文章作者：莫璐怡 Pony.ai
编辑整理：Hoh Xil
内容来源：Pony.ai & DataFun AI Talk
出品社区：DataFun
注：欢迎转载，转载请在留言区留言。
导读：本次分享的主题为打造最可靠的自动驾驶基础架构。主要内容包括如何做 Pony.ai 自动驾驶系统的基础架构，涉及到的技术困难，以及我们是如何克服的。
首先先了解下传统互联网公司的基础架构：
数据基础设施，会包括大规模的数据库、分布式的文件系统；
计算平台，可能会需要大量的服务器、大数据平台、容器的管理机制；
Web 服务管理，同时还会有各种各样的 Web Service，不停的迭代来满足新的业务发展。
这是传统互联网公司要做的事情，但是对于自动驾驶公司和 Pony.ai，在这样的架构基础上我们还会做哪些事情？
这是 Pony.ai 的基础架构，包含了所有传统互联网公司要做的事情，除此之外，还需要做如下事情：
自动驾驶车载系统，如何支持各种各样的AI技术、算法，如何控制车辆，这都依赖于自动驾驶车载系统来完成。
大规模仿真平台，Pony.ai 每天至少会跑 30W 公里的仿真测试（很多自动驾驶公司一年跑的里程可能只有百万级别），这点对于自动驾驶测试来说非常重要。
车队运营基础平台，Pony.ai 要打造自己的移动出行服务，需要基础平台来支持 Robotaxi 的运营。
可视化平台与人机接口，可视化平台是帮助我们了解系统到底是如何思考、运作的，或者当测试工程师做各种测试的时候都依赖于可视化平台；人机接口，自动驾驶车辆最终是要提供出行服务，是有乘客在里面，这时会有一个可视化的界面，来告诉乘客车所感知的周围环境，以及接下来的驾驶操作等等信息，同时还会提供人机交互的功能，让乘客也能控制车辆，比如输入目的地，或者需要停车等等。
Pony.ai 的目标是打造自动驾驶移动出行平台，我们希望可以在不同的城市，可以提供大规模自动驾驶车辆的运营，那么我们的基础架构会面临以下挑战：
车辆数量的增加，目前广州已经有几十辆车在进行测试，同时还在不停的增长着；
运营区域的扩大，刚开始只是在很小的区域进行测试，目前已经在几百平方公里的区域进行测试；
数据量的增长，我们有很多的传感器，以及车辆和运营区域的增加，都使得数据量的增长非常非常非常大；
工程师数量的增长，目前 Pony.ai 有广深、北京、美国四个 office，工程师的数量每周都在增长，所以导致模块数量和内部代码的数量也在增长。
所有的这些增长都要求我们的技术栈是具有可扩展性的，来满足快速增长所带来的挑战。
刚刚讲了整个基础架构，其中重要的一点就是车载系统，在讲车载系统之前，先简单介绍下自动驾驶系统：
传感器及其他硬件：激光雷达、高分辨率摄像头、毫米波雷达、GNSS/IMU、运算平台，我们可看到图中标了不同的颜色，目前这些传感器是通过 Supplier Partner 来得到的，我们自己不做传感器，我们需要去购买他们的产品，但是购买之后需要做数据进一步的分析和整合，然后做后面的处理，然后对于运算平台除了 supplier 的一些应用外，我们自己也会做一些优化。传感器主要要做的事情就是接收真实世界的数据，然后传递给 Pony.ai 自动驾驶系统中。
自动驾驶系统：首先，要做传感器融合，进行时间同步，将多传感器的数据融合在一起；然后是感知模块，用来感知周围的环境有什么样的障碍物和物体；接下来会进行行为预测，预测这样的障碍物或物体之后的行为会是什么样的；然后才到我们的决策规划模块，按照之前的预测来决定之后车辆的动作，如急刹车、让路、超车等动作；最后，就是我们的控制模块，他会按照决策规划模块，告知我们的系统要怎么做，然后决定怎么踩刹车、油门，怎么打方向盘。
车辆，我们本身是不造车的，所以车辆是由 OEM 提供的，但是整个控制的算法，是我们自研去做的。
除此之外，还有高精地图与定位模块，以及数据与系统架构（数据的处理，以及控制数据在不同模块的流动）。
这里介绍的是各个模块，但最后把他们串联起来，靠的是我们的自动驾驶软件系统，这就是自动驾驶的车载系统。很多自动驾驶企业使用的是 ROS 的一套工业系统，而 Pony.ai 是从第一行代码开始，写了一套 PonyBrain，自研的多层次自动驾驶车载系统，最主要的做的事情有：
