[首發(fā)于智駕最前沿微信公眾號(hào)]真實(shí)的交通環(huán)境復(fù)雜多變，搶道、并行、鬼探頭等場景屢見不鮮，自動(dòng)駕駛系統(tǒng)想做到安全、可靠，只是將其放在真實(shí)道路上開上幾萬公里，并不能窮盡所有的場景，沒有辦法證明自動(dòng)駕駛系統(tǒng)已經(jīng)足夠安全。此外，想在真實(shí)交通環(huán)境中測試長尾場景，不僅成本高，耗時(shí)長，也及其危險(xiǎn)。

由于仿真提供了可重復(fù)、可控、可量化的虛擬環(huán)境，能將大量場景在短時(shí)間內(nèi)并行跑起來，且能將邊緣場景多次測試，因此，仿真成為了自動(dòng)駕駛落地前必不可少的測試手段。通過仿真，不僅可以保護(hù)測試人員及公眾的安全，也可以大幅降低時(shí)間和金錢成本，成為了自動(dòng)駕駛從研究走向商用化的基石。

仿真的關(guān)鍵形式及其作用

仿真可用于模型訓(xùn)練、軟件驗(yàn)證和整車聯(lián)調(diào)等任務(wù)。根據(jù)仿真對象和目的的不同，可進(jìn)一步細(xì)分為感知級(jí)仿真、決策/規(guī)劃級(jí)仿真，以及硬件在環(huán)、車輛在環(huán)等類型。

感知級(jí)仿真主要生成相機(jī)圖像、激光雷達(dá)點(diǎn)云和雷達(dá)回波等數(shù)據(jù)，用于感知模型的訓(xùn)練與驗(yàn)證。該類仿真注重還原真實(shí)環(huán)境中如光照條件、物體表面反射特性，以及雨、雪、霧霾等天氣效果等影響傳感器性能的因素。

決策/規(guī)劃級(jí)仿真則更側(cè)重于交通流模擬、人類駕駛行為建模及交通規(guī)則交互等，用于評估自動(dòng)駕駛系統(tǒng)在復(fù)雜交通情境下策略的魯棒性。軟件在環(huán)和硬件在環(huán)則將軟件或硬件組件接入仿真閉環(huán)，從而驗(yàn)證系統(tǒng)接口、時(shí)序邏輯以及緊急狀況下的降級(jí)機(jī)制是否符合設(shè)計(jì)預(yù)期。

此外，還有面向場景編排和大規(guī)模場景庫生成的仿真方法，主要用于覆蓋率評估與統(tǒng)計(jì)驗(yàn)證。不同層級(jí)的仿真各有關(guān)注點(diǎn)和評價(jià)標(biāo)準(zhǔn)，但又彼此互補(bǔ)，感知仿真主要用于模型訓(xùn)練與錯(cuò)誤排查，決策仿真用于輔助策略評估，而硬件在環(huán)和車輛在環(huán)則確保軟件與硬件之間的協(xié)調(diào)運(yùn)行。

仿真越真實(shí)，對于自動(dòng)駕駛系統(tǒng)來說，越具有可驗(yàn)證性，但真實(shí)并不意味著有用，仿真的關(guān)鍵在于自動(dòng)駕駛系統(tǒng)是否可以將學(xué)習(xí)到的性能可靠地應(yīng)用到車輛上。可采用領(lǐng)域隨機(jī)化、物理建模及數(shù)據(jù)混合等方式來減少仿真與真實(shí)環(huán)境的差距。

領(lǐng)域隨機(jī)化是指在仿真中刻意引入如不同的光照、不同材質(zhì)反射率、激光雷達(dá)噪聲模型等各種隨機(jī)擾動(dòng)，以提升模型對這些變化的適應(yīng)能力。

物理建模是指在仿真里盡量還原相機(jī)的畸變、激光雷達(dá)的回波強(qiáng)度隨材質(zhì)和角度變化、毫米波雷達(dá)的多徑和遮擋等傳感器的物理特性。這類建模要求對感知鏈路有較深理解。

數(shù)據(jù)混合則是把仿真數(shù)據(jù)和真實(shí)采集的數(shù)據(jù)混合用于訓(xùn)練或微調(diào)，常見做法是在仿真里生成大規(guī)模標(biāo)注數(shù)據(jù)，然后用少量真實(shí)數(shù)據(jù)做微調(diào)，從而兼顧規(guī)模和真實(shí)感。

