侯皓陽， 英國南安普頓大學，人工智能專業(yè)碩士學位，曾任寶馬中國自動駕駛研發(fā)中心AI與機器人高級專家，自動駕駛仿真器研發(fā)負責人，先后于多家游戲和自動駕駛行業(yè)公司任技術管理要職，擁有豐富的自動駕駛仿真開發(fā)、項目管理與團隊協(xié)作經驗?，F(xiàn)任沛岱汽車軟件開發(fā)部總監(jiān)。
以“汽車+X，雙碳背景下汽車科技創(chuàng)新”為主題的第29屆中國汽車工程學會暨展覽會（SAECCE 2022）將于11月召開。中國汽車工程學會暨展覽會歷來是中國汽車工程師與企業(yè)，通過會議、討論、展覽展示、技術發(fā)布或試用試乘試駕等形式，深度探討汽車電動化、智能化、網聯(lián)化等領域上如何快速推動技術創(chuàng)新，重塑新型產業(yè)格局的重要場所。此次，經沛岱汽車軟件開發(fā)總監(jiān)侯皓陽確認，沛岱汽車將于本次首次登陸SAECCE平臺，并向全行業(yè)展示沛岱仿真賦能自動駕駛軟硬件高質量高速開發(fā)的豐富可能性。那仿真的使用具體在自駕系統(tǒng)的開發(fā)中能夠扮演什么樣的角色呢？侯總解釋道：
1.使用仿真對代碼改動進行快速驗證 自動駕駛軟件的開發(fā)涉及到多個模塊的相互配合，以我們常見的單車智能發(fā)展路線來說，一輛自動駕駛車要動起來首先需要利用車上裝載的多個傳感器比如攝像頭，毫米波雷達，激光雷達等收集環(huán)境信息，進行多傳感器融合后獲得當前環(huán)境以及預測的物體列表，同時配合定位模塊結合高精地圖確定車輛的位置信息，路網數據，這些信息匯集到決策模塊做出駕駛決策后再計算出車輛的規(guī)劃路徑，路徑最后才會傳輸到車輛的控制模塊轉換成方向盤角度，油門，剎車力度等控制指令。
面對這樣一個高度復雜的系統(tǒng)，如果每個模塊做個改動都要上車去路上測一下，所要消耗的時間和資金是無法想象的，而使用仿真器就可以將部分模塊替換掉，讓開發(fā)者只關注自己工作的模塊，代碼隨改隨測，節(jié)省時間和精力。
2. 使用仿真幫助自動駕駛軟件穩(wěn)定迭代
除了幫助每位開發(fā)者去快速驗證自己的代碼，在代碼提交后，仿真器仍然可以持續(xù)發(fā)揮作用。單個開發(fā)者的工作一般只關注自己要做的功能，和要解決的bug，很難察覺到新增的代碼是否對已有的功能或者其他模塊造成了影響，當團隊規(guī)模大到一定程度，每次集成新的改動甚至會出現(xiàn)改bug越改越多，功能越做bug越多的現(xiàn)象，導致軟件的整體表現(xiàn)隨著迭代不斷的震蕩甚至止步不前。
為了解決這個問題，我們可以將已經做過的功能轉化到仿真器的測試場景里，在代碼提交后自動運行仿真器做功能測試，把所有導致功能回退的因素扼殺在合并代碼之前。
3 .使用仿真幫助自動駕駛軟件更好的向經驗學習
使用仿真并不意味著完全代替路測，路測是自動駕駛開發(fā)中很重要的一環(huán)，除了幫助我們驗證自動駕駛軟件的整體表現(xiàn)，路測產生的數據也是非常寶貴的。由于車輛上眾多的傳感器，一輛自動駕駛車在行駛時產生的數據是海量的，每小時都在TB級別，整天可以達到PB級別。如此多的數據，全部保存是不現(xiàn)實的，如何去蕪存菁達到有效利用？
一方面需要數據團隊對收集的路測數據的進行清洗整理打標，另一方面，將路測數據持續(xù)的轉化成仿真場景才能將自動駕駛的路測經驗固化下來反哺到自動駕駛軟件的開發(fā)流程中。融入真實路測數據的仿真可以幫助自動駕駛軟件每次上路只用關注新問題。
4.使用仿真幫助自動駕駛軟件更好的面對無法預計的極端場景
如今的自動駕駛行業(yè)已經度過了早期階段，解決90%的交通場景對于很多公司已經不是問題，而決定最終自動駕駛軟件的功能等級以及是否能落地量產的在于剩下的10%，也就是自動駕駛軟件對困難場景、極端情況甚至于Sotif中所定義的未知、不安全（Unknown-Unsafe）場景的應對能力。這些場景不僅僅包括交通場景，也包括惡劣的天氣，道路環(huán)境下對傳感器的影響。而這些場景的發(fā)生大多無法預計。
而僅靠有限的路測里程，很難完整的囊括這些極端情況。但首先，對于仿真器來說，構建Corner Case是輕而易舉的一件事，使用仿真可以更好的設計，合成出對自動駕駛軟件有足夠挑戰(zhàn)性的場景。其次，依靠沛岱的全物理級高精度的傳感器模型配合仿真場景也可以隨時基于物理光學推演出環(huán)境，例如各種雨雪天氣、反光路段、隧道、其他交通參與者等，對自動駕駛系統(tǒng)的影響。讓自動駕駛軟件能預見未見（將Unknown變Known），持續(xù)提升。
5.使用仿真器幫助自動駕駛軟件開的更像老司機
在自動駕駛軟件開發(fā)的過程中，一個常見的現(xiàn)象是只關注一個功能的是或否的問題，比如是否闖了紅燈，是否撞了行人，是否變了道。而作為一個最終要落地量產的產品，只完成是否是遠遠不夠的，也許不闖紅燈的背后是勻速后的一個急剎車，沒有撞人的背后是貼邊而過，成功變了道卻逼停了后車。在是否之上的舒適性，安全性的持續(xù)評估也是自動駕駛軟件產品力的重要一環(huán)。在開發(fā)的快速迭代中，使用人眼去看去評估是不準確且主觀的，使用傳感器測量成本高效率低，使用仿真器可以將這些評估轉化分解成大量的kpi，集成到自動駕駛軟件的迭代中，讓自動駕駛軟件不僅開的對，而且開的好，就像老司機一樣，在競爭對手中脫穎而出。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
