加入高工智能汽车专业行业群(自动驾驶,车联座舱,商用车),加微信:17157613659出示名片,仅限智能网联软硬件供应商及OEM。

大量的测试验证是保证自动驾驶走向落地与实现功能安全的必经之路。与此同时,ADAS和AV系统的日益复杂给汽车工业带来了新的验证挑战。
有行业人士指出,零部件和模块的设计、软件开发事实上只是整个系统开发的很小一部分。系统集成的验证测试和优化,才是当下占据最大时间成本的环节。
这意味着,在测试验证环节诞生行业“独角兽”是大概率事件。这其中,模拟仿真公司机会最大。
就在近日,一家来自美国的自动驾驶模拟仿真初创公司Applied Intuition证实,在新一轮C轮融资中融资1.25亿美元,公司估值达到12.5亿美元。
“我们坚信,在未来,设计、工程、制造、测试和相关的软硬件都将使用某种形式的模拟测试。”Applied Intuition公司创始人表示。
按照此前腾讯发布的自动驾驶仿真技术蓝皮书数据,目前自动驾驶算法测试大约90%用仿真平台完成,9%在测试场完成,1%通过实际路测完成。
一、降本提效,是第一准则
模拟仿真测试对于开发自动驾驶车辆的公司来说,是无价的资产。在减少实际物理路测里程的同时,降低了快速迭代开发的成本。
一直以来,这些工具被Waymo、通用Cruise和无数其他公司用于验证系统的可扩展性和安全性,同时也用于训练机器学习算法。
让Applied Intuition引以为傲的技术,是可以为客户提供集成开发环境下每一个组件的模拟仿真测试。“之前,很多游戏引擎都是基于视觉效果,而不是真实的物理效果。”
在该公司的on-premises和云平台中,开发人员可以导入感兴趣位置的地图(以及该环境中对象的行为),并使用拖放场景编辑器来生成排列,以覆盖边界情况。
他们能够使用基于web的可视化工具运行大量的场景,以及通过url跟踪进程和与协作者共享结果,同时通过定制的规则以编程的方式提取驱动片段。
Applied Intuition公司表示,这套解决方案可以进行数百万PB级数据的模拟。“一般客户能够在两周内将其解决方案与现有软件集成在一起。”
该公司的核心创始团队来自谷歌、Waymo、微软、亚马逊、英伟达、苹果、Aptiv和博世,以及通用汽车、沃尔沃、丰田、福特和特斯拉等汽车制造商。
此前,该公司的平台侧重于更传统的模拟运动规划,控制和感知模块的AV软件堆栈,同时也一直在构建大规模的模拟环境。
以开发安全关键感知系统为例,需要大量的数据来覆盖现实世界中遇到的各种边缘情况。标注和管理来自真实驾驶数据的数据集是业内训练自动驾驶车辆算法的常用方法。
特斯拉实际上采取的就是类似的方式,随着自动驾驶汽车遇到需要解决的新场景,工程师们不断调整标注指令。
但是,由于可伸缩性的限制、数据收集的成本和准确标注信息所需的工作,这种数据驱动的方法有各种限制。
以特斯拉未来,该公司在全球范围内拥有超过100万辆存量车收集长尾数据集,但大多数汽车制造商没有类似能力来提供这样的数据集。
即使有大量可用的数据,仍然不能保证所需的数据在数据集中可用性。在这种情况下,需要专门的测试车来收集这些数据,从而增加了成本和时间延迟。
此外,大量的边缘场景,可能需要几年的时间再次发生。同时,传统的数据标注成本是巨大的,半自动甚至是手工方式还是主流。
在Applied Intuition公司看来,合成数据提供了一种可伸缩性更强、更准确的替代方法。尽管合成数据是从模拟中创建的,但地面真实信息(例如车辆的语义标签或交通标志上的文本)是精确可用的。
仿真还可以提供一个场景中每个物体的反射率、深度、粗糙度等精确信息。注释可以自动创建,不需要手动标记传感器数据。
另一个关键好处是,工程师可以创造多种变化,而无需在现实世界中“指望运气”碰到类似场景。这种方式还允许关注感兴趣的特定对象。
通过正确的程序设置,系统可以在几个小时内模拟数百万个交通标志的例子。可能包括在不同光照条件、物体位置、遮挡等情况。
此外,合成数据就可以与真实数据互补地使用。在真实数据中识别出的长尾事件可以作为一个起点,围绕该事件创建数以千计的变化。
另一个关键用例是获取既不能从传感器获得也不容易手动添加的数据的真实数据,比如,一个常见的例子是从单目或立体摄像头中提取的深度信息。
