保时捷关于ADAS/AD虚拟验证平台 / 四六文摘

开发人员正在创建一个虚拟世界，在其中测试、训练和验证驾驶辅助系统和自动驾驶功能。在保时捷工程公司的虚拟ADAS测试中心（PEVATeC），正在创建具有物理现实效果的计算机生成的环境，与真实交通中的测试无法区分。

创造的物理上的真实效果，与真实交通中的测试无法区分。在交通情况下，没有人比驾驶辅助系统更专心致志。尽管如此，基于光学和雷达的传感器系统都需要为这个目的捕捉环境，比有经验的司机所能做到的要准确得多。利用安装在汽车上并联网的众多摄像头、雷达、激光雷达和超声波系统的数据，算法在几十毫秒内确定控制策略，以便在危险情况下最佳地控制车辆。而且，它们以超乎寻常的精确度做到这一点。因此，驾驶辅助系统--在行话中也被称为ADAS（高级驾驶辅助系统）--明显地降低了道路上的事故风险，这一点并不令人惊讶。每增加一个ADAS系统，汽车开发商就会离无事故驾驶的愿景更近一步。但这一过程确实如人们想象的那样艰难。

这对于自动驾驶来说尤其如此。在敏捷开发方法的帮助下，工程师们在开发方面取得了长足进步，但仍远未掌握所有的技术要求。尽管如此，在公共道路上的试点项目中，在已知和限定的条件下，自动驾驶车辆展示了经济和安全的低速行驶方式。然而，与具有精确定义任务的驾驶辅助系统相比，自主车辆必须能够掌握所有的驾驶情况，并完全取代驾驶员。此外，ADAS和自动驾驶的关键条件不一定与人类驾驶员相同，而且还没有完全理解。

自主驾驶仍然需要广泛的测试。例如，美国智囊团兰德公司的科学家们认为，完全自主的车辆必须行驶数亿英里，在某些情况下，必须行驶数千亿英里，才能对各个系统及其相互作用进行有力和有意义的测试。例如，他们声称，需要行驶大约110亿英里，才能将自动驾驶车辆造成的致命事故的风险比人类驾驶员减少20%。如果100辆测试车每天24小时、每周7天都在使用，以每小时25英里的平均速度，测试车将需要大约500年，以每小时50英里的平均速度，大约需要250年--这些时间和成本与产品开发显然是不相容的。

即使在半自动驾驶功能的情况下，大量的工程师将不得不在几年内测试ADAS系统，以验证每一种可想象的情况。弗兰克-塞耶很清楚，这在经济上既不合理也不可行，更不用说这对其他道路使用者来说也是极其危险的。"保时捷工程公司的虚拟车辆开发高级经理解释说："在公路上这样做是不可能的。因此，我们的想法是，通过数字化和广泛的计算机仿真，将其中的许多公里数转移到实验室，即转移到保时捷工程虚拟ADAS测试中心（PEVATeC）。在未来几年中，PEVATeC将创建虚拟世界，其中包括道路上的所有相关情况，从而作为驾驶辅助系统中使用的算法和传感器的测试案例。

重现关键工况：在仿真环境中进行测试，不仅便宜、省时，而且可以减少组织工作--它们还可以重现和修改真实道路交通的关键参数创建自己需要的测试工况。此外，仿真可以帮助发现新的关键情况，这些情况尚未被人类驾驶者发现或者遇到，但对于确保基于传感器的自动驾驶的任何可能使用情况下的安全至关重要。

除了实时能力，所创建的虚拟现实还必须能够产生物理上的真实效果。数字化再现的物体，如道路、人行道、房屋墙壁和车辆，必须具有与实际道路交通完全相同的属性，只有这样才能为摄像机、激光雷达、雷达和超声波系统提供真实的输入。神奇的是 "基于物理的渲染"：现有的物体渲染方法意味着诸如表面结构、颜色层次和光源等属性是以一种简化的方式仿真的，同时也节省了资源。相比之下，基于物理的渲染是一种成熟的方法，用于对三维物体上的光反射和折射进行逼真的成像。这里的主要任务是表示物理上正确的光的分布模式。

为了最大限度地减少真实和虚拟驾驶测试之间的差异，PEVATeC的工程师们正在加紧研究尽可能准确的物理材料定义，以及再现接近真实生活的光线的算法。这对于防止驾驶辅助系统因摄像机镜头过脏或雷达波的多次反射等因素而导致的情况误判非常重要。出于这个原因，例如，天气条件和灯光对车辆中基于摄像头的传感器的影响，可以通过一个按钮来显示。"Sayer解释说："这也包括低矮的太阳、潮湿和反射的路面以及被雪覆盖的路面的影响。

在未来，即使是路面，其所有的不均匀性，也能够像脏的相机镜头的后果一样被真实地计算。即使在真实道路上进行不同条件下的测试，在实践中也很难实现。此外，为了使街道环境尽可能逼真，开发人员还有许多虚拟物体，如树木和日常物品可供他们使用。毕竟，自动驾驶汽车必须认识到潜在的风险，即使在道路的路线是混乱的。这包括将动态物体纳入仿真的能力，也就是说，人、骑自行车的人和其他道路使用者，他们应该在数字三维世界中自然移动。

如果现在在真实和虚拟驾驶测试中对各个场景进行相互比较，就可以对整个仿真的准确性得出结论。这也导致出现了一个更加精确的基础，通过仿真来优化车辆中的传感器系统--例如通过虚拟测试车辆中超声波传感器的不同安装位置。这使得基于光学和雷达的传感器得到快速验证和校准。例如，与Simulink、ROS或OpenDRIVE的数据接口可供参与开发过程的所有部门使用，以便随后将结果整合到整个车辆的仿真中。

PEVATeC执行的另一项重要任务是对物体进行分类。必须对传感器的智能进行编程，以便在最困难的条件下也能识别交通标志、人和情况。这需要训练图像识别软件，这是用人工智能和真实及仿真图像数据的组合完成的。向系统展示无数变化的图像或视频序列，以便在机器学习的帮助下训练它对物体和情况进行正确分类。高性能的计算机自动进行这一标签化过程。仅在仿真场景中，所有物体都是已知的，并在游戏引擎中定位。通过这种方式，图像中的物体可以被自动识别、尺寸化和特征化。

ADAS测试中心是高性能计算中心的基础设施，由于新车辆功能的虚拟测试、培训和验证需要实时处理大量的数据，未来ADAS测试中心的基础设施将类似于高性能计算中心，需要大量的图形芯片（GPU）来处理大量的信息。GPU特别适用于涉及自动驾驶的应用，因为数学运算在其中并行运行。因此，它们也是PEVATeC概念的一个重要组成部分。此外，还有用于测试和验证不同ADAS系统所需的场景池的存储容量。有效数据的确定是开发算法的重要前提，这些算法将自动驾驶有效和安全地带到道路上。这正是PEVATeC应该做的：仿真的结果帮助工程师优化训练驾驶辅助系统的算法--使安装的ADAS系统能够独立掌握最困难的操纵和情况。

因此，测试先进的驾驶辅助系统和自动驾驶功能需要数十亿英里的测试里程。仅靠道路测试是不够的。这就是为什么保时捷工程公司开发了PEVATeC。一个专门从事三维仿真的计算机系统产生了合成数据，作为车辆传感器的输入。这些数据是如此逼真，以至于无法与现实区分开来。这使得许多测试可以从现实世界转移到虚拟世界。