在2024年上海國際低碳智慧出行展覽會同期，智一科技旗下智能汽車產(chǎn)業(yè)新媒體「車東西」、AI與硬科技知識分享社區(qū)「智猩猩」，聯(lián)合「上海市國際展覽（集團）有限公司」主辦的GTIC 2024中國智能汽車算力峰會于6月5日成功舉行。沛岱汽車云仿真產(chǎn)品負責人王曉慧女士受邀出席技術(shù)分享，并作題為《基于云端算力的海量仿真測試》演講。

沛岱汽車云仿真產(chǎn)品負責人王曉慧

自動駕駛技術(shù)飛速發(fā)展、高級輔助駕駛系統(tǒng)大規(guī)模上車，仿真測試作為驗證自動駕駛系統(tǒng)安全性和可靠性的關(guān)鍵環(huán)節(jié)，面臨著諸多挑戰(zhàn)和機遇。隨著計算能力的飛躍、數(shù)據(jù)量爆炸性增長及算法不斷進步，云端算力已成為推動高階自動駕駛仿真測試發(fā)展的重要力量。沛岱汽車云仿真產(chǎn)品負責人王曉慧表示，基于當下前沿的云計算技術(shù)，我們能夠探索海量并發(fā)仿真測試的可能性和前瞻性。

聊這個話題前，先拋出一項數(shù)據(jù)。根據(jù)有關(guān)權(quán)威資料，能夠安全通過13.8億公里的測試的自動駕駛算法，就是足夠好的自動駕駛系統(tǒng)。如果我們用實際道路測試，即使每公里2元，那么跑完13.8億測試里程需要花費27.6億元人民幣。顯然這樣的成本對絕大多數(shù)車企來說是“天文數(shù)字”。相較下，通過仿真測試替代海量實際道路測試，成本可節(jié)約約95%。因此，要做高階自動駕駛算法驗證，仿真才是快速、經(jīng)濟、有效的方式。

沛岱汽車一直秉承著“更快、更高、更強”的“奧林匹克”精神和仿真產(chǎn)品理念。仿真之高指的是場景覆蓋度高，這得益于沛岱自研的遞歸式分層場景生成器；仿真之強指的是對感知數(shù)據(jù)強大的還原能力，沛岱自研的全物理級傳感器模型還原率逼近95%，全球領(lǐng)先。仿真之快，是本次分享要著重展開的話題：讓云端算力助力高階自動駕駛仿真測試。

云端算力在高階自動駕駛

仿真測試的角色與價值

如果沒有云端資源，仿真測試將面臨怎樣的痛點？王曉慧提出三大痛點：計算資源有限；可拓展性不足；測試覆蓋率限制。

計算資源有限。目前一輛配備有高階自動駕駛系統(tǒng)的車輛，其傳感器數(shù)量基本在20~30顆。面對多種類傳感器，處理、運算復(fù)雜場景的感知數(shù)據(jù)是對GPU資源巨大的考驗。只依賴本地硬件環(huán)境進行仿真測試，會限制并行的仿真數(shù)量，減緩測試進程，延長開發(fā)周期。

可拓展性不足。本地環(huán)境難以動態(tài)滿足突然增加或減少的測試需求，不能實現(xiàn)大規(guī)模、彈性的節(jié)點部署。

測試覆蓋率限制。有限的計算能力難以生成數(shù)量足夠多或足夠復(fù)雜的仿真場景來全面測試自動駕駛系統(tǒng)的性能，這可能會遺漏關(guān)鍵的corner case測試場景，影響系統(tǒng)可靠性、安全性驗證。

針對上述三大痛點，王曉慧認為，針對計算資源有限的問題，云服務(wù)能夠根據(jù)用戶需求提供幾乎無限的計算資源和存儲空間，能夠并行運轉(zhuǎn)數(shù)千個乃至數(shù)萬個仿真場景，實現(xiàn)高并發(fā)快速測試，將算法迭代的效率提升數(shù)倍；對于可拓展性不足這點，云服務(wù)可以根據(jù)當前的需求動態(tài)拓展或縮減資源，無需擔心資源不足或過剩的問題。在需求增加時可以迅速擴展，而在需求減少時又可以對資源進行有效回收，降本增效。由于云端仿真減少了對物理設(shè)備的依賴性，某種意義上也算降低了研發(fā)的門檻，使得更多的企業(yè)和研究機構(gòu)都能夠參與到自動駕駛技術(shù)的研發(fā)中來。另外，借助云端強大算力，結(jié)合遞歸式無限場景生成技術(shù)，可同時生成和測試更多樣化更復(fù)雜的仿真場景，提高測試的覆蓋率和全面性。

