一文读懂自动驾驶仿真测试技术现状

二、仿真平台

2.1 仿真平台典型架构

仿真平台一般包括仿真框架、物理引擎和图形引擎；其中仿真框架是平台软件平台的核心，支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿真等；

1）传感器仿真：支持支持摄像头、激光雷达、毫米波雷达以及GPS/IMU等传感器仿真；

2）车辆动力学仿真：基于多体动力学搭建的模型，将包括转向、悬架、制动、I/O硬件接口等在内的多个真实部件进行参数化建模，进而实现车辆模型运动过程中的姿态和运动学仿真模拟；

3）交通场景仿真：包括静态场景还原和动态场景仿真两部分，静态场景还原主要通过高精地图和三维建模技术来实现；

动态场景仿真既可通过把真实路采数据经过算法抽取后，再结合已有高精地图进行创建，也可通过对随机生成的交通流基于统计学的比例，经过人工设置相关参数后自动生成复杂的交通环境;

例如可模拟自动驾驶汽车在现实世界中可能遇到的极端情况和危险情况，从模拟暴雨和暴雪等恶劣的天气条件到较弱的光线照明，再到周围车辆的危险操作等；

4）V2X仿真（通信仿真）：支持创建真实或虚拟传感器插件，使用户能够创建特殊的V2X传感器；既可以用来测试V2X系统，又可生成用于训练的合成数据；


仿真平台典型架构（图片参考-2019自动驾驶仿真技术蓝皮书）
2.2 国内典型自动驾驶仿真平台
附表2. 国内典型自动驾驶仿真平台信息梳理
图片
注：√- 有此功能 ×-无此功能 — Unknown

1）浙江天行健智能科技 – Panosim

平台类型：面向汽车自动驾驶技术与产品研发的一体化仿真与测试平台

平台特点：
支持实时在线仿真：MIL/SIL/HIL/VIL
支持ADAS技术与产品的开发与测试
支持驾驶模拟体验与人机共驾系统的研发与测试
支持感知、规划、决策、控制算法研发与测试
高置信度车辆动力学模型：对标CarSim，支持27自由度复杂动力学模型

2）51WORLD – 51Sim-One

平台类型：覆盖自动驾驶全流程的一体化集成的仿真测试平台

平台特点：
可实现多传感器仿真、交通流与智能体仿真、感知与决策仿真、自动驾驶行为训练等功能
可扩展的并行分布式仿真架构，可部署在单机、私有云和公有云环境
支持实时在线仿真：HIL/DIL
自动驾驶数字孪生评价测试
平台内置了一系列场景库和测试案例库
软件平台提供Python、C++、ROS、OSI等API接口
支持多车协同互动：平台支持接入多个测试系统，包括自动和手动驾驶系统

3）腾讯 – TAD Sim

平台类型：基于虚幻引擎打造的虚实结合、线上线下一体化的仿真测试平台

平台特点：
集成了游戏引擎、三维重建技术、车辆动力学模型、虚实一体交通流等技术
游戏技术的应用可实现场景的几何还原、逻辑还原及物理还原
一套系统满足全栈算法使用需求：能够完成从感知到决策规划，再到控制的全算法闭环仿真测试验证
一套系统满足MIL/SIL/HIL/VIL使用需求，覆盖了完整的汽车V字开发流程
内置高精地图，支持全国高速和快速路仿真

4) 沛岱（上海）技术有限公司– Pilot-D GaiA

平台类型：基于德国自动驾驶仿真核心技术所研发的仿真测试平台

平台特点：
提供高保真的环境传感器仿真：激光雷达、毫米波雷达以及摄像头仿真等
提供C++和MATLAB接口，适配于不同的车辆和系统
提供三个版本的软件解决方案：Standard版-单机解决方案，NET版-云计算和互动测试解决方案，RT版-提供HIL和VIL仿真测试
支持交互式自动驾驶仿真：同一虚拟场景下，多台主机（车辆）进行互联仿真测试
提供基于VR/MR/AR的驾驶员模拟

2.3 国外典型仿真测试平台

附表3. 国外典型自动驾驶仿真平台信息梳理

注：√- 有此功能 ×-无此功能 — Unknown

1）西门子 – PreScan

类型：以物理模型为基础的传统汽车仿真平台

平台特点：
仿真流程主要分为四个步骤：搭建场景、添加传感器、添加控制系统、运行仿真
可在开环、 闭环以及离线和在线模式下运行
支持导入 OpenDrive 格式的高精地图
支持与第三方动力学软件联合仿真，如CarSim、dSPACE ASM、 VI-Grade、AmeSIM等
支持与其它类型第三方的软件的联合仿真，如Matlab& Simulink，MOMO & Logitech 转向操纵台 、dSPACE / 控制台、HIL工具（ETAS、dSPACE 、Vector、OpalRT等）
支持基于云端布置大规模仿真

