近日,總投資10億元、國內L4級自動駕駛開放測試基地項目在重慶市永川區開工,將設立百度Apollo自動駕駛測試運營中心,打造形成具備“虛擬仿真+封閉試驗+開放測試”全鏈條試驗檢測服務能力。
除了重慶測試區,目前我國有不少智能網聯測試基地也在積極采用“模擬仿真+實際路測”的模式推動自動駕駛技術落地,比較有代表性的就是位于湖南的國家智能網聯汽車(長沙)測試區。該測試區不僅將自動駕駛仿真實驗室作為發展的重點之一,還與騰訊的自動駕駛團隊強強聯手。
那么,在實際路測之外,行業為何紛紛“玩”起模擬仿真?
模擬仿真成剛需
當自動駕駛進入到以Robotaxi為代表的公開道路測試階段時,如何提升測試效率、更加精進技術、加快落地速度,成為行業迫切需要解決的問題。
美國著名智庫蘭德公司曾經估計,如果想讓一輛L5級別的自動駕駛車輛正式上路,需要經過110億英里的測試。這就意味著,即便是一支擁有100輛測試車的自動駕駛車隊,以25英里(40公里)每小時的平均時速7×24小時一刻不停歇地測試,也需要花費大約500年的時間。從企業層面來看,即便是頭部企業Waymo,截止到2020年初也只完成了2000萬英里的自動駕駛路測,離110億英里的目標還很遠。
可以看出,推動自動駕駛車輛上路僅僅依靠實際道路測試,并不現實。而此時,自動駕駛模擬仿真的重要性就凸顯出來了。
對于工程師而言,開發自動駕駛相關功能所需的算法和傳感器配置,即使進行了1000萬英里的道路測試仍然無法生成足夠多有價值的數據,而模擬仿真一天的行駛里程就可以達到1000萬英里。不需要在實際道路上進行測試、不費油、不用交過橋費,更重要的是不用承擔風險,對自動駕駛領域的玩家來說,重要程度不言而喻。
當前,各大車企正在研究用仿真測試里程來取代一部分實際路測里程,也就是自動駕駛測試90%通過模擬仿真平臺完成,9%通過測試場完成,1%通過實際道路測試完成。線上的模擬仿真測試已經成為加速自動駕駛技術研發和測試落地的重要手段。
早在2017年,Waymo高級軟件工程師詹姆斯·斯托特就開創了Carcraft,一個如黑客帝國般的虛擬現實世界。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。
目前,Carcraft的虛擬車隊中有25000臺汽車,這些虛擬車隊的車輛每天24小時都運行在谷歌的數據中心。得益于這樣的數據閉環,2019年7月,Waymo對外公布了所達成的新里程碑:模擬自動駕駛測試總里程已經達到了100億英里,且支持Waymo車型進行大規模測試。
此外,去年年底,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為,幫助Waymo實現更加貼近現實的仿真技術。
不僅是Waymo,因為撞人致死事件一直萎靡不振的Uber,顯然不能讓自己落后太多。
去年年底Uber計劃收購一家仿真軟件開發商Foresight,目前已與后者展開深入談判。其實,這不是Uber第一次收購自動駕駛相關技術公司。去年6月份,Uber就打算收購西雅圖初創公司Mighty AI,后者專注于為計算機視覺模型研發訓練數據。
國內企業加速研發
國內相關企業亦意識到,想要加快自動駕駛落地,模擬仿真測試必不可少。
事實上,目前很多主流的仿真測試系統都是根據游戲引擎開發的,例如微軟的AirSim,英特爾的Carla……國內科技公司更是緊跟時局,加緊研究仿真測試,目前已經頗具成效,同樣在游戲領域占有話語權的騰訊當然也不甘示弱。
騰訊基于其強大的游戲引擎,開發了TADSim自動駕駛仿真測試軟件。作為一家擁有豐富游戲開發經驗和技術儲備的科技公司,騰訊將游戲引擎與工業級車輛動力學模型、虛實一體交通流等技術相結合,打造了無限趨近真實世界場景的線上仿真環境。
結合采集的交通流數據以及交通場景的模擬,TADSim可進行各種激進駕駛、情況的自動駕駛測試。同時,TADSim內置的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,這套軟件還可以完成陰晴雨雪各種天氣、光照的模擬,大大提高自動駕駛測試效率。
作為同屬“BAT”的百度當然同樣不甘示弱。
早在2018年底,百度就與Unity Technologies建立合作伙伴關系,一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。
不滿足于與實時3D研發平臺合作,百度更是花費大量的心血自行研發自動駕駛仿真系統。
2019年3月,百度論文登上《Science》雜志子刊《Science Robotics》,該論文提出了一套全新的自動駕駛仿真系統:增強現實的自動駕駛仿真系統(AADS)。AADS系統包含一套全新開發的基于數據驅動的交通流仿真框架和一套全新的基于圖像渲染的場景圖片合成框架,通過AADS系統,自動駕駛系統測試時可提升測試效果,不斷精進自動駕駛算法。同年7月,Apollo平臺迎來5.0版升級,新增了車輛動力學模型,這一技術一下將傳統方式建模結果在誤差上減少了80%。
除了早早入局的百度和騰訊,作為汽車領域中的后來者,華為在自動駕駛云服務賦能上也有著自己的邏輯。
華為的邏輯是通過“八爪魚”構建一個按需獲取的全棧云平臺,除了可以邁過數據處理這座高山,還能覆蓋自動駕駛的模型、訓練、仿真、標注等全生命周期業務。因而“八爪魚”可以向用戶提供以下幾種核心能力:處理海量數據,自動化挖掘及標注;軟硬件加速,提升訓練及仿真效率;豐富的仿真場景;云管端芯協同,車云無縫對接。
其中仿真場景就是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個實例的并發測試。由此可見仿真能力只是其數據閉環中的一個環節,這個環節只有與其他環節合作才能發揮出大的組合優勢。
華為表示,未來還會將高精地圖、5G及V2X技術等能力集成到“八爪魚”中,如此看來,“不造車”的華為在仿真市場的布局頗為宏大。
目前行業內已經達成共識,模擬仿真平臺是下一個兵家必爭之地,不僅是行業巨頭,以AutoX、文遠知行、小馬智行、希迪智駕等為代表的幾乎所有的自動駕駛初創公司也根據各自的需求,自主研發模擬仿真環境。與此同時,行業也逐漸培育了諸如賽目科技、51VR等在自動駕駛模擬仿真測試平臺有所專長的獨角獸。
據專業人士預計,到2023年仿真軟件與測試的市場總規模約在百億美元左右,適用于自動駕駛系統的仿真技術將會被大規模地應用于汽車產品的研發流程當中。雖說仿真測試并不能真的替代實際測試,但至少在邁向自動駕駛車輛量產的路上,企業能夠少走一點彎路,加速商用落地的到來。
原標題:自動駕駛仿真測試風起