王晓慧：基于云端算力的海量仿真测试

在2024年上海国际低碳智慧出行展览会同期，智一科技旗下智能汽车产业新媒体「车东西」、AI与硬科技知识分享社区「智猩猩」，联合「上海市国际展览（集团）有限公司」主办的GTIC 2024中国智能汽车算力峰会于6月5日成功举行。沛岱汽车云仿真产品负责人王晓慧女士受邀出席技术分享，并作题为《基于云端算力的海量仿真测试》演讲。

沛岱汽车云仿真产品负责人王晓慧

自动驾驶技术飞速发展、高级辅助驾驶系统大规模上车，仿真测试作为验证自动驾驶系统安全性和可靠性的关键环节，面临着诸多挑战和机遇。随着计算能力的飞跃、数据量爆炸性增长及算法不断进步，云端算力已成为推动高阶自动驾驶仿真测试发展的重要力量。沛岱汽车云仿真产品负责人王晓慧表示，基于当下前沿的云计算技术，我们能够探索海量并发仿真测试的可能性和前瞻性。

聊这个话题前，先抛出一项数据。根据有关权威资料，能够安全通过13.8亿公里的测试的自动驾驶算法，就是足够好的自动驾驶系统。如果我们用实际道路测试，即使每公里2元，那么跑完13.8亿测试里程需要花费27.6亿元人民币。显然这样的成本对绝大多数车企来说是“天文数字”。相较下，通过仿真测试替代海量实际道路测试，成本可节约约95%。因此，要做高阶自动驾驶算法验证，仿真才是快速、经济、有效的方式。

沛岱汽车一直秉承着“更快、更高、更强”的“奥林匹克”精神和仿真产品理念。仿真之高指的是场景覆盖度高，这得益于沛岱自研的递归式分层场景生成器；仿真之强指的是对感知数据强大的还原能力，沛岱自研的全物理级传感器模型还原率逼近95%，全球领先。仿真之快，是本次分享要着重展开的话题：让云端算力助力高阶自动驾驶仿真测试。

云端算力在高阶自动驾驶

仿真测试的角色与价值

如果没有云端资源，仿真测试将面临怎样的痛点？王晓慧提出三大痛点：计算资源有限；可拓展性不足；测试覆盖率限制。

计算资源有限。目前一辆配备有高阶自动驾驶系统的车辆，其传感器数量基本在20~30颗。面对多种类传感器，处理、运算复杂场景的感知数据是对GPU资源巨大的考验。只依赖本地硬件环境进行仿真测试，会限制并行的仿真数量，减缓测试进程，延长开发周期。

可拓展性不足。本地环境难以动态满足突然增加或减少的测试需求，不能实现大规模、弹性的节点部署。

测试覆盖率限制。有限的计算能力难以生成数量足够多或足够复杂的仿真场景来全面测试自动驾驶系统的性能，这可能会遗漏关键的corner case测试场景，影响系统可靠性、安全性验证。

针对上述三大痛点，王晓慧认为，针对计算资源有限的问题，云服务能够根据用户需求提供几乎无限的计算资源和存储空间，能够并行运转数千个乃至数万个仿真场景，实现高并发快速测试，将算法迭代的效率提升数倍；对于可拓展性不足这点，云服务可以根据当前的需求动态拓展或缩减资源，无需担心资源不足或过剩的问题。在需求增加时可以迅速扩展，而在需求减少时又可以对资源进行有效回收，降本增效。由于云端仿真减少了对物理设备的依赖性，某种意义上也算降低了研发的门槛，使得更多的企业和研究机构都能够参与到自动驾驶技术的研发中来。另外，借助云端强大算力，结合递归式无限场景生成技术，可同时生成和测试更多样化更复杂的仿真场景，提高测试的覆盖率和全面性。

根据“虚拟里程”概念：一个海量仿真平台在单位时间内并行仿真节点行驶里程的总和。仿真里程数取决于整个仿真平台算力支持、并行节点个数、以及场景复杂度等等。简单来说，如果我们仿真平台有100台GPU算力，每台GPU算力能支持10个仿真实例，那么这个仿真平台就拥有同时并行1000个仿真实例的能力。如果单个仿真实例中，每辆车每小时跑100公里，每天跑24小时，每天能跑两千四百公里，那么只要拥有40个实例就可以达到日行10万公里的能力。

2400公里 * 40节点 ≈ 日行10万公里

这就是仿真之“快”。

云端算力助力仿真之“快”

沛岱精准仿真云计算平台自带存储仿真案例库，包含大量标准场景、功能场景、法规场景等。当然也可以通过递归式场景生成器，利用AIGC技术随机无限生成场景。

在仿真运行阶段，我们将渲染引擎的相关计算放在感知数据引擎云当中，将最耗费性能的物理传感器物理模型的运算以及渲染的相关功能放在云端进行，并且，将仿真引擎包括被测算法部署在容器中。

仿真结束后，支持在云端查看测试数据。该平台拥有一套比较完善自动驾驶的评测系统，可以帮助用户生成测试报告，同时对不通过场景做切片、回放处理等，帮助用户测试迭代自动驾驶算法。

云端算力与仿真测试

的未来发展方向

未来，除了仿真云计算平台外，沛岱将结合云端算力重点研究两个方向：传感器模型和生成式场景。

传感器模型。强大的云端算力可以帮助我们高度还原真实世界的复杂环境，越真实的环境为传感器理解车辆周围环境提供了越真实的感知信息，在虚拟环境中能够高效处理和分析这些感知数据，最终为规控算法提供了可靠的输入。

在云端算力的助力下，沛岱云计算平台目前可以进行传感器分布式部署方案。单个环绕型激光雷达在分布式从节点中，全物理模型基本可以在5~10ms内完成运算；一张800W相机模型基本可以在10~15ms内完成运算。当然这受到场景复杂度、网络传输能力等的影响。总体分布式在性能上延迟能够控制在几个毫秒以内。借助云端算力，我们将持续提高传感器模型的运算速度与集成效率，帮助用户不断增强他们算法的感知和决策能力。

生成式场景。云端算力虽然加速了仿真速度，但只谈仿真的量，而不注重仿真的质，这是不太严谨的。就如同我们虽然达到日行十万公里的能力，却每天都在跑同一种场景，那其实都是无效测试。仿真测试需要海量的场景作为支持，在场景的覆盖度和有效性的基础上进行不断的扩展，最终跑出有效场景，才是仿真的根本。

在生成式场景的探索上，目前沛岱汽车递归式无限随机场景生成器PDRHea已迭代了两代。第一代产品主要特点是以道路为单位，无限随机生成场景，对场景的组合方式其实是把能够组合场景的道路元素做一个水平分布，再采用随机的算法进行组合，这样就比较能大概率遇到Corner Case。第二代产品对比一代产品主要有两个方面的升级。其一是渲染引擎做了极大的升级，从画面逼真度上来看，它远超一代。其二是道路的生成方式发生变化，原来是道路级的生成，现在变成了地块级别的生成。用户在使用之前可以根据需求对场景组成元素进行配置，另外，地块级别的生成让道路的组合方式更加的丰富与充足。

最后，沛岱相信云计算的应用，一定会给仿真行业带来更多惊喜。