日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

路測還是仿真？——關(guān)于自動(dòng)駕駛開發(fā)的十億英里問題

2020-02-15 21:25:19·  來源：MSC軟件  
　
圖1.自動(dòng)駕駛是一個(gè)日新月異的行業(yè)而后 2018 年初發(fā)生了一場悲劇。由于許多人被每天燒掉數(shù)百萬美元的大肆宣傳所蒙蔽，這讓他們始料未及。一輛優(yōu)步用于進(jìn)行自動(dòng)駕
 
圖1.自動(dòng)駕駛是一個(gè)日新月異的行業(yè)
 
而后 2018 年初發(fā)生了一場悲劇。由于許多人被每天燒掉數(shù)百萬美元的大肆宣傳所蒙蔽，這讓他們始料未及。一輛優(yōu)步用于進(jìn)行自動(dòng)駕車測試的車輛（將其稱為“自動(dòng)駕駛車輛”并不準(zhǔn)確，這是因?yàn)槟壳斑€沒有這種車輛，我們在街道上看到的只不過是“測試平臺”而已）在亞利桑那州撞到了一名正在過馬路的女子，致其死亡。
 
來自公眾的反應(yīng)迅速而強(qiáng)烈，不僅僅是優(yōu)步，所有的自動(dòng)駕駛項(xiàng)目都受到了質(zhì)疑（在接下來的兩周內(nèi)，NVIDIA 損失了 10% 的市值）。華盛頓郵報(bào)發(fā)表了一篇題為“致命的優(yōu)步車禍引發(fā)關(guān)于無人駕駛車輛監(jiān)管的爭論”的文章 [1]，而衛(wèi)報(bào)的文章標(biāo)題則為“優(yōu)步車禍見證自動(dòng)駕駛技術(shù)的災(zāi)難性失敗”[2]。
 
我們應(yīng)該從這場事故中汲取什么教訓(xùn)呢？一位 linkedIn 用戶的說法最有代表性：“在道路上對不合要求的測試版軟件進(jìn)行測試完全讓人無法接受。這不是一個(gè)有好幾條命的在線游戲”。
 
要想實(shí)現(xiàn)自動(dòng)駕駛車輛的功能性和安全性，需要進(jìn)行數(shù)百萬次測試才能涵蓋所有的駕駛場景，如果不在虛擬世界中廣泛采用（達(dá)到工程史上前所未有程度的）仿真，根本無法接近這一目標(biāo)。僅僅（或基本上）試圖通過路測就想實(shí)現(xiàn) 5 級自動(dòng)駕駛，有如妄想煮沸大海一樣徒勞無功。
圖2.對行駛在中國北京公路上的自動(dòng)駕駛車輛進(jìn)行仿真，采用 VIRES VTD進(jìn)行仿真。
圖3.端到端自動(dòng)駕駛仿真工作流程
 
作為工程師，我們來做一些基本的數(shù)學(xué)計(jì)算。根據(jù)美國交通事故報(bào)告[3]，從統(tǒng)計(jì)數(shù)據(jù)來看，每行駛1.4億公里就會(huì)致使一人在路上遇難。因此，要想從統(tǒng)計(jì)上證明（95%置信度）自動(dòng)駕駛車輛能做到與人類駕駛員一樣優(yōu)秀，就必須經(jīng)過4.15億公里的測試而不會(huì)造成任何死亡[4]。
 
許多自動(dòng)駕駛技術(shù)的狂熱支持者聲稱“自動(dòng)駕駛車輛能讓路上死亡人數(shù)減少到原先的二十分之一”[5]。但這只是一個(gè)極為大膽的見解，無論它聽起來多么誘人，都需要經(jīng)過證明才能被公眾認(rèn)可。畢竟我們是科學(xué)工作者，我們相信數(shù)據(jù)。
 
用來證明自動(dòng)駕駛車輛的表現(xiàn)與人類駕駛員“一樣優(yōu)秀”所需的數(shù)據(jù)為 4.15 億公里。誰敢說自己的系統(tǒng)能好上 20 倍？為了從統(tǒng)計(jì)學(xué)上證明這一點(diǎn)，請向我們展示經(jīng)過 80 億公里測試后的結(jié)果！
 
