騰訊自動駕駛模擬仿真平臺核心能力及應用實踐

積極的政策陸續出臺，自動駕駛受到熱議。但在實際應用中，自動駕駛的落地仍面臨諸多問題，測試驗證難度是主要痛點之一。作為應對這一挑戰的解決方案，模擬技術在行業中的應用越來越廣泛。作為中國自動駕駛領域的領軍企業之一，自2017年以來，騰訊一直在為模擬和仿真平臺開發3D場景和傳感器模擬、具有豐富測試場景的數據驅動交通流模擬、基于場景的云模擬和基于虛擬城市的云模擬等核心能力，使騰訊的自動駕駛模擬平臺成為中國領先的平臺。近日，騰訊自動駕駛仿真平臺負責人孫赤田分享了他對市場痛點和應用趨勢的分析。自動駕駛測試面臨兩大挑戰：道路測試的數據成本和里程要求。目前，自動駕駛測試主要面臨兩個挑戰：一是數據收集和標注成本高，二是測試里程要求在實際道路測試中難以實現。首先，作為人工智能技術的“皇冠”，自動駕駛需要收集大量數據來訓練其感知算法。這些數據集需要覆蓋不同的天氣、道路狀況和其他交通狀況。然而，訓練數據收集和注釋的成本非常高。每年，全球自動駕駛開發者僅在第三方數據服務領域就投資超過10億美元。此外，在數據的收集和注釋中，存在明顯的“造輪重復”現象。每家公司都有自己的自動駕駛數據集，雖然有些已經向公眾開放，但比例很小，開放的數據集只能滿足一般的訓練數據，國外的數據集也很難完全滿足國內感知算法的訓練需求。其次，在算法測試和驗證方面，業內普遍認為，一套自動駕駛算法至少需要110億英里的測試才能滿足量產應用的條件，這相當于太陽和地球之間的50多次往返。而110億英里的測試距離是特定版本的自動駕駛算法所特有的，一旦算法升級，就需要重新測試，這是任何公司都負擔不起的。委托模擬平臺完成真實測試中難以完成的三大測試量是業內的普遍做法，這是仿真平臺的三大恢復能力。具體來說，模擬平臺就像電影《頭號玩家》中的“綠洲系統”，“綠洲”中的每個玩家就像一套自動駕駛算法。算法在仿真平臺上的測試就像將自動駕駛算法集成到“綠洲系統”中，完成不同的復制級別。

為了確保自動駕駛算法測試結果的真實性和可靠性，仿真平臺必須盡可能接近現實。這不僅需要視覺和感官的真實感，還需要內在的物理定律和操作邏輯的真實感。因此，仿真平臺至少需要具備三個級別的恢復能力。第一步是場景的幾何恢復。通過使用模擬平臺還原真實場景，要求場景中的所有建筑物、障礙物、道路元素、車輛高度、寬度和相對距離與真實世界一致。完成這一步驟依賴于早期的數據收集、校準和3D重建技術。第二步是恢復場景的物理規律。例如，自動駕駛汽車將配備許多雷達，不同的雷達探測距離和反射時間會有所不同。車輛在運行過程中、踩油門時加速、踩剎車時減速等都會受到道路摩擦系數和風阻系數的影響。仿真平臺需要使用傳感器模型、車輛動力學模型等組件，使這些對象元素的運行規則與現實世界保持一致。當精確還原模擬場景的幾何和物理規律，并使用游戲引擎技術使模擬世界移動時，感知和去……

自動駕駛汽車在模擬環境中的場景制作過程，以及周圍交通參與者的運行軌跡和模式，可以與現實世界保持一致，從而完成場景的邏輯還原。只有實現了這一步驟，自動駕駛汽車在仿真平臺上的測試結果才會有參考價值和意義。

僅從測試的角度來看，模擬平臺的一個自然優勢是其所有元素都有自己的“真理價值觀”。所謂的“真實價值”對應的是現實世界中的“觀察價值”。在實際的道路測試中，自動駕駛汽車的攝像頭和雷達檢測的是“觀測值”，而不是物體的客觀屬性。無論感知算法有多先進，它總是識別“真值”加上一定的誤差。即使人類對其進行注釋，仍然會有錯誤，而且成本非常高。然而，在模擬系統中，所有元素都是由測試人員構建的，因此測試人員可以清楚地知道物體的“真實值”，例如樹木的精確坐標位置、汽車的前進方向、障礙物、行人、加速度以及其他絕對準確的數值。“真值”的內置功能可以使模擬測試獲得的數據比實際更準確，這對改進自動駕駛算法具有重要意義。

