虽然业内有英特尔的CARLA、微软的AirSim等开源式自动驾驶平台模拟器，但开源平台需对接诸多合作方，不一样的软硬件设备，耗费精力，进展缓慢。因各家架构不同、传感器方案不同，开源平台很难将传感器模拟做到真正的通用化。
目前行业内逐渐达成共识，仿真成为每一位自动驾驶玩家的技术储备。拥有10年自动驾驶经验的Waymo依旧非常依赖模拟测试；百度阿波罗也早早将仿真平台作为其主要的核心技术；Roadstar.ai、Pony.ai、AutoX等诸多自动驾驶初创公司都在自主研发模拟器。
不同于激光雷达、芯片、算法，自动驾驶模拟器因对标公共环境路测，其发展相对较晚，拥有成熟产品形态的公司较少。环境构建真实性问题、传感器模拟技术依旧是行业难点。
为让有志者更加了解自动驾驶仿真行业现状与技术干货，「AI投研邦」特在11月开展智能驾驶·仿真专场，Drive.ai 、文远知行WeRide、51VR三大公司站台，近千位智能驾驶从业者参与聆听。
智能驾驶·仿真专场中，Drive.ai 技术专家孙庆、文远知行WeRide仿真与云计算执行总监谭伟华、51VR 自动驾驶事业部研发负责人鲍世强为新智驾会员详解了他们眼中的自动驾驶仿真系统的现状与挑战。「AI投研邦」会员可进入「AI投研邦」页面查看三场Live完整实录。
Drive.ai目前已自建自动驾驶闭环模拟系统与自动驾驶开环模拟系统。Drive.ai 技术专家孙庆提到，对于决策规划系统而言，闭环的反馈至关重要，因每一次决策规划都会改变当前的环境。同时，决策规划系统的输出也需要从全局的角度进行验证。
开环模拟系统最大的优势在于其可以模拟闭环系统目前实现的极端真实场景输入。在开环仿真系统中，Drive.ai直接使用真实世界中采集到的传感器数据用来测试全栈系统（感知以及决策规划）。
在环境构建方面，仿真测试对于环境构建的合理性、真实性，以及还原真实世界的精确程度方面都有要求。Drive.ai仿真系统直接使用和车载系统同样的高精度地图来保证静态环境的100%拟真。
孙庆提到，动态仿真环境精度的要求取决于仿真的用途。针对于决策规划系统的仿真，特别是真实世界中很难遇到的边角案例，Drive.ai并不需要完全还原真实世界，只需模拟感知系统的输出，此类输出往往是较抽象。如此可以通过3D场景编辑器来构建虚拟的计划路线，障碍物等等。
鲍世强：如何有效构建自动驾驶决策和感知的仿真体系？
环境构建是模拟系统中重要的一步。无论是真实场景再现，还是人工设计环境，对环境构建的合理性、真实性，以及还原真实世界的精确程度方面都有要求。更接近现实、更高的精度可以使得传感器反应更自然，测试结果更有参考性。
51VR 自动驾驶事业部研发负责人鲍世强也提到，构建感知系统的仿真是整个仿真系统中比较困难的部分。建立高度真实感的仿真环境，不同的传感器对应的高度真实的仿真环境不同：对于相机而言，需生成较真实的纹理及光照环境；激光雷达仿真，需有符合场景的几何与物理；对天气昼夜进行仿真及传感器硬件在环的需求同样非常重要。鲍世强介绍了仿真系统中静态场景及动态场景仿真要求：
静态场景生成：首先需考虑仿真系统和自动驾驶系统要采用同样的高精度地图作为源头，生成精确匹配的静态环境；另一方面，场景自动生成的效率很关键，高低不平的路面对环境的生成也提出了挑战，另外还需对标线、标牌等路标自动生成语义标注，以用来后续对驾驶行为进行评价；
动态物体仿真：一方面进行路测的案例数据需要得到重现；另外案例数据需便于编辑,以利于后续扩展。
雷锋网新智驾了解到，51VR通过采集实际环境及已有的高精度地图构建静态地图，包括现实交通环境数据收集、路测数据收集，并抽取不同智能交通体行为模型，基于模型有机地形成动态交通体。同时51VR还提供导入路测案例数据，及清洗与泛化工具。
“安全”已是自动驾驶公司关注的重中之重。每一行代码都有可能带来安全风险，在文远知行WeRide仿真与云计算执行总监谭伟华看来，代码经过仿真系统验证才是最安全负责的方式。再者，仿真提供了一种更高效、低成本的方式，帮助自动驾驶公司快速迭代以及验证软件质量。
不同企业对仿真有不同的理解和需求。但有一点是共通的，即每一家企业都在用不同的技术方案来追求真实性。谭伟华向雷锋网(公众号：雷锋网)新智驾表示，真实、闭环、规模、整合是每一家自动驾驶公司构建仿真不可忽略的四大环节。
真实性，仿真系统中的场景既要源于现实，又高于现实。仿真系统无需做到100%真实场景还原，要达到合理的抽象要求。关于如何定义合理的抽象，不同自动驾驶公司需结合自家自动驾驶技术进行定论；
闭环也是自动驾驶企业的重点方向。仿真系统反馈到生产中，生产同样反馈到仿真中，这是一大原则。
规模方面，仿真系统模拟里程需在真实里程的百倍以上。里程数据需具有指导意义价值。
整合方面，仿真与研发并非独立的系统，仿真非单独的工具，更像是平台。作为一个平台角色，仿真能够融入到工程研发的每一个环节中。从工程开始到工程的验收仿真，都能够起到相应的作用。
为更深入的解决听众在智能驾驶·仿真方面的困惑，「Live」开设问答环节，三位大咖对新智驾会员疑问进行了一一解答。
场景扰动中，如何保证扰动的合理性呢？扰动小则不具备边界测试能力，扰动大则容易出现太假的场景。这点上应该如何解决，文远知行weride是怎么解决的呢？
基于日志、决策模型及混合模式这三种模式，其中决策模型除了算法以外，会不会更重要的是抽象逻辑的合理性？请问文远知行是怎样保证“抽象”的合理性的？
真实的传感器在仿真系统测试过程中是如何作用的？
以上为部分会员提问，点击「AI投研邦」查看大咖解答。
「智能驾驶·V2X」专场开讲中...
12月「智能驾驶·V2X」专场，我们继续每周邀请一位一线从业者带来项目实践过程中的方法和思路，为智能驾驶从业者与投资人、分析师提供行业参考。另，「2018智能驾驶芯片」研报已出炉，会员可免费查阅。
正在生成分享图...
溥茜