順便說一句，每當(dāng)有人修改單個(gè)傳感器的位置時(shí)，就必須重新啟動(dòng)計(jì)數(shù)器！每當(dāng)改變一些車輛特性（例如軸距、質(zhì)量…）時(shí)，也必須重新啟動(dòng)計(jì)數(shù)器。每當(dāng)更新一個(gè)軟件時(shí)…計(jì)數(shù)器也必須重新啟動(dòng)！
 
還會(huì)有人相信路測就相當(dāng)于完全自動(dòng)駕駛嗎？誰還會(huì)認(rèn)為累計(jì) 100 萬公里的路測是一個(gè)值得慶祝的目標(biāo)？
 
我們以 Waymo 為例（給少數(shù)不了解它的人解釋一下，它是谷歌的“自動(dòng)駕駛子公司”，被視為該領(lǐng)域的領(lǐng)軍者）。假設(shè) 10 年后這些車輛已經(jīng)積累了 1600 萬公里的道路數(shù)據(jù)（這確實(shí)是個(gè)了不起的成就，盡管其中的大部分都是在加州和亞利桑那州晴朗的日子里積累的）；按照這個(gè)速度，這家全球最有錢的公司需要 200 多年的時(shí)間才能證明這些車輛“與人類駕駛員一樣優(yōu)秀”。這就是除路測以外 Waymo 還要全天候運(yùn)行 25,000 輛虛擬車輛、每天仿真行駛 1300 萬公里的原因[6]。“實(shí)際上，計(jì)算機(jī)仿真的價(jià)值更高，它們能讓制造商以遠(yuǎn)遠(yuǎn)超出路測的的條件和壓力對其軟件進(jìn)行測試，而這些在測試跑道上是難以實(shí)現(xiàn)的。”谷歌自動(dòng)駕駛汽車項(xiàng)目安全總監(jiān) Ron Medford 如是說。
 
每個(gè)人都了解路測的必要性，但同時(shí)我們還應(yīng)當(dāng)注意到它存在明顯的不足。如果過早地進(jìn)行路測，不僅速度慢而且存在潛在的危險(xiǎn)性。此外，路測還不具備可重復(fù)性或可控性，而這些對自動(dòng)駕駛系統(tǒng)的開發(fā)是必不可少的。
 
為解決這些問題，工程師會(huì)傾向于利用可重復(fù)性要高得多的試驗(yàn)場。此外，還可以在實(shí)際車輛上對真實(shí)的傳感器進(jìn)行評估。然而，試驗(yàn)場的一個(gè)劣勢在于工程師可進(jìn)行測試的場景數(shù)量有限。每個(gè)試驗(yàn)場通常會(huì)包含一系列場景，一般來說，在試驗(yàn)場內(nèi)修建/搭建新場景不僅速度緩慢而且成本高昂。
 
現(xiàn)在我們考察一下仿真或虛擬測試。在我看來，對于自動(dòng)駕駛系統(tǒng)的開發(fā)，有一些關(guān)鍵原因使得仿真比路測或試驗(yàn)場更為適用，尤其是在項(xiàng)目的初期。
 
首先，虛擬測試在成本方面更具可伸縮性。一輛裝備齊全的自動(dòng)駕駛車輛可能耗資高達(dá) 50 萬美元，因此一個(gè)擁有 200 輛汽車的車隊(duì)意味著對硬件本身（車輛、傳感器、數(shù)據(jù)存儲(chǔ)、布線…）的投入就需要 1 億美元。
 
相比之下，對虛擬測試進(jìn)行擴(kuò)充，只需擁有相應(yīng)的軟件許可和 CPU/GPU 就可以進(jìn)行仿真，這通常要便宜 100 倍。更不用說管理如此龐大的車隊(duì)（駕駛員、保險(xiǎn)、車間、維修…）所需的運(yùn)營成本。作為這一可擴(kuò)展性示例，寶馬公司近期宣布推出了自己的新款高性能集群，它配備了超過 100,000 個(gè)內(nèi)核、200 多個(gè) GPU，專門用于開發(fā)自動(dòng)駕駛車輛 [7]。
 
