回顧：Drive.ai 、文遠知行WeRide、51VR，三大視角解讀自動駕駛模擬
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，不一樣的軟硬體裝置，耗費精力，進展緩慢。因各家架構不同、感測器方案不同，開源平臺很難將感測器模擬做到真正的通用化。
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。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模擬平臺作為其主要的核心技術；Roadstar.ai、Pony.ai、AutoX等諸多自動駕駛初創公司都在自主研發模擬器。
不同於鐳射雷達、晶片、演算法，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。環境構建真實性問題、感測器模擬技術依舊是行業難點。
為讓有志者更加了解自動駕駛模擬行業現狀與技術乾貨，「AI投研邦」特在11月開展智慧駕駛·模擬專場，Drive.ai 、文遠知行WeRide、51VR三大公司站臺，近千位智慧駕駛從業者參與聆聽。
智慧駕駛·模擬專場中，Drive.ai 技術專家孫慶、文遠知行WeRide模擬與雲端計算執行總監譚偉華、51VR 自動駕駛事業部研發負責人鮑世強為新智駕會員詳解了他們眼中的自動駕駛模擬系統的現狀與挑戰。「AI投研邦」會員可進入「AI投研邦」頁面檢視三場Live完整實錄。
孫慶：開環＋閉環模擬模擬系統，助力Drive.ai自動駕駛研發 
Drive.ai目前已自建自動駕駛閉環模擬系統與自動駕駛開環模擬系統。Drive.ai 技術專家孫慶提到，對於決策規劃系統而言，閉環的反饋至關重要，因每一次決策規劃都會改變當前的環境。同時，決策規劃系統的輸出也需要從全域性的角度進行驗證。
開環模擬系統最大的優勢在於其可以模擬閉環系統目前實現的極端真實場景輸入。在開環模擬系統中，Drive.ai直接使用真實世界中採集到的感測器資料用來測試全棧系統（感知以及決策規劃）。
在環境構建方面，模擬測試對於環境構建的合理性、真實性，以及還原真實世界的精確程度方面都有要求。Drive.ai模擬系統直接使用和車載系統同樣的高精度地圖來保證靜態環境的100%擬真。
孫慶提到，動態模擬環境精度的要求取決於模擬的用途。針對於決策規劃系統的模擬，特別是真實世界中很難遇到的邊角案例，Drive.ai並不需要完全還原真實世界，只需模擬感知系統的輸出，此類輸出往往是較抽象。如此可以通過3D場景編輯器來構建虛擬的計劃路線，障礙物等等。
鮑世強：如何有效構建自動駕駛決策和感知的模擬體系？
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感測器反應更自然，測試結果更有參考性。
51VR 自動駕駛事業部研發負責人鮑世強也提到，構建感知系統的模擬是整個模擬系統中比較困難的部分。建立高度真實感的模擬環境，不同的感測器對應的高度真實的模擬環境不同：對於相機而言，需生成較真實的紋理及光照環境；鐳射雷達模擬，需有符合場景的幾何與物理；對天氣晝夜進行模擬及感測器硬體在環的需求同樣非常重要。鮑世強介紹了模擬系統中靜態場景及動態場景模擬要求：
-
靜態場景生成：首先需考慮模擬系統和自動駕駛系統要採用同樣的高精度地圖作為源頭，生成精確匹配的靜態環境；另一方面，場景自動生成的效率很關鍵，高低不平的路面對環境的生成也提出了挑戰，另外還需對標線、標牌等路標自動生成語義標註，以用來後續對駕駛行為進行評價；
-
動態物體模擬：一方面進行路測的案例資料需要得到重現；另外案例資料需便於編輯,以利於後續擴充套件。
雷鋒網新智駕了解到，51VR通過採集實際環境及已有的高精度地圖構建靜態地圖，包括現實交通環境資料收集、路測資料收集，並抽取不同智慧交通體行為模型，基於模型有機地形成動態交通體。同時51VR還提供匯入路測案例資料，及清洗與泛化工具。
譚偉華：文遠知行WeRide自動駕駛模擬論——真實、閉環、規模、整合
“安全”已是自動駕駛公司關注的重中之重。每一行程式碼都有可能帶來安全風險，在文遠知行WeRide模擬與雲端計算執行總監譚偉華看來，程式碼經過模擬系統驗證才是最安全負責的方式。再者，模擬提供了一種更高效、低成本的方式，幫助自動駕駛公司快速迭代以及驗證軟體質量。
不同企業對模擬有不同的理解和需求。但有一點是共通的，即每一家企業都在用不同的技術方案來追求真實性。譚偉華向雷鋒網 (公眾號：雷鋒網) (公眾號：雷鋒網)新智駕表示，真實、閉環、規模、整合是每一家自動駕駛公司構建模擬不可忽略的四大環節。
-
真實性，模擬系統中的場景既要源於現實，又高於現實。模擬系統無需做到100%真實場景還原，要達到合理的抽象要求。關於如何定義合理的抽象，不同自動駕駛公司需結合自家自動駕駛技術進行定論；
-
閉環也是自動駕駛企業的重點方向。模擬系統反饋到生產中，生產同樣反饋到模擬中，這是一大原則。
-
規模方面，模擬系統模擬里程需在真實里程的百倍以上。里程資料需具有指導意義價值。
-
整合方面，模擬與研發並非獨立的系統，模擬非單獨的工具，更像是平臺。作為一個平臺角色，模擬能夠融入到工程研發的每一個環節中。從工程開始到工程的驗收模擬，都能夠起到相應的作用。
會員問答
為更深入的解決聽眾在智慧駕駛·模擬方面的困惑，「Live」開設問答環節，三位大咖對新智駕會員疑問進行了一一解答。
-
場景擾動中，如何保證擾動的合理性呢？擾動小則不具備邊界測試能力，擾動大則容易出現太假的場景。這點上應該如何解決，文遠知行weride是怎麼解決的呢？
-
基於日誌、決策模型及混合模式這三種模式，其中決策模型除了演算法以外，會不會更重要的是抽象邏輯的合理性？請問文遠知行是怎樣保證“抽象”的合理性的？
-
真實的感測器在模擬系統測試過程中是如何作用的？
以上為部分會員提問，點選「AI投研邦」檢視大咖解答。
「智慧駕駛·V2X」專場開講中...
12月「智慧駕駛·V2X」專場，我們繼續每週邀請一位一線從業者帶來專案實踐過程中的方法和思路，為智慧駕駛從業者與投資人、分析師提供行業參考。另，「2018智慧駕駛晶片」研報已出爐，會員可免費查閱。
雷鋒網原創文章，未經授權禁止轉載。詳情見 ofollow,noindex" target="_blank">轉載須知 。