在亞利桑那州梅薩的南隆摩街和西南大街的拐角處，有一個(gè)左轉(zhuǎn)黃燈路口，被自動駕駛行業(yè)人士戲稱為 “死亡之地”。這個(gè)路口對人類司機(jī)和無人車而言都極具挑戰(zhàn)性：過早左轉(zhuǎn)可能引發(fā)危險(xiǎn)，過晚轉(zhuǎn)彎又會阻礙交通。Waymo 為訓(xùn)練無人車通過此路口，花費(fèi)大量精力開展自動駕駛模擬測試。它通過定制傳感器套件，構(gòu)建了一個(gè)詳細(xì)的虛擬現(xiàn)實(shí)版東部山谷，讓無人車在其中反復(fù)訓(xùn)練。如今，模擬測試已成為 Waymo 無人車開展公共道路路測前的必備項(xiàng)目。其高級軟件工程師 James Stout 透露，公司的模擬器 Carcraft 累計(jì)模擬測試?yán)锍踢_(dá) 50 億英里，擁有 25000 臺虛擬自動駕駛汽車，每天行駛里程 800 萬英里，年數(shù)據(jù)超 25 億英里，凸顯了 Waymo 對模擬測試的重視。

當(dāng)前，自動駕駛技術(shù)發(fā)展迅速，眾多企業(yè)和科研機(jī)構(gòu)積極投入研發(fā)。但在邁向完全自動駕駛的征程中，面臨諸多難題。一方面，自動駕駛汽車需在復(fù)雜多樣的道路環(huán)境和交通狀況下安全行駛，現(xiàn)實(shí)中的道路場景千變?nèi)f化，包括不同天氣、路況、交通參與者行為等，對自動駕駛系統(tǒng)的可靠性和安全性提出極高要求。另一方面，傳統(tǒng)的道路測試

雖不可或，但存在局限性。例如，美國蘭德智庫估算，一套自動駕駛系統(tǒng)至少需經(jīng)過 110 億英里(約 170 - 180 億公里)的驗(yàn)證才能達(dá)到量產(chǎn)條件。若組建一支 100 輛測試車的車隊(duì)，以 25 英里(40 公里)的平均時(shí)速全天 24 小時(shí)不停歇測試，需花費(fèi)約 500 年時(shí)間。此外，極端場景測試在現(xiàn)實(shí)中可遇不可求，且成本高、風(fēng)險(xiǎn)大。

在此背景下，模擬器成為解決這些問題的關(guān)鍵手段，逐漸成為行業(yè)共識，成為眾多自動駕駛企業(yè)的技術(shù)儲備。百度阿波羅早早將仿真平臺作為核心技術(shù);AutoX 創(chuàng)始人肖健雄把仿真列為無人車量產(chǎn)的 4 大技術(shù)儲備之一;Roadstar.ai、Pony.ai 等初創(chuàng)公司也紛紛自主研發(fā)模擬器。

模擬器對自動駕駛系統(tǒng)的積極作用顯著。從技術(shù)層面看，它為廠商提供了無風(fēng)險(xiǎn)環(huán)境下測試和更新自動駕駛軟件算法的工具。在虛擬環(huán)境中，可提前測試自動駕駛汽車，確保其在現(xiàn)實(shí)世界安全上路。通過構(gòu)建模擬場景，包括道路地圖、交通參與者等，以及模擬傳感器，設(shè)置與現(xiàn)實(shí)一致的參數(shù)，再導(dǎo)入算法進(jìn)行仿真測試，能有效檢測算法成熟度。例如，模擬場景搭建可分為現(xiàn)實(shí)環(huán)境再現(xiàn)和人工設(shè)計(jì)環(huán)境?，F(xiàn)實(shí)環(huán)境再現(xiàn)能讓自動駕駛汽車在虛擬中提前熟悉現(xiàn)實(shí)場景，如 Waymo 的 Carcraft 重構(gòu)梅薩路口左轉(zhuǎn)黃燈場景;人工設(shè)計(jì)環(huán)境則可利用高級圖形處理技術(shù)，增加道路環(huán)境復(fù)雜性，測試算法極限，像模擬暴風(fēng)雨、陽光晃眼、坑洼路面等場景。

