS开发的视角对它有更新的理解,基本上数字卵生技术有两个核心的理念。第一是物理世界物理体在数据世界的模型,第二是物理世界的数据进而驱动模型的运转,进而在云端可以进行进一步的模型验证。对于我们车端OS特定场景来说,它实际上物理模型就是OS本身,基于刚才的容器技术,如果我们能够把车端OS直接运行到云端,再加上云端的数据可以上送云端,那么我们在云端完成了一个高精度的车端执行软件的数字卵生,这个也为后续更多的云端应用和车端应用的发展奠定了一个基础。


同样协同计算也是软件发展过程中当前的工作模式,本身协同计算并不简单的同于分布式计算,它的主要特点是将不同功能的计算单位连接在一起,通过功能的分配达到一个全局的最优。从我们车载OS角度看,回到刚才最基础OS图,因为我们明确的定义了车载OS各个层面,实际上在我们做云端卵生的时候,我们是从系统软件的层面以上做的软件卵生。这样的话对于车端和云端软件架构几乎是一致的,这个给我们后续在不同层面协同计算提供了基础。


刚才专家提到了,当车联网之后信息安全就成了车端必须考虑的问题,也是车载OS必须考虑的问题,我们在构建车端安全防护的过程中,基于几个基本考虑。一个是车端防护一定要按体系构建,单点单片的防护是不足以真正提供完整防护体系,另外实际上在云端、主机端和边缘端都有现成的防护体系,我们要更好的把现有的防护体系加以利用。当然需要结合车端的应用,同时大家都意识到车体成为了数据的产生体,云端也成为了车辆数据的载体,关键的数据安全实际上是贯穿了整个安全体系。


前面讲的各个技术集成在一块,形成了车云计算总体的框架。在最底层实际上是说我们运行在车端具体的驾驶操作系统,主要分为了底层软件和感知规划等功能软件,同样的软件架构可以运行在边端,可以运行在云端,通过5G的网络之间打通数据交换,通过合理的功能分配做到协同工作,这样我们在车端开发的软件和自动驾驶能力就有望突破单车硬件的束缚,利用车路云整体架构达到后续我们有一个更好的发展方向。


简单介绍一下这个基础架构跟今天其他专家谈到的,整体上车路云的结合点。比如说现在车路云的主体应用就是网联云控,右边大家可以看到网联云控的基础框架。大家可以看到我们刚才提的OS在云端协同扩展,这个框架实际上是跟网联云控基础框架是一致或者是类似的。通过我们刚才车云协同的技术,可以把车体抽象成云端的数字卵生体,云端的应用以前可能是通过各种各样的渠道跟车端直接做通讯,云端在同样基础架构上,出现了一个车卵生体的时候,实际上现在的云端应用可以直接跟车的卵生体进行通讯,由卵生体内部的数据交互,真正把需要的数据推到车端,这样实际上不单只是承载了当今的网联云控,也为后续云端的开发提供了更多的机会和应用场景。


车云协同计算实际上是我们解决方案的重点,主要的目的还是突破单车自动驾驶在单车上硬件限制。一个例子可以看到,当车端和云端形成了卵生体的时候,车端可以去做我的感知,把它的感知结果送到云端,云端可以运行更复杂的算法,云端可以集成其他服务送过来的环境信息,完成高精度更复杂的规划,最终把规划绝对送到车端,这样相当于车端只需要部分的能力,后续通过云端进行扩展。今天高级的自动驾驶车辆今天完全可以承载自己所需的能力,但可能几年之后我们可以通过云端去继续给它赋能,进一步提高自动驾驶的效果和安全性。同样今天的低配车不能够全部自动驾驶能力,我们也可以通过这个方案,把部分的自动驾驶放在云端,从而完成低配车的安全驾驶和升级。


同样当我们在一个边缘云,把多辆车的数字卵生放到一个集成环境中去,实际上云端的应用也有了一个多车视角,实际上现在多车协同算法,也可以通过这个方式来完成。

国汽智控张晔:车载OS如何解决自动驾驶OS?

我们在跟客户的交互中同时也遇到一些特殊的运行场景,例如物流车和测试车封闭运行场景,在这些场景中客户的需求是说我不希望在车端构建很强的投资和自动驾驶能力,但是我愿意在边端构建路端感知能力和计算能力,在它的场景下这个方案也适合这种方案。在车端没有很强自动驾驶能力情况下,仍然能够完成真正自动驾驶的场景实施。


总的来说,通过我们把OS功能上传云端,实现了OS跨平台运行,这个当然是需要底层OS支持,同时通过现有运行技术实现了高精度的数字卵生体,同时在卵生体之间也可以MEC,多个城市间计算单元之间迁移,这些基础保证了针对车端的软件开发,可以平行的移动到云端,车的算力可以在云端、车端自动分配等等这些。后续实际上云端应用可以针对云端卵生体继续开发,这样的话也是从总体OS层面,从OS的底层保证了未来有一个可持续发展,多硬件适配的方向,同时以这种卵生体的形式在云端呈现,也保证了车端跟云端后续的应用开发有一个清晰的界面和很好的连通性。这是我们从OS的角度,如何利用云端资源做算法分配,提出的一个方向,我们也正在沿着这个方向进行实践和开拓。利用这个机会跟大家做一次交流,谢谢。

来源:车云网

注:文章内的所有配图皆为网络转载图片,侵权即删!

免责声明

最新回答

还没有人评论哦,抢沙发吧~

为您推荐