2）MSC Software – VTD

类型：传统汽车仿真平台

平台特点：
支持从SIL 到 HIL 和 VIL 的全周期开发流程
支持与第三方的工具和插件联合仿真
平台的功能和存储支持开放格式：OpenDrive, OpenCRG和OpenScenario
仿真流程主要分三个步骤：路网搭建， 动态场景配置， 仿真运行
——提供图形化的交互式路网编辑器 Road Network Editor (ROD)， 在构建路网仿真环境的时候，可以同步生成OpenDrive高精地图

—— 对于动态场景构建，提供了图形化的交互式场景编辑器 Scenario Editor

3）德国IPG – CarMaker

类型：以传统动力学仿真为基础优势发展起来的自动驾驶仿真平台

平台特点：
支持与第三方软件进行联合仿真：ADAMS、 AVLCruise、 rFpro 等
包括道路、交通环境、车辆、驾驶员的闭环仿真系统
—— IPG Road：可以模拟多车道、 十字路口等多种形式的道路， 并可通过配置 GUI生成锥形、 圆柱形等形式的路障

—— IPG Traffic：提供丰富的交通对象模型，如车辆、 行人、 路标、交通灯、 道路施工建筑等

—— IPG Driver：提供可自学习的驾驶员模型
支持高精地图的导入/导出
—— 支持从HERE HD Live Maps导入地图数据
—— 支持ROAD5和OpenDrive 格式导出地图数据
支持在高性能计算 (HPC) 集群上并行执行大量测试目录
支持在Docker容器中运行，具有良好的可移植性和可扩展性

4）英伟达- Drive Constellation

类型：基于虚幻引擎开发，由两台服务器构成的自动驾驶仿真平台

平台构成：
a.第一台服务器硬件构成：由8个英伟达RTX Turing GPU
作用：运行DRIVE Sim软件来模拟仿真自动驾驶车辆上的传感器数据（包括摄像头、毫米波雷达、激光雷达、IMU和GNSS）以及驾驶场景数据；
b.第二台服务器硬件构成：自动驾驶车辆目标AI ECU
作用：用于处理第一台服务器传输过来的模拟数据，如传感器仿真数据

平台特点：
较高真实度：作为一种实时的硬件在环解决方案，可以测试和验证与将来会搭载在自动驾驶车辆中完全相同软件和硬件系统
云仿真工作流：在无缝的端到端工作流中执行自动驾驶测试。用户可以远程访问 DRIVE Constellation 并将模拟场景提交给云端的车辆测试车队，然后进行可视化测试并以较快的速度给出评估结果
可扩展性：该平台支持在数据中心进行大规模部署，能够并行运行各种仿真测试；且在DRIVEConstellation平台中的每一英里的测试都包含感兴趣事件（特殊工况），能够在很短的时间内完成数月或数年的测试
完整的反馈回路：第一台服务器运行 DRIVE Sim 软件，该软件模拟仿真驾驶场景以及自动驾驶车辆上产生的传感器数据。然后将模拟仿真的传感器数据发送到第二台服务器上进行数据处理，最后第二台服务器再将驾驶决策信号输出给第一台服务器，因此便形成了一个仿真闭环


英伟达- DriveConstellation 仿真平台（来源-英伟达官网）

5）微软 – AirSim

类型：建立在虚幻引擎（Unreal Engine）上的无人机及自动驾驶开源仿真平台

平台特点：
建立在虚幻引擎（Unreal Engine）上的无人机及自动驾驶模拟研究项目，能够打造出高逼真的交通环境，实现车辆及传感器仿真模拟
完成车辆建模测试：AirSim包含车辆模拟、城市道路场景，并提供可简化编程的API以及即插即用的代码
快速构建丰富场景：AirSim 可提供详细的 3D 城市街景，包括交通信号灯、公园、湖泊、工地等丰富的场景
AI 研究平台：AirSim 提供包括 C++ 和 Python 等多语言的API 接口。使用者可同时使用 AirSim 和众多机器学习工具。主要用于测试深度学习、 计算机视觉和自主车辆的端到端的强化学习算法

