La implementación comercial del programa de conducción autónoma en las carreras entra en la segunda mitad.
Si una flota de 100 vehículos de prueba autónomos está equipada para realizar pruebas en carretera las 24 horas del día a una velocidad promedio de 40 kilómetros (25 millas) por hora, se necesitarán más de 500 años para completar el objetivo. kilometraje. El tiempo consumido durante este período y el costo es sin duda inasequible.
El uso de tecnología de simulación para las pruebas se considera la clave para reducir costes y mejorar la eficiencia. ¿Cómo está el desarrollo actual de las pruebas de simulación en el ámbito de la conducción autónoma? El 10 de junio de 5438+02, China Electric Vehicle 100, Tencent Autónomo Driving y China Automotive Data Co., Ltd. publicaron conjuntamente el "Libro Azul de Simulación de Conducción Autónoma de China 2020", que detalla el estado actual de la aplicación de la tecnología y los desafíos enfrentados.
Tendencia: El 99,9% de las pruebas del futuro utilizarán plataformas de simulación.
Las pruebas de simulación basadas en bibliotecas de escenarios son una forma importante de resolver la falta de datos de las pruebas de conducción. La prueba de simulación implementa principalmente pruebas de simulación de circuito cerrado de percepción de conducción autónoma, planificación de decisiones, control y otros algoritmos mediante la construcción de una biblioteca de escenas virtuales para cumplir con los requisitos de las pruebas de conducción autónoma.
La biblioteca de escenas es la base para las pruebas de simulación de conducción autónoma. Cuanto mayor sea la cobertura del mundo real en la biblioteca de escenarios, más realistas serán los resultados de la prueba de simulación. Las diferentes etapas del desarrollo de vehículos autónomos tienen diferentes requisitos para las bibliotecas de escenas y necesitan implementar diferentes funciones de prueba.
En el proceso de desarrollo de la conducción autónoma, el proceso de desarrollo de simulación de modelo puro, software de simulación en bucle, prueba en carretera en sitio cerrado y prueba en carretera abierta es el proceso de desarrollo más rentable.
"Vehículo de prueba de conducción autónoma Waymo"
Actualmente, la simulación de conducción autónoma ha sido ampliamente aceptada por la industria. Por ejemplo, Carcraft, la plataforma de simulación propiedad de Waymo, la principal empresa estadounidense de conducción autónoma, recorre unos 32 millones de kilómetros en carreteras virtuales cada día, lo que equivale a 10 años de conducción en el mundo real. Hasta mayo de 2020, Waymo ha simulado una conducción de 654,38 mil millones de millas, en comparación con 654,38 mil millones de millas en junio del año pasado.
Además de Waymo, proveedores nacionales y extranjeros de soluciones de conducción autónoma, como Cruise, AutoX y Ma Xiaoxing de General Motors, también están realizando una gran cantidad de pruebas de simulación para mejorar sus sistemas de conducción autónoma. Las pruebas de simulación se han convertido en la prueba más importante en el negocio de la conducción autónoma.
Según los datos actuales, alrededor del 90 % de las pruebas de algoritmos de conducción autónoma se completan mediante plataformas de simulación, el 9 % en sitios de prueba y el 1 % mediante pruebas en carretera reales. Con la mejora de la tecnología de simulación y la popularización de las aplicaciones, la industria espera completar el 99,9% del volumen de pruebas a través de la plataforma de simulación, el 0,09% en sitios cerrados y finalmente el 0,01% en carreteras reales. De esta forma, la investigación y el desarrollo de vehículos autónomos alcanzarán un estado más eficiente y económico.
"Escenario de prueba de simulación de conducción autónoma"
Situación actual: los participantes en la pista están planificando activamente.
En la actualidad, los participantes en el mercado de simulación de conducción autónoma incluyen principalmente: empresas de tecnología, empresas de automóviles, proveedores de soluciones de conducción autónoma, empresas de software de simulación, universidades e instituciones de investigación científica y áreas de demostración de pruebas de redes inteligentes. Dado que varias entidades del mercado tienen diferentes fundamentos técnicos en la simulación de conducción autónoma, tienen diferentes modelos de I+D y cooperación para promover la simulación de conducción autónoma.
