騰訊自動駕駛模拟仿真平台核心能力及應用實踐

　　利好政策接連發布，自動駕駛受熱議。但在實際運用中，自動駕駛的落地依舊面臨着許多問題，測試驗證難是其中一大痛點。而模拟仿真技術被業界當做這一難題的解決辦法，應用日漸廣泛。

　　騰訊作為國内自動駕駛領域的頭部玩家之一，從2017年開始研發模拟仿真平台的三維場景及傳感器仿真、數據驅動交通流模拟豐富的測試場景、場景型雲仿真及虛拟城市型雲仿真并行等核心能力，使騰訊自動駕駛模拟仿真平台處于國内地位。近日，騰訊自動駕駛模拟仿真平台負責人孫馳天分享了其對市場痛點及應用趨勢的分析。

　　自動駕駛測試兩大難點：數據成本和路測裡程要求

　　自動駕駛測試目前主要面臨兩個難題，一個是高昂的數據采集和标注成本，另一個是實際路測難以企及的測試裡程要求。

　　首先，自動駕駛作為人工智能技術的“皇冠”，其感知算法的訓練需要采集大量的數據，這些數據集需要涵蓋不同的天氣、路況等交通條件，但是訓練數據采集和标注的成本非常高昂，每年全球的自動駕駛開發者僅在第三方數據服務這一領域的資金投入就超過十億美元。

　　另外，數據的采集和标注存在很明顯的“重複造輪子”現象。每個公司都有自己的自動駕駛數據集，雖然已經有部分對外開放，但是比例很少，而且開放數據集隻能滿足通用的訓練數據，國外數據集也很難完全滿足國内的感知算法訓練需要。

　　其次，在算法的測試驗證上，行業普遍認為一套自動駕駛算法需要至少110億英裡的測試，才能達到量産應用的條件，這個距離相當于在太陽和地球之間往返50餘次。而且110億英裡測試距離是針對特定一個版本的自動駕駛算法來說的，一旦算法升級，還需要重新測試，任何公司都無法承受這個成本。”

　　模拟仿真平台三大還原能力

　　在現實測試中難以完成的測試體量，交由模拟仿真平台來完成，這已經是行業普遍的做法。具體來講，模拟仿真平台就宛如電影《頭号玩家》中的“綠洲系統”，而“綠洲”中的一個個玩家就相當于是一套套自動駕駛的算法。算法的在模拟仿真平台上的測試，就如同把自動駕駛算法接入“綠洲系統”中，完成不同的副本關卡(測試場景)。

　　為了使自動駕駛算法測試結果真實可靠，模拟仿真平台就必須盡可能接近真實。這不僅需要視覺、感官層面的真實，更需要内在物理規律和運行邏輯層面的真實。因此，模拟仿真平台至少需要具備三個層面的還原能力。

　　首先是場景的幾何還原 ，運用模拟仿真平台對某個現實場景進行還原，就要求這個場景裡所有建築、障礙物、道路元素、車輛的高度、寬度以及彼此之間的相對距離都與真實世界保持一緻，完成這一步依賴于前期的數據采集、标定以及三維重建技術。

　　第二步就是對場景的物理規律進行還原 。比如，自動駕駛汽車上會搭載許多雷達，不同的雷達探測距離、反射時間會有差異，車輛在運行的過程中會受到路面摩擦系數、風阻系數的影響、踩油門會加速、踩刹車會減速等。模拟仿真平台需要借助傳感器模型以及車輛動力學模型等組件，讓這些物體元素的運行規律與真實世界保持一緻。

　　當仿真場景的幾何還原和物理規律還原，都做的足夠，再借由遊戲引擎技術讓這個仿真世界動起來，這時候自動駕駛的汽車在仿真環境下的感知、決策過程以及周圍交通參與者的運行軌迹和模式就能與真實世界保持一緻，也就完成了場景的邏輯還原 。隻有做到這一步，自動駕駛汽車在模拟仿真平台中的測試結果才具有參考價值和意義。

　　單從測試的角度來說，模拟仿真平台有個天然的優勢，那就是它的所有元素都是自帶“真值”的。所謂的“真值”對應的是現實世界中的“觀測值”，在實際的道路測試中，自動駕駛汽車的攝像頭、雷達探測到的都是“觀測值”，而不是物體的客觀屬性。無論多麼先進的感知算法識别到的都是“真值”加一定的誤差，哪怕人類去标注，也會存在誤差，而且成本很高。

　　但是在模拟仿真系統裡，所有的元素都是測試者來構建的，所以測試者可以很清楚的知道一個物體的“真值”，比如說一棵樹的坐标位置，汽車、障礙物、行人的前進方向，加速度等數值都是的。自帶“真值”這個特點，可以讓仿真測試得到的數據比現實中更，這對完善自動駕駛的算法，有非常重要的意義。

