만약 100 대의 자동운전 테스트차를 장착한 차량 행렬이 24 시간 동안 쉬지 않고 도로테스트를 한다면, 평균 시속 25 마일 (40km) 의 목표 마일리지를 완성하는 데 500 년 이상이 걸리는데, 이 기간 동안 소모된 시간과 비용은 의심할 여지 없이 감당할 수 없을 것이다.
시뮬레이션 기술을 이용한 테스트는 비용을 절감하고 효율성을 높이는 열쇠로 여겨진다. 현재 자동 운전 분야의 시뮬레이션 테스트 개발은 어떻습니까? 10 6 월 5438+02 일 중국 전기자동차 백인회, 텐센트 자동운전, 중증기 데이터유한공사가 공동으로' 2020 중국 자동운전 시뮬레이션 블루북' 을 발표해 기술 적용 현황과 당면 과제를 상세히 소개했다.
추세: 향후 테스트의 99.9% 는 시뮬레이션 플랫폼을 사용합니다.
장면 라이브러리를 기반으로 한 시뮬레이션 테스트는 운전 실험 데이터의 부족을 해결하는 중요한 방법입니다. 시뮬레이션 테스트는 주로 가상 장면 라이브러리를 구축하여 자동 운전 인식, 의사 결정 계획, 제어 등의 알고리즘에 대한 폐쇄 루프 시뮬레이션 테스트를 수행하여 자동 운전 테스트 요구 사항을 충족합니다.
장면 라이브러리는 자동 주행 시뮬레이션 테스트의 기초입니다. 장면 라이브러리의 실제 적용 범위가 높을수록 시뮬레이션 테스트 결과가 더 사실적입니다. 자동운전 자동차 개발의 단계마다 장면 라이브러리에 대한 요구 사항이 다르므로 다른 테스트 기능을 구현해야 합니다.
자동 운전 개발 과정에서 순수 모델 시뮬레이션-소프트웨어는 루프 시뮬레이션-폐쇄된 사이트 도로 테스트-오픈 도로 테스트 개발 프로세스가 가장 비용 효율적인 개발 프로세스입니다.
"웨이모 자동 운전 테스트 차량"
현재, 자동운전 시뮬레이션은 이미 업계에서 널리 받아들여지고 있다. 예를 들어 미국 자동운전리더인 웨이모 산하의 시뮬레이션 플랫폼인 Carcraft 는 매일 가상도로에서 약 2 천만 마일을 주행하며 현실 세계에서 10 년을 주행하는 것과 같습니다. 2020 년 5 월까지 와이모는 6543.8+05 억 마일을 시뮬레이션했고 지난해 6 월에는 6543.8+00 억 마일을 시뮬레이션했다.
Waymo 외에도 제너럴모터스 Cruise, AutoX, Ma Xiaozhixing 등 국내외 자동 운전 솔루션 공급업체도 자체 자동 운전 시스템을 개선하기 위해 많은 시뮬레이션 테스트를 실시하고 있습니다. 시뮬레이션 테스트는 이미 자동운전 업무에서 가장 중요한 테스트가 되었다.
현재 자료에 따르면 자동운전 알고리즘 테스트의 약 90% 는 시뮬레이션 플랫폼에 의해, 9% 는 테스트 필드에 의해, 1% 는 실제 도로 테스트에 의해 수행됩니다. 시뮬레이션 기술의 향상과 응용이 보편화되면서 업계는 시뮬레이션 플랫폼을 통해 테스트량의 99.9%, 폐쇄된 장소에서 0.09%, 결국 실제 도로에서 0.0 1% 를 완성하기를 희망하고 있다. 이렇게 하면 자동운전차의 연구개발이 더욱 효율적이고 경제적인 상태에 이를 수 있다.
자동 주행 시뮬레이션 테스트 장면
현황: 트랙 참가자의 적극적인 배치.
현재, 자동 운전 시뮬레이션 시장의 참가자는 주로 기술 회사, 자동차 회사, 자동 운전 솔루션 공급자, 시뮬레이션 소프트웨어 회사, 대학 및 과학 연구 기관, 지능형 온라인 테스트 시범 지역 등입니다. 각 시장 주체가 자동운전 시뮬레이션에 대한 기술적 기반이 다르기 때문에 자동운전 시뮬레이션을 추진하는 데 있어 서로 다른 R&D 및 협력 모델이 있습니다.
기술 회사는 시뮬레이션 방면에서 비교적 늦게 시작하여 자동차 기능 탐구에 경험이 많지 않지만, 큰 데이터 우세와 강력한 소프트웨어 개발 능력을 갖추고 있다.
기존 자동차보다 자동운전에 더 많은 소프트웨어가 필요하다. 테크놀로지사가 시뮬레이션 소프트웨어를 탐구하는 것은 방대한 자동차 업계에 진출하고 더 큰 데이터 플랫폼을 구축하여 새로운 비즈니스 성장 포인트를 형성하기 위한 것이다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 과학명언) 현재 자동운전 시뮬레이션 기술회사는 주로 텐센트, 바이두, 화웨이, 알리가 있다.
