1、無人駕駛與Serverless 工作流的碰撞融合目錄背景信息解決方案實際案例小結背景信息無人駕駛的基礎架構場景分析海量的數據圖森的無人駕駛卡車每天在全球多地進行全天測試和試運營，這會產生大量的數據包。多地的數據傳輸數據采集地和研發基地分布于全球各地，需要將數據自車端、測試基地傳輸至研發服務所在的本地機房或云端存儲。復雜的數據處理將原始數據包進行復雜的數據處理流程以滿足各個業務場景的使用需求。頻繁的系統更新在無人駕駛系統研發過程中，系統會進行高頻的迭代。每天都會重復進行系統構建、仿真測試、性能評估，并在所有測試車輛上進行模塊 更新。背景信息數據入庫流程痛點分析入庫可用時間短每天一個測試基地大概需

2、要入庫1T的數據，平均每天每次只有1小時的數據入庫時間。入庫任務重入庫流程涉及大量的數據處理操作，有些任務可以并行操作，而有些任務必須在完成前序步驟后才能開始執行。入庫前序子環節出錯后，會對后續子環節造成嚴重影響任何一個處理環節出錯，都會對后續環節造成嚴重影響。因此，對數據全流程的處理日志追蹤變得格外重要。背景信息模型訓練流程痛點分析流程觸發需要人工介入算法工程師需要人工監控每個步驟的完成狀態，并在完成后手動調用觸發下一個步驟的執行。缺乏失敗后的處理機制某個步驟執行失敗的情況，需要算法工程師人工發現失敗，并重啟任務，對時間成本是極大的浪費。背景信息C I C D 流程痛點分析需要使用大量不同類

3、型的計算資源無人駕駛系統的仿真測試同時使用了阿里云端ECI資源和本地資源來進行仿真Case測試和硬件測試。車輛處于弱網絡環境車端會處于一個只有4g網絡的弱網絡環境，在弱網絡環境下更新運營車輛的鏡像、地圖等文件需要參照車聯網方案進行特殊OTA實現。實際案例數據入庫流程介紹數據同步當無人駕駛卡車完成道路測試并回到測試基地時，會自動觸發數據同步程序，將采集的數據包同步至本地存儲。數據處理數據同步完成后會對進行數據預處理、數據清洗、生成數據報告等一系列數據處理流程。數據轉化車端下載的數據包需要轉化成本地數據庫可讀的數據格式。數據回傳轉化后的數據同步至本地的二級存儲中心和全國各地的數倉中心。實際案例數據

4、入庫流程介紹- 視頻實際案例模型訓練流程介紹數據處理對自動駕駛道路測試采集的數據包進行自動化處理工作，清除一些無用、重復、低質量的數據后上傳至數據標定中心等待標定。模型訓練算法工程師可創建模型訓練任務，查看訓練進度和結果。還可以保存訓練作業參數，以便下次可以直接調整預設作業的參數，而不必再次 鍵入。模型管理訓練結束后，用戶可以用統一的方式保存每個培訓作業生成的模型。模型部署算法工程師需要在前一天將測試結果得分最高的模型進行轉化，并部署到車端服務器中，用于完成第二天的出車測試工作。實際案例模型訓練流程介紹- 視頻實際案例C I C D 流程介紹代碼構建、集成測試、仿真驗證、性能評 估、持續部署小結Serverless Workflow對我們的幫助更為便捷的服務編排方式開發者可以只關注于每個步驟的任務執行邏輯的編寫，并可視化的展現出服務的流程圖，便于開發者檢查確認服務編排邏輯的正確性。豐富的服務集成提供了原生的集成支持并在不斷的豐富支持的服務范圍提供給我們更多的選擇，針對自建服務也提供了推薦的集成方式。可視化的監控提供了可視化的頁面來查