腾讯自动驾驶模拟仿真平台核心能力及应用实践

积极的政策陆续出台，自动驾驶受到热议。但在实际应用中，自动驾驶的落地仍面临诸多问题，测试验证难度是主要痛点之一。作为应对这一挑战的解决方案，模拟技术在行业中的应用越来越广泛。作为中国自动驾驶领域的领军企业之一，自2017年以来，腾讯一直在为模拟和仿真平台开发3D场景和传感器模拟、具有丰富测试场景的数据驱动交通流模拟、基于场景的云模拟和基于虚拟城市的云模拟等核心能力，使腾讯的自动驾驶模拟平台成为中国领先的平台。近日，腾讯自动驾驶仿真平台负责人孙赤田分享了他对市场痛点和应用趋势的分析。自动驾驶测试面临两大挑战：道路测试的数据成本和里程要求。目前，自动驾驶测试主要面临两个挑战：一是数据收集和标注成本高，二是测试里程要求在实际道路测试中难以实现。首先，作为人工智能技术的“皇冠”，自动驾驶需要收集大量数据来训练其感知算法。这些数据集需要覆盖不同的天气、道路状况和其他交通状况。然而，训练数据收集和注释的成本非常高。每年，全球自动驾驶开发者仅在第三方数据服务领域就投资超过10亿美元。此外，在数据的收集和注释中，存在明显的“造轮重复”现象。每家公司都有自己的自动驾驶数据集，虽然有些已经向公众开放，但比例很小，开放的数据集只能满足一般的训练数据，国外的数据集也很难完全满足国内感知算法的训练需求。其次，在算法测试和验证方面，业内普遍认为，一套自动驾驶算法至少需要110亿英里的测试才能满足量产应用的条件，这相当于太阳和地球之间的50多次往返。而110亿英里的测试距离是特定版本的自动驾驶算法所特有的，一旦算法升级，就需要重新测试，这是任何公司都负担不起的。委托模拟平台完成真实测试中难以完成的三大测试量是业内的普遍做法，这是仿真平台的三大恢复能力。具体来说，模拟平台就像电影《头号玩家》中的“绿洲系统”，“绿洲”中的每个玩家就像一套自动驾驶算法。算法在仿真平台上的测试就像将自动驾驶算法集成到“绿洲系统”中，完成不同的复制级别。

为了确保自动驾驶算法测试结果的真实性和可靠性，仿真平台必须尽可能接近现实。这不仅需要视觉和感官的真实感，还需要内在的物理定律和操作逻辑的真实感。因此，仿真平台至少需要具备三个级别的恢复能力。第一步是场景的几何恢复。通过使用模拟平台还原真实场景，要求场景中的所有建筑物、障碍物、道路元素、车辆高度、宽度和相对距离与真实世界一致。完成这一步骤依赖于早期的数据收集、校准和3D重建技术。第二步是恢复场景的物理规律。例如，自动驾驶汽车将配备许多雷达，不同的雷达探测距离和反射时间会有所不同。车辆在运行过程中、踩油门时加速、踩刹车时减速等都会受到道路摩擦系数和风阻系数的影响。仿真平台需要使用传感器模型、车辆动力学模型等组件，使这些对象元素的运行规则与现实世界保持一致。当精确还原模拟场景的几何和物理规律，并使用游戏引擎技术使模拟世界移动时，感知和去……

自动驾驶汽车在模拟环境中的场景制作过程，以及周围交通参与者的运行轨迹和模式，可以与现实世界保持一致，从而完成场景的逻辑还原。只有实现了这一步骤，自动驾驶汽车在仿真平台上的测试结果才会有参考价值和意义。

仅从测试的角度来看，模拟平台的一个自然优势是其所有元素都有自己的“真理价值观”。所谓的“真实价值”对应的是现实世界中的“观察价值”。在实际的道路测试中，自动驾驶汽车的摄像头和雷达检测的是“观测值”，而不是物体的客观属性。无论感知算法有多先进，它总是识别“真值”加上一定的误差。即使人类对其进行注释，仍然会有错误，而且成本非常高。然而，在模拟系统中，所有元素都是由测试人员构建的，因此测试人员可以清楚地知道物体的“真实值”，例如树木的精确坐标位置、汽车的前进方向、障碍物、行人、加速度以及其他绝对准确的数值。“真值”的内置功能可以使模拟测试获得的数据比实际更准确，这对改进自动驾驶算法具有重要意义。

