给自动驾驶做“陪练”，仿真测试能给行业提速500年？

观察者网讯（文/胡毓靖 编辑/庄怡）一辆自动驾驶汽车，要经过多少测试，才能真正上路？

根据美国兰德公司的研究，自动驾驶汽车需要在真实或者虚拟环境中至少进行110亿英里（177亿公里）的里程测试，才能证明自动驾驶系统比人类驾驶员更可靠。

照这个里程，假设由100辆车组成的车队，每年365天每天24小时不间歇以40km/h的平均速度进行测试，大概需要500年。

不光成本难以估算，可能你我都等不到这一天了。

更现实的方法是，把自动驾驶的测试放到虚拟环境下进行。比如自动驾驶汽车研发公司waymo将测试置于虚拟城市和虚拟仿真系统carcraft中，据The verge报道，截至2021年，waymo已经在虚拟环境中完成了150亿英里的自动驾驶测试，而实际道路测试的里程距离只有2000万英里。

在国内，百度、腾讯、华为、阿里等科技企业均已加入仿真测试的探索，其目的也是为了进入市场庞大的汽车行业，建立更大的数据平台，形成新的业务增长点。

给汽车戴上VR眼镜

襄阳达安汽车检测中心的《数字孪生自动驾驶测试评价体系》最近成功入选了“2021中国5G+工业互联网典型应用案例”，后者展示我国新一轮技术革命和产业变革下，数字化转型切口下的5G+智慧平台赋能的典型案例。

国家汽车质量监督检验中心(襄阳) 工信部数字孪生测试体系建设项目

简单理解这个数字孪生自动驾驶测试的原理，就像是“给一辆实车戴上了一个AR眼镜或者VR头盔”，通过虚拟信号不断给自动驾驶汽车做“陪练”，让汽车的安全验证更靠谱。

“它本质是（汽车）在一个空旷场地内跑，但是通过我们给它注入各种各样的虚拟信号，它会以为自己在全国各地各种各样的场景去运行，只不过周围环境是虚拟的，通过这样我们可以更适合观察它对于各种各样场景的反应，而且这样很安全。因为不会出现碰撞，对他没刹住把车或者是那种假人假车给撞坏了这种情况发生”，负责开发这个仿真系统的腾讯自动驾驶仿真技术总监孙驰天向我们通俗地解释道。

孙驰天介绍，目前腾讯自动驾驶虚拟仿真测试平台TAD Sim2.0可以每天测试1000万公里，以虚拟场景中的算法回归测试为主，另外通过虚拟城市补齐测试中的长尾细节。

至于为什么要做仿真测试，而不是真实路测，就要谈到自动驾驶测试的场景测试和成本效率方面的问题。

简要理解自动驾驶测试的过程，首先是通过车载传感器（摄像头、雷达）感知周围的道路、其他车辆、行人、障碍物等，传感器在感知过程中会产生的海量数据(603138)，而如此庞大的数据需要车端将数据回传至云端，然后通过算法标注，判定车辆的行驶。

虚拟仿真生成的一群动物过马路的场景

不同场景下产生的数据是完善自动驾驶算法和系统的重要基础，但受限于真实路测的成本、效率和安全风险等因素，目前自动驾驶算法测试大约90%用仿真平台完成，9%在测试场完成，只有1%通过实际路测完成。

此外，尽管真实路测能很好体现测试的随机性、复杂性和典型性，但是现实场景没有穷尽，复杂且难以预测，而真正对自动驾驶安全验证有高度价值的是极端场景（corner case），也就是还原真实路况不确定性的交通事故、恶劣天气等特殊情况，很难在真实路测中应测试需求再现，只能通过仿真完成。

在测试效率上，虚拟仿真的优势也更为明显。前面已经提及TAD Sim2.0可以每天进行1000万公里的测试，而且自动驾驶的车辆可大量部署，进行7×24不间断测试。

另外被视为虚拟仿真测试落地最快的美国自动驾驶领军企业Waymo旗下的仿真平台Carcraft，每天可在虚拟道路上行驶约2000万英里，相当于在真实世界中行驶10年，而截至2021年，waymo已经在虚拟环境中完成了150亿英里的自动驾驶测试，而实际道路测试的里程距离只有2000万英里。