其次，虛擬測試可以隨時(shí)獲得地面實(shí)況。在虛擬環(huán)境中，您必然知道前方是行人還是汽車，無需雇用服務(wù)公司對測試中采集到的道路數(shù)據(jù)進(jìn)行注釋/標(biāo)注。對于需要驗(yàn)證自動(dòng)駕駛系統(tǒng)的 10 億英里道路數(shù)據(jù)，全部用人工完成注釋根本不可行。
第三，借助仿真，工程師能夠在設(shè)計(jì)階段初期對控制器軟件的功能進(jìn)行測試?？赏ㄟ^模型在環(huán)仿真分別測試軟件的各種功能，而無需等待整個(gè)控制系統(tǒng)完成。由于可根據(jù)需要任意回放虛擬場景，因此能夠更加方便地分析、調(diào)試或迭代核心算法，且成本更低，無需考慮實(shí)際產(chǎn)品軟件的細(xì)微差別。
 
最后且重要的是，通過虛擬測試創(chuàng)建各種情況的排列組合會(huì)更加方便。工程師可使用不同的參數(shù)集輕松地重復(fù)相同的測試，例如更多的行人、更高的速度、更差的傳感器能見度、更低的道路摩擦等。用多個(gè)參數(shù)對幾個(gè)基本場景進(jìn)行排列組合，可創(chuàng)建出數(shù)千個(gè)場景。這是確保駕駛算法穩(wěn)健性和可靠性的關(guān)鍵。
 
在某種意義上，自動(dòng)駕駛車輛（AV）仿真不同于傳統(tǒng)的車輛仿真，除車輛本身以外，車輛運(yùn)行的“環(huán)境”在評估其應(yīng)對所有駕駛狀況的方式時(shí)也是不可或缺的。自動(dòng)駕駛的“環(huán)境”相當(dāng)豐富（有時(shí)甚至是擁擠），包括所有其他車輛、行人、動(dòng)物，當(dāng)然也包括道路、人行道、建筑物乃至氣候條件。讓我們仔細(xì)研究一下這些組成部分。
 
首先，工程師需要一個(gè)能代表與真實(shí)車輛具有相同動(dòng)力學(xué)特性的車輛模型。在訓(xùn)練人工智能控制器駕駛真實(shí)車輛時(shí)，車輛模型不僅要具備正確的質(zhì)量和發(fā)動(dòng)機(jī)功率，還要具備其他的正確反應(yīng)，例如制動(dòng)效率或者轉(zhuǎn)彎期間的負(fù)載轉(zhuǎn)移。基本的懸架設(shè)計(jì)（減震器、防側(cè)傾桿…）和輪胎—道路的相互作用都會(huì)顯著影響所有這些性能。
 
除車輛模型以外，還需要仔細(xì)構(gòu)建 3D 環(huán)境。3D 環(huán)境包括公路網(wǎng)，它定義了車輛可占據(jù)的空間，以及車輛占據(jù)每條車道的時(shí)間和方式。除了道路本身，緊挨道路的周圍環(huán)境同樣重要。樹木和灌木叢會(huì)遮擋觀察交通標(biāo)志的視線，人行道上的行人可能會(huì)突然決定橫穿馬路，街道一側(cè)的建筑物也可能會(huì)在道路上投下陰影或降低 GPS 的精度。必須對所有這些要素進(jìn)行細(xì)致逼真的建模，從而正確地設(shè)置動(dòng)作發(fā)生的場景。
 
