當前自動駕駛正在快速邁入量產(chǎn)時代，面對越來越復雜的自動駕駛系統(tǒng)，如何保證自動駕駛功能足夠安全？

2022年11月14日，由蓋世汽車主辦，上海虹橋國際中央商務區(qū)管委會、上海閔行區(qū)人民政府指導，上海南虹橋投資開發(fā)（集團）有限公司協(xié)辦的2022第二屆智能汽車域控制器創(chuàng)新峰會上，dSPACE高級業(yè)務拓展經(jīng)理朱卉表示，實車測試難以滿足自動駕駛的測試需求，而仿真成為了解決這一系列問題的關鍵。

這一過程中，待測控制器在時許、調(diào)度、通信方式等方面能否與真實的控制器保持一致，將直接影響測試結(jié)果的可靠性。采用開環(huán)的數(shù)據(jù)回放方式，能夠提供高保真度的數(shù)據(jù)源；采用閉環(huán)的場景仿真，能夠測試極端的危險工況。

朱卉 | dSPACE高級業(yè)務拓展經(jīng)理

非常榮幸能夠代表dSPACE在這跟大家共同探討自動駕駛的仿真和驗證技術(shù)。今天我的演講主題是《更加真實的虛擬化技術(shù)助力實現(xiàn)自動駕駛仿真的最大效力》。

量產(chǎn)時代，自動駕駛系統(tǒng)的仿真需求

當前，自動駕駛正在快速邁入量產(chǎn)時代，面對越來越復雜的自動駕駛系統(tǒng)，如何保證自動駕駛功能是足夠安全的呢？這就要求具備自動駕駛功能的車輛在正式SOP前能夠累計大量測試公里數(shù)，并且通過法規(guī)定義的場景以及海量極端場景的測試。

顯然，實車測試已經(jīng)不再能滿足自動駕駛的測試需求，而仿真則成為了解決這一系列問題的關鍵。從用戶的角度來講，選擇一個合理的，并且適合自己的測試策略是非常重要的，比如測試對象是什么，測試成本要多少？同真實場景的接近程度怎么樣？是否能夠進行極端邊緣場景的測試以及是否能夠進行可復現(xiàn)的測試，這些都是需要考慮的因素。

比較主流的自動駕駛測試策略其實是多種測試手段的結(jié)合，也就是SIL、HIL以及實車測試的結(jié)合。我們可以看到，大部分測試用例都可以在仿真中進行，而仿真可以將自動駕駛的測試任務完成時間提前，已經(jīng)成為自動駕駛車輛獲得車輛準入的必要測試手段，對于自動駕駛功能的安全性起到了非常關鍵的作用。

自動駕駛的控制器，也就是仿真的待測對象，是由感知融合、場景理解、規(guī)劃決策以及運動控制模塊構(gòu)成。傳感器將探測到的傳感器數(shù)據(jù)，比如圖片幀、激光點云，以及一些車輛數(shù)據(jù)給到感知融合模塊，然后輸出對象列表到規(guī)劃決策模塊，規(guī)劃決策再發(fā)出一些控制信號給到運動控制模塊，由該模塊控制執(zhí)行器實施加速、制動、轉(zhuǎn)向等具體操作。

仿真意味著要去創(chuàng)造一個自動駕駛控制器運行時的虛擬環(huán)境，也就是我們俗稱的場景。仿真場景包含靜態(tài)元素，像路網(wǎng)結(jié)構(gòu)以及3D模型，也包含一些動態(tài)的元素，比如不同交通參與物的行為軌跡。

從仿真供應商的角度來講，我們以及業(yè)內(nèi)都在致力于研究如何讓虛擬環(huán)境變得更加真實。從用戶的角度來講，如果要測試不同的模塊，就需要選擇不同且適合自己的測試策略。我今天介紹的內(nèi)容將會圍繞不同的測試策略展開，但是一點需要提前澄清，今天所講的測試策略主要是純軟件仿真，也就是SIL在環(huán)測試，不涉及到任何的硬件部分。

測試對象: 感知 & 融合

如果用戶僅僅是要測試感知融合模塊，他應該選擇什么樣的測試策略？我們可以用實車路采的數(shù)據(jù)進行開環(huán)的數(shù)據(jù)回放，將記錄的傳感器數(shù)據(jù)，比如圖片幀，激光點云，以及車輛信號，回灌給感知融合模塊。

在數(shù)據(jù)回放的架構(gòu)里面，感知融合模塊可以基于第三方框架比如ROS，Apollo等框架進行算法開發(fā)，也可以是符合AP AUTOSAR標準的虛擬控制器，我們也叫做virtual ECU，或者簡稱叫做V-ECU。這里面有一個比較新但是非常重要的概念，就是什么是虛擬控制器？

虛擬控制器可以被看成是SIL測試當中的待測對象，它不僅僅包含應用層的算法，還包含了真實的中間件，所以它是一個更加接近真實控制器行為的待測對象。

從dSPACE的角度看，我們認為不僅仿真場景的真實性很重要，待測對象的真實性也是非常重要的。待測控制器在時序，調(diào)度或者通信方式等方面是否能夠同真實的控制器保證一致，也會直接影響測試結(jié)果的可靠性。

