北京2023年11月21日 /美通社/ -- 近日，第五屆日本自動駕駛競賽在東京大學落下帷幕。此次競賽主題圍繞L4級自動駕駛工廠場景，來自浪潮信息、東京大學、名古屋大學的團隊分別獲得冠、亞、季軍。此外東京工業大學、日產、松下、住友等多個汽車、IT企業、高校團隊也取得佳績。

競賽中，浪潮信息基于自動駕駛計算框架AutoDRRT和自動駕駛車載計算平臺EIS400，完成L4級自動駕駛場景的感知、規劃決策、控制算法方案開發和邊緣側部署，實現工廠無人運輸場景下的煙霧、障礙物、連續彎道及狹窄道路的精準識別，創造了大賽最遠行駛距離。

自動駕駛車載計算平臺EIS400已經發布，自動駕駛計算框架AutoDRRT也已面向業界免費開源，汽車廠商、軟件平臺商和中間件軟件開發商可免費下載使用：

https://github.com/IEIAuto/AutoDRRT.git

自動駕駛挑戰賽，頂尖團隊下場解題

Japan Automotive AI Challenge是國際權威的自動駕駛競賽，由日本工程師學會2019年發起，旨在針對自動駕駛開發的各類難題，面向全球自動駕駛工程師征集解決方案。今年的挑戰賽圍繞工廠無人運輸場景，像"超級瑪麗"一樣，賽道會設置障礙物、煙霧氣體干擾、S 形、L 形狹窄路徑多個題目，駕駛最遠距離的隊伍將獲得勝利。此次競賽吸引了東京大學、東京工業大學、名古屋大學、浪潮信息、日產、松下、住友、馬自達等50多支頂尖自動駕駛團隊參與。經過預賽亞馬遜云線上仿真模擬比拼，有17支隊伍晉級現場決賽，包括7家高校隊伍和10家企業參賽隊伍。

自動駕駛競賽決賽在東京大學戶外舉行，參賽隊伍將基于業界主流的開源自動駕駛計算框架Autoware，開發自動駕駛軟硬件全棧方案，并部署在真實車輛上，用算力、算法創新解決自動駕駛在工廠運輸領域應用會面臨的各類問題。考慮工廠內部行駛環境復雜，對自動駕駛系統的安全性、可用性和通過性有較高的要求，此次比賽設置了重點考核題目：

• 障礙物干擾：工廠自動運輸場景是人與機器協同的環境，此次比賽會設置各類障礙物，考察參賽車輛道路感知和自適應能力，防止自動駕駛設備運行時發生障礙物碰撞事故，以及規避場內空間隨機出現的貨物或其他障礙物，并及時采取安全措施。
• 煙霧氣體干擾：化工廠中從靠近地面安裝的管道排放的蒸汽會阻擋自動駕駛車輛傳感器的視野，此次大賽也設置了煙霧氣體干擾，參賽隊伍需要建立更智能的車輛識別認知系統，解決蒸汽和煙霧環境下感知性能下降的問題，保障光散射和遮擋環境中仍然可用。
• 狹窄路徑：在工廠和倉庫的內部空間中，有幾乎無法通過叉車的狹窄路徑，以及在設備、機械、貨架等之間穿梭的通道。為了通過S形彎道和L形道路等復雜狹窄道路，參賽隊伍的自動駕駛方案需要具有更佳魯棒性的路線規劃算法和控制能力。

浪潮信息斬獲模擬賽和真車賽的雙料第一

作為全球領先的IT基礎設施提供商，浪潮信息在自動駕駛領域擁有計算、軟件框架和應用的全棧創新能力。面向工廠自動運輸場景，浪潮信息基于今年最新發布的AutoDRRT開源框架和智能車載域控制器EIS400，進行了算力、算法和框架的全面優化，僅用時2個月就快速搭建了工廠自動駕駛全棧方案，并在50多個參賽隊伍中脫穎而出，斬獲模擬賽和真車賽的雙料冠軍。

該方案包括了感知、決策規劃、控制等算法的開發、計算并行與加速模塊和開發工具的優化，以及底層系統、中間件和OS的優化，通過四大技術突破，實現了更高的魯棒性、算法精度和計算性能：

• 更智能的感知算法，針對煙霧問題，提出一種基于激光點云強度信息的數據預處理方法，結合CenterPoint模型檢測結果后處理方法，有效解決煙霧噪聲干擾問題。
• 更魯棒的規劃算法，提出一種基于障礙物及空間信息的場景切換算法，能夠自適應進行狹窄空間的規劃算法切換；使用Astar及MPT算法進一步優化軌跡規劃，規劃路線更加魯棒。
• 更精準的控制算法，為提升自動駕駛車輛不同路況橫向控制性能，提出一種純跟蹤與MPC控制平滑切換方法，在狹窄空間使用純跟蹤控制，其余工況使用MPC控制，上述方法有效提升了控制的穩定性和精準性。
• 更高效的計算框架，針對Autoware框架端到端計算延時進行多節點優化，使用GPU計算加速點云預處理，模型算子優化加速模型推理，端到端延時降低至60ms，更好滿足實時性要求。

憑借高性能算力及創新算法，浪潮信息在此次自動駕駛"超級瑪麗"模擬賽和真車賽均創造了最遠行駛距離，實現了最佳的安全性、可用性和通過性。