當(dāng)然，自動(dòng)駕駛車輛會(huì)與其他車輛共用道路，其他車輛可以是自行車、摩托車、汽車、公共汽車、帶拖車的卡車、平衡車、騎馬的警察或者其他任何事物。在這種情況下，應(yīng)包括允許在路上行駛的一切。這些參與者中的任何一個(gè)都可能以自己的方式與其他行駛車輛相互影響。例如，在交通阻塞期間摩托車會(huì)插入車道內(nèi)，大型卡車由于加速緩慢而很容易造成堵車，騎車人也可能因?yàn)橐筠D(zhuǎn)彎而決定從人行道移動(dòng)到道路中間。重要的是，要體現(xiàn)出所有這些交通參與者自身所特有的機(jī)動(dòng)方式。
 
同樣也需要對行人及其行為進(jìn)行建模，尤其是他們與對向行駛車輛之間的相互影響方式。工程師需要還原行人的姿態(tài)，例如，當(dāng)他們橫穿馬路在電話上發(fā)短信而分心時(shí)，他們是否會(huì)觀察交通狀況。動(dòng)物的行為可能更加難以預(yù)料，比如在車輛前方無規(guī)律地跳躍，堵塞在道路中間，或者在車輛駛來時(shí)盯著看。
 
環(huán)境仿真需要考慮的最后一個(gè)重要因素是天氣和照明，由于它會(huì)影響傳感器感知場景的方式，因此至關(guān)重要。外面下雨時(shí)，由于駕駛員的視野和道路摩擦力已經(jīng)發(fā)生改變，因此車輛需要減速。在日落或日出時(shí)，由于太陽高度較低，因此人類駕駛員需要佩戴太陽鏡，否則無法真正看清道路。同樣地，這些情況也會(huì)影響到攝像頭、雷達(dá)或激光雷達(dá)等傳感器。霧會(huì)降低攝像頭的能見度（并吸收雷達(dá)能量），而雨滴會(huì)使激光束發(fā)生散射，因此激光雷達(dá)對其更加敏感。
圖4.對打手機(jī)橫穿道路的行人進(jìn)行仿真，采用VIRES VTD進(jìn)行仿真。
圖5. 對夜間行駛的車輛進(jìn)行仿真，采用 VIRES VTD進(jìn)行仿真。
 
實(shí)際上，感知到的傳感器數(shù)據(jù)是自動(dòng)駕駛車輛仿真所能提供的最寶貴的信息。有了這些準(zhǔn)確可用的數(shù)據(jù)，工程師就可以專注于自動(dòng)駕駛開發(fā)的后續(xù)階段。
 
第一步是所謂的“傳感器融合”階段，將來自不同傳感器的數(shù)據(jù)組合在一起，以便計(jì)算出準(zhǔn)確的位置和方位信息。通過攝像頭識別目標(biāo)，當(dāng)激光點(diǎn)云與目標(biāo)關(guān)聯(lián)后，就可以由激光雷達(dá)測出與目標(biāo)之間的距離。雷達(dá)甚至能給出目標(biāo)的速度。
 
一旦工程師已經(jīng)清楚地了解了己方車輛周圍的環(huán)境，就可以進(jìn)入下一個(gè)階段，該階段通常稱為“路徑規(guī)劃”。掌握了交通場景中的行人和其他車輛的情況后，工程師需要預(yù)測其他的交通參與者有可能在接下來不足一秒到幾秒的時(shí)間里會(huì)做些什么。實(shí)質(zhì)上，車輛需要在此時(shí)決定采取哪些行為才能最為安全地應(yīng)對這種情況。
 
即便借助于傳感器融合，有時(shí) AV（自動(dòng)駕駛車輛）仍然不能 100% 地理解這種情況。如果車輛在陽光明媚的公路上行駛，那么所有的傳感器都會(huì)給出正確的信息，而且能清晰地看到車輛前方很遠(yuǎn)的距離。但可以想見，如果霧天高峰時(shí)段自動(dòng)駕駛車輛在紐約擁擠的街道上行駛，你并不總是能分清楚前方有兩個(gè)行人還是三個(gè)行人。車輛在決定要走哪條路徑時(shí)，不僅要考慮目的地，還要考慮最安全的抵達(dá)路線。
 
