自动驾驶安全如何保障？深信科创杨子江：通过模拟仿真完成99.9％的测试量( 二 ) “自动驾驶是真正的革命

文章图片
图丨深信科创自动驾驶仿真测试平台-webviz可视化界面（来源：深信科创）
使用模拟仿真测试是为了尽早地发现自动驾驶系统中的问题，特别是在早期的软件开发环节。如果可以为自动驾驶系统提供各性能测试数据，发现并及时解决问题，不仅节省大量的测试成本，更重要的是通过加速测试来加快自动驾驶的设计和开发周期。
西安交通大学教授、深信科创创始人兼CEO杨子江表示：“深信科创通过并行化和AI算法两种方式来解决加速自动驾驶测试的科学问题。基于云原生的工程架构，模拟仿真可以在情况下，在公有云或私有云上不间断的进行几十万辆车的并发测试。
这样的并发量在现实世界是不可想象的，但是在软件场景下车辆复制成本为零，所付出的代价仅为算力成本。通过AI对抗场景生成以及模糊测试，仿真环境里可以更大密度的产生极端交通场景，从而在和路测相等里程数的情况下完成更多、更快的场景覆盖。 ”

文章图片
图丨深信科创自动驾驶仿真平台-仿真场景展示（来源：深信科创）
美国德勤公司的汽车产业微笑曲线图把模拟仿真列为自动驾驶难度最高的技术之一。
为何模拟仿真这么难呢？
首先，传统的L2的物理级传感器模型（场景复杂度、传感器真实度）已经不能满足L2+-L4级自动驾驶仿真测试的需求，深信科创开发的模拟仿真平台主要针对L3-L4级自动驾驶系统，它是利用游戏引擎技术，实现地图、天气、车辆等高保真渲染及传感器仿真模拟。
同时，采用人工智能技术，通过采集的大量的真实场景数据，传感器数据对于传感器模型进行训练，打造真正基于人工智能的L3-L4级自动驾驶仿真软件，并且结合高质量车辆动力学模型，对自动驾驶系统进行模拟测试。
对于模拟仿真来说，用户最关心的是在复杂的环境中是否能达到与真实情况的接近。杨子江指出：“仿真要做到‘真’ ，背后的计算非常复杂，包括传感器模型、静态场景、动态场景、交通参与者、交通流、汽车动力学、地面的摩擦系数、轮胎的摩擦等技术难点。 ”
为此，深信科创面向量产的L2高级辅助驾驶系统及在研的L4自动驾驶系统测试，提出了基于测试理论、可信人工智能技术、云计算与大数据技术的安全测试解决方案，并形成围绕加速测试与安全测试解决方案的场景描述领域专用编程语言、智能交通流系统、大规模云端仿真测试平台的产品布局。

文章图片
图丨深信科创自动驾驶仿真测试平台-场景编辑界面（来源：深信科创）
第一，通过深信科创场景描述专用编程语言可精确地描述自动驾驶测试过程中的交通场景、动态行为。通过编译器渲染出毫米波雷达信号、激光雷达的信号等场景。
目前，很多车企通过扫街的方式从真实的交通场景中采集数据做模拟仿真测试，但这种方法的局限性是数据规模太小。
针对此问题，深信科创采用其专用的场景描述编程语言，然后将拍摄的交通场景视频“反编译”成场景描述语言的程序。这样就会理解车辆数量、每辆车的速度等各种情况。在此基础上进行泛化，可以任意增加数据规模。
第二，深信科创自研的智能交通流系统可以让仿真测试过程中的交通参与者（包括NPC车辆、行人）具有更加自主的交通行为。值得关注的是，除了被测的自动驾驶车辆，在模拟环境中的其他车辆还必须全面排除“僵尸车” ，也就是预先设计好轨迹行驶的车辆。 “僵尸车”的存在无法保证模拟环境中的变道、避让等状况与现实一致，从而降低模拟仿真的真实度。