<mark id="oztn4"></mark>
0
在亞利桑那州梅薩的南隆摩街和西南大街的拐角處有一個左轉黃燈，自動駕駛行業內的人士習慣戲稱它為“死亡之地”，因為這種類型的路口對于人類和無人車來說都是非常棘手的。司機進入五個方向的路口后，要在車流里找到縫隙通過。 過早左轉可能會造成危險，太晚轉彎可能會阻礙交通。
Waymo花費了大量的功夫訓練自家無人車順利通過此路口。這種訓練方式，并非傳統意義上的路測，而是自動駕駛模擬測試。
*Waymo 重構的東部山谷
Waymo通過定制傳感器套件構建了一個詳細的虛擬現實版東部山谷，讓無人車在模擬器中一次又一次的訓練如何通過路口。這個虛擬路口，擁有與現實相同的尺寸、車道線、路肩和左轉黃燈。Waymo無人車可以在這個虛擬版拐角處練習數千次，在復雜的車流中找到合適的時機插入。
上述左轉黃燈的例子，經常被Waymo提起，用來闡述自家自動駕駛汽車如何通過模擬測試來升級算法，征服一個個“死亡之地”。
如今，進行模擬測試已經成為Waymo無人車開展公共道路路測前必做的項目。Waymo 高級軟件工程師 James Stout近日透露了公司模擬器Carcraft的部分數據：累計50 億英里模擬測試里程、25000臺虛擬的自動駕駛汽車、每天800萬英里的行駛里程、年超25億英里的數據，幾十億級的模擬里程數據的背后，折射著Waymo對模擬測試的重視。
目前行業內逐漸達成共識，模擬成為每一位自動駕駛玩家的技術儲備。即使自動駕駛里程已經達到800萬英里，擁有10年自動駕駛經驗的Waymo依舊非常依賴模擬測試；百度阿波羅也早早將仿真平臺作為其主要的核心技術；AutoX創始人肖健雄也將仿真作為無人車量產的4大技術儲備之一；Roadstar.ai、Pony.ai等諸多自動駕駛初創公司都在自主研發模擬器。
模擬測試對自動駕駛系統的積極作用，行業政策的規定，以及市場趨勢的變化，促使模擬器成為自動駕駛玩家必備。總觀整個自動駕駛行業內，初創公司也好，資深玩家也罷，凡是與自動駕駛有關的公司幾乎都開始布局自己的模擬器。
從自動駕駛技術方面講，隨著越來越多的公司將自動駕駛汽車量產提上日程，無人車在公共道路上行駛必須要面對諸多不確定的環境。縱然加州灣區每天有諸多公司的自動駕駛汽車在路測，但這些先進的自動駕駛技術僅局限在極其有限的條件和道路環境下進行測試，而限定環境測試并不能保證相關技術的安全性和穩定性。面對一些突發情況，例如行人闖進馬路、汽車逆行、前方發生道路事故等等突發狀況時，自動駕駛汽車并不能保證可以做出正確的判定。否則，今年3月份的Uber行人致死事件就不會出現出了……
模擬器為廠商們提供了無風險環境下測試和更新自動駕駛軟件算法的工具，加速了自動駕駛汽車的生產周期，公司可以在虛擬環境中提前測試自動駕駛汽車，確保其在現實世界可以安全上路。
虛擬環境中測試算法的功能促使模擬器成為自動駕駛公司基礎構架的一部分，它和無人駕駛系統緊密結合，這也“逼迫”與自動駕駛系統有關系的公司把模擬測試提上日程。
雖然業內有英特爾的CARLA、微軟的AirSim等開源式自動駕駛平臺模擬器，但開源平臺需對接諸多合作方，不一樣的軟硬件設備，耗費精力，進展緩慢。因各家架構不同、傳感器方案不同，開源平臺很難將傳感器模擬做到真正的通用化。有行業人士表示，各家自動駕駛系統的解決方案在硬件、軟件、算法上不盡相同，為了更加適配自家自動駕駛系統，大多數公司選擇自主研發模擬器。且開源模擬器目前并沒有成熟的解決方案，在開源的基礎上修改，自動駕駛公司需要耗費更多的精力。
