广告
自动驾驶安全验证：110亿英里路测如何破？
2019-05-13 23:42:44· 来源：高工智能汽车
加入高工智能汽车行业群（自动驾驶行业5群，车联网智能座舱3群，智能商用车行业群），加微信：15818636852，并出示名片，仅限智能网联汽车零部件及OEM厂商。目前
加入高工智能汽车行业群（自动驾驶行业5群，车联网智能座舱3群，智能商用车行业群），加微信：15818636852，并出示名片，仅限智能网联汽车零部件及OEM厂商。
目前在无人驾驶系统的开发中会面临着三大挑战，AI模型对算力的巨大需求、在满足巨大算力需求条件下如何满足车端对功耗和散热的苛刻要求、以及对测试和验证的需求。
针对这些问题，英伟达自动驾驶开发架构师杨健透露，英伟达投入了大量的资源去研发最好的机器学习模型，同时在硬件上推出了统一架构的计算平台。
客户可以基于同一个架构同一套软件，满足从L2一直到L5的开发需求。同时，最重要的是，在L2上使用开发的软件不需要特殊的定制就可以移植到L5平台上进行使用。
还有端到端的系统，它是一套软件+硬件的解决方案，基于超算构架的数据中心，在上面推出一系列的软件，帮助用户从收集数据、训练模型、仿真测试到最终上路测试，这是一个开放的平台，构架了一个相对比较完善的生态系统。
根据兰德公司的数据，即使自动驾驶系统要比人类的驾驶能力提高20%，也需要110亿英里的验证。这就意味着，在现实世界中，拥有100辆汽车的车队，需要500多年时间一直不停地测试——这是一项不可能完成的任务。
此外，要真正验证自动驾驶系统的安全性和可靠性，还需要考虑很多极端场景，但对于现实世界来说，这是一个非常困难的事情。
然而，与在现实世界中积累里程和冒着生命危险相比，模拟可以在无限变化的情况下每天积累数百万英里。这使得一套完整的从设计、开发、测试、验证的高效系统至关重要。
01 DRIVE Constellation
英伟达推出的这个开放式平台便是NVIDIA DRIVE Constellation™，一个基于云的虚拟现实仿真平台，旨在支持自动驾驶汽车的开发和验证。
该平台是一个数据中心解决方案，由两个并排服务器组成：DRIVE Constellation Simulator和DRIVE Constellation Vehicle。
前者使用运行DRIVE Sim软件的 GPU来模拟虚拟世界，模拟器从虚拟世界中驾驶的虚拟汽车生成传感器输出；后者用于处理模拟的传感器数据，驾驶决策反馈到前者，实现了位精确的硬件在环测试。
DRIVE Constellation是一个可扩展的平台，旨在在数据中心大规模部署，这种规模将允许数百万英里的测试和验证。Constellations车辆在云端部署得越多，每年可以驾驶的里程越多。
杨健透露，通过控制交通和测试环境的能力，开发人员可以在特别罕见和困难的条件下磨练，而不会危及实际的车辆和车辆乘员。这些包括极端天气，困难的照明以及周围车辆的危险操纵。
DRIVE Constellation不是让车辆驱车数千英里等待新的和重要的交通情况发生，而是让车辆不断遇到类似的学习时刻，并一遍又一遍地测试它们的性能。
此外，模拟中的测试是可重复的，并且关注于在现实世界中罕见且难以再现的关键案例。在模拟中行驶一英里可以产生比在数百英里的实际高速公路上巡航更多的经验。
DRIVE Constellation系统目前已经开始对外销售。
02 DRIVE SIM
无人驾驶系统的测试验证方面，面临三个方面的主要挑战。
首先，无人驾驶软件和传统软件开发不太一样，使用了5到10个甚至更多的深度学习神经网络，不同神经网络从不同传感器收集数据，同时进行。
其次，需要对真实场景进行测试，主要针对一些罕见、难以预测的场景，这些场景是真正引起无人驾驶软件发生失效的案例。
最后，测试的过程是连续的一个反应的链条，无人驾驶软件做出的控制指令可以直接影响环境，进一步影响无人驾驶软件的感知。
英伟达无人驾驶仿真验证解决方案的名字叫DRIVE SIM，可使用合成或真实世界数据生成高保真环境，以测试和验证车辆。