根據(jù)“虛擬里程”概念：一個海量仿真平臺在單位時間內(nèi)并行仿真節(jié)點行駛里程的總和。仿真里程數(shù)取決于整個仿真平臺算力支持、并行節(jié)點個數(shù)、以及場景復(fù)雜度等等。簡單來說，如果我們仿真平臺有100臺GPU算力，每臺GPU算力能支持10個仿真實例，那么這個仿真平臺就擁有同時并行1000個仿真實例的能力。如果單個仿真實例中，每輛車每小時跑100公里，每天跑24小時，每天能跑兩千四百公里，那么只要擁有40個實例就可以達到日行10萬公里的能力。

2400公里 * 40節(jié)點 ≈ 日行10萬公里

這就是仿真之“快”。

云端算力助力仿真之“快”

沛岱精準仿真云計算平臺自帶存儲仿真案例庫，包含大量標準場景、功能場景、法規(guī)場景等。當然也可以通過遞歸式場景生成器，利用AIGC技術(shù)隨機無限生成場景。

在仿真運行階段，我們將渲染引擎的相關(guān)計算放在感知數(shù)據(jù)引擎云當中，將最耗費性能的物理傳感器物理模型的運算以及渲染的相關(guān)功能放在云端進行，并且，將仿真引擎包括被測算法部署在容器中。

仿真結(jié)束后，支持在云端查看測試數(shù)據(jù)。該平臺擁有一套比較完善自動駕駛的評測系統(tǒng)，可以幫助用戶生成測試報告，同時對不通過場景做切片、回放處理等，幫助用戶測試迭代自動駕駛算法。

云端算力與仿真測試

的未來發(fā)展方向

未來，除了仿真云計算平臺外，沛岱將結(jié)合云端算力重點研究兩個方向：傳感器模型和生成式場景。

傳感器模型。強大的云端算力可以幫助我們高度還原真實世界的復(fù)雜環(huán)境，越真實的環(huán)境為傳感器理解車輛周圍環(huán)境提供了越真實的感知信息，在虛擬環(huán)境中能夠高效處理和分析這些感知數(shù)據(jù)，最終為規(guī)控算法提供了可靠的輸入。

在云端算力的助力下，沛岱云計算平臺目前可以進行傳感器分布式部署方案。單個環(huán)繞型激光雷達在分布式從節(jié)點中，全物理模型基本可以在5~10ms內(nèi)完成運算；一張800W相機模型基本可以在10~15ms內(nèi)完成運算。當然這受到場景復(fù)雜度、網(wǎng)絡(luò)傳輸能力等的影響?？傮w分布式在性能上延遲能夠控制在幾個毫秒以內(nèi)。借助云端算力，我們將持續(xù)提高傳感器模型的運算速度與集成效率，幫助用戶不斷增強他們算法的感知和決策能力。

生成式場景。云端算力雖然加速了仿真速度，但只談仿真的量，而不注重仿真的質(zhì)，這是不太嚴謹?shù)?。就如同我們雖然達到日行十萬公里的能力，卻每天都在跑同一種場景，那其實都是無效測試。仿真測試需要海量的場景作為支持，在場景的覆蓋度和有效性的基礎(chǔ)上進行不斷的擴展，最終跑出有效場景，才是仿真的根本。

在生成式場景的探索上，目前沛岱汽車遞歸式無限隨機場景生成器PDRHea已迭代了兩代。第一代產(chǎn)品主要特點是以道路為單位，無限隨機生成場景，對場景的組合方式其實是把能夠組合場景的道路元素做一個水平分布，再采用隨機的算法進行組合，這樣就比較能大概率遇到Corner Case。第二代產(chǎn)品對比一代產(chǎn)品主要有兩個方面的升級。其一是渲染引擎做了極大的升級，從畫面逼真度上來看，它遠超一代。其二是道路的生成方式發(fā)生變化，原來是道路級的生成，現(xiàn)在變成了地塊級別的生成。用戶在使用之前可以根據(jù)需求對場景組成元素進行配置，另外，地塊級別的生成讓道路的組合方式更加的豐富與充足。

最后，沛岱相信云計算的應(yīng)用，一定會給仿真行業(yè)帶來更多驚喜。