车水马龙的道路上，各种车辆缠绕能量汇聚，某些道路状况频现。从行驶缓慢的环卫车到疾驰而来抢道的出租车、因施工正式封锁的道路、突然恶化的交通事故现场。以及路面上的车辆，是各不相让，肯定借道是从，又的或是然后再规划路线，到达目的地?这一切都你的心性着“驾驶员者”的应变力及现场决策力。这是去年11月在上海举行庆典的中国智能车未来挑战赛的比赛场景：无人车与人类学习驾驶的车辆同场竞技，以去对付虚无飘渺交通环境下的种种考验，以证明其自主地直行的能力。在这场比赛中，同济大学“途灵TiEV”智能无人车最终能够完成了恢复规划设计路线躲过拥堵路段，遇上越来越慢车行驶车辆的择机超车，在内在包围路段旁的借道行驶等几项第三关考试，取得佳绩。同济大学“途灵TiEV”智能无人车实验室创始于2015年，隶属于同济大学嵌入式系统与服务计算教育部重点实验室。6年来，“途灵TiEV”智能无人车实验室一直专注于研发生产L4级全自动驾驶系统。2018年，“途灵TiEV”智能无人车实验室与UCloud优刻得长期合作，将车智能的核心“学习驾驶脑”的训练搬上云端，带动智能无人车研发进入新阶段。“驾驶员脑”的三道难题从特斯拉到百度Robot-Taxi，自动驾驶车不断地走进大众视野，但完全至少“自动驾驶”级的车辆并太少，遵循自动驾驶汽车级别划分的标准，大家可谓是家喻户晓的特斯拉进入L2级——自动辅助驾驶系统，奥迪A8搭载的发动机的是L3级辅助自动驾驶;而百度自动驾驶出租车Robot-Taxi是少数竣工投产的L4级全自动驾驶车辆，但目前只能在某个特定区域内行驶。要能够实现方法L4自动驾驶“自由”，关键在于指挥中枢“摩托车驾驶脑”的智能程度。目前，同济大学“途灵TiEV”智能无人车实验室一直在攻破的课题是能提高L4级自动驾驶技术突破环境局限的能力，这种强行突破是需要将驾驶脑可以放置在仿真模拟场景下通过大量的极限训练。例如，在夜间隧道向前行驶，测试自动驾驶车辆能不能实际内部函数多线激光雷达、多线摄像头，13毫米微波雷达来识别周围行驶的车辆、行人，并精准推测自己与他们之间的距离，能够做到赶快闪让;或者，在信号当然不好的过江隧道里，自动驾驶汽车是否可以是从云端传输，成功实现定位隧道出口的位置，近距离攻击规划行驶方向等，让摩托车驾驶脑在严格的的环境考验下“去学习成长”。“驾驶脑的训练，不需要解决三个核心问题：我在哪?我要去哪?我怎摸去?即自主地定位，动态路线规划，及障碍注意规避。”据“途灵TiEV”智能无人车实验室的相关负责人叶晨推荐，只能“驾驶脑”应具备了真实环境下的感知力和应变力，才能能够利用自动驾驶的安全性和舒适性。这离得开上万本路况数据支撑下数以万计的训练。上云助力“驾驶员脑”成长2018年，同济大学与UCloud优刻得结成联盟，将驾驶脑的学习和训练放在云上。从基础路况数据搜集、大侠帮帮忙模拟训练，到再上路测试，云都在发挥重要作用。“途灵TiEV”智能无人车实验室重设云端导航服务器，实时同步商业机构首页的交通流信息，充实自己的生活无人车训练训练时所要的基础路况信息数据库。否则的话掌握足够数量的路况信息，摩托车驾驶脑可进行行驶轨迹、路况障碍，包括潜在目标事故风险分析和预判，不断进化。.例如，识别路口的红绿灯指示，从单纯的竖放红绿灯，到竖着红绿灯，再到有树木遮挡视线的红绿灯，学习驾驶脑只有一实际不断的识别、认知和学习，才能将不同形态的红绿灯统一“标示”为“红绿灯”，正确决策直行路径。下上路测试中，云也在发挥积极作用。在路线规划阶段，知道驾驶脑的工作两类全局规划导航和局部路径规划。全局规划导航，在提前一两天确认的起点和终点与规划向前行驶路径;局部路径规划，即在行车过程中，对于日志特殊能量路况，接受无需判断和决策。前者可以不凭着云上大数据进行规划，后者则利用本地换算进行实时动态决策。云+本地换算互相配合，和长途车+长途旅游规划相结合，提高驾驶脑的运行效率和决策的精准性。目前，在“途灵TiEV”智能无人车仿真实验中，庞大的数据运转和计算都成立在UCloud优刻得能提供的快杰云主机和GPU云服务器基础上，以保证“知道驾驶脑”利用其它极限环境下的高强度训练。在同济大学无人车实验室相关负责人叶晨看样子，云是支持自动驾驶进行高强度仿真训练的基础技术，解决想提高自动驾驶去对付各种路况的能力。未来加快发展中，“摩托车驾驶脑”可获取的技术支持也会更多块，这都能解决自动驾驶技术发展成熟，向能够全自动无人驾驶的未来不断地迈进。