多模块的调度运行，所有模块的调度运行都是 Pony.ai 自己去做的。
模块间的消息通信，如何把数据从激光雷达传递到传感器融合的模块，再把融合的结果放到感知模块中，然后感知的数据怎么告诉行为预测、决策规划等等模块，以及如何拿到高精地图与定位的信息。
车载计算资源的分配与管理，对于自动驾驶来说反应速度是非常重要的，这就需要我们对内存、CPU、GPU 等有足够的优化，做到定制化的车载计算资源分配与管理。
日志记录，同时我们需要完善的日志记录，我们所有的测试数据回来都需要一整套的 Pipeline 去做自动化的分析，然后帮我们评判出有意义的数据，给到测试工程师或者研发工程师，进行进一步的分析去使用，然后进一步提升我们的模型。
监控与报警，保证了我们自动驾驶的安全性。
车载系统的挑战：
① 可靠性：车载系统必须足够的可靠，不能有任何的内存泄露、代码逻辑的错位，这种都是零容忍的，一旦发生了这样的事情，对整个自动驾驶系统来说是非常严重的事故，是有可能影响到安全性的，对于 Pony.ai 自动驾驶系统技术的发展来说，安全永远是我们的第一位，所以所有影响安全性的事情，我们都是零容忍的，同时他也会影响车队运营的效率；所以我们还需要系统监控与异常报警，一旦系统出现任何问题，我们需要及时提醒安全员，做出车辆接管的操作。
② 高性能：满足模块间通信的海量数据压力，同时实现低延迟。
③ 灵活性：支持多种不同类型的计算资源的接入，以及不同类型模块的接入，需要有灵活的系统来支持计算资源的高速迭代。
车载系统的实践：
可靠性：
① 代码质量要求高：对于可靠性来说我们有非常严格的 code review 和 unit test，相信这是在国内互联网公司不太容易见到的一件事情，虽然会非常耗时，但是对可靠性的提升是有非常大的帮助的。
② 合理使用工具帮助发现问题：同时我们也会使用非常多的工具，如静态分析、ASAN 等等，来做离线的分析，来保证系统的可靠性。
③ 多重系统可靠性检查：包括系统启动前校验，系统运行时实时监控，系统运行后数据分析等。
④ 这是我们的持续集成与发布的平台：对于每一次代码的修改，我们都会进行仿真测试；然后对于研发的迭代，我们每周会有 Release 版本的更新，保障版本的稳定性，同时，刚刚我们整个测试包括封闭，半封闭，高峰期的测试，整个测试流程怎么持续集成与发布，也是保证系统可靠性的一种方法。
高性能：
① 合理的架构避免大数据拷贝等严重影响性能的逻辑。
② 依据模块逻辑分配合适的计算资源，如内存、CPU、GPU 等。
③ 定期对整个系统 Profile 分析系统的性能瓶颈。
灵活性：
① 定义足够通用的模块公共接口。
② 定义足够通用的消息通信接口。
为什么需要仿真系统？因为仿真系统可以使得我们车还没有上路的时候，就已经做了大规模的自动驾驶测试，无需路测和人力接入就可以评价系统的性能变化；由于没有进行路测，不会引起路面事故；同时，仿真系统还提供了基于数据驱动快速迭代算法的可行性，新的算法可以先在仿真平台上做验证，一些具体的指标和测试的信息都会在仿真平台上有所体现。
仿真系统数据的俩个不同来源：
① 支持真实路测收集的场景，我们的路测数据非常的多，数据回来之后，通过 Data Pipeline 自动更新这些有意义和有意思的场景，我们会根据当时的场景改动相应的模块，然后会在仿真系统重跑当时的场景，来判断新的方法是否 work；
② 支持人工和随机生成的场景，这样的一些仿真的场景，也是非常的重要的，因为虽然我们在做大规模的路测，但是不代表可以遇到所有的场景，很多场景无法在路测中收集到，这就需要我们通过人工去创造这样的场景出来，给我们的系统一些样本，来学习如何处理这样的场景，保证我们新的 feature 在这样的场景不会出现问题。
仿真平台的挑战与实践：
① 仿真结果的可靠性：首先仿真的结果必须是可靠的，如果不可靠，用它检测出来的结果是没有任何的意义的。整个仿真是在服务端模拟车载环境跑的，同时在服务端构建车辆动力学模型，保证测试的数据足够可靠。
② 仿真数据的选择与管理：当然我们会选择合适的路测数据来帮助算法的迭代（这里的选择不是人工的选择，是全自动化的选择，帮我们在茫茫数据中挑选出有意义的数据）；另外，我们还会规范的依据类别管理大规模的仿真数据，比如感知模块的一些改动，到底需要测试哪些数据，才会更加的体现这个改动带来多少影响，这里我们会有内部的一个分类，我们不会对所有的数据进行无差别的仿真（这样做意义不大）。
