自動駕駛安全驗證：110億英里路測如何破？「GGAI視角」

目前在無人駕駛系統的開發中會面臨著三大挑戰，AI模型對算力的巨大需求、在滿足巨大算力需求條件下如何滿足車端對功耗和散熱的苛刻要求、以及對測試和驗證的需求。

針對這些問題，英偉達自動駕駛開發架構師楊健透露，英偉達投入了大量的資源去研發最好的機器學習模型，同時在硬體上推出了統一架構的計算平台。

客戶可以基於同一個架構同一套軟體，滿足從L2一直到L5的開發需求。同時，最重要的是，在L2上使用開發的軟體不需要特殊的定製就可以移植到L5平台上進行使用。

還有端到端的系統，它是一套軟體 硬體的解決方案，基於超算構架的數據中心，在上面推出一系列的軟體，幫助用戶從收集數據、訓練模型、模擬測試到最終上路測試，這是一個開放的平台，構架了一個相對比較完善的生態系統。

根據蘭德公司的數據，即使自動駕駛系統要比人類的駕駛能力提高20%，也需要110億英里的驗證。這就意味著，在現實世界中，擁有100輛汽車的車隊，需要500多年時間一直不停地測試——這是一項不可能完成的任務。

此外，要真正驗證自動駕駛系統的安全性和可靠性，還需要考慮很多極端場景，但對於現實世界來說，這是一個非常困難的事情。

然而，與在現實世界中積累里程和冒著生命危險相比，模擬可以在無限變化的情況下每天積累數百萬英里。這使得一套完整的從設計、開發、測試、驗證的高效系統至關重要。

DRIVE Constellation

英偉達推出的這個開放式平台便是NVIDIA DRIVE Constellation，一個基於雲的虛擬現實模擬平台，旨在支持自動駕駛汽車的開發和驗證。

該平台是一個數據中心解決方案，由兩個並排伺服器組成：DRIVE Constellation Simulator和DRIVE Constellation Vehicle。

前者使用運行DRIVE Sim軟體的 GPU來模擬虛擬世界，模擬器從虛擬世界中駕駛的虛擬汽車生成感測器輸出；後者用於處理模擬的感測器數據，駕駛決策反饋到前者，實現了位精確的硬體在環測試。

DRIVE Constellation是一個可擴展的平台，旨在在數據中心大規模部署，這種規模將允許數百萬英里的測試和驗證。Constellations車輛在雲端部署得越多，每年可以駕駛的里程越多。

楊健透露，通過控制交通和測試環境的能力，開發人員可以在特別罕見和困難的條件下磨練，而不會危及實際的車輛和車輛乘員。這些包括極端天氣，困難的照明以及周圍車輛的危險操縱。

DRIVE Constellation不是讓車輛驅車數千英里等待新的和重要的交通情況發生，而是讓車輛不斷遇到類似的學習時刻，並一遍又一遍地測試它們的性能。

此外，模擬中的測試是可重複的，並且關注於在現實世界中罕見且難以再現的關鍵案例。在模擬中行駛一英里可以產生比在數百英里的實際高速公路上巡航更多的經驗。

DRIVE Constellation系統目前已經開始對外銷售。

DRIVE SIM

無人駕駛系統的測試驗證方面，面臨三個方面的主要挑戰。

首先，無人駕駛軟體和傳統軟體開發不太一樣，使用了5到10個甚至更多的深度學習神經網路，不同神經網路從不同感測器收集數據，同時進行。

其次，需要對真實場景進行測試，主要針對一些罕見、難以預測的場景，這些場景是真正引起無人駕駛軟體發生失效的案例。

最後，測試的過程是連續的一個反應的鏈條，無人駕駛軟體做出的控制指令可以直接影響環境，進一步影響無人駕駛軟體的感知。

英偉達無人駕駛模擬驗證解決方案的名字叫DRIVE SIM，可使用合成或真實世界數據生成高保真環境，以測試和驗證車輛。

DRIVE SIM可以模擬模擬世界，生成虛擬世界信號，通過跟真實感測器輸出同樣的介面、同樣的協議，傳輸數據到安裝各種ECU的設備，設備的介面與真實自動駕駛系統中的保持一致，比如攝像頭介面、激光雷達介面。