随着自动驾驶技术的深入发展，仿真平台的场景构建能力导致测试人员和开发人员对仿真平台的应用能力提出了更高的要求。首先，仿真平台的场景构建能力是场景的丰富性。一般来说，当使用场景编辑器进行编辑或将场景数据输入模拟平台进行回放模拟时，场景中的元素是相对固定的。当测试人员希望改变自动驾驶算法时，这是主车辆的行为，这些场景元素不会做出相应的改变，也没有互动性。如果能够根据需求灵活构建场景，实现环境和交通流的智能化和自动化生成，道路采集数据的利用率将被放大数倍，这对加速算法迭代非常有意义。其次，模拟平台应具有在云中或高并发场景中进行本地调试和快速验证的能力。本地训练的自动驾驶算法可以上传到云端，通过大量回归测试进行验证，然后将结果返回到本地进行算法的精细调试，从而有效提高自动驾驶算法开发和测试的效率。最后，一个综合仿真平台应该有能力满足所有算法的闭环验证，或者任何算法的开环验证，同时保持系统内所有算法的一致性，这一点至关重要。一套全面的自动驾驶算法是预测、定位、感知、决策和控制等多种算法的融合，每个算法团队都可能有特殊的需求。使用一套软件来满足算法不同阶段的验证要求，包括模型在环、软件在环、硬件在环和车辆在环，不仅可以提供良好的用户体验，还可以避免跨软件算法验证导致的仿真结果不一致。这对于自动驾驶算法验证也是非常重要的。腾讯TAD Sim结合场景云模拟和虚拟城市云模拟，满足自动驾驶模拟测试和行业痛点的需求。以为自动驾驶提供更安全、更高效的开发和测试方法为目标，腾讯创建了一套内置高精度地图、虚拟现实集成、自动驾驶仿真平台线上线下集成的TAD Sim。

TAD Sim集成了工业车辆动力学模型、专业游戏引擎、3D重建技术和虚拟现实集成交通流技术，可以在实车上完成感知、决策、控制算法等所有模块的仿真实验，并支持单机和云的部署，一套系统可以满足使用要求……

全栈算法；基于腾讯已完成的国道和高速公路高精度地图采集和制作，TAD Sim支持国道和高速公路的模拟。总之，TAD-Sim有三个核心功能。首先，它基于腾讯强大的游戏引擎功能运行传感器建模和校准，确保其3D场景模拟和传感器模拟具有业界领先的真实性和准确性。其次，TAD-Sim场景生成系统支持多个场景源。除了常用的场景编辑器和基于回放的道路交通数据模拟外，它还可以利用大量的道路交通信息训练交通流AI，生成高保真度高、交互性强的场景AI进行闭环模拟，大大提高了道路交通数据的利用率。最后，基于腾讯云服务，TAD Sim可以在本地和云中部署测试场景。云部署包括两种形式：场景云模拟和虚拟城市云模拟。这两种形式相辅相成，不仅大大提高了自动驾驶算法测试的效率，而且对算法的改进和迭代也起到了重要作用。具体来说，在场景云模拟中，每个节点都是单个场景的模拟，但可以在云中同时运行大量节点；而虚拟城市云模拟可以在城市层面加载高精度地图，在其上部署数百万辆交通流车辆和数千辆自动驾驶主车，并进行24小时*7不间断的测试。通过对虚拟城市云模拟的大规模测试，可以帮助我们识别自动驾驶算法无法很好处理的场景，并进行有针对性的算法改进和测试。虚拟城市云模拟不断为场景云模拟补充场景库，形成二者相辅相成的效果。

仿真平台广泛应用于研发、测试等领域，推动自动驾驶在工业互联网领域的落地。腾讯致力于打造数字连接器和工具包，腾讯自动驾驶仿真平台也在与OEM制造商、测试点、政府机构、行业联盟甚至科研机构广泛合作，推动应用落地。去年年底，腾讯的自动驾驶团队与国家智能网联汽车试验区合作，建设了“智能网联车辆仿真实验室”。基于高精度地图和三维重建技术，对长沙试验区的地理全景进行了数字化建模，实现了模拟环境下安全高效的智能汽车实验。根据《智能汽车创新发展战略》，中国将在2025年实现具备自动驾驶条件的智能汽车的规模化生产。可以预见，未来几年，自动驾驶产业链各方将一路奔腾。

标签：皇冠

汽车资讯热门资讯