<mark id="oztn4"></mark>
0
受疫情影響，“禁足”也成為自動駕駛車輛在這段時期的寫照。
盡管實地路測受阻，但得益于自動駕駛仿真平臺，線上的虛擬仿真路測仍舊得以開展。
所謂的自動駕駛仿真，就是指通過傳感器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數字仿真、道路建模等技術模擬路測環境，并添加算法，從而搭建相對真實的駕駛場景來完成自動駕駛汽車路測工作的一種形式。
據雷鋒網了解，Waymo、騰訊將其視為頭等大事；AutoX、Pony.ai、文遠知行等自動駕駛初創公司也在自主研發仿真環境；業內也逐漸培育了51VR等開源式的第三方自動駕駛仿真平臺。
而后，華為也加入了這個隊伍之中。
2019年4月上海車展上，華為自動駕駛云服務Octopus首次展出，仿真測試就屬于其中一項服務能力。2020年1月9日，華為自動駕駛云服務首次在長沙湘江新區落地。
虛擬仿真路測成剛需
在高級自動駕駛車輛的開發過程中，無論是車輛系統的復雜程度、還是使用環境的復雜程度都在急劇增加。因此需要“喂”給自動駕駛車輛足夠多的數據，才能保證車輛在實際上路過程中的安全。
但自動駕駛的實地路測是一件漫無盡頭的事情。行業內普遍預測，為了保證自動駕駛技術安全可靠，自動駕駛玩家需要110億英里的測試數據來對自動駕駛系統不斷優化升級。
如果按照100輛自動駕駛汽車，每天24小時不停歇路測，平均時速25英里（40公里）每小時來計算，需要500多年的時間才能完成目標里程，期間所耗費的成本更是不可估計。
此外，自動駕駛汽車可能還要應對暴雪、暴雨、臺風、強光照等極端場景。但在自然環境中，這些場景發生的情況有限并且大多危險。因此僅依靠實地路測，不僅效率低而且成本巨大，很難滿足自動駕駛車輛的要求。
而自動駕駛仿真測試平臺的出現，很好地補足了傳統實地路測的不足，成為自動駕駛企業的剛性需求。據推算，未來5年仿真軟件與測試的國際市場總規模約在百億美元左右。
華為入局自動駕駛仿真市場
盡管在汽車領域是后來者，但華為在自動駕駛云服務賦能上有著自己的邏輯。
華為認為，自動駕駛的快速開發上市及功能迭代，將是車企在未來智能網聯競爭中率先贏得市場的關鍵，但在這個過程中，自動駕駛的開發者面臨的挑戰也十分明顯。
一是如何快速獲取自動駕駛車輛產生的海量數據并且高效處理？一輛自動駕駛測試車1小時產生約8TB數據，一天8小時就會有64TB的數據。一個月按22天工作日則產生約1.3PB /月的數據，但其中有效數據僅為0.05%，同時還有80萬張/車/天圖片有待人工標識。
二是訓練和仿真需要AI算法和超強算力的加持。單車預計需累積里程100+億公里，300GPU/2天模型訓練，仿真測試則每天需處理100萬公里。
三是仿真層面不僅需要大量場景支持在線仿真，同時也需要有以實車為主的決策規劃仿真系統。
因此，如果要解決虛擬仿真問題，海量數據的處理是必須邁過的一道坎。
那華為自動駕駛云服務這把利刃，能夠亮出什么樣的鋒芒？
誠如所見，華為的自動駕駛云服務Octopus形為八爪魚，服務覆蓋自動駕駛數據、模型、訓練、仿真、標注等全生命周期業務，向開發者提供包括數據服務、訓練服務、仿真服務在內的3大服務。
在上述的三大服務之下，華為的自動駕駛云服務“八爪魚”能為企業用戶提供以下核心能力：
處理海量數據，自動化挖掘及標注，能夠節省70%以上的人力成本；
軟硬件加速，平臺提供華為自研昇騰910 AI芯片和MindSpore AI框架能大幅提升訓練及仿真效率；
豐富的仿真場景，高并發實例處理能力：通過集成場景設計和數據驅動的方法，合計提供超過1萬個仿真場景；系統每日虛擬測試里程可超過500萬公里，支持3000個實例并發測試；
云管端芯協同，車云無縫對接：Octopus天然支持無縫對接MDC（移動數據中心）等車端硬件平臺和ADAS系統，實現車云協同；
可見，華為的自動駕駛仿真能力并非單獨出現，而是作為一種服務和能力集成在華為自動駕駛云服務之中。
仿真能力只是其數據閉環中的一個節點，這個節點只有與其他環節合作才能發揮出最大的組合優勢。
也就是說，華為意在讓自動駕駛云服務與智能駕駛計算平臺MDC、智能駕駛OS一起，發揮華為云+AI優勢，組成車云協同的MDC智能駕駛平臺，開放合作促進智能駕駛快速發展。
華為還表示，未來會將高精地圖、5G及V2X技術等能力集成到“八爪魚”中去，攜手更多的車企和開發者加速智能駕駛商用落地。
