需求topics介绍
    FAW方案介绍(AI开发平台):

    1. 算法开发——数据、算力、算法
    2. 闭环:数据采集——数据开发(原始数据——管理——标注)——算法开发——算法仿真——评测
    3. 开发——测试——运营:数据开发——模型开发——模型验证——仿真验证——车队运营
    4. 三大平台架构——数据平台、训练平台、仿真平台(底层:采集车数据 评测车数据 路测车数据 数据标注 数据集 场景数据 仿真数据) FAW训练平台集合了底层资源调度引擎
    5. 仿真平台介绍:针对L4自动驾驶算法迭代的需求开发和能力提升,强调自动化程度;
    6. 仿真模块:场景库构建和分类(路测、编辑器、逻辑模糊场景)——场景模拟——传感器模拟(没有)——仿真引擎——动力学模型(没有,今年加入)——评价系统——报告分析 (核心能力:仿真引擎——场景库——评价系统——可视化(Web下的图标)——动力学模型)

    丁团队提问:1.路测场景规模有多少?回答:5-10辆采集车会跑,范围是高速+城区(CAIC会需求地下停车场场景数据);2.目前示范区33个场景会有多少?回答:都有; 3.FAW仿真编辑器暂时未跟VTD做联调
    Wesley提问:传感器模型没有怎么做?基于Log的回溯;动力学模型怎么做?回答:目前只是理想级模型做规控算法;

    1. 场景库构建:手动、批量生成、随机场景泛化、路测数据场景
    2. FAW:1.认为Prescan和VTD物理传感器无法提供 2.仿真结论和真实世界无法验证 WES: L4是新领域,大家都是在做自己的工具,今天FAW的产品与百度这一套有多大区别? 不用care场景管理细节,有就好; 回答:(影子模式、进度控制(实时替代了回看,用中间件主要解决时间同步和实时监控这一块 )、智能AGENT(这个不错)、确定性改造这是FAW的亮点)
    3. 丁提问:shadow模式有什么先进性,相比特斯拉?FAW:还是在学习,覆盖度还不同(收集和回归测试)
    4. 评价系统:三阶评价——基础、安全、交规——体感、智能性——个性化
    5. FAW场景编辑器:通过编程语言去实现场景编辑(百度没有)
    6. 林提问:随机泛化没有做到指标级; 丁提问:场景泛化有效性验证?回答:也算一种corner case,后期预置算法进行过滤
    7. 仿真可视化:不太重视渲染,实时统计和报表;提问:预测、规控算法暂时是理想级;核心是验证规划控制为主;
    8. 云上:单节点——大规模(并行)——仿真确定性(确保每一次仿真的结果是一致的)
    9. 与研发的集成:打通Gitlab;底层管理系统,强调贯穿研发过程——计划、调优、算法管理(重要)