Mcity、MITRE 將與 NVIDIA 一起打造物理和虛擬自動駕駛汽車測試平臺。

自動駕駛汽車的安全和普及路徑正在邁向數字化。

由政府資助的非營利性研究機構 MITRE 宣布與密歇根大學的 Mcity 開展合作，共同開發虛擬和物理自動駕駛汽車 (AV) 驗證平臺，推動行業落地。

這項合作是在華盛頓舉行的 NVIDIA AI Summit 大會上宣布的。根據合作內容，MITRE 將使用 Mcity 的仿真工具和其測試設施的數字孿生，后者是 Mcity 數字試驗場 (DPG) 中的一個真實自動駕駛汽車測試環境。該聯合平臺將利用NVIDIA Omniverse Cloud Sensor RTX API（應用編程接口）提供基于物理學的傳感器仿真。

通過將這些仿真功能與 MITRE DPG 報告框架相結合，開發者將能夠在模擬世界中進行詳盡的測試，并在落地之前對自動駕駛汽車進行安全的驗證。

當前的自動駕駛汽車監管環境非常分散，這給自動駕駛汽車的大規模部署帶來了重大的挑戰。如今，企業需要遵從城市、政府等不同層面的法規，卻沒有明確的大規模部署路徑。MITRE 和 Mcity 希望通過向整個行業開放全面的驗證資源，以解決這個困惑企業的問題。

Mcity 目前運營著一座占地 32 英畝的模擬城市，供汽車制造商和研究人員測試其技術。Mcity 還圍繞其物理試驗場建立了一個數字框架，為開發人員提供自動駕駛汽車數據和仿真工具。

提高安全標準

自動駕駛汽車監管框架的最大空白之一是缺乏行業和監管機構可以參照的公認安全標準。

由于缺乏通用標準，監管機構用來重復驗證自動駕駛汽車性能和安全性的工具十分有限，而企業也很難展示其自動駕駛汽車技術的成熟度。這項能力在發生公共道路事故時至關重要，因為在這種情況下，自動駕駛汽車開發商需要以行業和監管機構認可的方式證明其軟件的可靠性。

美國國家公路交通安全管理局的“新車評價規程” (NCAP) 等工作在為傳統汽車開發制定車輛安全基準方面發揮了重要作用。但由于自動駕駛汽車的安全衡量標準不僅限于碰撞測試，還包括動態環境中實時決策的復雜性，因此 NCAP 不足以評估自動駕駛汽車。

此外，傳統的道路測試雖然將車輛置于現實條件下，但缺乏在各種極端情況下證明安全性所需的可擴展性，因此存在固有的局限性。在公共道路上測試罕見和危險的場景尤為困難，因為風險很大。

通過提供驗證自動駕駛汽車的物理和數字資源，MITRE 和 Mcity 將能夠提供一種安全、普遍可用的解決方案，解決自動駕駛汽車驗證的復雜性問題。

基于物理學的傳感器仿真

此次合作的核心內容之一是傳感器仿真。該技術可以對物理車輛上的攝像頭、激光雷達、雷達與超聲波傳感器的物理特性和行為以及這些傳感器與周圍環境交互的方式進行仿真。

借助傳感器仿真，開發者能夠在虛擬的罕見和危險場景中進行安全的訓練并測試自動駕駛汽車，例如極端天氣條件、行人突然橫穿馬路或無法預測的駕駛員行為等。

自動駕駛汽車公司可以與監管機構一同利用傳感器仿真重現現實世界中的事件、分析系統的反應并評估車輛的性能，從而加快整個驗證流程的速度。

此外，仿真測試可以重復執行，因此開發者可以追蹤自動駕駛汽車堆棧在一段時間內的改進或退步，自動駕駛汽車公司也可以向監管機構提供量化證據，證明其系統正在不斷完善并解決安全問題。

架起行業與監管機構之間的橋梁

MITRE 及其生態系統正在積極開發數字試驗場平臺，以此促進全行業標準和法規的制定。

該平臺將成為一項開放且可使用的資源，為加快安全自動駕駛汽車的開發和部署提供一個可信的仿真測試環境。

Mcity 將借助NVIDIA Omniverse提供仿真基礎設施和數字孿生，以及無縫連接虛擬和物理世界的能力。NVIDIA Omniverse 是一個開放平臺，系統開發者能夠用它構建物理 AI 和機器人系統仿真應用。此次合作還將把該虛擬試驗場集成到 DPG 中，以此加快先進數字工程和仿真技術的開發與使用，最終保障自動駕駛汽車的安全。

Mcity 的仿真工具將連接到 Omniverse Cloud Sensor RTX API，并提供一個 Mcity 物理試驗場的通用場景描述 (USD) 模型。DPG 將能夠訪問該環境，在逼真的測試環境中仿真車輛和行人的行為，并使用 DPG 報告框架解釋自動駕駛汽車的性能。

該測試將在 Mcity 的物理試驗場上重復進行，形成一個全面完整的反饋循環。

未來之路

隨著開發商、汽車制造商和監管機構的不斷合作，整個行業正在邁入一個自動駕駛汽車能夠安全、大規模運行的未來。行業需要建立一個可重復利用的試驗臺用于驗證自動駕駛汽車在各種現實和仿真環境中的安全性，這對于獲得公眾的信任和監管部門的批準至關重要，使自動駕駛汽車的落地更近一步。