虛擬環(huán)境構(gòu)建需要大量真實(shí)道路數(shù)據(jù)支持，通常需測繪車上路采集信息，這也是環(huán)境構(gòu)建的難點(diǎn)。在此方面，Waymo、高德、四維圖新、Deepmap 等有地圖測繪經(jīng)驗(yàn)的企業(yè)具有優(yōu)勢。如 Waymo 擁有龐大的高精度地圖測繪車隊(duì)，2016 年其模擬場景中真實(shí)環(huán)境再現(xiàn)場景約占 80%。以色列的 Cognata 公司通過搭載傳感器和攝像頭的汽車收集道路數(shù)據(jù)，運(yùn)用專利算法應(yīng)用于虛擬環(huán)境;英國初創(chuàng)公司 rFpro 創(chuàng)建的商用自動駕駛模擬器在仿制世界精確度上表現(xiàn)出色，利用相位匹配激光掃描調(diào)查數(shù)據(jù)創(chuàng)建建模，三維精度達(dá) 1 毫米左右。

盡管模擬器優(yōu)勢明顯，但也面臨諸多挑戰(zhàn)。傳感器模擬難度大，自動駕駛汽車的攝像頭、激光雷達(dá)等傳感器不斷變化，未完全定型，軟件算法也頻繁迭代更新，每次傳感器或軟件更新，企業(yè)都需重新模擬傳感器并運(yùn)算。此外，目前雖有英特爾的 CARLA、微軟的 AirSim 等開源式自動駕駛平臺模擬器，但因各家自動駕駛系統(tǒng)在硬件、軟件、算法上存在差異，開源平臺難以實(shí)現(xiàn)傳感器模擬的真正通用化，在開源基礎(chǔ)上修改還需耗費(fèi)大量精力，這也促使多數(shù)公司選擇自主研發(fā)模擬器。

從市場和政策角度看，模擬器也成為行業(yè)焦點(diǎn)。一些地方已將模擬駕駛的把控上升到政策層面，如加利福尼亞州要求公司在獲批公共路測自動駕駛汽車前，必須證明在設(shè)計(jì)的模擬環(huán)境通過測試。市場方面，據(jù)《中國自動駕駛仿真技術(shù)研究報(bào)告 (2019)》預(yù)測，未來 5 年仿真軟件與測試的國際市場總規(guī)模可達(dá)百億美元左右。眾多科技巨頭紛紛入局，騰訊推出自動駕駛仿真系統(tǒng) TAD Sim，結(jié)合專業(yè)游戲引擎、工業(yè)級車輛動力學(xué)模型、虛實(shí)一體交通流等技術(shù)，從場景的幾何、邏輯、物理三個(gè)層面進(jìn)行還原，實(shí)現(xiàn)與現(xiàn)實(shí)世界無限接近的測試結(jié)果，還推出城市級仿真平臺，助力智慧城市和智能交通建設(shè);華為推出自動駕駛云服務(wù) Octopus (八爪魚)，與車端硬件平臺和 ADAS 系統(tǒng)無縫對接，試圖建立以自身為核心的商業(yè)生態(tài);百度也將仿真平臺作為重要布局。除巨頭外，諸多初創(chuàng)公司和獨(dú)角獸企業(yè)也在該領(lǐng)域發(fā)力，如 AutoX、文遠(yuǎn)知行、希迪智駕等初創(chuàng)公司根據(jù)自身需求自主研發(fā)模擬仿真環(huán)境，賽目科技、51VR 等在自動駕駛模擬仿真測試平臺有所專長的獨(dú)角獸也在市場中占據(jù)一席之地。

模擬器在自動駕駛發(fā)展中已占據(jù)重要地位，成為眾多企業(yè)角逐的領(lǐng)域。隨著技術(shù)不斷進(jìn)步、市場逐漸成熟以及政策進(jìn)一步完善，模擬器有望在自動駕駛領(lǐng)域發(fā)揮更大作用，成為推動行業(yè)發(fā)展的關(guān)鍵力量，或許真的會成為自動駕駛的下一個(gè) “刺激戰(zhàn)場”。但要真正實(shí)現(xiàn)這一目標(biāo)，還需行業(yè)內(nèi)各方共同努力，攻克技術(shù)難題，建立統(tǒng)一標(biāo)準(zhǔn)，以促進(jìn)模擬器技術(shù)的持續(xù)創(chuàng)新和廣泛應(yīng)用 。