기술 회사 자동 운전 시뮬레이션 플랫폼 비교
Microsoft, Yingweida, LG 및 기타 외국 과학 기술 회사는 주로 자동 운전 시뮬레이션 소프트웨어를 개발하고 산업 체인 기업과 협력하여 자동 운전 R&D 생태계를 구축하여 자동 운전 시뮬레이션의 중요한 참가자가되었습니다.
차량 기업에게는 도로 테스트와 시뮬레이션 테스트를 병행하는 것이 가장 좋은 선택이며, 자동운전 자동차는 실제로 착지되기 전에 많은 기능과 안전 테스트를 거쳐야 하는데, 도로 테스트가 그 중 하나이다. 도로 테스트 효율이 낮기 때문에 많은 자동차 업체들은 자동운전 시뮬레이션 테스트와 도로 테스트가 결합되는 방식을 선택하여 착지 전에 테스트를 완료하는 경향이 있다.
"자동차 기업의 자동 운전 시뮬레이션 소프트웨어 활용"
자동운전 솔루션 공급업체는 주로 자신의 요구에 맞는 맞춤형 시뮬레이션 소프트웨어를 개발하며, 시뮬레이션 서비스는 거의 제공하지 않습니다. 하지만 충분한 자금, 인재 비축, 자신의 R&D 추진력이 있어 자동운전 시뮬레이션 방면에서 강력한 혁신 능력을 가지고 있다. 주요 자동운전 솔루션 공급업체마다 Waymo, Cruise, ma primus, AutoX 등 자체 시뮬레이션 테스트 소프트웨어가 있습니다
시뮬레이션 소프트웨어 기업은 전통적인 시뮬레이션 소프트웨어 기업과 신생 기업으로 나눌 수 있다. 전통적인 시뮬레이션 소프트웨어 업체는 두터운 기술 축적으로 자동운전 시뮬레이션에 들어가는 데 선천적인 장점이 있어 파트너가 많고 2 차 개발이 우세하다. 시작이 늦었고 기술 축적이 약해 국내 기업과 외국 간의 격차가 크다. 그러나 강력한 자본과 인재 집중에 힘입어 창업업체들은 자동운전 시뮬레이션 소프트웨어 개발에 급부상할 전망이다.
고교와 과학연구기관은 주로 자동운전 시뮬레이션 소프트웨어를 이용해 예견성과 기초성 연구를 진행하지만 성숙한 상업상품을 형성하기는 어렵다. 국내에서 자동운전 시뮬레이션 연구에 종사하는 고교와 과학연구기관은 청화대, 동제대, 북항, 길림대, 천진대, 장안대, 난징항공우주대, 우한 공대 등이다.
"상하이 임항 지능형 인터넷 자동차 종합 시험 시범 지역"
지능형 온라인 테스트 시범 지역 건설은 일정 규모를 형성했습니다. 현재 전국에 이미 10 여개 국가급과 여러 성급 스마트 인터넷 테스트 시범 지역이 있다. 5G, V2X 도로협력, 시뮬레이션, 차네트워킹 등 신기술의 배치와 응용을 통해. , 자동 운전, 네트워크 통신 공급업체 등에 대한 시스템 테스트 서비스를 제공합니다. , 자동차, 정보 통신, 도로 시설 등 종합 표준 체계를 세우다. 진급되다. 스마트 온라인 자동차 시뮬레이션 테스트를 추진하기 위해 기존 기업과 스마트 네트워크 시범 지역에서 도로 테스트와 가상 시뮬레이션을 결합한 테스트를 실시했습니다.
과제: 테스트 및 평가 시스템의 표준화가 부족합니다.
현재, 자동운전 시뮬레이션 테스트는 이미 초보적으로 완전한 산업 체인 체계를 형성하여 기술 회사, 자동운전 솔루션 공급자, 시뮬레이션 소프트웨어 기업 위주의 업스트림 시뮬레이션 소프트웨어 공급자, 자동차 기업, 자동운전 테스트 기관 위주의 하류 애플리케이션 공급자를 형성하였다. 산업 체인의 관점에서 볼 때, 자동운전 시뮬레이션 테스트에는 여전히 많은 문제가 있다.
한편, 시뮬레이션 장면 라이브러리의 건설과 협력 메커니즘은 보완되어야 한다.
장면 데이터베이스는 비효율적이고 비용이 많이 듭니다. 현재 장면 데이터베이스 구축에는 여전히 많은 수의 수동 수집 및 마크업, 장면 분석 및 마이닝, 테스트 및 검증이 필요합니다. 전체 프로세스가 비효율적이고 비용이 많이 든다. 현재 전 세계적으로 매년 수동 라벨링 비용은 약 6543.8+0 억 달러입니다.
"국내 자동운전 시뮬레이션 테스트 장면 라이브러리 건설에는 극복해야 할 어려움이 많다."