Las empresas de tecnología comenzaron relativamente tarde en la simulación y tienen poca experiencia en la exploración de funciones automotrices, pero tienen ventajas de big data y sólidas capacidades de desarrollo de software.
Los coches autónomos requieren más software que los coches tradicionales. Las empresas de tecnología exploran el software de simulación para ingresar a la enorme industria del automóvil, establecer una plataforma de datos más grande y formar nuevos puntos de crecimiento empresarial. En la actualidad, las principales empresas de tecnología de simulación de conducción autónoma incluyen Tencent, Baidu, Huawei y Alibaba.
Comparación de plataformas de simulación de conducción autónoma entre empresas de tecnología
Las empresas de tecnología extranjeras como Microsoft, NVIDIA y LG desarrollan principalmente software de simulación de conducción autónoma y han establecido I+D en conducción autónoma a través de la cooperación con la industria. Las empresas de la cadena Ecosystem se han convertido en un participante importante en la simulación de conducción autónoma.
Para las empresas de vehículos, la mejor opción es realizar pruebas en carretera y pruebas de simulación al mismo tiempo. Los vehículos autónomos deben pasar por muchas pruebas funcionales y de seguridad antes de poder ponerse en práctica. Las pruebas en carretera son una de ellas. Debido a la baja eficiencia de las pruebas en carretera, muchas empresas automotrices tienden a elegir una combinación de pruebas de simulación de conducción autónoma y pruebas en carretera para completar la prueba antes de la implementación.
"Utilización de software de simulación de conducción autónoma por parte de empresas automovilísticas"
Los proveedores de soluciones de conducción autónoma desarrollan principalmente software de simulación personalizado para sus propias necesidades y rara vez proporcionan servicios de simulación externos. Sin embargo, tiene fondos suficientes, reservas de talento y su propia fuerza impulsora de I+D, y tiene una fuerte capacidad de innovación en simulación de conducción autónoma. Cada proveedor líder de soluciones de conducción autónoma tiene su propio software de pruebas de simulación, como Waymo, Cruise, Ma Xiaozhixing, AutoX, etc.
Las empresas de software de simulación se pueden dividir en empresas de software de simulación tradicionales y empresas de nueva creación. Las empresas de software de simulación tradicionales tienen ventajas inherentes al ingresar a la simulación de conducción autónoma debido a su profunda acumulación de tecnología. Tienen muchos socios y ventajas en el desarrollo secundario. Debido al inicio tardío y la débil acumulación de tecnología, la brecha entre las empresas nacionales y los países extranjeros es grande. Sin embargo, al depender de una fuerte concentración de capital y talento, se espera que las nuevas empresas crezcan rápidamente en la investigación y el desarrollo de software de simulación de conducción autónoma.
Las universidades y las instituciones de investigación científica utilizan principalmente software de simulación de conducción autónoma para realizar investigaciones básicas y con visión de futuro, pero es difícil formar productos comerciales maduros. Las universidades nacionales y las instituciones de investigación científica dedicadas a la investigación de simulación de conducción autónoma incluyen principalmente: Universidad de Tsinghua, Universidad de Tongji, Universidad de Beihang, Universidad de Jilin, Universidad de Tianjin, Universidad de Chang'an, Universidad de Aeronáutica y Astronáutica de Nanjing, Universidad de Tecnología de Wuhan, etc.
"Zona de demostración de prueba integral de vehículos conectados inteligentes de Shanghai Lingang"
La construcción de la Zona de demostración de pruebas de vehículos inteligentes conectados ha alcanzado una cierta escala. Actualmente, hay más de 10 zonas de demostración de pruebas de redes inteligentes a nivel nacional y múltiples a nivel provincial en todo el país. Mediante el despliegue y aplicación de nuevas tecnologías como 5G, colaboración vehículo-carretera V2X, simulación e Internet de los Vehículos. , proporcionando servicios de prueba de sistemas para conducción autónoma, proveedores de comunicaciones en red, etc. , establecer un sistema estándar integral para automóviles, comunicaciones de información, instalaciones viales, etc. fue ascendido. Para promover las pruebas de simulación de vehículos conectados inteligentes, las empresas existentes y las zonas de demostración conectadas inteligentes han llevado a cabo pruebas que combinan pruebas en carretera con simulación virtual.
