自動駕駛車們，請先跑完模擬再上路測試好嗎？

一輛Uber的自動駕駛測試車在美國亞利桑那州夜間撞人致死事件，讓產業界開始思考非常重要的問題：自動駕駛車輛開發社群是否應該更著重軟體模擬，而不是積極累積數百萬英哩的實際道路行駛測試？

能提供模擬軟體工具的西門子(Siemens)一定也很希望產業界能繼續提高對模擬技術的關注，而就在Uber自駕車意外發生的十天之後，該公司很巧合地在一場於美國芝加哥舉行的技術研討會上發表了為自動駕駛系統所設計的最新模擬軟體工具。該公司聲稱，其模擬軟體能將實體原型的需求量最小化，並大幅降低自動駕駛車輛安全性必須的實際道路測試里程數。

技術顧問機構VSI Labs創辦人暨負責人Phil Magney接受EE Times採訪時表示：「對自動駕駛車輛開發者來說，模擬技術的價值正在提升，因為他們在加快自動駕駛車輛解決方案開發速度、驗證以及性能等方面，面臨越來越大的壓力。」

Siemens旗下子公司Mentor的先進駕駛輔助系統/自動駕駛(ADAS/AD)業務總監Amin Kashi在接受EE Times電話採訪時則指出：「就算在實際道路上累積了數百萬英哩的測試行駛里程，你仍然可能漏失地面實況數據(ground-truth data)。」

Kashi表示，為了驗證真實世界環境中發生的情況，自駕車的安全駕駛員通常會在有紅綠燈的地方或是停車區域標註數據，在車輛仍在移動時也必須這麼做；此外為了得知這種所謂的「地面實況」，例如車輛與某枝燈柱或車子前面的小朋友之間實際距離，是31英呎或29英呎，還需要很多查核工作：「但如果是透過模擬軟體，我們也能知道實際距離並因此判斷發生了什麼事，不需要標註數據。」

變化保真度(fidelity)水平的感測器建模 （來源：Siemens）

實際路測里程vs.模擬駕駛里程

無論是Waymo或是GM (General Motors)、Ford、Uber等自駕車開發商，通常都會以它們的自駕車已經在現實世界道路上的測試行駛里程數，來做為它們的車輛技術成熟度的左證，同時吸引媒體、產業高層、股東或投資大眾的注意。

以最近發生的Uber事故為例，根據一篇《紐約時報》(New York Times)的報導指出，該公司的亞利桑那州團隊正在積極進行累積實際路測里程，因為Uber首席執行官Dara Khosrowshahi預計在4月前往亞利桑那州巡視，該團隊希望能讓長官體驗一次無人類駕駛干預的自駕車乘坐，證明其車輛已經能處理所謂的邊界案例(edge cases)以及很難預測的棘手路況。

上述報導取得的Uber文件顯示，到2017年9月，Uber的自動駕駛車輛在全美範圍內已經行駛過100萬英哩；Uber接著在100天之內又累積了第二個百萬英哩，然後又在更短的時間內達到下一個百萬英哩。

但重點是，如果你真的要為自動駕駛車輛建立所有的邊界案例，就像Khosrowshahi在去年11月一場研討會上所說的那樣，對Uber來說，談論其自動駕駛車輛已經累計的模擬駕駛里程數不是更嚴謹嗎？

去年市場研究機構IHS Markit的車用資通訊娛樂裝置與ADAS市場研究總監Egil Juliussen，在與我們討論Waymo發表的安全報告時表示，Waymo的資料中讓他印象深刻的並非實際路測里程數，「更重要的是模擬駕駛里程數」。

Waymo的報告表明，該公司已經在公開道路上累積了8,500萬英哩的測試里程，此外在2016年累積了25億英哩的模擬駕駛里程數；Waymo還將每日模擬駕駛里程數，從2016年的800萬英哩，在2017年增加到1,000萬英哩。「這令人印象深刻，」Juliussen表示：「因為在模擬環境之中，他們專門測試最困難的狀況。」

Waymo在安全報告中指出，該公司將自動駕駛車輛在實際道路上遇到的最具挑戰性狀況化成虛擬場景，讓自動駕駛軟體能在模擬環境中練習；而自駕車軟體會有任何改變或是更新，都會先在模擬環境進行嚴格的測試才布署於車隊。

