L3及以上級別自動駕駛車輛的開發(fā),在車輛系統(tǒng)復雜程度、使用環(huán)境復雜程度方面均急劇增加。算法測試、傳感器測試、安全性測試已不能通過汽車領域的車輛動力學等仿真方法來解決。仿真平臺成為自動駕駛企業(yè)的剛性需求。
Waymo、百度、騰訊將仿真系統(tǒng)研發(fā)作為頭等大事;AutoX、Roadstar.ai、Pony.ai等諸多自動駕駛初創(chuàng)公司也在自主研發(fā)仿真環(huán)境;業(yè)內開始出現(xiàn)CARLA、AirSim等開源式自動駕駛仿真平臺。
*自動駕駛汽車在仿真場景中訓練
自動駕駛仿真平臺是集:靜態(tài)場景還原、動態(tài)案例仿真、傳感器仿真、車輛動力學仿真、并行加速計算等功能于一體,可方便地接入自動駕駛感知和決策系統(tǒng),還可根據(jù)企業(yè)的開發(fā)流程而定制開發(fā)的平臺。
靜態(tài)環(huán)境構建層面:即通過采集實際環(huán)境信息及已有的高精度地圖構建靜態(tài)場景,通過采集激光點云數(shù)據(jù),建立高精度地圖,構建環(huán)境模型,并通過自動化工具鏈完成厘米級道路還原。靜態(tài)場景數(shù)據(jù)編輯和自動生成技術,可基于實體場景完成真實道路自動化還原。也可以對道路周圍樹木及信號燈等標識根據(jù)不同拓撲結構進行自動的排布組合,生成更多的衍生虛擬場景。
動態(tài)場景編輯層面:自動駕駛仿真平臺核心在于數(shù)據(jù),這里的數(shù)據(jù)非采集數(shù)據(jù),而是對多元類型數(shù)據(jù)的整合與加工。多數(shù)據(jù)來源智能體行為模型工具,可實現(xiàn)差異化動態(tài)場景的快速搭建。
李熠提到,行業(yè)現(xiàn)階段的情況是,一個實際交通案例數(shù)據(jù)轉換到仿真平臺,且非高質量數(shù)據(jù),可能需要花費數(shù)天,縮減周期是目前整個行業(yè)正在努力的方向。
*對自動駕駛的測試場景進行編輯
車輛建模方面:目前有部分初創(chuàng)企業(yè)傳出聲音:傳感器仿真模擬在自動駕駛開發(fā)中沒有太大的必要,使用處理好的目標結果同樣可以進行算法訓練。而在張帆博士看來,傳感器仿真是非常重要的一環(huán)。未來從國家產品認可及召回角度考慮,檢測機構必須對產品進行逐級分拆,識別判定是硬件問題、軟件問題、融合算法問題還是決策算法問題,保證產品安全。自動駕駛仿真平臺需做到每個層級的仿真,而非簡單的動態(tài)場景還原。
在自動駕駛仿真產業(yè)鏈上,仿真平臺有三大類型客戶:
車廠占比最大:其對于仿真方案的要求最為嚴格,涉及部件,系統(tǒng)與整車各級別的算法訓練及在環(huán)測試;
檢測機構,包括國家級實驗室,測試場,示范區(qū)等:檢測機構多從安全層面出發(fā),希冀制定出全面、系統(tǒng)、公平的檢測標準;
科技算法公司:其訴求仍然是不斷迭代算法,并提供軟硬件結合的系統(tǒng)解決方案。
李熠提到,想要讓一輛自動駕駛汽車變得越來越聰明,需要源源不斷的數(shù)據(jù)喂養(yǎng)。這離不開成千上萬的邊緣案例,且還要保證數(shù)據(jù)的真實性及多樣性。
從數(shù)據(jù)采集到數(shù)據(jù)處理,再到算法回歸測試,需要構建一個完整的動態(tài)數(shù)據(jù)閉環(huán)。數(shù)據(jù)來源的多樣性、轉換效率及邊緣案例是自動駕駛仿真行業(yè)的關注重點。
現(xiàn)階段,各個玩家對數(shù)據(jù)的理解存在差異,與之而來的是協(xié)同問題。在提高場景轉換、數(shù)據(jù)處理能力的前提下,形成統(tǒng)一的數(shù)據(jù)格式與轉換標準,以此解決協(xié)同性問題。
-
仿真技術
+關注
關注
0文章
103瀏覽量
25307 -
自動駕駛
+關注
關注
782文章
13530瀏覽量
165739
原文標題:仿真技術是如何助力自動駕駛的?
文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論