仿真测试：自动驾驶的后备“战场”

仿真测试：自动驾驶的后备“战场”本站　　智能网联汽车的开发和验证需要大量道路测试，而传统的道路和场地测试周期长、成本高、场景单调、安全无法保障，只靠传统场地测试已无法验证其可靠性

　　智能网联汽车的开发和验证需要大量道路测试，而传统的道路和场地测试周期长、成本高、场景单调、安全无法保障，只靠传统场地测试已无法验证其可靠性。以物理建模、环境模拟与数值求解等为核心的计算机模拟仿真技术已成为开发和测试智能网联汽车技术与产品的重要方法。

　　在近日举办的2021世界智能网联汽车大会“未来汽车开发者大会”上，华为智能汽车解决方案BU（以下简称“华为”）与北京赛目科技有限公司（以下简称“赛目科技”），正式对外发布了联合开发的自动驾驶功能云平台。

　　事实上，除了上述两家公司，Waymo、腾讯、百度也一直将云仿真平台视为自己在自动驾驶领域的核心能力。不止于此，以AutoX、文远知行、Pony.ai、希迪智驾等为代表的几乎所有的自动驾驶初创公司也都根据各自的需求，自主研发模拟仿真环境。

　　仿真测试领域吸引着自动驾驶玩家争相加码，这场竞争的看点在哪？巨头们到底用怎样的打法完成市场割据？

　　自动驾驶测试是一个漫长且成本巨大的工作。根据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计177亿公里的驾驶数据来完善算法。如果配置一支100辆自动驾驶测试车的车队，每天24小时不停歇路测，平均时速25英里（40公里）/小时来计算，需要500多年的时间才能完成目标里程，期间所耗费的时间和成本是难以承受的。

　　与此同时，自动驾驶汽车在实际道路行驶过程遇到的极端交通条件和危险场景复现困难，可遇不可求，且安全问题也是一大困扰。根据美国国家公路交通安全管理局（NHTSA）的统计数据，汽车平均行驶43.6 万英里（70 万公里）才会发生一起事故，平均行驶1亿英里（1.6亿公里）死亡大约1人。

　　为了解决自动驾驶道路测试的瓶颈，虚拟仿真技术被大规模应用，将现实的交通环境和物理规则、运转逻辑复制到虚拟世界中，支持自动驾驶仿真测试，可以极大地提升测试效率，降低测试成本。

　　根据《中国自动驾驶仿线年仿真软件与测试的国际市场总规模可在百亿美元左右。不久前，《智能汽车创新发展战略》也明确提到要构建“包括突破复杂环境感知、重点支持研发虚拟仿真、软硬件结合仿真、实车道路测试等技术和验证工具，以及多层次测试评价系统、开展特定区域智能汽车测试运行及示范应用、验证车辆环境感知准确率等工作内容”的任务。

　　随着自动驾驶技术逐渐向高级别发展，越来越多的核心功能模块、人机交互模式及安全机制将会加入其中，随之产生的数据量和计算量也会成倍提升。这也对智能网联汽车的测试验证能力提出了更高要求。

　　“传统的仿真测试一般是单机仿真测试，但高阶自动驾驶系统的商业化应用，需要进行庞大数量测试场景的仿真测试。海量的数据存储，运算及处理已经成为摆在自动驾驶研发道路上一道障碍，而云平台的分布式架构、加速计算能力以及高数据算力的特性，可以很好地解决这一问题，进而能够极大地提升系统研发和验证测试效率。因此，云仿真平台必将是未来自动驾驶仿真测试技术的发展趋势，同时也会是企业开展自动驾驶开发的核心技术壁垒之一。”相关人士对记者表示。

　　《中国自动驾驶仿线》指出，自动驾驶仿真测试平台必须要具备几种核心能力：真实还原测试场景的能力、高效利用路采数据生成仿真场景的能力、云端大规模并行加速的能力，使得仿真测试满足自动驾驶全栈算法的闭环。

