明白：全球首个自动驾驶混合式仿真测试平台发布阿里打造日测800万公里

知识力量

　　为了满足规模化、节约化无人驾驶技术，建立仿真平台成为了大多数公司选择的路径，可以预见的是行业又将进入一个快速发展的新轨道。美蓓亚产品知识的具体问题可以到我们网站了解一下，也有业内领域专业的客服为您解答问题，值得您的信赖！

　　文丨AutoR智驾 子阳

　　仿真测试是达到规模化无人驾驶技术的唯一路径。

　　4月22日，阿里达摩院对外正式发布全球首个自动驾驶“混合式仿真测试平台”。

　　该平台采用虚拟与现实结合的仿真技术，引进真实路测场景和云端训练师，模拟一次极端场景只需30秒，系统每日虚拟测试里程可超过800万公里，大幅提升自动驾驶AI模型训练效率。

　　达摩院称，该技术将推动自动驾驶加速迈向L5阶段。

　　传统纯虚拟仿真测试平台能快速跑完自动驾驶路测里程，但仍然面临极端场景训练效率低下的关键问题：极端场景数据不足，就无法还原真实路况的不确定性，系统就无法精准应对真实路况的突发情况，自动驾驶就难以实现进一步突破。

　　达摩院首创自动驾驶混合式仿真测试平台解决了这一难题，该平台打通了线上虚拟固定环境与线下真实路况不确定性的鸿沟。

　　传统仿真平台难以通过算法模拟人类的随机干预，但在达摩院的平台上，不仅可以使用真实路测数据自动生成仿真场景，还可通过人为随机干预，实时模拟前后车辆加速、急转弯、紧急停车等场景，加大自动驾驶车辆的避障训练难度。

　　针对极端场景数据不足的问题，该平台可以任意增加极端路测场景变量，在实际路测中，复现一次极端场景的接管可能需要1个月的时间，但该平台可在30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建和测试，每日可支持的场景构建数量达百万级。

　　这一平台规模化地解决了极端场景的复现难题，使得这些关键场景的训练效率提高上百万倍。

　　自动驾驶测试目前主要面临两个难题，一个是高昂的数据采集和标注成本，另一个是实际路测难以企及的测试里程要求。

　　在自动驾驶技术中感知算法的训练需要采集大量的数据，这些数据集需要涵盖不同的天气、路况等交通条件，但是训练数据采集和标注的成本非常高昂，每年全球的自动驾驶开发者仅在第三方数据服务这一领域的资金投入就超过十亿美元。

　　另外，数据的采集和标注存在很明显的“重复造轮子”现象，每个公司都有自己的自动驾驶数据集，虽然已经有部分对外开放，但是比例很少，而且开放数据集只能满足通用的训练数据，国外数据集也很难完全满足国内的感知算法训练需要。

　　行业普遍认为一套自动驾驶算法需要至少110亿英里的测试，才能达到量产应用的条件，这个距离相当于在太阳和地球之间往返50余次。

　　而且110亿英里测试距离是针对特定一个版本的自动驾驶算法来说的，一旦算法升级，还需要重新测试，任何公司都无法承受这个成本。

　　为了满足规模化、节约化无人驾驶技术，建立仿真平台成为了大多数公司选择的路径。

　　自动驾驶的仿真平台主要的目的是通过软件来模拟车以及车所在的环境，实现自动驾驶的集成测试，训练模型，模拟事发现场等功能。

　　要模拟车所在的环境，就得把真实世界投影到虚拟世界，并且需要构造真实世界的物理规律。

　　总的来说，这个模拟的测试环境必须要满足真实环境的物理规律，越真实越好。

　　这不仅需要视觉、感官层面的真实，更需要内在物理规律和运行逻辑层面的真实。

　　因此，模拟仿真平台至少需要具备三个层面的还原能力。

　　首先是场景的几何还原。

　　运用模拟仿真平台对某个现实场景进行还原，就要求这个场景里所有道路、车辆、红绿灯的位置等与真实世界保持一致，完成这一步依赖于前期的数据采集、标定以及三维重建技术。

　　第二步就是对场景的物理规律进行还原。

　　比如，自动驾驶汽车上会搭载许多雷达，不同的雷达探测距离、反射时间会有差异，车辆在运行的过程中会受到路面摩擦系数、风阻系数的影响、踩油门会加速、踩刹车会减速等。

　　模拟仿真平台需要借助传感器模型以及车辆动力学模型等组件，让这些物体元素的运行规律与真实世界保持一致。

　　当仿真场景的几何还原和物理规律还原，都做的足够精确，再借由游戏引擎技术让这个仿真世界动起来，这时候自动驾驶的汽车在仿真环境下的感知、决策过程以及周围交通参与者的运行轨迹和模式就能与真实世界保持一致，也就完成了场景的逻辑还原。

　　只有做到这一步，自动驾驶汽车在模拟仿真平台中的测试结果才具有参考价值和意义。

　　当然，随着自动驾驶技术的深入发展，测试者和开发者对模拟仿真平台应用能力的要求也越来越高。

　　未来，能够依据需要灵活构建场景，实现环境和交通流的智能化和自动化生成以及仿真平台应该具有本地调试+云端快速验证的能力，这对算法迭代的加速是都是重要的一步。

　　可见，随着仿真技术的采用，行业又进入一个快速的发展轨道。

　　目前，做自动驾驶仿真的公司高达几十家，在国外Waymo、Metamoto为主的自动驾驶公司都在进行仿真测试。

　　而在国内，百度、腾讯、华为以及自动驾驶初创公司Pony.ai、轻舟智航也都打造了自主的仿真测试平台。

　　腾讯从2017年开始研发模拟仿真平台的三维场景及传感器仿真、数据驱动交通流模拟丰富的测试场景、场景型云仿真及虚拟城市型云仿真并行等核心能力。

　　针对自动驾驶模拟仿真测试的需求以及行业痛点，腾讯打造了一套内置高精度地图、虚实结合、线上线下一体的自动驾驶模拟仿真平台——TAD Sim。

　　TAD Sim集成了工业级的车辆动力学模型、专业的游戏引擎、三维重建技术和虚实一体的交通流技术，可以完成感知、决策、控制算法等实车上全部模块的仿真实验，同时支持单机和云端部署的方式，一套系统满足全栈算法的使用需求；基于腾讯已经完成的全国高速、快速路高精度地图采集和制作，TAD Sim支持全国高速和快速路的仿真。

　　百度则和Unity Technologies建立合作伙伴关系，一起研发实时仿真产品，该产品将创建虚拟环境，让开发人员在现实模拟环境中测试自动驾驶汽车。

　　该仿真3D平台可让汽车制造商（OEM）减少测试错误和风险，同时通过复制模拟真实世界场景提高测试效率和速度。此外，还提供定制化内容，可通过其数百万研发人员创建的Asset Store进行定制。

　　除BAT之外，华为推出了自动驾驶云服务 Octopus ，服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务，向开发者提供包括数据服务、训练服务、仿真服务在内的 3 大服务。

　　据悉，通过集成场景设计和数据驱动的方法，合计提供超过 1 万个仿真场景，系统每日虚拟测试里程可超过 500 万公里，支持 3000 个实例并发测试。

　　举报/反馈