龙8手机游戏官网:汽车自动驾驶仿真测试与评价技术专题研讨会成功召开
来源:龙8手机版网页登录官网 作者:龙8官方网手机2024-09-08 08:05:015月17日,2023中国(亦庄)智能网联汽车科技周暨第十届国际智能网联汽车(CICV 2023)汽车自动驾驶仿真测试与评价技术专题研讨会在北京顺利召开。会议深入探讨自动驾驶仿真场景建设、场景覆盖度、仿真建模、数字孪生+仿真等方面的最新进展及仿真测试未来发展趋势,邀请了来自国内外高校、企业的10位资深专家做主题演讲,旨在共同探索仿真测试发展面临的技术挑战,加快智能网联技术和产业的大规模落地。
邓伟文教授表示,模拟仿真技术已经成为了工程技术与产品研发的重要和主流的发展趋势和必然的发展方向,也是智能汽车技术与研发的重要组成部分。模拟仿真技术应用的时间不长,面临着许多的技术挑战,特别是由于模拟对象的复杂性和不确定性,对传统的基于物理定力建模、反映物理规律的方法,以及模拟精度和模型可验证性等带来了极大的挑战。
1、北京汽车研究总院有限公司智能驾驶部专业总师陈音女士分享了题为《仿真验证在自动驾驶系统量产开发中的应用》的演讲
陈音女士从车企的角度分析:随着自动驾驶系统的推进,汽车安全已不局限于车辆本身,更需要关注外部环境的变化,三支柱中的仿真验证是自动驾驶系统验证非常重要的手段。车企也逐渐改变以前集成外包的方式,逐步建立自身的仿真能力。陈音女士认为,模型和场景是自动驾驶仿真验证的两个关键要素。以车辆动力学建模为例,不同阶段模型搭建侧重不同。团队在开发初期使用完美模型,功能测试期用到多自由度车辆动力学模型,模型标定期需找到敏感度较高模块进行平台化处理,实现低成本高精度模型的搭建。场景方面,他们通过行业积累的多源数据丰富自身基础场景库,同时采用参数重组、场景组合、边缘场景捕捉加速场景生成,以保证场景覆盖度。此外,陈音女士对安全评价指标、场景覆盖度评价、一致性工具链、高可信度仿真系统、企业仿真管理规范等展开了诸多思考,希望与同行携手寻找明确且满意的答案。
2、吉林大学计算机科学与技术学院副教授王莹分享了题为《自动驾驶交通建模的关键技术与典型应用》的演讲。
王莹教授认为,交通仿真中的交通建模是构建自动驾驶仿真系统的关键技术之一,建模过程中不可忽视交通流的“交互性”。在交通建模技术路径选择上,她们团队从数据驱动方式和系统机理建模两种思路着眼。如何建立轻量化、高逼真、稳定的自然驾驶交通流建模,王莹教授围绕这个问题提供了两种解决方案:一种是借助交通流本身的“传播”特性,构建了基于时序全局优化的轻量化数据驱动跟驰模型。另一种方案进一步描述车群之间的复杂交互,构建了基于LSTM和注意力机制的系统级数据驱动交通模型,从而实现面向自动驾驶测试的复杂交通环境仿真。此外,王莹教授对基于系统动力学生成可有效提高仿真测试效率的边缘场景方案展开详细介绍和分析,并对自动驾驶对象(Apollo)测试效能进行评测示例。
3、孚太利士(Foretellix)全球副总裁兼首席法规官 Gil Amid 分享了题为《安全驱动的验证法--简述基于场景覆盖率的OpenSCENARIO 2.0.0 ASAM如何有效验证自动驾驶算法的安全性》的演讲。
Gil Amid 认为当下面临很多安全问题,而 ADS/ADAS 部署并不符合安全要求,需要进行仿真模拟和预测。如何能进行安全驱动型的验证?Foretellix 执行安全驱动验证(Safety Driven Verification/Validation,SDV)。同时,Gil Amid 提出了覆盖驾驶验证(Coverage Driven Verification ,简称CDV)概念,转变传统关键指标验证(指定了要分析的具体测量值,给定特定的测试条件/ODD。通常是“模拟输出”)的思路。此外,Gil Amid 深度分析了预期功能的安全性标准(SOTIF-ISO21448)、基于覆盖方法的 Open SCENARIO2.0.0 ASAM 如何加速安全验证的有效性。最后,Gil Amid 通过一些实际案例展示Foretellix如何在汽车领域提供V&V测试与验证,推动自动驾驶算法的整体商业化。
4、德斯拜思机电控制技术(上海)有限公司自动驾驶业务高级经理张子恒分享了题为《基于数据驱动的端到端自动驾驶测试解决方案》的演讲。
张子恒从自动驾驶数据采集、数据处理、数据回放、SIL-HIL测试、仿真验证工具链等方面介绍了自动驾驶开发流程,重点讨论dSPACE在数据驱动自动驾驶测试方案及相关软硬件方面的技术优越性,促进自动驾驶更好地落地。