用實車路采的數(shù)據(jù)進行開環(huán)的數(shù)據(jù)回放，有一個最大的好處是能夠提供高保真度的數(shù)據(jù)源，除此之外還能降低仿真過程中的運算成本，因為不再需要仿真物理傳感器模型。將感知后的對象列表和真值數(shù)據(jù)進行對比，并且基于KPI得出相應的測試結(jié)果，這里的真值數(shù)據(jù)指的就是標注過后的數(shù)據(jù)，這種方案雖然會耗費較多的精力，但是對數(shù)據(jù)真實性的提升有切實效果。

測試對象: 場景理解 & 規(guī)劃決策

如果用戶要測的是規(guī)劃決策模塊，我們也可以用記錄的對象列表進行開環(huán)的數(shù)據(jù)回放。這種方式可以實現(xiàn)可復現(xiàn)的開環(huán)測試，通過對控制信號進行評估，基于KPI得出相應的測試結(jié)果。

另外一種測試方式就是基于閉環(huán)的場景仿真實現(xiàn)對規(guī)劃決策的測試，場景的來源可以是基于法規(guī)，也可以是一些事故場景或者自然駕駛場景，也可以是手動繪制的人工場景。一個邏輯場景可以泛化出更多的具體場景來實現(xiàn)更高的測試覆蓋率，通過這種仿真的方式，可以測試實車路采所記錄不到的危險工況。

這里面我們會用到概率傳感器模型，或者也叫真實傳感器或者理想傳感器模型，來仿真規(guī)劃決策所需要的對象列表數(shù)據(jù)，同時引入主車模型構(gòu)成閉環(huán)的仿真系統(tǒng)，主車只需要使用一些簡化的執(zhí)行器接口，不需要嵌入復雜的執(zhí)行器控制組件。最后通過觀測不同的信號，基于KPI得出相應的測試結(jié)果，這是通過閉環(huán)場景仿真的方式實現(xiàn)對規(guī)劃決策的測試。

測試對象: 運動控制

如果用戶要測試運動控制模塊，由于這部分的算法是運行在智駕域控的MCU側(cè)，大部分符合CP AUTOSAR的架構(gòu)。我們同樣也可以利用前面所提到的虛擬控制器概念，對這部分的算法進行虛擬化，最終得到的會是一個符合CP AUTOSAR標準的虛擬控制器。

它不僅僅包含了應用層SWC部分，還包含了RTE及RTE以下的基礎軟件部分，所以一個符合CP AUTOSAR的虛擬控制器是一個更加接近真實控制器的待測對象，可以模擬真實控制器里面OS的調(diào)度，以及去模擬真實控制器里面RTE的傳輸機制。

我們可以將不同的階躍/輸入信號給到運動控制模塊，同時輸出的執(zhí)行信號可以用來控制被控對象模型，來構(gòu)成整體的閉環(huán)仿真系統(tǒng)。同樣我們也可以使用觸發(fā)信號來激勵軟件的執(zhí)行，將輸出和預期數(shù)據(jù)進行比較，從而保證運動控制算法的正確執(zhí)行 (例如, 剎車系統(tǒng))，以上是對運動控制模塊測試方式的介紹。

全棧式，多模塊算法測試手段

前面介紹了對單個模塊的測試方式，如果用戶是要測試全棧式算法，也就是對SOC以及MCU的算法都進行測試的話，他應該選擇什么樣的測試手段？同樣也可以利用前面所講到的虛擬控制器的概念，我們可以分別對SOC以及MCU進行虛擬化，得到的會是一個符合AP AUTOSAR標準的虛擬控制器，加上一個符合CP AUTOSAR標準的虛擬控制系，同時作為待測對象。

虛擬控制器不僅包含應用層，還包含總線通信在內(nèi)的完整軟件堆棧，所以可以用來仿真總線上的交互，可以支持虛擬的CAN，虛擬的LIN、虛擬的以太網(wǎng)的交互。這種方式也可以實現(xiàn)SOC以及MCU之間的通信，比如說去模擬多核間的SOME/IP通信等等。

這里我們會利用物理傳感器模型在閉環(huán)中仿真感知&融合所需要的傳感器數(shù)據(jù)，物理傳感器模型是基于光線追蹤技術(shù)的運算，可以渲染出攝像頭的圖片幀、激光點云、雷達回聲，給到感知融合模塊。當然物理傳感器模型本身的運算非常耗GPU資源的，一般用戶需要準備一臺專業(yè)的GPU服務器來運行多路的傳感器模型。同時可以引入虛擬車輛模型來構(gòu)成整體閉環(huán)的仿真系統(tǒng)，基于KPI來觀測自動駕駛控制器在不同場景下的不同特性。