6）巴塞罗那自治大学（联合丰田研究院和英特尔实验室） – CARLA

类型：基于虚幻引擎开发，采用服务器和多客户端架构的开源平台

平台特点：
用于城市自动驾驶系统的开发、训练和验证的开源模拟器
提供开源数字数据资源（包括城市布局、建筑以及车辆）搭建的自动驾驶测试训练场景
可使用Vector Zero的道路搭建软件RoadRunner制作场景和配套的高精地图
研究三种自动驾驶方法的性能：传统的模块化流水线，通过模仿学习训练得到的端到端模型，通过强化学习训练得到的端到端模型

7）LG电子 - LGSVLSimulator

类型：基于游戏引擎-Unity研发的自动驾驶开源仿真平台

平台特点：
模拟器支持ROS、ROS2和Cyber RT，提供了自动驾驶开源平台Autoware和百度Apollo的集成
支持自动驾驶系统的软件在环（SIL）和硬件在环（HIL）测试
虚拟场景构建
—— 提供Python API，使用户能够通过编写脚本来创建所需的虚拟场景
—— 高精地图：支持创建、编辑和导入/导出现有3D环境的高清地图
注：高精地图支持的导入/导出格式：

a．支持的导入格式：Apollo5.0高清地图、Autoware Vector map、Lanelet2和OpenDrive 1.4

b. 支持的导出格式：Apollo 5.0、Lanelet2和OpenDrive 1.4


LGSVL工作流程（来源：公众号-自动驾驶仿真）

2.4 国内科技公司–云仿真平台

传统的仿真测试一般是单机仿真测试，但高阶自动驾驶系统的商业化应用，需要进行庞大数量测试场景的仿真测试；海量的数据存储，运算及处理已经成为摆在自动驾驶研发道路上一道障碍，而云平台的分布式架构、加速计算能力以及高数据算力的特性，能够可以很好的解决这一问题，进而能够极大地提升系统研发和验证测试效率；因此，云平台仿真必将是未来自动驾驶仿真测试技术的发展趋势，同时也会是企业开展自动驾驶开发的核心技术壁垒之一。

附表4. 国内科技公司云仿真平台信息梳理



1) 百度 – Apollo云仿真平台

主要应用：
内部：支撑Apollo系统的开发与迭代
外部：为Apollo生态开发者提供基于云端的决策系统仿真服务

平台特点：
搭建在百度云和微软Azure上的云仿真平台
与Unity合作，开发基于 Unity 引擎的虚拟仿真环境
提出了端到端的自动驾驶仿真系统：AADS系统 - 基于数据驱动的交通流仿真框架 + 基于图像渲染的场景图片合成框架

2）华为 – 自动驾驶云服务Octopus

平台提供三大服务：数据服务、训练服务、仿真服务；服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务；

数据服务：数据处理、数据湖治理、数据存储等
训练服务：大数据AI平台、模型管理、分布式训练任务等
仿真服务：场景库、仿真系统、评测系统等


平台提供的三大服务
平台特点：
解耦四大关键要素 - 硬件、数据、算法、高精地图，构建以数据驱动为核心，驱动自动驾驶闭环迭代的开放平台
数据的自动化处理：数据自动挖掘（平台可支持PB级数据量存储和亿级数据秒级检索）和数据自动化标注（可节省超过70%的标注人力成本）
一站式自动驾驶DevOps能力：通过从代码接入、版本管理，再到仿真、评测，形成了一套完整的、闭环的自动化评测系统
大规模并行仿真：系统每日虚拟测试里程可超过1000万公里，评测指标200+，支持3000个实例并发测试
真实场景数字孪生：可以将真实路采的典型路段数据转换成仿真场景，并与高精地图相结合，实现真场景数字孪生，可以实现95%以上的场景还原能力

3) 腾讯 – TAD Sim Cloud

平台特点：
分布式架构，支持在Windows、Linux和Web环境下部署
海量场景加速测试：该云平台支持一万个以上场景的并行计算，且1000个场景的运行时间缩短至4分钟
虚拟城市技术加速测试：可加载城市级高精地图，并同时部署上百万辆交通流车辆和上千台自动驾驶主车
构建自研的闭环仿真模型：自研车辆动力学、传感器、交通流、地图和场景编辑等全套模型，并支持OpenX系列和OSI国际仿真标准


腾讯云平台系统架构（来源-自动驾驶云论坛演讲报告）
4）阿里 – 混合式仿真测试平台
平台特点：
引进真实路测场景和云端训练师，采用虚拟与现实结合的仿真技术；
规模化地解决了极端场景的复现难题：通过任意改变极端场景变量，平台可在30秒内复现一次极端场景；解决了极端场景数据不足，自动驾驶AI模型训练效率低的问题
每日虚拟测试里程超过800万公里