全球各大车企正在研究用仿真测试里程来取代一部分实际路测里程，目前无人驾驶测试90%通过模拟仿真平成，如何保证仿真环境下测试数据的可靠性，无人驾驶仿真平台是如何构建现实世界物理规律的？

  自动驾驶是现代汽车的关键技术之一，它将为人们提供更广泛的交通便利，同时也有助于减少交通事故。行业普遍预测，为了能够更好的保证无人驾驶技术安全可靠，车企需要积累177亿公里的测试数据来优化其自动驾驶系统，而如此庞大的目标里程是很难在极短的时间内通过真实路测达到的。

  无人驾驶系统由感知、预测、决策、控制、定位等多个功能模块组成，每个模块都各自拥有复杂的结构和算法。绝大部分情况下，在道路测试过程中，系统研发人员很难对海量的输出参数做出评价。通过在软件模拟环境中发现和复现问题，不需要真实的环境和硬件，可以极大的节省成本和时间，加快模型迭代速度。因此，通过模拟真实环境和构建汽车模型，在仿真环境下找出无人驾驶过程中也许会出现的问题，慢慢的变成了一种重要的无人驾驶车辆测试手段。

  传统汽车测试着重关注物理性能，例如加速度、刹车、碰撞安全等。而无人驾驶的测试主要评价整车多传感器的配合以及传感器融合输出的感知、判断和决策能力，例如遇到相应的路况应该是变道超车还是减速避让。

  自动驾驶仿真的基础原理是在仿真场景内，将真实控制器变成算法，结合传感器仿真等技术，完成对算法的测试和验证。仿真平台的核心问题就在于“真”上，既要还原真实世界的客观属性，又要构造真实世界的物理规律。例如需要模拟真实世界的房子、车、树木、道路、红绿灯、影子等，还需要能够模拟真实世界的物理规律，比如树和云层会遮挡住阳光，房子或者障碍物会阻挡你的前进，车与行人之间接触要发生交互等。同时，车辆按照真实世界的运动学和动力学规律建模，启动和停止的时候会有加减速曲线。

  因此，模拟场景和真实场景的差异决定了测试结果的有效性。在高保真度的系统下，需要集合静态场景还原、动态案例仿真、传感器仿真、车辆动力学仿真、并行加速计算等功能。如不一样的尺寸、不同性能的车辆遇到同样的路况场景，做出的反应会有差别；雨天的湿滑路面和晴天的路面上车辆的操控也会不同。

  除此之外，无人驾驶仿真平台还要包括根据真实路网或高精地图生成大规模虚拟场景的道路环境模块；结合实际路测数据，或者是参数化交通模型生成测试场景的交通模块；仿真各种传感器，包括摄像头，激光雷达，毫米波雷达，GPS，超声波雷达，IMU等模块，既能够给大家提供原始数据，也能够给大家提供真值；车辆动力学模型，能够准确的通过 ADAS 或者无人驾驶系统的输入，结合路面特性对车辆本身进行仿真，完成闭环的测试；分布式存储和运行平台，通过添加硬件的方式或者上云的方式提高无人驾驶测试的里程数；对接 ADAS 和无人驾驶系统的丰富的接口，以及和 ECU，传感器进行 HIL测试的设备等。

  目前，随着无人驾驶技术的发展，国内外出现了很多针对无人驾驶车辆的仿真类产品，各平台之间有自己本身的特点。例如，强调车辆本身动力学数据的传统仿真软件CarSim、CarMaker；构建简单场景模型、用于ADAS功能验证的PreScan等等。国外Waymo自建了平台Carcraft，用于训练AI补充真实路测数据，国内以腾讯、百度等一大批以高精地图重建，真实数据回放，甚至应用游戏引擎进行高真实度虚拟重建的平台也涌现出来。