“不造車，聚焦ICT技術，成為面向智能網聯汽車的增量部件供應商”，是當初華為進軍汽車領域時的定位。
無論是近日獲得ISO 26262功能安全管理認證證書的華為MDC智能駕駛計算平臺，還是位于智能汽車業務戰略金字塔頂端的自動駕駛云服務，都可見，在智能汽車領域，華為的“醉翁之意”并非是成為自動駕駛開發者，而是開發者手中的那枚利器。
賽道玩家的交鋒
華為的入局，大概率會和早先入局的玩家迎頭撞上。
在已經入局的玩家中，Waymo的自動駕駛模擬系統Carcraft是較為神秘的那一個，但Carcraft的腳步從未停止。
Waymo的自動駕駛車輛在實地路測時遇到的許多情況可以直接在Carcraft中進行模糊化，程序員可以將多種情況進行疊加創造出各種極端情況，而在模擬器中得到的數據又可以反饋給現實世界的測試車。
得益于這樣的數據閉環，前段時間谷歌宣布， Waymo自主研發的仿真測試軟件Carcraft已模擬了100億英里的道路場景，且支持Waymo車型進行大規模測試。
此外，2019年末， Waymo 還收購英國仿真技術公司Latent Logic，后者開發的AI技術能夠通過“模仿學習”來構建逼真的人類駕駛行，幫助Waymo實現更加貼近現實的仿真技術。
在國內，此前騰訊也已在搭建自己的自動駕駛“綠洲”。
結合專業的游戲引擎、工業級車輛動力學模型、虛實一體交通流等技術，騰訊打造了虛實結合、線上線下一體的自動駕駛仿真系統 TAD Sim（Tencent Autonomous Driving Simulator）。
騰訊濱海大廈路段多天氣多時段仿真
你可以把它理解為一部大型的RPG角色扮演游戲。當然這需要強大的游戲引擎作為基礎，才能保證場景還原有足夠的真實度。
因此也可以很明顯地看到騰訊長久以來在游戲經驗和技術儲備上豐富的積累，運用到仿真模擬上所表現出來的場景優勢。
騰訊認為，在場景的幾何還原上，模擬仿真平臺要做到三維場景仿真和傳感器仿真，讓環境和測試車輛條件都與現實世界相同；在場景的邏輯還原上，要在虛擬世界中模擬出測試車輛的決策規劃過程；在場景的物理還原上，需要模擬出車輛的操控和車身動力學作用結果。
三種層次的還原之后，才能在虛擬世界中看到與現實世界無限接近的自動駕駛測試結果。同時仿真平臺還要滿足高并發的特點，實現所有場景下車輛反應的排列組合。
除三維重建之外，TAD Sim還與高精地圖、云加速平臺、交通流模型等技術打出“組合拳”。
TAD Sim內置高精度地圖，可以完成感知、決策、控制算法等實車上全部模塊的閉環仿真驗證。不同天氣、光照條件等環境的幾何模擬，以及測試車輛的感知能力、決策能力、和車輛控制仿真都可以實現。
同時，借助騰訊的云計算資源，極大地加速海量場景計算過程。
在應對極端場景上，結合采集的交通流數據以及更多極端交通場景的模擬，在TAD Sim上可以進行各種激進駕駛、極端情況的自動駕駛測試，以更高效率、更安全的方式完成在現實世界中無法進行的各項測試。
除騰訊外，另一個玩家51VR也將跨界玩轉得風生水起。
基于AR（VR）+AI技術，原本在地產領域發力的51VR在2018年12月18日推出51Sim-One 自動駕駛仿真測試平臺。
經過一年的迭代，在地球克隆計劃3發布會上，51VR發布了“51World城市級全要素場景自動化平臺”。對其自動駕駛仿真平臺來說，“全場景要素”意味著更完整的自動駕駛測試功能覆蓋。
據雷鋒網了解，51World全要素場景囊括 L1-L5 五大分級。
L1為初仿真場景，能快速自動生成城市網格；L2為中仿真場景，可實現快速自動還原城市建筑、道路細節、地表植被、車流人流等細節；L3高仿真場景，可實現建筑細節、動態光影及車流等高擬真畫質；
L4為超仿真場景，主要用于模擬仿真及AI訓練，可實現交通信號、車輛及行人的細節還原；最高級L5全仿真場景，可實現紋理細節的照片級真實還原，并能真實還原光照及其他物理規律。
51VR表示，目前這個技術已經覆蓋智慧城市、智慧交通、智能駕駛等領域，并與行業中的頭部客戶進行合作。
華為善于硬件、騰訊長于軟件、51VR的觸手范圍廣泛，這些公司的參與，有望幫助建立起更加良性自動駕駛仿真生態，幫助自動駕駛車輛解決很多常規場景下無法解決的問題。
當然，這不意味著虛擬的仿真測試能夠代替實地路測，解決量產最終面臨的測試難題。但至少在邁向自動駕駛車輛量產的路上，玩家能夠少走一點彎路，加速商用落地的到來。（雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