为此,Applied Intuition公司的应用团队开发了一个仿真引擎,能够通过编程创建高保真度的合成数据和确定性结果。
二、打通仿真与功能安全
由于现实驾驶中场景和边缘案例的激增,虚拟测试与现实测试对于自动驾驶系统开发同样重要。
但是,业界需要就如何将仿真用于此目的以及仿真标准如何与现有框架交互以进行关键安全功能开发共享通用标准。
与汽车安全开发相关的两个常见框架是SOTIF和ISO 26262。前者是关于功能安全的,即减少已知组件故障带来的安全风险,而预期功能安全(SOTIF)是关于确保系统可能遇到不可预见场景时的功能安全。
ISO 26262传统上用于开发安全系统,它列出了功能安全要求,旨在防止由于系统故障造成的不合理风险。
V型开发过程是传统产品开发周期的一个参考模型,ISO 26262建议在V型的每个点上使用仿真。
需求评估、故障注入和性能测试应该在单元和集成测试期间执行,而系统测试则需要HIL仿真来验证软件在目标硬件上正确运行。
在这些过程中,模拟仿真应该广泛地涵盖危险情况,并利用随机试验来评估未知风险。
基于此,SOTIF标准应运而生,试图在没有明显系统故障的情况下确保系统在意外情况下的安全运行。这意味着,仿真平台需要支持快速创建和测试数百万个场景。
接下来,测量性能覆盖率对于理解自动驾驶系统(ADS)的成熟度是至关重要的。然而,精确地定义和度量相关的指标是一项挑战。
事实上,在整个自动驾驶行业,大家都在调整他们计划的自动驾驶车辆部署时间点,因为如果他们不能量化场景覆盖或实现覆盖目标的进展速度,就很难确切知道他们离部署有多远。
比如,以常见的左转场景示例,系统可以根据一系列车辆参数变化进行评估,如转弯角度、速度和各种类型的行人、机动车类型、易受伤害的道路使用者(VRUs)。
系统需要处理VRUs的各种类型、数量和反应行为。每个VRU被系统感知的时间也很关键,因为它可能会引入新的极端情况。
最重要的是,地图中的每个交叉点都有不同的几何形状,需要根据可配置参数进行测试。而每一个新的参数都会导致对空间进行完全采样所需的测试总数呈指数增长。
这意味着,数据自动分析和可视化工具对于整个系统的开发至关重要。而仿真是过去许多行业加速工程开发的重要工具。
三、竞争激烈,抢食者众多
不过,对于Applied Intuition公司来说,竞争对手也异常强大。
为宝马提供相关仿真工具及技术支持的,是一家名为Unity Technologies的游戏引擎公司。该公司上个月18日在美股挂牌上市,最新公司市值超过200亿美金。
这是迄今为止,首家IPO上市的,可以为汽车行业提供虚拟仿真测试工具及平台的第一股。
截至目前,全球排名前十的汽车制造商中,有8家是Unity公司的客户,此外,包括谷歌、百度、LG等都与该公司合作自动驾驶虚拟仿真平台。
此外,仿真工具部署也在从纯软件在环平台一直延展到硬件在环平台。同时,Unity 3D的下一步升级,将能够把整个车辆纳入系统,而不仅仅是部分硬件组件。
“这一大步将是进入整车在环测试,有助于最终的软硬件集成测试,进一步提高整个开发周期的效率。”该公司相关负责人表示。
按照计划,Unity将投入数亿美元进行大规模投资,在传统优势的游戏引擎领域之外,快速在汽车等工业领域站稳脚跟。
与此同时,一部分汽车制造商、零部件厂商也在加快部署自己的模拟仿真平台,英伟达、腾讯等科技巨头也在快速进入这个细分市场。
比如,英伟达推出的Drive Constellation平台,正在与德国认证机构TUV SUD合作,共同打造自动驾驶汽车测试和许可标准。
而腾讯基于自身在地图、游戏、云计算、人工智能等领域的技术优势,自主研发的仿真平台TAD Sim已经崭露头角。
TAD Sim场景库覆盖超过1000种场景类型,可以泛化生成万倍以上丰富场景,在云端高并发运行具备每日1000万公里以上的测试能力。
在该公司看来,虚拟仿真测试并非没有门槛,也不是简单的“游戏”,比如数据传输能力和低资源占用。而虚拟仿真的重要性,也意味着这个市场的竞争将异常激烈。
“通过增加场景覆盖度,未来在L3和L4研发上,所有脱离里程以及积累的公里数已经没有太大的意义,真正有价值的是能看到多少个场景。”在广汽研究院智驾技术部部长郭继舜看来,虚拟仿真平台是非常重要的一环。

继续阅读