Siemens提供的模擬方案

現階段我們還不知道Uber是否在進行自駕車實際路測之前完成了充分的模擬駕駛，也不知道是否該公司有在模擬、驗證自駕車軟硬體和堆棧方面有偷工減料。而不管是Uber或Waymo，都沒有公布他們在開發自駕車時是使用什麼模擬工具。

Magney表示，模擬軟體工具在汽車開發領域不是新玩意兒，而且有很多不同的工具能用以模擬動力傳動系統、傳輸系統、引擎、車輛散熱管理、車輛系統動力、能源以及電機系統等等；根據他的觀察，已經是傳統汽車開發領域重要工具供貨商之一的Siemens，似乎也在積極為扮演自動駕駛車輛生態系統的關鍵角色累積實力。

Siemens對Mentor Graphics與Tass International的收購就是其企圖心的展現；而事實上該公司最新推出的解決方案，就是整合了以上兩家公司的技術，包括Tass的模擬環境PreScan，以及能實時融合(fuse)原始數據之Mentor DRS360平台。

Mentor的DRS360平台 （來源：Siemens）

新方案的運作原理是首先由Tass的PreScan模擬環境針對無限量的可能駕駛情境、路況或其他參數，產生具高度真實性、以實體為基礎的模擬感測器原始數據；接著將來自PreScan模擬雷達、光達與攝影機感測器的數據，饋入Mentor的DRS360平台實時融合，建立車輛行駛環境與路況的高解析度模型。

Kashi形容，DRS360平台內含FPGA、SoC與MCU，能讓自駕車開發者在一個嵌入式集中化平台進行自動駕駛系統的開發與驗證；藉由利用能產生無限量模擬場景的實體感測器模型，自駕車設計工程師能測試並精鍊其感知演算法或決策演算法。他強調，能在嵌入式環境中進行這些工作，對加速自駕車開發非常關鍵。

PreScan與DRS360平台能提供虛擬的自駕車系統的開發與驗證環境 （來源：Siemens）

Siemens在發表以上最新模擬方案的同時，也宣布與長距離、小型化光達業者Cepton Technologies合作；該公司今年稍後還會公布其他策略夥伴。Siemens旗下TASS International產品總監Martijn Tideman表示，其模擬環境也能利用各家感測器供貨商的產品規格表信息來建立模擬感測器模型，然後利用現實世界的量測數據進行驗證以取得最佳精確度。

那麼自駕車模擬軟體跟傳統汽車設計使用的模擬軟體有什麼不同？對此Magney表示，最大差異在於前者會涵蓋軟體、零組件、各系統以及整輛自駕車的模擬；不過，「要看你想完成的是什麼。」舉例來說，Prescan是一個以實體環境為基礎的模擬器，開發者能定義道路環境、車道、行人等，他的VSI Labs是利用該軟體在實際布署於車輛前測試防車道偏離演算法。

至於模擬時數究竟該有多少？Magney表示，要量化自駕車模擬時數真的很難，因為這也要看開發者想完成的是什麼；他指出，針對自駕車系統，開發者會想要模擬到足夠安全，但到底多安全才足夠？例如(行駛路徑)50公尺內的物體偵測，你可能達到99.99%準確率，但這可能還是不被接受，所以要透過備援系統(其他感測器或演算法等等)來分解。

他指出，模擬並不一定用小時來計算，Google/Waymo可能利用無限量運算能力同時模擬數千輛車子，然後說他們去年達到相當於27億英哩的模擬行駛里程；不知道他們是怎麼用小時來換算里程，但他們的模擬軟體可能是24小時運作，而且其運算資源應該是無限制的。 所以Magney認為，模擬時數/里程數不是重點，而是開發者的運算資源以及使用之模擬工具的質量，還有用以建立不同駕駛情境的方法以及那些情境的多樣化。

那麼模擬軟體能分析像是Uber撞人事故那類案例的原因嗎？對此Siemens的Kashi與Tideman婉拒針對特定事件發表評論，但Tideman指出Prescan工具的任務之一，是根據紀錄於資料庫的3萬個案例來進行交通事故的「逆向工程」。

他解釋，因為該模擬工具能根據改變環境參數──包括晴天、雨天、黃昏、深夜…等等──產生無限量的車輛行駛情境，所謂的逆向工程能探索特定意外事故如何發生，也能進一步了解特定事故可能如何避免、甚至預測可能發生的事故情況。

編譯：Judith Cheng

本文授權編譯自EE Times，版權所有，謝絕轉載

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！