之前介紹了四種測試方式，其實可以歸納總結(jié)為三種測試手段，分別是開環(huán)的數(shù)據(jù)回放測試，閉環(huán)的基于場景的測試，以及基于需求的測試，也叫基于步驟的測試。每一種測試手段其實各有利弊，開環(huán)可以實現(xiàn)更加真實的仿真，但是閉環(huán)可以去測試一些極端的危險工況，用戶可以結(jié)合測試目的、測試對象的不同，來選擇結(jié)合不同測試手段的定制化方案。

dSPACE概況與產(chǎn)品

作為一家三十多年專注于仿真和驗證的公司，dSPACE能夠提供端到端的基于數(shù)據(jù)驅(qū)動的自動駕駛的解決方案。dSPACE的全新云仿真產(chǎn)品SIMPHERA就能夠cover前面提到的三種測試手段，將仿真技術(shù)和云技術(shù)結(jié)合來實現(xiàn)大規(guī)模的仿真和驗證。用戶不再需要安裝非常復雜的軟件環(huán)境，不再需要去安裝多個獨立軟件，而是直接通過web方式就可以實現(xiàn)輕松部署和及時訪問。

SIMPHERA可以實現(xiàn)閉環(huán)的基于場景的仿真來測試規(guī)控算法，利用并發(fā)節(jié)點能夠在秒級實現(xiàn)ALKS的驗證，在<1.5秒的時間內(nèi)得到1條ALKS的測試結(jié)果，大大縮短了測試時間，提高了仿真的運行效率。

SIMPHERA在云端的工作流程，其實和單機版SIL的工作流程是一致的，用戶都是從準備階段開始，先準備好仿真必要的元素，比如像場景、車輛模型、傳感器模型以及待測對象，將這些必要的元素都準備好了之后，就可以將他們導入并且集成到SIMPHERA云端的仿真環(huán)境當中，并且開始運行仿真。如果單次仿真運行沒有問題，接下去就可以執(zhí)行大規(guī)模的并發(fā)驗證，并且通過對測試結(jié)果的分析，發(fā)現(xiàn)bug所在，然后再對自動駕駛的算法進行改進和優(yōu)化，然后再進入到下一輪的迭代測試當中去。

SIMPHERA可以提供REST API方便測試人員實現(xiàn)持續(xù)集成、持續(xù)測試、持續(xù)部署，它可以在云端和Jenkins、GitHub進行打通，然后通過腳本的方式來進行所有步驟的自動化執(zhí)行。一旦檢測到新代碼的提交，它就可以將待測對象和其他仿真要素組成一個閉環(huán)的仿真系統(tǒng)，然后開始運行仿真，等待測試結(jié)果和返回測試結(jié)果，并且可以將相應測試結(jié)果郵件反饋給一些指定的聯(lián)系人等等。

如果要在云端實現(xiàn)對感知算法的并發(fā)仿真，也就是實現(xiàn)對云端物理傳感器模型的并發(fā)仿真，我們就需要用物理傳感器模型，來仿真感知融合所需要的raw data。當前它能夠提供三種物理傳感器模型，分別是攝像頭模型、激光雷達模型、毫米波雷達模型，除此之外，它還能夠提供基于游戲引擎Unreal的高保真渲染能力。

前面也有講到，如果要測感知，我們還有另外一種方式就是進行開環(huán)的數(shù)據(jù)回放，當前，我們也支持在云端實現(xiàn)并發(fā)的開環(huán)數(shù)據(jù)回放，它可以和用戶的數(shù)據(jù)管理平臺打通，從而獲取數(shù)據(jù)平臺的存儲數(shù)據(jù)和處理后的數(shù)據(jù)，并在云端把記錄的視頻流數(shù)據(jù)，點云數(shù)據(jù)等進行解析并回放，回灌給感知融合模塊。

最后值得一提的是，dSPACE作為一家主流的硬件在環(huán)測試供應商，SIMPHERA除了能夠?qū)崿F(xiàn)前面所講到的一些純軟仿真之外，其實SIMPHERA也能夠和dSPACE的硬件在環(huán)系統(tǒng)打通，用戶就可以在云端去實現(xiàn)對場景、待測對象、模型的統(tǒng)一管理，并且能夠在云端編寫相應的測試用例，然后通過一個腳本將所有仿真要素下載到硬件在環(huán)的測試平臺上執(zhí)行仿真，再將執(zhí)行仿真的結(jié)果返回到云端去做統(tǒng)一管理。

不久的將來，SIMPHERA也將支持基于需求或者基于步驟的測試，除了云仿真外，dSPACE在數(shù)據(jù)采集、快速控制原型、硬件在環(huán)、實車在環(huán)領域都有非常成熟的解決方案。希望通過提供這種全棧式自動駕駛工具鏈，dSPACE能夠幫助更多的主機廠和Tier 1加速自動駕駛系統(tǒng)的開發(fā)并推動其商用化落地。

（以上內(nèi)容來自dSPACE高級業(yè)務拓展經(jīng)理朱卉于2022年11月14日由蓋世汽車主辦，上海虹橋國際中央商務區(qū)管委會、上海閔行區(qū)人民政府指導，上海南虹橋投資開發(fā)（集團）有限公司協(xié)辦的2022第二屆智能汽車域控制器創(chuàng)新峰會發(fā)表的《更加真實的虛擬化技術(shù)助力實現(xiàn)自動駕駛仿真的最大效力》主題演講。）

返回第一電動網(wǎng)首頁 >