找到最安全的路徑后，就要決定如何操控車輛，這意味著如何控制油門、制動(dòng)器和方向盤來沿著該路徑行駛，或者如何調(diào)整懸架系統(tǒng)中的減振器來確保乘坐平穩(wěn)性。這就是所謂的“操控階段”，也是精通地面車輛控制理論的專業(yè)工程師大顯身手之處。
 
在虛擬仿真工作流程中，所有這些信息都會(huì)作為閉環(huán)反饋提供給車輛動(dòng)力學(xué)模型。車輛模型會(huì)根據(jù)含有扭矩/作用力的輸入值來預(yù)測其調(diào)整之后的位移、速度及方位，從而與周圍環(huán)境進(jìn)行互動(dòng)（包括對向行駛車輛或者可能突然橫穿馬路的行人），同時(shí)仿真環(huán)路繼續(xù)工作。
 
VIRES 虛擬試駕（VTD）為工程師提供了進(jìn)行自動(dòng)駕駛仿真所需的所有要素，同時(shí)，VTD 不僅兼容 MSC 軟件的內(nèi)部技術(shù)，而且兼容許多第三方軟件。
 
舉例來說，VTD 不僅提供了兩種不同的用來表征車輛動(dòng)力學(xué)的嵌入式技術(shù)（具有不同的仿真速度和結(jié)果準(zhǔn)確度），還能與 Adams Car（車輛動(dòng)力學(xué)仿真的事實(shí)標(biāo)準(zhǔn)）或其他任何車輛動(dòng)力學(xué)軟件共同使用。VTD 的交通模型也毫不遜色：VTD 具備業(yè)內(nèi)最全面的交通仿真能力（可根據(jù)多個(gè)參數(shù)來設(shè)置每輛車的駕駛風(fēng)格，必要時(shí)可同時(shí)仿真數(shù)千輛車）；但也可以將其他交通模型整合到 VTD 中，例如 SUMO [8] 或 PTV Vissim [9]。
 
自動(dòng)駕駛是未來十年最為激動(dòng)人心又令人望而卻步的任務(wù)之一。僅僅依靠路測永遠(yuǎn)無法接近用來確保自動(dòng)駕駛車輛安全所需的十億英里的驗(yàn)證目標(biāo)。為開發(fā)出能夠真正挽救成千上萬條性命的自動(dòng)駕駛系統(tǒng)，對現(xiàn)實(shí)世界進(jìn)行全面仿真是開啟成功之門的關(guān)鍵所在。
 
參考文獻(xiàn)
1.華盛頓郵報(bào)，https://www.washingtonpost.com/local/ trafficandcommuting/deadly-driverless-uber-crash-spurs-debateon-role-of-regulation/2018/03/23/2574b49a-2ed6-11e8-8688-e053ba58f1e4_story.html?utm_term=.d8bf81d9de6d
2.衛(wèi)報(bào)，https://www.theguardian.com/technology/2018/ mar/22/self-driving-car-uber-death-woman-failure-fatal-crash-arizona
3.美國國家公路交通安全管理局，https://crashstats.nhtsa.dot.gov/Api/Public/ ViewPublication/812603
4.美國蘭德公司，https://www.rand.org/content/dam/rand/pubs/ research_reports/RR1400/RR1478/RAND_RR1478.pdf
5.假定 95% 的交通事故死亡因人為過錯(cuò)所致
6.https://waymo.com/safety/
7.https://www.press.bmwgroup.com/global/article/detail/ T0293764EN/the-new-bmw-group-high-performance-d3-platformdata- driven-development-for-autonomous-driving?language=en
8.SUMO 是一個(gè)開源交通模型，由德國宇航中心原創(chuàng)。更多信息請?jiān)L問 https://sumo.dlr.de/index.html
9.已在 VTD 2019.1 中加入此功能。http://vision-traffic. ptvgroup.com/en-us/products/ptv-vissim/
分享到：
 
反對 0 舉報(bào) 0 收藏 0 評論 0
滬ICP備11026917號-25