值得注意的是，由于自动驾驶有级别之分，目前行业仍在L2（部分自动驾驶）到L3（特定条件下的自动驾驶）阶段，而自动驾驶测试也依级别不同而要求不同。

孙驰天透露，腾讯虚拟仿真测试不同自动驾驶级别的车型的测试里程差别很大，越往高级别测试里程越大。“说实话我们并没有统计过我们有多少（累计里程），但自动驾驶级别每上升一级，测试里程都要高几十倍到上百倍”。

除了场景上的仿真测试，虚拟城市是孙驰天团队提升测试效率的另一项尝试。孙驰天表示，虚拟城市的测试基于高精度地图运行，通过云计算的扩展来运行更大的城市。

“对于我们来说，目前技术上还不存在问题，就是（算力）资源消耗问题”，“你可以理解为我们做了一个高逼真的虚拟城市游戏，里面有非常多的actor（角色），人和车都有自己的运行逻辑”，孙驰天说道。

互联网看上仿真测试

自动驾驶是确定会来的未来，也将成为汽车发明以来的颠覆性创新。美国管理咨询公司科尔尼发布的报告认为，到2035年，人类社会道路上行驶的车辆将有50%实现自动驾驶，届时自动驾驶整车及相关设备、应用的收入规模总击将超过5000亿美元，可节约10%的社会总出行成本。

自动驾驶市场趋势预测，图源：卡尔尼咨询

正是这样的必然进程，让虚拟仿真测试作为自动驾驶落地的加速器，成为汽车产业价值重构中的一个重要环节，也登上科技互联网公司、整车企业、自动驾驶解决方案商、仿真软件企业和高校科研机构争相布局的热点赛道。

我们注意到，科技互联网企业中，除腾讯外，百度、阿里、华为均研发了虚拟仿真测试平台，并在应用上有不同侧重。

腾讯的游戏基因某种程度上为自动驾驶虚拟仿真测试提供了想象力，而负责平台开发的孙驰天本人简历中也有着游戏的底色。

孙驰天向我们介绍，TAD Sim是2017年他回国之后从零开始搭建的，设计之初就是为自动驾驶的安全验证专门开发。在此之前，他先后从清华的数理基础科学实验班和美国的卡内基梅隆大学毕业，研究的是VA和AR偏向游戏开发的方向，毕业后他所在的公司被苹果收购，便去了苹果总部的自动驾驶团队（SPG）从事自动驾驶模拟仿真系统的开发，2017年回国加入了腾讯。

具体来讲，腾讯做自动驾驶仿真应用了场景还原、大气系统、传感器仿真、物理引擎、云游戏技术、MMO同步等游戏技术，帮助实现场景仿真的几何还原、逻辑还原和物理还原，通俗而言就是让仿真测试中的环境和测试车辆条件与现实趋同，然后模拟出测试车辆决策规划的逻辑过程，以及车辆的操控和车身动力学作用结果，让虚拟世界的自动驾驶测试结果与现实世界无限接近。

腾讯自动驾驶数字孪生的整体框架

百度在自动驾驶赛道耕耘多年，早在2018年通过升级Apollo的仿真平台，推出了增强现实自动驾驶仿真系统（Augmented autonomous driving simulation, AADS），并且把研究论文发表在了Science Robotics上。

百度仿真平台的特点则在“真实性”上，AADS包含一套全新开发的基于数据驱动的交通流仿真框架和一套全新的基于图像渲染的场景图片合成框架。

在获得真实感的车流移动和场景图像之后，系统利用增强现实技术可直接、全自动地创建逼真的仿真图像，消除了现有仿真系统中游戏引擎渲染图片与真实图片之间的差距。

百度的AADS平台的操作流程

华为的虚拟仿真测试则是作为自动驾驶服务平台Octopus（八爪鱼）生态内的一环存在，能与华为MDC（移动数据中心）等车端硬件平台和只能驾驶OS无缝对接，实现车云协同。