장면 라이브러리는 크기가 충분하지 않고 다양성, 적용 범위 및 확장성이 강하지 않습니다. 기존 장면 데이터베이스는 일반적인 교통 장면을 포괄하기에 충분하지 않으며 리소스가 제한된 경우 실제 다양성을 효과적으로 덮을 수 없습니다. 장면의 다양한 요소 변경 사항이 다른 장면으로 확장될 수 있기 때문에 장면의 확장성은 시뮬레이션 테스트의 요구 사항을 충족시키기에 충분하지 않습니다.
장면의 효율성을 높여야 한다. 기존 장면은 실시간 데이터를 기반으로 하며 자동 운전 장면의 동적 변화에 대한 요구 사항을 충족하지 못합니다. 장면에서 사람, 차, 도로, 운전 환경 등의 동적 정적 요소는 결합되어 있으며, 한 요소의 변화는 다른 요소의 변화를 야기하며, 다른 교통 참가자는 자신의 행동 논리를 가지고 있습니다. 예를 들어 차량의 행동과 궤적이 바뀌고 주변 차량과 행인의 행동도 달라진다.
장면 데이터 수집 형식 및 저장 기존 테스트 시나리오 집합은 다양한 차량 및 센서 구성을 기반으로 하며 다양한 차량 및 기술 경로의 개발 및 테스트에 적용할 수 없습니다. 고정밀 지도의 형식도 업계의 관심의 초점이다. 시스템 아키텍처, 데이터 인터페이스, 데이터베이스 관리 시스템 등 장면 라이브러리 데이터 형식의 통일도 주의해야 할 문제입니다.
테스트 장면에서 테스트 true 및 평가 시스템을 테스트합니다. 테스트 장면의 데이터 수집은 수집 요구 사항, 수집 방법, 데이터 사전 처리, 데이터 전송 및 저장, 수집 수량, 수집 정확도, 시간 동기화, 수집 범위, 수집 무결성 등의 요소를 고려해야 합니다. 이러한 요소 중 하나라도 부족하면 장면의 진실성과 유효성을 초래할 수 있습니다. 그리고 다른 장면에서의 자가운전 테스트 차량의 평가 지표 체계는 아직 완벽하지 않다.
장면 데이터베이스 구축 부족 협력, 자원 중복 투자. 현재 단일 기업은 모든 장면을 포괄하는 장면 라이브러리 구축을 완료하기가 어렵습니다. 현재 각 기업 장면 데이터베이스 건설은 각자 정치를 하고 있어 자원 중복 투입을 초래하고, 기업 간 장면 데이터베이스 건설에는 협력이 부족하다. 특히 자연운전 장면, 표준법규 장면 등 흔한 장면은 협력을 통해 공건하여 사용과 공유를 실현할 수 있다. 현재 이 방면의 협력은 매우 적다.
"텐센트 테드? Sim 부품 장면 화면표시 "
한편, 자동운전 시뮬레이션 테스트의 평가 체계는 규범성이 부족하다.
자동 운전 시뮬레이션 테스트의 경우 시뮬레이션 소프트웨어 시스템 아키텍처와 장면 라이브러리 구축 방식이 다르기 때문에 일관된 사양의 시뮬레이션 테스트 평가 시스템을 구축하기가 어렵습니다. 현재 국내 시뮬레이션 평가 시스템의 연구 방향은 주로 운전 안전, 편안함, 교통 조정, 표준 일치성 등에서 자동 운전 차량의 시뮬레이션 테스트 결과를 평가하는 것이고, 시뮬레이션 소프트웨어 자체의 평가 (예: 장면 신뢰성, 장면 적용 범위, 시뮬레이션 소프트웨어의 시뮬레이션 효율성 등) 에 대한 통합 평가 기준은 없습니다.
자동 운전 자동차는 지능형 제품으로서 심도 있는 학습 알고리즘을 적용하여 자동차가 미래에 도로 장애물의 반복 및 재현 능력, 장면의 개괄 및 이동 능력과 같은 자기 학습 능력을 가질 수 있도록 해야 합니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 자동차명언) 그래서 자기학습의 진화도 자동운전차의 평가 지표다. 현재, 자동운전차의 진화는 그에 상응하는 평가 규범이 부족하다.
요약:
자동운전 기술의 진화에는 L2 에서 L3, L4 에서 L5 까지 두 가지 노선이 있다. 전자는 대다수 자동차 기업이 가는 노선이고, 후자는 왕왕 과학기술회사의 선택이다. 이 둘의 주요 대표는 테슬라와 와이모다. 올해 들어 L3 자동운전 차량의 양산 능력을 갖추었다고 여러 회사가 밝혔다. 테크놀로지사는 이미 Robotaxi 의 상업 운영 테스트를 시작했다. 모든 경쟁력이 먼저 자동운전 기술을 적용하려고 시도하고 있다는 것을 알 수 있다. 누가 시합에서 일등상을 받을 수 있습니까? 비용과 효율성은 의심할 여지 없이 가장 중요한 요소이며, 시뮬레이션 테스트의 성숙한 응용이 관건이 될 것이다. 문/자동차 집? 소영)