La primera plataforma de pruebas de simulación híbrida para conducción autónoma del mundo lanzada por Alibaba con pruebas diarias de 8 millones de kilómetros
Para satisfacer las necesidades de la tecnología de conducción no tripulada económica y a gran escala, el establecimiento de una plataforma de simulación se ha convertido en el camino elegido por la mayoría de las empresas. Es previsible que la industria entre en una nueva vía de rápido desarrollo. .
Artículo 丨AutoR Intelligent Driving? Ziyang
Las pruebas de simulación son la única forma de lograr tecnología de conducción autónoma a gran escala.
El 22 de abril, Alibaba DAMO Academy lanzó oficialmente la primera “plataforma de prueba de simulación híbrida” de conducción autónoma del mundo.
La plataforma utiliza tecnología de simulación que combina virtualidad y realidad e introduce escenarios de prueba reales en carretera y entrenadores en la nube. Solo toma 30 segundos simular un escenario extremo. El kilometraje de prueba virtual diario del sistema puede exceder los 8. Millones de kilómetros, lo que supone una mejora significativa. Mejorar la eficiencia del entrenamiento del modelo de IA de conducción autónoma.
DAMO Academy dijo que esta tecnología acelerará la conducción autónoma hacia la etapa L5.
Las plataformas de prueba de simulación virtual pura tradicionales pueden completar rápidamente millas de pruebas de conducción autónoma en carretera, pero aún enfrentan el problema clave de la baja eficiencia en el entrenamiento de escenas extremas: la insuficiencia de datos de escenas extremas hace que sea imposible restaurar la incertidumbre de lo real. condiciones de la carretera, si el sistema no puede responder con precisión a las emergencias en condiciones reales de la carretera, será difícil que la conducción autónoma logre mayores avances.
La primera plataforma de prueba de simulación híbrida de conducción autónoma de DAMO Academy resuelve este problema. Esta plataforma cierra la brecha entre la incertidumbre del entorno fijo virtual en línea y las condiciones reales de la carretera fuera de línea.
Es difícil para las plataformas de simulación tradicionales simular la intervención humana aleatoria a través de algoritmos. Sin embargo, en la plataforma de DAMO Academy, no solo se pueden utilizar datos reales de pruebas de conducción para generar automáticamente escenarios de simulación, sino que también se puede utilizar la intervención humana aleatoria. Se puede utilizar para simular el antes y el después en tiempo real. Escenarios como aceleración del vehículo, giros bruscos y paradas de emergencia dificultan el entrenamiento para evitar obstáculos para vehículos autónomos.
Para abordar el problema de datos insuficientes en escenarios extremos, la plataforma puede agregar variables de escenarios de prueba de manejo extremos de forma arbitraria. En las pruebas de manejo reales, puede llevar un mes reproducir un escenario extremo, pero la plataforma lo hace. Puede completar la construcción y prueba de escenas especiales como lluvia, nieve, mala iluminación nocturna, etc. en 30 segundos, y puede soportar millones de construcciones de escenas todos los días.
Esta plataforma resuelve el problema de reproducir escenas extremas a gran escala, mejorando millones de veces la eficiencia del entrenamiento de estas escenas clave.
Las pruebas de conducción autónoma enfrentan actualmente dos problemas principales: uno es el alto costo de la recopilación de datos y el etiquetado, y el otro es el requisito de kilometraje de la prueba que es difícil de lograr en las pruebas en carretera reales.
El entrenamiento de algoritmos de percepción en la tecnología de conducción autónoma requiere la recopilación de una gran cantidad de datos. Estos conjuntos de datos deben cubrir diferentes condiciones climáticas, de la carretera y otras condiciones del tráfico. Sin embargo, el costo de la recopilación de datos del entrenamiento. y el etiquetado es muy alto. Cada año, los desarrolladores globales de conducción autónoma han invertido más de mil millones de dólares solo en servicios de datos de terceros.
Además, existe un fenómeno evidente de “reinventar la rueda” en la recogida y etiquetado de datos. Cada empresa tiene su propio conjunto de datos de conducción autónoma, aunque algunos de ellos se han abierto al mundo exterior. , La proporción es muy pequeña y los conjuntos de datos abiertos solo pueden satisfacer los datos de entrenamiento generales, y es difícil para los conjuntos de datos extranjeros satisfacer completamente las necesidades de entrenamiento de los algoritmos de percepción nacionales.
La industria generalmente cree que un algoritmo de conducción autónoma necesita al menos 11 mil millones de millas de pruebas antes de que pueda cumplir con las condiciones para su aplicación en producción en masa. Esta distancia equivale a más de 50 viajes de ida y vuelta entre el sol y el sol. la tierra.
Y los 11 mil millones de millas de distancia de prueba son para una versión específica del algoritmo de conducción autónoma. Una vez que el algoritmo se actualice, será necesario volver a probarlo.
Para satisfacer las necesidades de la tecnología de conducción autónoma económica y a gran escala, establecer una plataforma de simulación se ha convertido en el camino elegido por la mayoría de las empresas.
El objetivo principal de la plataforma de simulación de conducción autónoma es utilizar software para simular el coche y el entorno donde se encuentra, e implementar funciones como pruebas integradas de conducción autónoma, modelos de entrenamiento y simulación. escenas de accidentes.
Para simular el entorno donde se encuentra el coche, se debe proyectar el mundo real en el mundo virtual y construir las leyes físicas del mundo real.