目前，华为八爪鱼内置超过 1 万个仿真场景，覆盖智能驾驶、主动安全、危险场景等六大场景，并且支持将路测数据场景转换为仿真场景，每日虚拟测试里程可超过 500 万公里。

阿里达摩院2020年4月发布的“混合式仿真测试平台”则以自动驾驶测试中的极端场景为特点，可以任意增加极端路测场景变量，可在30 秒内模拟一次极端场景。

自动驾驶技术使得汽车成为各种互联网应用服务的智能载体，互联网企业凭借开发操作系统、大数据等方面的优势，可以通过早期介入制定行业相关标准、打造产业生态系统，也基于这一逻辑，即便市面上仍未有完全自动驾驶的汽车，而科技互联网企业早已虎视眈眈。

当然，科技互联网企业进入自动驾驶市场是为了寻找一个新的业务增长点，但也把部分大数据和软件开发的能力赋予给了汽车行业，成为自动驾驶的国际竞争中的加速器。

行业标准待统一，仿真平台要离汽车更近

我国是世界上最大的汽车生产和消费国，近年来，我国积极开展智能网联汽车测试示范区的建设工作，力争在国际中打造智能网联汽车产业高地。

随着自动驾驶发展进入落地应用的下半场，虚拟仿真作为自动驾驶汽车测试验证能力的重要方式，其依托的数字孪生技术也已经被中国科协列为十个创新技术突破点之一，受到广泛关注。

但抛却复杂的平台技术，虚拟仿真平台还面临着更现实的标准难统一和商业化问题。

就商业化而言，仿真平台的主要服务对象是车企和政府的自动驾驶测试方，而车企的自动驾驶研发中，仿真测试本就是题中应有之义，科技互联网企业优势在于数据、软件、云计算方面，并非原生于汽车行业，较高的行业壁垒也为其商业化带来了难度。

据孙驰天介绍，腾讯TAD Sim早在2018年就开始了商业化，客户包括头部车企，以及襄阳、长沙等地的国家自动驾驶测试场。他表示，腾讯仿真平台的定位是做汽车行业的加速器和数字化助手，帮助行业的车厂、自动驾驶公司更好地建立智能网联汽车造车和自动驾驶功能开发，不做造车的打算。

TAD Sim2.0模拟路面积雪场景

另一个限制仿真平台验证效率的是行业标准的不统一。一方面，仿真场景库的建设还需要大量人工进行采集、标注，然后进行场景分析挖掘、测试验证，成本仍然高企，而现有的场景库的规模有限，还不足以覆盖常见交通场景，多样性、覆盖性和可扩展性不强。

孙驰天表示，训练仿真的模型往往只适用于有限环境，比如发生下雨这类环境改变时，就无法很好地模拟汽车地行为。另外，做数据采集，永远也不可能把所有数据都采集完，训练出的模型在理论上也肯定无法覆盖所有的场景，所以无论自己的研发，还是商业化，都需要不断做验证。

另一方面，由于场景库建设任务庞大，单一企业很难完成覆盖，而各个企业各自为战，资源重复投入，这就导致了场景库建设进度缓慢，并且缺乏统一的行业评价标准。

孙驰天称，目前在行业内，多少里程的仿真测试和真实路测之间的换算标准都尚未确立。也就是说仿真测试在场景的真实度、场景覆盖度和仿真效率上均存在疑问。

从更大的视角来看，世界各国各地区的道路环境和交通习惯各不相同，在汽车服务平台的安全性和标准要求上相差也很大，也制约了自动驾驶的研发测试，难以在短期内形成全球认可的自动驾驶产业链体系。

科技互联网企业做虚拟仿真，或许仍然需要离汽车产业再近一步，行业也需要齐心推进标准统一，做自动驾驶落地的加速器，平地起高楼的仿真平台仍然道阻且长。

【参考资料】

1.许健、周弘，科尔尼咨询，自动驾驶如何重构汽车产业价值链。

2.中国电动汽车百人会、腾讯自动驾驶、中汽中心数据，2020中国自动驾驶仿真蓝皮书。

（来源：观察者网·科工力量）