0
《中國自動駕駛仿真藍皮書 2020》發布儀式
毫無疑問，幾乎所有的科技巨頭也都在自動駕駛仿真市場聚首。
不止騰訊、華為、百度，自動駕駛公司、軟硬件開發商，甚至部分主機廠都在不同程度的通過虛擬仿真工具加速自動駕駛技術研發。
如今，隨著自動駕駛的發展已經進入到下半場，自動駕駛仿真這一新生領域的發展還存在著不少挑戰，行業對這一領域的探索也尚且不夠。
如何提升自動駕駛仿真測試平臺必備的核心能力？如何開辟出更高效更經濟的平臺設計路線，減少重復造輪子的工作？如何打破國外自動駕駛仿真軟件長期壟斷現狀，突圍自動駕駛下半場？
這些都是現階段行業亟需思考的問題。
10 月 12 日，由中國電動汽車百人會、騰訊和中汽數據聯合撰寫的《中國自動駕駛仿真技術藍皮書 2020》（以下簡稱《藍皮書》）正式發布。（關注「新智駕」公眾號獲取《藍皮書》PDF）
雷鋒網從目錄出發可以看到，該藍皮書對自動駕駛仿真測試的意義、功能需求、測試方法和作用、技術架構、軟件現狀、評價體系等方面進行了深入分析，系統介紹了自動駕駛仿真技術和應用現狀，并且展望了仿真測試平臺未來的發展方向。
同時，在《藍皮書》的發布會上，多位業內權威人士也圍繞著自動駕駛仿真的發展分享了自己的觀點和看法。
站在歷史的時間線來看，我國自動駕駛技術的發展正處于從輔助邁向無人駕駛進化的新階段。
盡管駕駛輔助系統（ADAS）L0/L1/L2 已經量產，并在 C-NCAP 五星安全推動下實現了迅速的發展。然而，與此同時，目前 L3 的量產計劃正卡在關鍵節點。
據同濟大學汽車學院汽車安全技術研究所所長朱西產教授的觀點，今年，2C 車型趨近 L3，2B 車型趨近 L5。但即便是在今年北京車展上亮相的多款熱門 L3 車型，也頗有車企銷售噱頭的意味。
也就是說目前乘用車 L3 技術并不成熟，而 L4 更多的也還是在智能網聯示范區進行載客運營測試。對此，朱西產教授說道：
盡管我們已經從最初的「不會造車」到「會造車」再到「自己設計車」，但設計工具全是國外的。我們現階段缺乏自己的 L3 開發工具，這是一個技術制高點。
他進一步補充說：
沒有虛擬仿真平臺，根本無法實現智能網聯汽車的開發，我國要實現從「汽車大國走向汽車強國」的夢想，作為核心技術的虛擬仿真平臺必須自主可控。
另一方面，朱西產教授將特斯拉的自動駕駛系統比作智能手機中的 iOS，那么，誰將成為智能汽車中的 Android？對于這個問題，他解釋道，目前，許多廠商都高舉著「趕超特斯拉」的旗幟，但事實上，“全部通過自建虛擬仿真平臺來趕超特斯拉是不可能的，效率也十分低下。”
同時，場景庫（包括感知能力測評場景庫、車輛控制精度測評場景庫等）的搭建也至關重要。然而，僅憑某一家企業自身的力量可能無法將這些工作窮盡，需要行業里多方參與者聯合起來共同努力。
正如朱西產教授的觀點，在 L3 的量產到來前，行業還需要一段路要走。為此，國家和各地政府已經加強了對自動駕駛示范區的建設和投入，同時推動各類相關標準的制定和實施。
然而，自動駕駛實車測試還存在許多亟待解決的問題，包括自動駕駛量產需要的測試里程長、時間長、成本高；極端場景、危險工況測試難，危險性大；相應交通法規及保險理賠機制缺失；國際間技術競爭和標準不統一等。
從一定程度上來說，虛擬仿真技術是解決上述問題的低成本、高效率的最佳方案，即在虛擬仿真技術構建的數字孿生世界中完成自動駕駛算法所需的實際道路測試。
雷鋒網了解到，目前，自動駕駛仿真技術已經被行業廣泛接受——根據《藍皮書》中的數據，目前，自動駕駛算法測試大約 90% 通過仿真平臺完成，9% 在測試場完成，1% 通過實際路測完成。
