
当提及自动驾驶时,众人最为关切的便是其是否安全。美国兰德公司所做的研究表明,自动驾驶汽车若要证实比人类司机更为可靠,就得在真实或者虚拟环境里至少进行110亿英里的测试。这个数目极为惊人,仅仅依靠路试根本无法达成。所以,仿真测试变成了用以验证自动驾驶安全性的核心技术手段,它能够极大程度地削减测试成本以及时间。
将车开到真实道路上跑,这便是实景测试,一辆测试车每日跑几百公里已然算多,然而,若要跑完110亿英里,则需上百万辆车持续不断地行进好几年,并且在真实路况里,极难碰到所有危险场景,诸如极端天气或者突发事故,这种测试方式所涉及的人力成本、车辆成本以及时间成本都过高,企业根本无力承担。
另外,实景测试存在一个颇为严重的问题,那便是覆盖并不全面。自动驾驶系统亟待应对的各类复杂路况,像行人突然冲出来、前车猛然急刹车、路口出现多车交汇等情况,于真实道路上极难大量重现。哪怕已经行驶了几百万公里路程,也许众多危险场景一次都未曾碰到过。如此一来,便致使测试结果不够完整,不能够全面评估系统的安全性。

自动驾驶软件系统里,代码规模极为庞大,动不动就有上千万行。传统软件测试方法,要建立测试规范,还要生成测试用例,然而自动驾驶系统太过复杂,特别难制定出完善的标准。代码级的测试,只能发现一些基础错误,对于系统在复杂环境中的决策能力,基本上没办法评估。
存在一个棘手的问题,那就是神经网络模型具备黑盒特性,自动驾驶的核心感知算法是基于深度学习的,而这些模型的内部逻辑着实难以清晰地解释明白,模型所输出的结果与代码结构之间不存在直接的对应关系,像代码覆盖率这类传统的测试指标在这儿根本用不上,这便给软件系统安全验证带来了全新的挑战。
在电脑里构建一个虚拟而成的世界,于其中让自动驾驶系统运行,此为仿真测试,它能够迅速重现各种各样的真实场景,还能够凭借自身意愿去创建危险场景以展开测试,举例来讲,若想要测试车辆在暴雪天气状况之下的表现,仅仅需要在软件当中把天气参数予以调整便可达成,这样一种方式同时具备安全以及高效的特性,不会造成任何真实存在的伤害。

一项完整的自动驾驶仿真平台,需具有多项功能,静态场景还原方面,要求能够精准复现道路、建筑、交通标志等固定元素,动态案例仿真方面,要模拟其他车辆以及行人的运动轨迹,传感器仿真方面,则要真切反映摄像头、激光雷达等设备的物理特性,车辆动力学仿真方面,要确保虚拟车辆的操控响应贴近真实。
有这样一家企业叫深信科创,它是由国际软件测试安全领域里知名学者杨子江教授建立而成的,在2019年于图灵奖得主姚期智院士任职院长的交叉核心院进行孵化从而成立。这家企业专门聚焦在自动驾驶工业软件上面,并且已经达成完成实现了将近一亿元的Pre A和Pre A+轮融资。它的核心产品是自动驾驶仿真测试工业软件。
一心笃定深信科创所打造的GuardStrike Oasis仿真云平台,此平台整合了场景构建技术,还 incorporation 了传感器建模技术,亦融合了智慧交通流技术以及云原生等多项技术。该平台能够产出从通过安装软件在环再到借助硬件在环最后到真正实现车辆在环的全维度解决方案。汽车制造厂家里面的研究人员能够依据自身需求开展定制化开发工作,把仿真测试毫无缝隙地融入进自动驾驶系统的开发流程当里面。
在运用仿真测试平台之后,开发团队能够于办公室电脑之上达成大部分的测试工作,不需要等到实车装配好才着手测试,在软件功能开发结束后便能够马上在虚拟环境当中进行验证,这样种并行工作类型,使得感知、决策以及控制各个模块的开发测试得以同时前行,极大地缩减了整个研发周期。

模仿测试具备实景测试无法达成之事,像同一区域同步模拟上百辆测试车运行,借由云平台拥有的并行加速计算本领,一个夜晚便能达成等同于真实道路测试数月的行程总长,全方位模拟各类交通情境本事,使开发人员能够于短时期内察觉并修正许多潜在问题,切实达到了成本降低效果提升。
7月19日晚间7点至8点,惠普AI合作伙伴系列的公开课,会推出自动驾驶软件系统仿真测试的专场,此次直播邀请了深信科创首席技术官潘余曦博士来担任主讲,他曾于美国思科以及优步担任高级数据科学家,在人工智能系统安全性方面具备丰富经验,课程形式是40分钟的主讲再加上20分钟的问答。
潘余曦博士会就汽车安全概述、自动驾驶软件系统构成、仿真平台与安全性测试办法、仿真技术的运用和挑战这四个部分予以讲解,直播完毕后他还会在主讲群里持续解答疑问,要是你正从事自动驾驶相关工作,或者对软件系统安全性测试存有兴趣,那么这场公开课着实值得一同参与。
你认为于自动驾驶仿真测试里,最难去模拟的是哪一种场景,是传感器数据,还是车辆物理特性,又或者是其他交通参与者的随机行为?欢请在评论区留言,去分享你的看法,点赞并转发下来,让更多之人看到这一篇文章。