如今，一些地方對模擬駕駛的把控也已經上升到政策上。例如加利福尼亞州，立法機構要求公司在獲批公共路測自動駕駛汽車之前，必須證明已在其設計的模擬環境通過測試。
今年3月份Uber無人車造成的行人致死事件，讓許多公司開始覺醒，這也成為一部分玩家加碼模擬器的導火索。關于這場悲劇，Uber內部透露的一條訊息讓人印象深刻：只在意路測，忽略了模擬器上的測試。谷歌相關人士曾表示“如果模擬器能夠更好滿足自動駕駛汽車的測試需求，那么工程師們就可以轉戰軟件市場了，升級軟件，然后在模擬器中跑。”Waymo對模擬器的重視，以及Carcraft的強大，引來業內諸多旁觀者重新正視自動駕駛模擬測試。
模擬測試已經成為保證自動駕駛安全的一劑良藥。從理論上來講，如果圖形處理軟件、算法、云存儲系統足夠強大，測試的事也可以完全在研發實驗室內完成，并且數據還可能更精準。
模擬器能夠重構現實世界，讓自動駕駛汽車在進行真實道路驗證之前，測試其技術的成熟度。工程師可以在虛擬環境中構建更多更復雜的場景，幫助自動駕駛汽車在不確定的環境中盡情的進行算法測試，不用擔心碰撞事故危險。
自動駕駛模擬測試大都離不開這幾項流程：搭建場景、搭建傳感器、添加算法、仿真測試。
模擬場景：即構建道路地圖，包括地面類型、車道線、信號燈、地標，并加入交通參與者（人、車、運動路徑）
模擬傳感器：根據實際路測車輛裝備的傳感器，給模擬車輛添加同樣的攝像頭、激光雷達等傳感器，設置參數使其和現實使用中盡可能保持一致
添加算法：開發者將算法導入模擬環境中，控制模擬車輛行駛
仿真測試：搭建好場景后，正式開始測試，檢測算法的成熟度
其中，模擬場景的搭建包括現實環境再現和人工設計環境。
1，現實環境再現，類似于Waymo的Carcraft重構梅薩路口左轉黃燈的場景。測試工程師將現實遇到的場景復制到虛擬環境中，已確保自動駕駛汽車走進現實時，可以安全通過路口。
2，人工設計場景，在測試的過程中，工程師可以利用高級圖形處理技術，人工設計場景因素，并進行隨時的調整。例如暴風雨、晃眼的陽光、坑洼不平的行駛環境。即通過人工再設環境，增加道路環境的復雜性，來測試算法的最大極限。當然，這些模擬環境要盡可能的接近現實場景，才可保證自動駕駛模擬測試的高效率和可落地性。
環境構建是模擬系統中重要的一步。無論是真實場景再現，還是人工設計環境，對環境構建的合理性、真實性，以及還原真實世界的精確程度方面都有要求。更接近現實、更高的精度可以使得傳感器反應更自然，測試結果更有參考性。
虛擬環境的構建要有大量的真實的道路數據支持，這就需要搭載攝像頭和傳感器的測繪車上路采集信息，這也是自動駕駛模擬中環境構建的難點所在。單從道路信息收集方面講，Waymo、高德、四維圖新、Deepmap等在地圖測繪方面有經驗的企業更適合推出自動駕駛模擬器。Waymo擁有龐大的高精度地圖測繪車隊。一位業內人士稱，2016年，Waymo構建的模擬場景中，真實環境再現場景約占80%，人工設計環境約占20%。這也折射出真實環境在模擬場景搭建中的重要地位，路測對于自動駕駛模擬器廠商的重要性。
業內熟知的以色列自動駕駛仿真平臺公司——Cognata，也是由搭載傳感器和攝像頭的汽車收集道路數據，通過專利算法，將真實道路數據應用在虛擬環境中，使仿真系統和真實環境情況足夠契合。
