自动驾驶仿真研究：仿真助力高阶智驾落地的三大趋势
佐思汽研发布 《2024年自动驾驶仿真产业研究报告》。
2023年11月17日，工信部等四部门发布了《关于开展智能网联汽车准入和上路通行试点工作的通知》，至今包括比亚迪、宝马、智己、奔驰、深蓝、阿维塔、极狐、问界、极越、广汽埃安等多家车厂相继获得高速或城区L3级自动驾驶测试牌照。目前，以城市NOA为代表的高阶智驾功能正加速落地，而L3及以上的自动驾驶系统“安全责任人”的角色，需要有足够的安全性和鲁棒性，需要应对城区无法穷举的边缘/长尾场景痛点。
L3级智驾系统的商业化落地需十几亿公里的测试里程，实际道路测试成本高，耗时长、用例覆盖率低，而仿真测试能在短时间内、以低成本快速解决这一痛点。以小鹏为例，除了小鹏车主每天供应的路侧数据，小鹏在积极结合模拟仿真在虚拟空间构建极端场景，供智驾系统学习及理解，截止2023年底小鹏的仿真里程已达到了1.22亿公里。
在智能驾驶“三支柱法”测试手段中，仿真测试通过虚拟环境模拟不同的交通场景、道路条件、天气光照和异常情况，评估自动驾驶系统在各种情况下的功能、反应和决策能力。
自动驾驶仿真测试三大组成部分
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
上图中，自动驾驶仿真平台需支持交通场景仿真（静态场景还原、动态场景仿真）、环境感知传感器仿真（摄像头、激光雷达、毫米波雷达、GPS/IMU等传感器的建模仿真）、车辆动力学仿真等，实现从感知到控制的仿真测试验证。根据被测对象的不同，自动驾驶仿真平台实可分为：模型在环（MIL）、软件在环（SIL）、硬件在环（HIL）、驾驶员在环（DIL）以及车辆在环（VIL）等在环测试。目前，不同仿真测试企业拥有不同的能力组合，见下表。
国内外自动驾驶仿真方案商核心产品对比表（部分）
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
趋势一
自动驾驶仿真测试进入高逼真度、高还原度的精准仿真阶段
在“感知-预测-决策-规划-控制”等全链路环节中，感知对应各类传感器，负责收集车辆外部环境信息，比如交通流、道路条件、天气光照和异常情况等。主要包括：摄像头仿真、激光雷达仿真、毫米波雷达仿真、定位仿真（GPS、IMU）。
目前，不少企业都在推进仿真细粒度的工程实践，比如高逼真度模拟真实道路环境、动态交通场景和车辆/行人行为，精准还原细致的物理现象和动态传感器性能等，从而快速验证自动驾驶系统性能，并提供全面的测试验证报告。
- 以沛岱汽车为例，基于沛岱PlenRay物理射线技术的全物理级传感器模型能够仿真细致的物理现象，例如电磁波的多路径反射、折射、干涉、多路径反射等，或动态传感器性能，例如探测丢失率、目标分辨率、测量不准度和“鬼影”物理现象等，从而获得传感器模型所需的高保真度。截至目前，仿真还原率逼近95%。
图片来源：PilotD
- 此外，由 NVIDIA Omniverse 提供支持的NVIDIA DRIVE Sim 端到端仿真平台，采用高保真且基于物理属性的仿真技术，能够生成众多真实世界的数字孪生场景，目前禾赛激光雷达和速腾聚创激光雷达模型也已集成至NVIDIA DRIVE Sim，模拟激光雷达在光束控制、自定义扫描模式和分辨率等各方面的表现，并生成合成数据集 。车企或自动驾驶方案商等用户可以通过 DRIVE Sim 仿真平台，直接调用该激光雷达模型进行研发或测试。
- 类似英伟达，dSPACE的AURELION 3D场景及物理传感器的高精度仿真，为雷达、激光雷达和摄像头实时生成高度真实的原始数据，其中AURELION优化材料对雷达回波的影响和多路径光线追踪技术，确保接近现实世界的测量效果(例如鬼点效应) 。针对毫米波雷达，dSPACE还有DARTS解决方案，即雷达传感器回波模拟测试。
- 在车辆感知环境信息中，对车辆与行人的交互行为进行仿真容易受到忽视。举例来看，昇启科技的千行仿真平台加入了丰富逼真的行人模型，支持行人微观轨迹的自定义，行人批量生成等功能，在场景编辑时，用户可以根据需求，模拟现实中的拥挤、稀疏行人分布，也可以构建行人随机穿行、鬼探头、人车让行、路权争端等复杂的长尾场景，以检验自动驾驶系统的综合表现。平台还提供不同的行人行为风格模型，涵盖了人车交互、横穿马路、斜穿路口等场景，实现了智能行人交通流的模拟仿真。此外，该平台多样化的驾驶员行为对三类驾驶风格的驾驶员（保守型驾驶员，常规型驾驶员，激进型驾驶员）进行建模，并通过一定的概率分布对各参数进行细化，使得环境车辆的驾驶行为多样化、随机化。
域控制器在环仿真测试工程实践案例
图片来源：51World