統(tǒng)計(jì)驗(yàn)證也是一項(xiàng)重要思路。仿真可以用于構(gòu)建海量場景并統(tǒng)計(jì)出風(fēng)險(xiǎn)發(fā)生概率，通過重要性采樣等統(tǒng)計(jì)方法提高罕見但高風(fēng)險(xiǎn)場景的采樣效率，從而將驗(yàn)證重點(diǎn)從“跑夠量”變成“在關(guān)鍵場景上有可信統(tǒng)計(jì)結(jié)論”。從監(jiān)管與認(rèn)證的角度看，這種基于場景覆蓋和統(tǒng)計(jì)驗(yàn)證的方法，比單純依賴道路測試?yán)锍谈哒f服力。

怎么知道仿真做得夠不夠？

一個(gè)有效的仿真體系并不是簡單堆砌隨機(jī)場景就可以了，而是需要基于清晰的場景定義、參數(shù)化的場景空間以及可量化的覆蓋度量來構(gòu)建。

場景定義需將測試的關(guān)鍵要素逐一拆解，其中應(yīng)包括道路幾何結(jié)構(gòu)、交通參與者類型與行為模式、光照與天氣條件、傳感器裝配參數(shù)等。將這些要素參數(shù)化后，即可自動(dòng)生成大量場景變體，并為系統(tǒng)化的覆蓋分析奠定基礎(chǔ)。

覆蓋度量應(yīng)具備多維度評估能力，不僅要包括感知層面的誤檢/漏檢率、決策失效次數(shù)、時(shí)序與跟車距離等安全指標(biāo)，還要涵蓋對場景空間覆蓋率的分析，也就是要明確哪些參數(shù)組合已被測試，哪些尚未覆蓋。

在統(tǒng)計(jì)驗(yàn)證層面，通過置信區(qū)間估計(jì)與重要性采樣等方法，可更有效地評估系統(tǒng)在現(xiàn)實(shí)世界中的失效概率，這比單純計(jì)算累計(jì)行駛里程更具參考價(jià)值。

合理的場景管理還應(yīng)確定優(yōu)先級(jí)，可優(yōu)先仿真高致死率或高發(fā)生概率的場景，并對長尾事件采用加權(quán)采樣策略。同時(shí)，可通過閉環(huán)測試不斷將現(xiàn)實(shí)路測或仿真中發(fā)現(xiàn)的失效案例參數(shù)化并納入場景庫，從而逐步構(gòu)建起持續(xù)進(jìn)化的“場景生態(tài)”。

仿真雖然可以有效節(jié)省開發(fā)時(shí)間與成本，但其能力仍存在邊界，不能作為自動(dòng)駕駛唯一的測試方案，更沒辦法完全替代實(shí)際路測，仿真的有效性高度依賴其所基于的模型與假設(shè)，而任何模型本質(zhì)上都是對現(xiàn)實(shí)的一種模仿，人類駕駛行為的復(fù)雜多樣性、道路施工中臨時(shí)標(biāo)識(shí)的隨意性，以及異型車輛或臨時(shí)障礙物的非結(jié)構(gòu)化等現(xiàn)象，均難以被完整、精確地建模。

如果仿真生成的數(shù)據(jù)在統(tǒng)計(jì)特征上與真實(shí)數(shù)據(jù)存在系統(tǒng)性差異，就會(huì)導(dǎo)致模型學(xué)習(xí)出現(xiàn)偏差，若依托于這些錯(cuò)誤數(shù)據(jù)做出錯(cuò)誤決策，就會(huì)在真實(shí)場景中出現(xiàn)性能下降的情況。因此在訓(xùn)練時(shí)，需采用混合訓(xùn)練、域自適應(yīng)等方法，并需要在真實(shí)場景中進(jìn)行驗(yàn)證，從而確保學(xué)習(xí)的效果。

此外，仿真的計(jì)算資源與成本也是實(shí)際應(yīng)用中不可忽視的因素。高保真度的傳感器仿真，尤其是基于物理的渲染與高分辨率點(diǎn)云生成，對算力的需求極高。而要實(shí)現(xiàn)大規(guī)模并行仿真，則需依賴充足的云資源與高效的調(diào)度策略，否則成本就會(huì)將難以控制。

最后的話

仿真是自動(dòng)駕駛測試的工具，也是必不可少的一個(gè)流程。仿真并不是將自動(dòng)駕駛測試放到虛擬環(huán)境中進(jìn)行，而是將復(fù)雜的場景系統(tǒng)化、參數(shù)化地放到一個(gè)可控的場景中，在成本可控的情況下多次測試，從而讓自動(dòng)駕駛系統(tǒng)學(xué)會(huì)處理方案。當(dāng)然，仿真并不是自動(dòng)駕駛系統(tǒng)唯一的學(xué)習(xí)方法，只有把仿真、路測和線上數(shù)據(jù)反饋整合成閉環(huán)，才是把自動(dòng)駕駛從實(shí)驗(yàn)室應(yīng)用到真實(shí)交通環(huán)境的重要手段。