  拥有业内绝对领先的游戏技术的腾讯，将游戏引擎、虚拟现实、云游戏等技术运用到模拟仿真平台的开发当中，助力无人驾驶技术的研发和验证。2020新年伊始，智车科技有幸采访到了腾讯无人驾驶模拟仿真平台负责人孙驰天，他对腾讯TADSim平台做了独家揭秘。

  1.几何还原：对三维世界几何特征的还原，比如场景内道路和物体的形状和纹理等；2.物理还原：对于世界的几何还原的基础上进行的，基于虚拟场景的几何特征，进行相对应的物理计算，包括车辆动力学、物理级传感器仿线.逻辑还原：基于几何还原和物理还原，还原场景内元素的运动轨迹和行为特征，用于无人驾驶算法的验证；4.并发系统：可以高并发的运行仿真核心引擎的能力。

  通俗的讲就是，当选择构建某个交通场景时，地图是第一个需要仔细考虑的。腾讯TAD Sim仿真平台采用实际环境信息及已有的高精地图构建静态场景，通过采集激光点云数据，建立高精地度地图，构建环境模型，并通过自动化工具生成高精度的道路还原，一些典型的交通元素也能够最终靠人工构建。通过采集实际路上的海量真实数据，经过算法抽取，再做动态场景的重建。

  对于无人驾驶算法验证，尤其是感知算法，天气和气候对仿真的影响很大，这对传感器能否有效工作有很强的关联。所以，在仿真环境里，对不同的天气参数的调节是非常必要的，比如太阳高度角，雾的浓度，雨滴的大小等。

  腾讯TAD Sim平台运用游戏引擎，明显提高了画面的渲染效果，能够真实还原现实世界中各种天气情况，以及光照条件的变化，对车辆感知/决策带来影响，让仿真的结果更真实。举个简单的例子，如《重生边缘》游戏，采用了光线追踪技术，逼真的光影效果让画面看上去更真实惊艳，水中的倒影、随风摇摆的植物以及阶梯上的影子，让玩家身临其境的感受到未来世界的独特场景。

  除环境渲染外，传感器仿真对技术的要求更高。包括摄像头、毫米波雷达、激光雷达这些无人驾驶技术最重要的旁边的环境感知的设备，都可以很好地被进行建模和仿真；在摄像头仿真上，腾讯模拟了各种复杂的真实天气情况，可以自主调节天气，支持各种天气和光线条件下的摄像头仿真；激光雷达的仿真参照真实激光雷达的扫描方式，模拟每一条真实射线的发射，与场景中所有物体求交，生成真实的点云数据。

  在本地部署之外，云端的高并发系统更符合大规模无人驾驶测试需求。目前，腾讯仿真云平台上包括了场景型云仿真和虚拟城市型云仿真，高并发的横向加速，缩短了仿真的时间。算法上传到云端，在云上就完成自动评测。举个例子：在不间断运行的虚拟城市之中，一旦无人驾驶车辆做了一个错误的决策，违反了系统评测标准，比如和一辆车发生了碰撞，那系统就会把碰撞场景截取下来，成为训练无人驾驶算法的素材。

  腾讯通过模块化系统实现二者的平衡，用户都能够根据自己的实际使用需求配置不同仿真程度的模块，比如用户比较在意仿真效率的话就可以再一次进行选择较低保真度的仿真模块运行。

  当前，全球各大车企正在研究用仿真测试里程来取代一部分实际路测里程，目前无人驾驶测试90%通过模拟仿线%通过实际道路测试完成。尽管如此，对于实际路测的人力、物力、财力都是相当大的投入，且存在安全性隐患。随技术的发展，若能够实现99.9%模拟仿线%的实际路测，将会大幅度的提高无人驾驶落地速度。以腾讯TAD Sim为代表的无人驾驶模拟仿真平台，将成为整车企业落地无人驾驶的必备工具，以及智慧城市交通调度管理、无人驾驶技术测试验证、法规制定的有力辅助。