自動駕駛仿真，究竟在仿什么？

在使用智能駕駛的時候，你肯定關心這套系統的安全性吧？算法搭載到實車之前，是怎樣測試驗證的呢？

幾個月前，我們做過一期游戲引擎進入智能汽車產業(yè)的視頻。前些天，我們又和一家做虛擬世界的公司交流了一個有意思的話題——智能駕駛仿真。

智能駕駛系統正式量產上車前，仿真系統就是測試、驗證的第一個考場。

駕駛仿真究竟是啥？

歡迎來到智車星球，今天，我們就來聊一聊推動智能駕駛技術不斷迭代的背后功臣——智能駕駛仿真。

在說仿真前，我們先說說另一個概念——數字孿生。

它是什么意思，維基百科的解釋倒也不晦澀，更簡單粗暴些去理解，數字孿生就是在一個設備或系統的基礎上，創(chuàng)造一個數字版的“克隆體”。

比如經典游戲《塞爾達傳說》，就可以看作是一個數字孿生世界。

關于數字孿生的起源有很多版本，在可以查到的資料中，美國空軍研究實驗室和美國宇航局都是數字孿生概念提出者。空軍實驗室希望解決老舊飛機的健康診斷與預測問題，降低飛機運維成本、提高利用率。宇航局則希望解決太空探測運載工具的健康診斷與預測問題。

領域不同，但有兩個很關鍵的相同點——

1、對于數字孿生的提出是問題驅動，而不是技術驅動的。

2、目的都是為了大幅有效地降低成本。

這點很好理解，畢竟，要驗證一款新設計的火箭能否順利升空，不能先制造出好幾個反復發(fā)射驗證，那樣不僅研發(fā)周期過長，成本還會高到離譜，就算是敢放大煙花的馬斯克也不敢這么隨便造。

回過頭來看智能駕駛，不光有驗證成本的問題，還有人身安全的問題，必須盡量確保自身安全，且不會對道路上的其他人造成傷害，因此，在一個虛擬的驗證環(huán)境先驗證，就非常重要。

那么，實現數字孿生，都需要哪些核心技術？

首先是建模、渲染，將三維模型處理得更加貼近現實生活，呈現出與實物類似的質感，然后就是仿真，是的，終于要講到這個視頻的主角了，它其實是實現數字孿生的核心技術之一。

如果說數字孿生是《塞爾達傳說》構建的虛擬世界，仿真就是玩家在游戲中進行的各種探險活動。玩家可以選擇不同的路徑、采取不同的策略，與游戲世界中的角色互動，完成各種任務和挑戰(zhàn)。仿真過程模擬了真實世界中的行為和情景，玩家可以通過在游戲中的實驗、觀察、決策來獲得游戲世界的成功。

具體到智能駕駛仿真，是建立車輛模型，同時將車輛行駛場景進行數字化還原，建立盡可能接近真實世界的系統模型，這樣通過軟件仿真就可對智能駕駛系統和算法進行測試。

仿真流程大概是這樣，搭載初始版本算法的智能駕駛車輛在仿真系統行駛，系統會模擬各種道路工況，當算法響應不符合預期時，系統會將當時的日志進行保存，研發(fā)人員會針對這些問題予以分析解決，并在仿真的支持下復現驗證，從而進行算法的迭代，提升可靠性。

那么仿真究竟要仿什么？要構造怎樣的輸入？

首先是還原與真實世界一致的交通靜態(tài)元素，比如道路、交通標志、護欄、樹木、建筑等等。當前，大多數智能駕駛仿真軟件或平臺都采用使用三維建模軟件創(chuàng)建“素材庫”，利用高精地圖的矢量化圖形對道路要素進行重建，然后再利用專業(yè)軟件添加建筑、樹木、地形等其他靜態(tài)要素。

△圖片來自51Sim

有了靜態(tài)環(huán)境，還要有動態(tài)場景。

動態(tài)場景的生成包括兩方面：一是微觀的行人、車輛、天氣；二是宏觀的交通流場景構建。

如何自動化生成合乎現實邏輯的交通參與者，是一個難點。

同時，天氣變化、光照變化等動態(tài)要素，需要嚴格遵循現實世界的物理規(guī)律，在這里，游戲引擎就能發(fā)揮重要的作用，其在場景渲染、物理引擎等真實場景模擬的能力上，比傳統仿真軟件強大許多。

△圖片來自51Sim

因此，很多最新的智能駕駛仿真平臺，均是基于游戲引擎開發(fā)，比如微軟AirSim、騰訊TAD Sim，51sim等，都是基于Unreal引擎開發(fā)。對游戲引擎感興趣的朋友，請點擊：當游戲引擎“卷”進電動車，奇妙的事發(fā)生了 | 智車星球，視頻鏈接我們也放到文章結尾了，歡迎收看。

說完了靜態(tài)和動態(tài)環(huán)境模塊，我們再來看看傳感器模塊。

傳感器作為智能駕駛車輛的“眼睛”，用于感知外部環(huán)境、發(fā)現并分類障礙物、預測速度，協助精確定位車輛周圍的環(huán)境等。

從仿真角度看，無論哪種傳感器，理論上都可以從以下三個不同的層級仿真：對物理信號進行仿真、對原始信號進行仿真以及對傳感器目標進行仿真。

攝像頭直接仿真攝像頭檢測到的光學信號，雷達直接仿真聲波和電磁波信號就是物理信號仿真，原始信號仿真是把傳感器探測單元拆掉，因為在控制電控嵌入式系統中有專門的數字處理芯片，可以直接仿真數字處理芯片的輸入單元。傳感器目標仿真，即傳感器感知和決策如果是分為兩個不同層級的芯片來做，那么可以將傳感器檢測的理想目標直接仿真到決策層算法輸入端。一般來說，通過軟件仿真的方式達到目標級仿真，提供真值是比較容易做到的，而原始信號，尤其是物理信號的仿真，則需要使用大量的仿真設備，相對比較復雜。

在車輛仿真中發(fā)展最早也最完善的部分，就是動力學模塊。在智能駕駛仿真過程中，需要借助車輛的動力學模型，來對決策、控制算法進行客觀的評估。

傳統的商業(yè)仿真軟件在這個領域已經非常成熟，一般將實際測試車輛的車體模型、輪胎模型、制動系統模型、傳動系統模型等都參數化，根據車輛的動力學模塊配置合適參數，從而模擬測算車輛在智能駕駛系統操控下的能力和極限。

除了以上提到的智能駕駛仿真主要模塊外，還有高精地圖、仿真接口等模塊，每個模塊都有一些需要解決的關鍵仿真問題。

總的來說，如何讓模擬數據具有現實世界的真實性和豐富性是最大的挑戰(zhàn)，目前，智能駕駛仿真對真實測試的可替代性仍然面臨一些質疑，相信隨著體系標準的完善、技術的迭代，仿真會為智能駕駛推進帶來更大的助力。

后續(xù)我們還將推出相關內容聊一聊智能駕駛仿真的標準建立、代表企業(yè)等，如果你有其他感興趣的點，歡迎留言告訴我們。