5、昆易电子科技(上海)有限公司算法事业部总经理方志刚分享了题为《昆易电子AD HIL系统方案介绍》的演讲。
昆易电子科技(上海)有限公司算法事业部总经理方志刚分享了题为《昆易电子AD HIL系统方案介绍》的演讲。方志刚介绍了针对高阶自动驾驶测试,AD HIL需要的典型传感器配置,以及高效地处理这些传感器内容。他认为,当下车上由摄像头、激光雷达、毫米波雷达、GNSS、RTK等多样传感器协同以保证自动驾驶的安全可靠性。相应地,仿真测试不仅要软件级别的回灌,还要大量硬件级别协调适配工作。针对 ADAS 系统感知开发测试中AI 算法的不可解释性、Corner Case 难复现、AEB/FCW 误触发难验证、MIL/SIL 处理器不同产生的性能差异,导致复现效果不佳等痛点,以及Corner Case 的回灌、DMS验证、回归验证、结合场景仿真软件做闭环仿真等市场需求,方志刚详细介绍了昆易电子传感器数据回注设备、数采回灌 HIL 解决方案及 AD HIL 方案的最新进展,未来将继续探索传感器注入系统的发展路径。
6、国汽(北京)智能网联汽车研究院有限公司智能事业部总经理徐月云分享了题为《面向高等级自动驾驶的仿真测试方案》的演讲。
①全流程仿真测试方案:团队依托现有算法平台可进行虚拟场景库建设、高精度孪生建模、传感器建模、高精地图建模及全流程测试评价工作。同时,基于同一款功能车进行SIL、HIL、VIL的测试验证及数据对比等,实现更实时、更多样、更有效的仿真测试。
②全方位仿真工具链:团队拥有一套完善的场景数据处理工具链,这些工具能实现场景标注、提取、泛化、生成、管理、评价等多项功能。此外,团队也在摸索自主化的仿真软件、特色仿真云平台,综合仿真测试系统。目前已经具有高并发多节点云端仿真工具,并有完备的场景评价与算法评价体系。
7、NVIDIA汽车行业数据中心客户经理李博分享了题为《NVIDIA用于扩展自动驾驶汽车的仿真功能的最新技术》的演讲。
李博介绍了 NVIDIA 结合工业级数字孪生平台 Omniverse 所设计的针对大规模仿真测试(大规模数字孪生场景)的工具-DRIVE Sim,扩展自动驾驶汽车的仿真功能,并对 DRIVE Sim 的特点、体系结构、生态系统、数据生成与应用、自动化工具等最新技术展开叙述。李博提出,如果想要把真实数据转成仿真环境有很多问题,尤其是把它规模化之后,可以侧重关注三点:场景重建的速度、极端危险场景生成、仿真环境丰富度。此外,利用数据驱动工具和用户工具为 DRIVE Sim 创建数据,DRIVE Sim 生成的合成数据可用于训练神经网络。NVIDIA 在感知、规划、控制等部件级别模拟的基础上,利用完整的自动驾驶汽车软件堆栈进行系统级模拟,最后进行道路驾驶,实现端到端的自动驾驶测试。
8、51Sim CEO 鲍世强分享了题为《基于OpenX的动静态规控和感知仿真场景构建与生成实践》的演讲。
鲍世强围绕着依托OpenX 标准体系,51Sim采用多种技术方式构建仿真场景的实践这一话题展开分享。从技术层面看,鲍世强认为面向量产的智能驾驶仿真应用,要重点关注怎么样提升动静态场景构建的自动化程度,有效利用实际采集数据构建动静态仿真场景。鲍世强分享了OpenDrive 的规控和感知用静态环境生成实践、OpenSCENARIO1.x 场景的转化和编辑、OpenSCENARIO 2.0 体系的实践。也重点讨论了感知仿真场景构建的核心问题:感知仿真场景对于感知算法训练,它跟真实数据的可比性和有效性如何保障,以及如何平衡生成的效率和成本。此外,鲍世强还对当前自动驾驶场景生成的挑战有独到的见解,并对使用AIGC的方式生成OpenSCENARIO场景,及进行感知仿真场景重建进行了演示和进一步的展望。
9、苏州智行众维智能科技有限公司场景事业部总监林雨琦分享了题为《智能网联汽车仿真测试场景库及多源数据的场景构建》的演讲。
林雨琦从场景角度出发,结合国内外智能驾驶系统开发现状,阐明了智能网联汽车仿真测试场景库建设背景和目标。随着场景所覆盖的行业需求面越来越大,自动驾驶的已知安全范围将不断扩大,让用户使用无后顾之忧。在场景构建方面,林雨琦提供了多数据来源的场景构建方法,包括通过规范采集需求和数据需求来保证数据质量,通过规范和迭代场景定义/规则来提高场景提取的自动化程度及准确率,通过自动化工具来保证基于提取数据构建的场景质量,实现从“真”世界采集“真”数据构建“真”场景进行仿“线、布达佩斯技术与经济大学副教授、汽车技术系主。