隨著自動駕駛技術的深入發展，仿真平臺的場景構建能力導致測試人員和開發人員對仿真平臺的應用能力提出了更高的要求。首先，仿真平臺的場景構建能力是場景的豐富性。一般來說，當使用場景編輯器進行編輯或將場景數據輸入模擬平臺進行回放模擬時，場景中的元素是相對固定的。當測試人員希望改變自動駕駛算法時，這是主車輛的行為，這些場景元素不會做出相應的改變，也沒有互動性。如果能夠根據需求靈活構建場景，實現環境和交通流的智能化和自動化生成，道路采集數據的利用率將被放大數倍，這對加速算法迭代非常有意義。其次，模擬平臺應具有在云中或高并發場景中進行本地調試和快速驗證的能力。本地訓練的自動駕駛算法可以上傳到云端，通過大量回歸測試進行驗證，然后將結果返回到本地進行算法的精細調試，從而有效提高自動駕駛算法開發和測試的效率。最后，一個綜合仿真平臺應該有能力滿足所有算法的閉環驗證，或者任何算法的開環驗證，同時保持系統內所有算法的一致性，這一點至關重要。一套全面的自動駕駛算法是預測、定位、感知、決策和控制等多種算法的融合，每個算法團隊都可能有特殊的需求。使用一套軟件來滿足算法不同階段的驗證要求，包括模型在環、軟件在環、硬件在環和車輛在環，不僅可以提供良好的用戶體驗，還可以避免跨軟件算法驗證導致的仿真結果不一致。這對于自動駕駛算法驗證也是非常重要的。騰訊TAD Sim結合場景云模擬和虛擬城市云模擬，滿足自動駕駛模擬測試和行業痛點的需求。以為自動駕駛提供更安全、更高效的開發和測試方法為目標，騰訊創建了一套內置高精度地圖、虛擬現實集成、自動駕駛仿真平臺線上線下集成的TAD Sim。

TAD Sim集成了工業車輛動力學模型、專業游戲引擎、3D重建技術和虛擬現實集成交通流技術，可以在實車上完成感知、決策、控制算法等所有模塊的仿真實驗，并支持單機和云的部署，一套系統可以滿足使用要求……

全棧算法；基于騰訊已完成的國道和高速公路高精度地圖采集和制作，TAD Sim支持國道和高速公路的模擬。總之，TAD-Sim有三個核心功能。首先，它基于騰訊強大的游戲引擎功能運行傳感器建模和校準，確保其3D場景模擬和傳感器模擬具有業界領先的真實性和準確性。其次，TAD-Sim場景生成系統支持多個場景源。除了常用的場景編輯器和基于回放的道路交通數據模擬外，它還可以利用大量的道路交通信息訓練交通流AI，生成高保真度高、交互性強的場景AI進行閉環模擬，大大提高了道路交通數據的利用率。最后，基于騰訊云服務，TAD Sim可以在本地和云中部署測試場景。云部署包括兩種形式：場景云模擬和虛擬城市云模擬。這兩種形式相輔相成，不僅大大提高了自動駕駛算法測試的效率，而且對算法的改進和迭代也起到了重要作用。具體來說，在場景云模擬中，每個節點都是單個場景的模擬，但可以在云中同時運行大量節點；而虛擬城市云模擬可以在城市層面加載高精度地圖，在其上部署數百萬輛交通流車輛和數千輛自動駕駛主車，并進行24小時*7不間斷的測試。通過對虛擬城市云模擬的大規模測試，可以幫助我們識別自動駕駛算法無法很好處理的場景，并進行有針對性的算法改進和測試。虛擬城市云模擬不斷為場景云模擬補充場景庫，形成二者相輔相成的效果。

仿真平臺廣泛應用于研發、測試等領域，推動自動駕駛在工業互聯網領域的落地。騰訊致力于打造數字連接器和工具包，騰訊自動駕駛仿真平臺也在與OEM制造商、測試點、政府機構、行業聯盟甚至科研機構廣泛合作，推動應用落地。去年年底，騰訊的自動駕駛團隊與國家智能網聯汽車試驗區合作，建設了“智能網聯車輛仿真實驗室”。基于高精度地圖和三維重建技術，對長沙試驗區的地理全景進行了數字化建模，實現了模擬環境下安全高效的智能汽車實驗。根據《智能汽車創新發展戰略》，中國將在2025年實現具備自動駕駛條件的智能汽車的規模化生產。可以預見，未來幾年，自動駕駛產業鏈各方將一路奔騰。

標簽：皇冠

汽車資訊熱門資訊