③ 仿真系统的性能：我们将整个仿真系统并行部署在分布式计算平台中，这才可能满足我们单天 30W 公里以上的仿真测试，并且这个数据还在不断增长。
数据基础架构：
数据是自动驾驶技术进步的核心驱动力，没有数据，我们就看不到现在如此多的测试车辆在进行路测，数据本身有几个重要的点：
① 如何存储海量的数据，如何支持快速的访问。
② 如何进行数据处理。
③ 如何进行数据同步，如何把不同区域、路测数据、车载数据同步到数据集中，如何让不同办公区的工程师都可以使用这些数据，对数据同步来说是一个很大的挑战。
核心挑战：
① 数据量大：我们有 PB 级别的数据，这里只是以摄像头为例，还包括其他传感器数据，以及系统运作的中间数据等等。
② 数据属性不同于互联网数据：我们的数据由客户端产生，有大量的传感器数据、大量的模块运行日志，这与互联网数据有本质的区别，所以对整个数据架构的要求也是不一样的。
数据存储的挑战：
① 依据特定的使用场景设计合理的存储格式的设计：以便于车载系统记录、大规模数据分析（数据回来之后，需要有方法进行分析，找出有意义的数据）、部分数据访问、文件系统存储（如何高效的利用文件系统）等。
② 选择合适的存储系统：
针对冷/热数据选择不同方案
选择高可用的存储系统
选择易于水平扩展，因为车辆规模是不停的在变大的，运营时间越来越长，数据的增长速度是远超想象的，所以需要易于水平扩展的存储系统。
控制成本，不能用过于昂贵的设备。
数据处理可以帮助收集性能指标，有 MPI（平均每次接管所需里程）、模块运行效率、乘客舒适度体验等，还有就是路测有趣场景的挖掘，如接管、急刹、感知算法识别、不合理的变道策略等用于模型训练和仿真。
数据处理的挑战：
① 减小数据采集到处理的全流程时间：如何以最快的速度把数据从车传到中间处理系统，Data Pipeline 运行完之后，上传到数据中心，这里面我们做了非常多的工作。
② 依据不同类型数据处理任务选择合适的处理系统：计算量要求比较高的我们选择 CPU 密集型系统来处理；更多的会是车载的数据，我们会选择 IO 密集型系统进行处理。
③ 通用的任务定义以支持灵活的添加新任务：帮我们检测出来更多有意义的数据。
车队运营基础平台：
我们有一个 Pony Pilot 项目，在我们广州所有的内部员工都可以使用，同时在北京和美国加州，也有同样的服务已经上线，那么支持这样的服务，我们需要做哪些事情：
Fleet Control Center，车队控制中心
Pony Pilot APP
Onboard system
各种各样的 webapp，帮助我们观察整个车队的运营情况，帮助管理测试的车辆和人员。
车队运营基础平台的挑战：
需要支持复杂需求变化的 web 框架，同时我们有大量的 web service 的部署与管理，这都需要我们去完善 web 服务通用组件，例如部署工具、日志记录平台随时排查问题、监控平台保证所有 service 平台的高可容性。
容器与服务调度平台：
通过 Kubernetes 来帮我们做各种各样的服务调度和集群支持。
可视化平台：
① 目标：方便人类理解无人车系统看到的世界
② 挑战：首先，需要足够的灵活，易于适配不同需求的工具；其次，需要有高性能的现实，如 3D 实时渲染的高效实现；最后，支持跨平台的可视化框架，如桌面系统、移动系统、Web 等多平台。
人机接口：
方便乘客使用的用户界面，同时可以看到自动驾驶是如何了解世界，如何做决策，如何规划之后的行为等等，给乘客更多的信息和信任。
总结：
① Pony.ai 的基础架构工作包括：
传统互联网公司所需要解决的基础架构挑战。
自动驾驶技术特定的基础架构挑战。
② 在这里工作你可以：
接触自动驾驶系统的各个方面。
设计并实现满足通用需求的单机和分布式系统。
系统的保障自动驾驶技术的持续进步。
这是一个非常有意思的 team，里面有很多有意思的工作，非常欢迎大家与我们一起来工作，推动整个自动驾驶的发展，谢谢大家！
欢迎关注DataFunTalk同名公众号，收看第一手原创技术文章。