　　模拟仿真平台的場景構建能力

　　随着自動駕駛技術的深入發展，測試者和開發者對模拟仿真平台應用能力的要求也越來越高。

　　首先，模拟仿真平台的場景構建能力，也就是場景的豐富性。 一般來說，利用場景編輯器進行編輯，或者将場景數據輸入仿真平台，進行回放性的仿真，場景中的元素都是相對固定的。當測試者希望改變自動駕駛算法，也就是主車行為時，這些場景元素不會做出相應的改變，沒有交互性。如果能夠依據需要靈活構建場景，實現環境和交通流的智能化和自動化生成，路采數據的利用率将被放大數倍，這對算法疊代的加速是很有意義的。

　　其次，仿真平台應該具有本地調試+雲端快速驗證的能力，或者說是高并發場景的能力 。可以将本地訓練好的自動駕駛算法，上傳到雲端同時進行大量的回歸測試驗證，再把結果返回到本地去做算法的精細調試，從而有效提升自動駕駛算法開發與測試的效率。

　　最後，完善的模拟仿真平台應該具備一個系統滿足全算法閉環驗證，或者是任一算法開環驗證，同時保持所有算法在系統内的仿真一緻性的能力，這是非常關鍵的一點。 一套完善的自動駕駛算法是預測、定位、感知、決策、控制等多個算法的融合，每個算法團隊都可能有特别的需求。使用一套軟件來滿足算法不同階段的驗證，滿足模型在環、軟件在環、硬件在環、車輛在環全流程的使用需求，不但能提供良好的用戶體驗，還能避免跨軟件算法驗證導緻的仿真結果不一緻的情況，這對自動駕駛算法驗證同樣非常重要。

　　騰訊TAD Sim 場景雲仿真、虛拟城市雲仿真相輔相成

　　針對自動駕駛模拟仿真測試的需求以及行業痛點，以為自動駕駛提供更加安全、高效的開發和測試方式為目标，騰訊打造了一套内置高精度地圖、虛實結合、線上線下一體的自動駕駛模拟仿真平台——TAD Sim。

　　TAD Sim集成了工業級的車輛動力學模型、專業的遊戲引擎、三維重建技術和虛實一體的交通流技術，可以完成感知、決策、控制算法等實車上全部模塊的仿真實驗，同時支持單機和雲端部署的方式，一套系統滿足全棧算法的使用需求;基于騰訊已經完成的全國高速、快速路高精度地圖采集和制作，TAD Sim支持全國高速和快速路的仿真。

　　總結起來，TAD Sim有三大核心能力，首先是基于騰訊強大的遊戲引擎能力運行傳感器建模和标定，能保證其三維場景的仿真以及傳感器的仿真具有業内的真實度和精準度。其次，TAD Sim場景生成系統支持多種場景來源，除了比較常見的場景編輯器和回放型的路采數據仿真，還可以運用大量路采數據訓練交通流AI，生成真實度高、交互性強的場景AI，來進行閉環仿真，大大提高路采數據的利用率。

　　最後，基于騰訊雲服務，TAD Sim可以同時在本地和雲端部署測試場景。其中雲端部署包含了場景雲仿真和虛拟城市雲仿真兩種形式。這兩種形式相輔相成，不但能大大提升自動駕駛算法測試效率，對算法的完善和疊代也有重要推動作用 。

　　具體來說，場景雲仿真中每個節點是對單個場景的仿真，但可在雲端同時運行大量節點;而虛拟城市雲仿真，可以加載一個城市級的高精度地圖，在上面部署上百萬輛的交通流車輛和上千台自動駕駛主車，去進行24小時*7的不間斷的測試。通過虛拟城市雲仿真的大規模測試，可以幫助我們尋找到自動駕駛算法處理不好的場景，來進行針對性的算法完善和測試。虛拟城市雲仿真源源不斷地為場景雲仿真補充場景庫，兩者形成互相促進的作用。

　　模拟仿真平台在研發、測試等領域正在被廣泛應用 推動自動駕駛落地

　　在産業互聯網領域，騰訊緻力于做數字化的連接器和工具箱，騰訊自動駕駛模拟仿真平台也在和OEM廠商、測試場、政府機構、産業聯盟乃至科研機構廣泛合作，推動應用落地。

　　去年底，騰訊自動駕駛團隊與國家智能網聯汽車(長沙)測試區合作建設“智能網聯汽車仿真實驗室”，基于高精度地圖和三維重建技術，對長沙測試區的地理全貌進行數字化建模，實現在仿真環境下進行安全、高效的智能汽車實驗。

　　根據《智能汽車創新發展戰略》，2025年我國将實現有條件自動駕駛的智能汽車規模化生産。可以預見在接下來的幾年中，自動駕駛産業鍊中的各方，都将一路疾馳。