中國電動汽車百人會智能網聯研究總監朱雷也在本次研討會中分享了自己觀點，他表示，隨著仿真技術水平的提高和應用的普及，未來 99.9% 的測試量將通過仿真平臺完成，剩余測試量由封閉測試完成 0.09％，實路測試完成最后的 0.01％。
其中，基于場景庫的仿真測試，可以實現自動駕駛感知、決策規劃、控制等算法的閉環仿真測試，滿足自動駕駛測試的要求。
據樂觀的預測，未來 5 年我國自動駕駛仿真市場規模將達到百億美元規模。
不過，仿真技術在實際發展中，整車廠、供應商以及仿真工具商使用的數據格式與接口五花八門，很難統一標準，這導致各方之間的合作受到一定阻礙?；跀祿涌诤透袷降裙残詥栴}，發源于歐洲的 ASAM 組織已經引入的 OpenX 系列標準填補了行業多項空白。
正如朱雷所說的：
自動駕駛上半場更多的談的是概念，現在到了下半場，我們的重點就是打通底層技術。
因此，《藍皮書》也呼吁通過行業開放共建，統一格式標準，實現豐富、通用的、可移植的場景庫，加速自動駕駛研發測試的同時，還可用于智慧交通管理運營、智能網聯車輛安全合規評測、保險等一系列的交通生態當中。
此外，中國的駕駛場景極具特色，道路結構、交通標志、交通信號燈等形態各異，人車混流的交通狀況，為構建動態仿真場景增加了難度。對此，2019 年 9 月，中汽數據與 ASAM 共同組建 C-ASAM 工作組。騰訊作為 C-ASAM 工作組成員也參與了多項標準制定。
仿真測試平臺必備的核心能力
據《藍皮書》總結，自動駕駛仿真測試平臺必須要具備幾種核心能力：
真實還原測試場景的能力；
高效利用路采數據生成仿真場景的能力；
云端大規模并行加速的能力。
作為本次《藍皮書》的發起方之一，騰訊自身在地圖、游戲、云計算、人工智能等領域具有先發技術優勢，加之在自動駕駛仿真領域具有深度積累——騰訊自主研發的仿真平臺 TAD Sim 已經得到了廣泛的應用。
具體來說，TAD Sim 平臺結合了游戲引擎、工業級車輛動力學模型、虛實一體交通流等多項技術。今年 6 月，TAD Sim 2.0 版本發布，在數據傳輸能力和加速能力方面大幅提升，資源占用量減少 30%；覆蓋 2000 種場景類型，可以泛化生成萬倍以上豐富場景；在云端高并發運行具備每日 1000 萬公里以上的測試能力。
目前，TAD Sim 正在與多地國家智能網聯汽車測試區、國家部委，以及國內頭部車企展開合作，其中包括國家智能網聯（長沙）測試區；同時，TAD Sim 正在幫助推進襄陽達安汽車檢測中心數字孿生自動駕駛測評體系以及深圳市智能網聯交通測試示范平臺建設等。
雷鋒網獲悉，基于海量的場景，騰訊在不久前舉辦的世界新能源汽車大會上，被評選為“2020 年度世界新能源汽車創新技術獎”，這是我國自動駕駛仿真領域獲得的首個國際性創新技術獎。
目前，國內中汽數據、中國汽車工程研究院等研究機構、騰訊 TAD Sim 等均已建立起各自的場景數據庫——測試場景庫是智能網聯汽車研發與測試的基礎和關鍵數據依據，其豐富性、交互性、無限性、擴展性等特性將直接影響到自動駕駛測試的效果和邊界。
對此，騰訊自動駕駛總經理蘇奎峰表示：
與傳統的仿真相比，面向自動駕駛的虛擬仿真測試有更高的技術要求，騰訊自動駕駛虛擬仿真平臺希望成為自動駕駛車輛研發測試的基礎設施，并逐步深度融入到自動駕駛車輛的開發流程、標準制定、技術評價過程中。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
