隨著自動駕駛量產時間點的臨近，各大汽車OEM廠商也在加快相關技術的測試和驗證。
在日前舉行的奧迪Q8 SUV發佈會上，德國奧迪表示將於2021年打造並推出基於Aicon概念車的首個自動駕駛車隊。
近日，奧迪公司宣佈與以色列自動駕駛仿真測試初創公司Cognata合作，以加快自動駕駛技術的開發進程。後者的仿真平臺可以再現真實世界的城市，提供了一系列測試場景，包括模擬現實條件的交通模型。
Cognata的這款模擬平臺利用了人工智能、深度學習、計算機視覺等技術，旨在提供一款方案，驗證自動駕駛汽車的性能及功能擴展性。
今年初，Cognata就宣佈公司正在投放一款基於雲端的自動駕駛車輛驗證用模擬引擎，英偉達與微軟為其提供了相應的技術。
Cognata在2017年拿到了500萬美元的融資，投資方包括Maniv Mobility(主要來自捷豹路虎、法雷奧等汽車OEM及零部件廠商)、空中客車公司的風險基金等。
傳統汽車要走向自動駕駛，除了各家技術方案公司的努力，包括但不限於OEM、自動駕駛公司，還需要對實驗結果進行不斷測驗，進行對稱調試優化。
路測無疑是最直接的方式，但由於汽車的重量以及速度，在實際場景中測試有重大的安全隱患，尤其是在技術尚未成熟之前。可是沒有實際的路測，技術的更新升級似乎難度又很大。
尤其是今年上半年，UBER的自動駕駛車在美國亞利桑那州坦佩市的全球首例由自動駕駛汽車釀成的死亡事故發生之後，對於自動駕駛測試是否應該在技術未成熟之前上路測試引發了業界的反思與討論。
隨後，英偉達宣佈推出一套名為“NVIDIA DRIVE Constellation”，使用照片級真實感模擬、基於雲的自動駕駛汽車測試系統，是一款基於兩種不同服務器的計算平臺。
第一臺服務器運行NVIDIA DRIVE Sim軟件，用於模擬自動駕駛汽車的傳感器，如攝像頭、激光雷達和雷達。第二臺服務器搭載了NVIDIA DRIVE Pegasus AI汽車計算平臺，可運行完整的自動駕駛汽車軟件堆棧，能夠處理模擬數據，這些模擬數據如同來自路面行駛汽車上的傳感器。
英偉達CEO黃仁勳介紹稱，使用仿真測試系統，工程師可以在5個小時內，完成約48萬公里的道路測試。
在不少業內人士看來，模擬測試是提高目前自動駕駛技術開發速度的關鍵工具，也是驗證產品和證明其安全的必要工具。
按照行業普遍觀點，車企需要100億英里的試駕數據來優化其自動駕駛系統，若要達到該測試里程數，按照目前的實際路測能力計算，恐怕還需要耗費數年才行。
而對於傳統的汽車功能，汽車製造商通常也要在投產前需要累計5億到10億英里的無事故行駛里程。
此前，百度自動駕駛測試負責人邢亮也表達了類似觀點，目前的自動駕駛技術，是很難做到識別所有道路交通標誌的，同時收集各種Corner case的道路。如果要儘可能完備的測試，還需要依賴一定的場景庫，對測試車輛進行虛擬測試。
比如，谷歌旗下的Waymo在投入大量的自動駕駛車進行真實道路測試的同時，也在藉助仿真引擎對自動駕駛進行著虛擬路測。
Waymo在谷歌打造的虛擬城市“Carcraft”裡放置了25000輛虛擬測試車，在2016年一年時間內，這些車輛每天都可以虛擬行駛25億英里。
這樣的虛擬仿真測試也已經在幾年前被通用汽車用於“超級巡航技術”的驗證。包括一款全新的360°高速模擬器，為測試人員提供360度全方位無死角的高清投影，還使用了更新反饋與屏幕刷新技術以幫助他們快速測試和更新系統，進一步縮短研發週期。
近年來，類似Cognata這樣涉足自動駕駛虛擬仿真測試平臺研發的初創公司不在少數。在去年拿到200萬美元A輪融資的硅谷初創企業Metamoto也宣佈與摩比斯北美 (Mobis North America) 合作一個“模擬即服務”的虛擬仿真測試項目。
平臺可以支持激光雷達、攝像頭、雷達、GPS、IMU 等在內的各種傳感器的精確模擬，客戶能夠在單個週期內累積數十億英里的驗證所需的工作，遠超實際測試幾個數量級。
這家公司的負責人表示，Metamoto的模擬產品可以協助工程師在自動駕駛系統中完成數百萬次的日常測試，並智能地探索極端情況下的參數範圍和性能極限。
還有一家有華人創立的虛擬仿真測試公司RealDrive，其推出的自動駕駛虛擬現實仿真平臺Cybertron- Zero，基於雲計算和仿真加速技術，構建了一個高真實感的道路交通模擬環境，用於自動駕駛汽車的訓練和測試。自動駕駛汽車每天可以在虛擬環境中行駛上百萬公里，並經歷各種各樣複雜工況。
RealDrive目前的合作伙伴包括寶馬、威馬、零跑汽車、阿里巴巴、國家智能網聯汽車(上海)試點示範區等。公司創始人陳祿，畢業於浙江大學竺可楨學院混合班和CAD&CG國家重點實驗室，是虛擬現實圖形學方向博士，曾就職於通用汽車中國科學院、寶馬中國技術中心等。
當然，虛擬仿真測試並不能解決量產的最終測試難題。
此前，Momenta創始人曹旭東表示，無人駕駛模擬可以通過算法生成感知和決策數據，減少數據收集和測試車輛數量，降低研發成本。
當然，無人駕駛模擬也存在不足：比如模擬生成的感知數據和真實的數據存在差異；模擬的規則是人制定的。很多失敗的場景恰恰是人思考的盲點，單純通過模擬並不能發現。
閱讀更多 第一汽車資訊 的文章