　　腾讯自动驾驶虚拟仿真平台TAD Sim在设计之初，就有别于传统的仿真系统，是为自动驾驶测试验证而专门设计开发，内置厘米级高精度地图，构建了包含动态和静态要素真值数字孪生系统，用千变万化的场景进行自动驾驶算法完备性的测试。在新推出的2.0版本中，有超过1000种场景类型，还可以通过泛化，生成万倍以上规模的丰富场景，基于腾讯云计算并行加速，TAD Sim 2.0具备每日1000万公里以上的测试能力，自动驾驶的车辆可大量部署，进行7×24不间断测试，通过MMO同步技术保证数据同步，满足高并发的测试需求。

　　百度自主研发的增强现实的自动驾驶仿真系统由百度研究院机器人与自动驾驶实验室开发，它不仅能大大降低仿真系统的测试成本，还在真实性和扩展性方面实现了质的飞跃。

　　阿里达摩院对外发布了全球首个自动驾驶“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。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，阿里混合式仿线秒内模拟一次极端场景。每日虚拟测试里程可超过800万公里，提升自动驾驶AI模型训练效率。

　　华为的自动驾驶云服务Octopus形为八爪鱼，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、仿真服务在内的三大服务。在仿真训练服务方面，华为自动驾驶云服务平台内置超过1万个仿真场景，覆盖智能驾驶、主动安全、危险场景等六大场景，并且支持将路测数据场景转换为仿真场景，每日虚拟测试里程可超过500万公里。

　　最新发布的自动驾驶功能云平台是华为和赛目科技共同打造的国内首个自主可控的自动驾驶功能云平台，打通工具模块与场景数据之间的壁垒，实现通过预期功能安全分析，自动生成预期功能安全测试场景库，进行自动化仿真测试并生成残余风险评估报告的测试验证闭环。满足自动驾驶算法验证对海量场景的要求，高效构建特殊场景和危险场景，加速解决长尾问题，提升自动驾驶算法的鲁棒性。

　　AutoX的大规模仿线小时高速运转，对每天车队在真实世界里积累的海量测试运营数据进行数据加工和压缩、质量监督、自动标注、结构化测试。在挖掘出RoboTaxi路采的高价值数据点后，大数据云平台会以1000倍量级对真实数据进行扩大增强，带来更大量级、更高难度的虚实混合仿真数据。为了能以最低成本支持系统高速迭代快速升级，AutoX还打造了可拓展、可衡量的分布式仿真平台，支持大规模手工和自动场景的产生。通过构建大规模场景库、周边工具链及评估器，实现完全确定性仿线%多次重复再现。

　　国家新能源汽车技术创新中心总经理原诚寅在“2021世界智能网联汽车大会——补链强链与转型升级”主题峰会上谈到，虽然国内建设了很多测试示范区，但如何才能更高效地利用虚拟仿真测试平台去替代道路测试，究竟需要测试多少里程才能上路？仍然是行业存在的难题。

　　他指出，目前国内的虚拟仿真测试平台还存在三个弊端：第一，无法覆盖所有的场景，这使仿真测试的结果不足以替代真实的道路情况。第二，无法实现所有模块的仿真测试功能，仍然需要多个仿真软件进行联合仿真。第三，仿真环境缺乏物理现实的真实性和丰富性，并且训练效果有限，可扩展性差。

　　此外，原诚寅提到，传感器模型、车辆动力学模型以及道路环境模型的准确性都会影响到仿真测试结果的准确性，因此提高仿真测试结果的可信度也是当前的一大挑战。

　　除了技术本身的难题外，仿真测试软件的评价体系尚无统一的标准规范，“不同企业采用的仿真软件系统架构和场景库构建方法不尽相同，导致很难建立统一规范的仿真测试评价体系。”中国智能网联汽车产业创新联盟秘书长公维洁在上述会议中谈到。

　　随着智能网联技术的发展，以及国家的大力扶持，虚拟仿真测试有望得到快速推进。目前，智能网联汽车的仿线%，已经是全球行业的共识，越来越多的企业关注仿真测试，包括技术、标准、平台的发展等，明年中国智能网联汽车产业创新中心也会发布关于智能网联汽车的场景库和仿真平台，希望能助力行业发展，共同把平台搭好。