En general, este entorno de prueba simulado debe cumplir con las leyes físicas del entorno real. Cuanto más realista, mejor.
Esto no sólo requiere realidad a nivel visual y sensorial, sino que también requiere realidad a nivel de leyes físicas internas y lógica operativa.
Por lo tanto, la plataforma de simulación debe tener al menos tres niveles de capacidades de restauración.
La primera es la restauración geométrica de la escena.
El uso de una plataforma de simulación para restaurar una determinada escena de la vida real requiere que las posiciones de todas las carreteras, vehículos, semáforos, etc. en esta escena sean consistentes con el mundo real. Depende de completar este paso temprano. recopilación y calibración de datos y tecnología de reconstrucción tridimensional.
El segundo paso es restaurar las leyes físicas de la escena.
Por ejemplo, los coches autónomos estarán equipados con muchos radares. Las diferentes distancias de detección del radar y los tiempos de reflexión serán diferentes durante el funcionamiento del vehículo, y se verán afectados por el coeficiente de fricción de la carretera y el viento. Coeficiente de resistencia. Al presionar el acelerador se acelerará, el frenado disminuirá, etc.
La plataforma de simulación necesita utilizar componentes como modelos de sensores y modelos de dinámica de vehículos para que las reglas operativas de estos elementos de objetos sean consistentes con el mundo real.
Cuando la restauración geométrica y la restauración de las leyes físicas de la escena de simulación se realizan con suficiente precisión y la tecnología del motor del juego se utiliza para hacer que el mundo de la simulación se mueva, entonces la percepción del automóvil autónomo en la simulación entorno, El proceso de toma de decisiones y las trayectorias y patrones operativos de los participantes del tráfico circundante pueden ser consistentes con el mundo real, completando así la restauración lógica de la escena.
Solo logrando este paso los resultados de las pruebas de los vehículos autónomos en la plataforma de simulación podrán tener valor de referencia e importancia.
Por supuesto, con el profundo desarrollo de la tecnología de conducción autónoma, los probadores y desarrolladores tienen requisitos cada vez más altos para las capacidades de aplicación de las plataformas de simulación.
En el futuro, los escenarios se pueden construir de manera flexible según las necesidades para lograr una generación inteligente y automatizada de entornos y flujos de tráfico, y la plataforma de simulación debe tener capacidades de depuración local + verificación rápida en la nube, lo que acelerará Iteración del algoritmo. Un paso importante.
Se puede ver que con la adopción de la tecnología de simulación, la industria ha entrado en una vía de rápido desarrollo.
Actualmente, hay decenas de empresas que realizan simulaciones de conducción autónoma, y empresas extranjeras de conducción autónoma como Waymo y Metamoto están realizando pruebas de simulación.
En China, Baidu, Tencent, Huawei y las startups de conducción autónoma Pony.ai y Qingzhou Zhihang también han construido plataformas de prueba de simulación independientes.
Tencent comenzó a desarrollar las capacidades centrales de la plataforma de simulación en 2017, incluida la simulación de sensores y escenas tridimensionales, escenarios de prueba enriquecidos para la simulación del flujo de tráfico basada en datos, simulación de la nube basada en escenarios y ciudad virtual. -Paralelismo de simulación de nubes basado en.
En respuesta a las necesidades de las pruebas de simulación de conducción autónoma y los puntos débiles de la industria, Tencent ha creado una plataforma de simulación de conducción autónoma: TAD Sim, con mapas integrados de alta precisión, integración virtual y real, y en línea. e integración fuera de línea.
TAD?Sim integra modelos dinámicos de vehículos de nivel industrial, motores de juegos profesionales, tecnología de reconstrucción tridimensional y tecnología de flujo de tráfico virtual-real, y puede completar todos los módulos en el vehículo real, como percepción, toma de decisiones. Los algoritmos de creación y control admiten la implementación independiente y en la nube. Un sistema satisface las necesidades de los algoritmos de pila completa. Basado en la recopilación y producción completa de Tencent de mapas de carreteras y autopistas nacionales de alta precisión. Simulación de autopistas y autopistas.
Baidu ha establecido una asociación con Unity Technologies para desarrollar conjuntamente productos de simulación en tiempo real. Este producto creará un entorno virtual que permitirá a los desarrolladores probar vehículos autónomos en un entorno de simulación realista.
Esta plataforma de simulación 3D permite a los fabricantes de automóviles (OEM) reducir los errores y riesgos de las pruebas al tiempo que aumenta la eficiencia y la velocidad de las pruebas al replicar escenarios simulados del mundo real. Además, proporciona contenido personalizado que se puede personalizar a través de su Asset Store creada por millones de desarrolladores.
Además de BAT, Huawei ha lanzado un servicio en la nube de conducción autónoma, Octopus, que cubre el ciclo de vida completo de los datos de conducción autónoma, modelos, entrenamiento, simulación, anotaciones, etc., y proporciona datos a los desarrolladores. tres servicios principales, incluidos los servicios de formación y los servicios de simulación.
Se informa que a través del diseño de escenarios integrados y métodos basados en datos, se proporciona un total de más de 10.000 escenarios de simulación. El kilometraje de prueba virtual diario del sistema puede superar los 5 millones de kilómetros y admitir 3.000 instancias. Pruebas de concurrencia.
Este artículo proviene del autor de Autohome Chejiahao y no representa los puntos de vista ni las posiciones de Autohome.