為了滿足規模化、節約化無人駕駛技術，建立仿真平臺成為了大多數公司選擇的路徑，可以預見的是行業又將進入壹個快速發展的新軌道。
文丨AutoR智駕?子陽
仿真測試是達到規模化無人駕駛技術的唯壹路徑。
4月22日，阿裏達摩院對外正式發布全球首個自動駕駛“混合式仿真測試平臺”。
該平臺采用虛擬與現實結合的仿真技術，引進真實路測場景和雲端訓練師，模擬壹次極端場景只需30秒，系統每日虛擬測試裏程可超過800萬公裏，大幅提升自動駕駛AI模型訓練效率。
達摩院稱，該技術將推動自動駕駛加速邁向L5階段。
傳統純虛擬仿真測試平臺能快速跑完自動駕駛路測裏程，但仍然面臨極端場景訓練效率低下的關鍵問題：極端場景數據不足，就無法還原真實路況的不確定性，系統就無法精準應對真實路況的突發情況，自動駕駛就難以實現進壹步突破。
達摩院首創自動駕駛混合式仿真測試平臺解決了這壹難題，該平臺打通了線上虛擬固定環境與線下真實路況不確定性的鴻溝。
傳統仿真平臺難以通過算法模擬人類的隨機幹預，但在達摩院的平臺上，不僅可以使用真實路測數據自動生成仿真場景，還可通過人為隨機幹預，實時模擬前後車輛加速、急轉彎、緊急停車等場景，加大自動駕駛車輛的避障訓練難度。
針對極端場景數據不足的問題，該平臺可以任意增加極端路測場景變量，在實際路測中，復現壹次極端場景的接管可能需要1個月的時間，但該平臺可在30秒內即完成雨雪天氣、夜間照明不良條件等特殊場景的構建和測試，每日可支持的場景構建數量達百萬級。
這壹平臺規模化地解決了極端場景的復現難題，使得這些關鍵場景的訓練效率提高上百萬倍。
自動駕駛測試目前主要面臨兩個難題，壹個是高昂的數據采集和標註成本，另壹個是實際路測難以企及的測試裏程要求。
在自動駕駛技術中感知算法的訓練需要采集大量的數據，這些數據集需要涵蓋不同的天氣、路況等交通條件，但是訓練數據采集和標註的成本非常高昂，每年全球的自動駕駛開發者僅在第三方數據服務這壹領域的資金投入就超過十億美元。
另外，數據的采集和標註存在很明顯的“重復造輪子”現象，每個公司都有自己的自動駕駛數據集，雖然已經有部分對外開放，但是比例很少，而且開放數據集只能滿足通用的訓練數據，國外數據集也很難完全滿足國內的感知算法訓練需要。
行業普遍認為壹套自動駕駛算法需要至少110億英裏的測試，才能達到量產應用的條件，這個距離相當於在太陽和地球之間往返50余次。
而且110億英裏測試距離是針對特定壹個版本的自動駕駛算法來說的，壹旦算法升級，還需要重新測試，任何公司都無法承受這個成本。
為了滿足規模化、節約化無人駕駛技術，建立仿真平臺成為了大多數公司選擇的路徑。
自動駕駛的仿真平臺主要的目的是通過軟件來模擬車以及車所在的環境，實現自動駕駛的集成測試，訓練模型，模擬事發現場等功能。
要模擬車所在的環境，就得把真實世界投影到虛擬世界，並且需要構造真實世界的物理規律。
總的來說，這個模擬的測試環境必須要滿足真實環境的物理規律，越真實越好。
這不僅需要視覺、感官層面的真實，更需要內在物理規律和運行邏輯層面的真實。
因此，模擬仿真平臺至少需要具備三個層面的還原能力。
首先是場景的幾何還原。
運用模擬仿真平臺對某個現實場景進行還原，就要求這個場景裏所有道路、車輛、紅綠燈的位置等與真實世界保持壹致，完成這壹步依賴於前期的數據采集、標定以及三維重建技術。
第二步就是對場景的物理規律進行還原。
比如，自動駕駛汽車上會搭載許多雷達，不同的雷達探測距離、反射時間會有差異，車輛在運行的過程中會受到路面摩擦系數、風阻系數的影響、踩油門會加速、踩剎車會減速等。
模擬仿真平臺需要借助傳感器模型以及車輛動力學模型等組件，讓這些物體元素的運行規律與真實世界保持壹致。
當仿真場景的幾何還原和物理規律還原，都做的足夠精確，再借由遊戲引擎技術讓這個仿真世界動起來，這時候自動駕駛的汽車在仿真環境下的感知、決策過程以及周圍交通參與者的運行軌跡和模式就能與真實世界保持壹致，也就完成了場景的邏輯還原。
只有做到這壹步，自動駕駛汽車在模擬仿真平臺中的測試結果才具有參考價值和意義。
當然，隨著自動駕駛技術的深入發展，測試者和開發者對模擬仿真平臺應用能力的要求也越來越高。
未來，能夠依據需要靈活構建場景，實現環境和交通流的智能化和自動化生成以及仿真平臺應該具有本地調試+雲端快速驗證的能力，這對算法叠代的加速是都是重要的壹步。
可見，隨著仿真技術的采用，行業又進入壹個快速的發展軌道。
目前，做自動駕駛仿真的公司高達幾十家，在國外Waymo、Metamoto為主的自動駕駛公司都在進行仿真測試。
而在國內，百度、騰訊、華為以及自動駕駛初創公司Pony.ai、輕舟智航也都打造了自主的仿真測試平臺。
騰訊從2017年開始研發模擬仿真平臺的三維場景及傳感器仿真、數據驅動交通流模擬豐富的測試場景、場景型雲仿真及虛擬城市型雲仿真並行等核心能力。
針對自動駕駛模擬仿真測試的需求以及行業痛點，騰訊打造了壹套內置高精度地圖、虛實結合、線上線下壹體的自動駕駛模擬仿真平臺——TAD?Sim。
TAD?Sim集成了工業級的車輛動力學模型、專業的遊戲引擎、三維重建技術和虛實壹體的交通流技術，可以完成感知、決策、控制算法等實車上全部模塊的仿真實驗，同時支持單機和雲端部署的方式，壹套系統滿足全棧算法的使用需求；基於騰訊已經完成的全國高速、快速路高精度地圖采集和制作，TAD?Sim支持全國高速和快速路的仿真。
百度則和Unity?Technologies建立合作夥伴關系，壹起研發實時仿真產品，該產品將創建虛擬環境，讓開發人員在現實模擬環境中測試自動駕駛汽車。
該仿真3D平臺可讓汽車制造商（OEM）減少測試錯誤和風險，同時通過復制模擬真實世界場景提高測試效率和速度。此外，還提供定制化內容，可通過其數百萬研發人員創建的Asset?Store進行定制。
除BAT之外，華為推出了自動駕駛雲服務?Octopus?，服務覆蓋自動駕駛數據、模型、訓練、仿真、標註等全生命周期業務，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。
據悉，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，系統每日虛擬測試裏程可超過?500?萬公裏，支持?3000?個實例並發測試。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。