理論上而言，模擬測試完成以後的ECU直接取下來放到車上就可以運行。在雲端可以部署成千上萬套這樣的系統，來滿足幾百萬、幾十億英里測試的需求。

DRIVE Sim還包含一些插件，如環境模型中為DRIVE Constellation車輛提供環境的合成3D表示，包括3D地圖和詳細資產，使車輛感測器的環境更加真實；車輛（動力學）模型中，根據控制輸入和世界條件模擬車輛的運動，DRIVE Sim提供轉向，控制和摩擦係數，該模型發回車輛位置和方向以及車輛狀態；場景模型中可定義動態的行為，編寫自我車輛的動作和其他車輛/行人的動作以進行情景測試。

DRIVE SIM的渲染機器，支持攝像頭、激光雷達、GPS等介面，基本常見的感測器輸出都可以提供。

這種模擬模擬和傳統的機架式模擬模擬方案有什麼區別？

楊健表示，傳統的機架式硬體模擬主要目的是用來測試電子元器件的集成測試，檢測的是各個感測器輸出的信號有沒有正確傳輸到下一個處理元件，有沒有得到正確的解析。

而在這套系統里，核心是用來測試無人駕駛演算法，能不能在各種不同的場景，比如暴雨、暴雪場景下可以正確的運行。

舉例而言，如果要模擬一個四路環視 前視的輸出，需要從創建地圖開始，將高清地圖導入稀疏的地圖到編輯器中，藝術家要在信息上進行加工，添加一些建築、材質、道旁樹木，形成可以測試的地圖。

完整生態

目前，這套模擬系統的主要的客戶是OEM，他們都有自己的測試園區，但希望把自己的園區在英偉達的模擬軟體中建立出來，配置車上各種感測器，在模擬環境里做到跟真實車上一模一樣的感測器配置，編輯需要測試的場景，進行對比測試驗證。

模擬器可以在同一個場景下可以改變天氣、光照、時間，目前支持大雨、大雪，各種比較難處理的天氣以及光照都可以在代碼中得到體現，也提供相應的介面。

同傳統模擬模擬軟體的差別在於，英偉達在渲染圖像上非常有優勢。通過接入的感測器模型，可以根據配置的感測器型號去針對感測器物理特性增加一些特性，比如色差，最後如何調整則需要在開發無人駕駛軟體時去做。

這套系統是基於雲的系統，可以在雲端大規模的部署，英偉達也提供了一個參考設計，可以在一套機架上部署8套這樣的系統，保障在數據中心高密度的部署，用戶可在周期里完成對無人駕駛軟體的測試。

DRIVE SIM不是獨立的軟體，是完整的生態圈，在模擬器里有多個不同的組件，比如地圖、車輛動力學模型、環境模型、感測器模型，這些不同的模型都可以同現有的廠商進行合作。

比如，感測器模型，就和索尼、西門子合作，針對他們特定型號的感測器開發。由合作夥伴提供特定的感測器模型，來保障DRIVE SIM模擬出來的輸出達到最佳的真實狀況。

英偉達端到端的開發系統，包含了數據工廠，主要是由數據採集車在路面上收集數據來達標，粗略估計每年一輛車可以收到一個PB的數據。

其次，在超算平台上進行神經網路的訓練，會在同樣集群上進行回歸模擬測試，完成測試之後做3D模擬測試，最後進行路測。

楊健透露，這套系統提供完整的集成解決方案，英偉達DRIVE PLATFORM，包括數據中心、車端兩部分，同時開發了DRIVE AGX、DRIVE OS、DRIVE AV、DRIVE IX，從而有一套完整的訓練神經網路的框架。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！