DRIVE SIM可以模拟仿真世界，生成虚拟世界信号，通过跟真实传感器输出同样的接口、同样的协议，传输数据到安装各种ECU的设备，设备的接口与真实自动驾驶系统中的保持一致，比如摄像头接口、激光雷达接口。
理论上而言，仿真测试完成以后的ECU直接取下来放到车上就可以运行。在云端可以部署成千上万套这样的系统，来满足几百万、几十亿英里测试的需求。
DRIVE Sim还包含一些插件，如环境模型中为DRIVE Constellation车辆提供环境的合成3D表示，包括3D地图和详细资产，使车辆传感器的环境更加真实；车辆（动力学）模型中，根据控制输入和世界条件模拟车辆的运动，DRIVE Sim提供转向，控制和摩擦系数，该模型发回车辆位置和方向以及车辆状态；场景模型中可定义动态的行为，编写自我车辆的动作和其他车辆/行人的动作以进行情景测试。
DRIVE SIM的渲染机器，支持摄像头、激光雷达、GPS等接口，基本常见的传感器输出都可以提供。
这种模拟仿真和传统的机架式模拟仿真方案有什么区别？
杨健表示，传统的机架式硬件仿真主要目的是用来测试电子元器件的集成测试，检测的是各个传感器输出的信号有没有正确传输到下一个处理元件，有没有得到正确的解析。
而在这套系统里，核心是用来测试无人驾驶算法，能不能在各种不同的场景，比如暴雨、暴雪场景下可以正确的运行。
举例而言，如果要模拟一个四路环视+前视的输出，需要从创建地图开始，将高清地图导入稀疏的地图到编辑器中，艺术家要在信息上进行加工，添加一些建筑、材质、道旁树木，形成可以测试的地图。
03 完整生态
目前，这套仿真系统的主要的客户是OEM，他们都有自己的测试园区，但希望把自己的园区在英伟达的仿真软件中建立出来，配置车上各种传感器，在仿真环境里做到跟真实车上一模一样的传感器配置，编辑需要测试的场景，进行对比测试验证。
仿真器可以在同一个场景下可以改变天气、光照、时间，目前支持大雨、大雪，各种比较难处理的天气以及光照都可以在代码中得到体现，也提供相应的接口。
同传统模拟仿真软件的差别在于，英伟达在渲染图像上非常有优势。通过接入的传感器模型，可以根据配置的传感器型号去针对传感器物理特性增加一些特性，比如色差，最后如何调整则需要在开发无人驾驶软件时去做。
这套系统是基于云的系统，可以在云端大规模的部署，英伟达也提供了一个参考设计，可以在一套机架上部署8套这样的系统，保障在数据中心高密度的部署，用户可在周期里完成对无人驾驶软件的测试。
DRIVE SIM不是独立的软件，是完整的生态圈，在仿真器里有多个不同的组件，比如地图、车辆动力学模型、环境模型、传感器模型，这些不同的模型都可以同现有的厂商进行合作。
比如，传感器模型，就和索尼、西门子合作，针对他们特定型号的传感器开发。由合作伙伴提供特定的传感器模型，来保障DRIVE SIM仿真出来的输出达到最佳的真实状况。
英伟达端到端的开发系统，包含了数据工厂，主要是由数据采集车在路面上收集数据来达标，粗略估计每年一辆车可以收到一个PB的数据。
其次，在超算平台上进行神经网络的训练，会在同样集群上进行回归仿真测试，完成测试之后做3D仿真测试，最后进行路测。
杨健透露，这套系统提供完整的集成解决方案，英伟达DRIVE PLATFORM，包括数据中心、车端两部分，同时开发了DRIVE AGX、DRIVE OS、DRIVE AV、DRIVE IX，从而有一套完整的训练神经网络的框架。
广告
广告
最新资讯
-
NVIDIA 发布 2025 财年第三季度财务报告
2024-11-21 13:30
-
Mack卡车为买家推出创新的虚拟现场探索体验
2024-11-21 13:29
-
氢燃料电池卡车从1到100要多长时间？戴姆勒
2024-11-21 13:28
-
聚焦消费者用车极限环境，2024中国汽研汽车
2024-11-21 13:21
-
新能源汽车高寒环境可靠性行驶试验研究
2024-11-21 13:19
广告
广告