rFpro的英國初創公司創建的首個商用自動駕駛模擬器在仿制世界精確度上較有優勢。利用相位匹配（phase-based）激光掃描調查數據來創建建模，其三維精度已達到1毫米左右。
傳感器模擬難也是業內的共識。對于自動駕駛汽車而言，攝像頭、激光雷達等傳感器仍在不斷變化之中，沒有完全定型。不斷涌現更換的傳感器產品，經常迭代更新的軟件算法，這也影響著傳感器模擬。每當傳感器或軟件更新時，自動駕駛企業都需要重新模擬傳感器并進行算法測試、升級。這就需要模擬器能夠適應傳感器、軟件算法的改變。
*Metamoto的模擬軟件
硅谷初創企業metamoto推出的全新自動駕駛模擬服務，可以隨需適應自動駕駛產品的迭代升級，通過Jenkins和Jira等工具，可以實現無縫回歸測試，靈活的工作流程和版本控制。
模擬器之于自動駕駛的過程正是：測試、升級、再測試。在鍛煉提升算法的過程中，自動駕駛企業都會有自己的一套自動化評判標準，系統自動判定車輛是否違規，無需人工干預。
自動駕駛模擬器這一細分市場正在悄然興起，諸多自動駕駛玩家開始自主研發模擬器，也有一些專門提供自動駕駛模擬服務的公司涌現，并受到投資者的青睞。
除了Waymo，Roadstar.ai、Pony.ai、Drive.ai等諸多自動駕駛初創公司都在布局仿真器，Auto X自主研發的仿真器產品是基于多傳感器的三維仿真，并根據仿真數據構建高精度地圖，完全模擬無人駕駛的運行環境。AImotive也正在通過實時模擬器來對深度學習算法進行培訓。
雷鋒網新智駕了解到，Drive.ai建立了3D化的“大型場景庫”，工程師在虛擬世界中通過自動駕駛模擬器來評估公司的自動駕駛系統。近日，Drive.ai在德克薩斯州的自動駕駛出行服務落地，公司透露其自動駕駛汽車完成了基于Frisco道路的一百萬英里模擬路程。Drive.ai收集的模擬數據幫助自動駕駛車輛能夠快速適應周圍場景。工程師沒有為不同形狀和大小的燈光編寫特定的識別程序，而是讓車輛的計算機視覺算法通過在數千個交叉路口的訓練，學會獨立識別不同的紅綠燈信號。
在Uber行人致死事件之后，自動駕駛模擬器的作用凸顯，英偉達推出了全新的自動駕駛模擬平臺“Drive Constellation”，這套程序由兩臺服務器組成，第一臺服務器運行英偉達DRIVE Sim軟件，用來模擬自動駕駛汽車的傳感器；第二臺服務器則搭載英偉達DRIVE Pegasus計算平臺，運行完整的自動駕駛汽車軟件堆棧，并快速處理模擬數據。雷鋒網新智駕了解到，受試車輛可以在5個小時內，完成約48萬公里的道路測試。也就是說，兩天內，即可完成全美所有道路的測試。
百度將其仿真平臺列為阿波羅主要變現途徑，通過給阿波羅合作伙伴提供仿真云服務來創收。Cognata也去年募得資金500萬美元，Maniv Mobility、法雷奧、空客集團風投公司（Airbus Ventures）及Emerge都是其背后的投資方，公司也同奧迪達成合作，為后者提供自動駕駛平臺。雷鋒網新智駕了解到，Metamoto也在2017年共募得了500萬美元+的資金。
行業內目前達成的共識是，模擬正在成為自動駕駛的標準之一，成為系統開發周期的一部分。不同于激光雷達、芯片、算法，自動駕駛模擬器因對標公共環境路測，其發展相對較晚，擁有成熟產品形態的公司較少。
不過，可以預見的是，隨著自動駕駛汽車開上公共道路的日子臨近，模擬器這一細分市場的“戰火”也會越燒越旺......
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
