Aurora运用AWS服务加速开发Aurora Driver自动驾驶技术

AWS宣布，自动驾驶技术领导者Aurora选择AWS作为其机器学习训练和云端模拟工作的首选云端供应商。Aurora使用AWS成熟的基础设施和无与伦比的功能组合安全地加速开发可扩展自动驾驶技术Aurora Driver。Aurora Driver由感知世界的传感器、规划安全路径的软件，以及驱动整合Aurora软硬件与任意车辆平台的电脑所组成。

在机器学习训练和云端模拟上，Aurora全面使用AWS，每天在云端处理数万亿个数据点。目前Aurora正运用道路驾驶蒐集而得的PB级数据，在云端上扩展训练工作，期望在2021年底前完成每天多达1,200万次的模拟驾驶。

自动驾驶是一项极为复杂的技术挑战，高度仰赖云端运算以在感知、嵌入式运算、机器学习、动线规划、决策和进阶传感技术等领域有所突破。借助AWS在高效能运算、机器学习、储存和安全的能力，Aurora优化并扩展虚拟测试工作，以安全快速地提升Aurora Driver的功能。

AuroraCEOChris Urmson表示：「大规模进阶机器学习和模拟是Aurora能够安全且快速地开发技术的基石。AWS提供的高效能协助我们持续推动技术进展。AWS以近乎无限的扩展性，支持数百万次的虚拟测试以验证Aurora Driver的功能，并因此能安全地在真实世界中提供无数次的边缘导航案例。」

AWS驱动的Aurora虚拟测试套件(Virtual Testing Suite)是开发Aurora Driver的特殊加速器。Aurora可以运用在现实世界中观察到单一测试情况的数据，在虚拟测试套件中启发数百种排列组合。

这种虚拟测试训练让Aurora Driver能更快、更安全地驾驭复杂的情况，如道路施工、随意穿越马路的行人，和在没有左转绿灯的路口左转(unprotected left-hand turns)。举例来说，Aurora Driver尝试在实际道路上进行无左转灯路口左转之前，它已经进行近230万次模拟转弯，约等于2万个小时的道路驾驶练习。

自2019年以来，Aurora一直在AWS上进行大规模模拟，并计划在2021年底前将其在AWS上执行的模拟量增加两倍，达到每天1,200万次以上。

Aurora Driver软件堆叠(software stack)的离线元件在AWS上执行，包括虚拟测试套件、高画质路线图(Aurora「Atlas」)、机器学习模型和软件开发工具。例如，Aurora运用Amazon SageMaker(协助开发者和数据科学家快速建置、训练与部署机器学习模型的AWS服务)来创建、执行和持续改进机器学习模型，以支持其驾驶模拟。有了这项服务，Aurora可以串连Amazon Elastic Compute Cloud(Amazon EC2)执行个体(如P4d)，为云端机器学习训练提供最高效能。

在开发模拟之前，Aurora使用AWS安全地储存和处理在实际道路测试期间记录的PB级数据，然后运用这些数据训练机器学习模型。预先处理工作在Amazon Elastic Kubernetes Service(Amazon EKS)和Amazon EMR上执行，这是AWS使用开源工具处理大量云端数据的服务。

然后，Aurora的机器学习训练工作仰赖AWS优化的深度学习架构，如TensorFlow和PyTorch。最后，Aurora使用Amazon EKS和Amazon EC2在数十万个并行vCPU和数千个并行GPU上配置并自动扩展其模拟工作流程，而Amazon EKS和Amazon EC2可提供加速的运算执行个体，如G4dn。

AWS机器学习副总裁Swami Sivasubramanian表示：「AWS可高度扩展的运算、机器学习和分析服务正帮助Aurora推进自动驾驶车的技术发展、在真实世界中更为普及。我们可靠的基础设施和完整的云端产品(如引领业界的机器学习服务Amazon SageMaker)是协助Aurora从每天新增的数万亿数据点中获得洞察的理想基础，进而不断增强技术。我们非常自豪能支持自动驾驶技术加速创新，并期待运输、物流和移动的转型能够提高安全和效率。」