Reto: Falta de estandarización de los sistemas de pruebas y evaluación.
En la actualidad, las pruebas de simulación de conducción autónoma han formado inicialmente un sistema de cadena industrial completo, formando un proveedor de software de simulación ascendente dominado por empresas de tecnología, proveedores de soluciones de conducción autónoma y empresas de software de simulación, así como empresas de automóviles. , proveedores de aplicaciones posteriores compuestos principalmente por instituciones de pruebas de conducción autónomas. Desde la perspectiva de la cadena industrial, todavía existen muchos problemas en las pruebas de simulación de conducción autónoma.
Por un lado, es necesario mejorar el mecanismo de construcción y colaboración de la biblioteca de escenas de simulación.
La eficiencia de construcción de la base de datos de escenas es baja y el costo es alto. En la actualidad, la construcción de una base de datos de escenas todavía requiere una gran cantidad de recopilación y anotación manual, y luego análisis, extracción, pruebas y verificación de la escena. Todo el proceso es ineficiente y costoso. Actualmente, el costo anual global del etiquetado manual es de aproximadamente 654,38 mil millones de dólares.
“Todavía quedan muchas dificultades por superar en la construcción de bibliotecas de escenas de pruebas de simulación de conducción autónoma doméstica”
La escala de la biblioteca de escenas no es lo suficientemente grande y la La diversidad, la cobertura y la escalabilidad no son sólidas. Las bases de datos de escenas existentes son insuficientes para cubrir escenarios de tráfico comunes y no pueden cubrir eficazmente la diversidad del mundo real con recursos limitados. Dado que los cambios en diferentes elementos de la escena se pueden extender a diferentes escenarios, la escalabilidad de la escena no es suficiente para cumplir con los requisitos de las pruebas de simulación.
Es necesario mejorar la efectividad de la escena. Los escenarios existentes se recopilan en función de datos en tiempo real y no pueden cumplir con los cambios dinámicos de los escenarios de conducción autónoma. En la escena, se combinan elementos dinámicos y estáticos, como personas, vehículos, carreteras y entornos de conducción. Los cambios en un elemento provocarán cambios en otros elementos. Los diferentes participantes del tráfico tienen su propia lógica de comportamiento. Por ejemplo, si el comportamiento y la trayectoria del vehículo cambian, el comportamiento de los vehículos y peatones circundantes también cambiará.
Formato y almacenamiento de recogida de datos de escena. La colección de escenarios de prueba existente se basa en diferentes configuraciones de vehículos y sensores y no se puede aplicar al desarrollo y prueba de varios vehículos y rutas tecnológicas. El formato de mapas de alta precisión también es el foco de atención de la industria. La unificación de los formatos de datos de la biblioteca de escenas, como la arquitectura del sistema, las interfaces de datos y los sistemas de gestión de bases de datos, también es un tema que requiere atención.
Prueba del valor de verdad y del sistema de evaluación en escenarios de prueba.
La recopilación de datos en escenarios de prueba debe considerar los requisitos de recopilación, los métodos de recopilación, el preprocesamiento de datos, la transmisión y almacenamiento de datos, la cantidad de recopilación, la precisión de la recopilación, la sincronización horaria, el rango de recopilación, la integridad de la recopilación y otros factores. La ausencia de cualquier factor puede conducir a la autenticidad y eficacia de un escenario. Además, el sistema de índice de evaluación para vehículos de prueba autónomos en diferentes escenarios aún no está completo.
Hay una falta de cooperación en el establecimiento de una base de datos de escenas y una gran duplicación de recursos. En la actualidad, es difícil para una sola empresa completar la construcción de una biblioteca de escenas que cubra todos los escenarios. En la actualidad, la construcción de la base de datos de escenarios de cada empresa se realiza de forma independiente, lo que genera una duplicación de la inversión de recursos y una falta de cooperación en la construcción de la base de datos de escenarios entre las empresas. En particular, se pueden utilizar y compartir escenarios comunes, como escenarios de conducción natural y escenarios regulatorios estándar, a través de la cooperación y la co-construcción. Actualmente hay muy poca cooperación en este ámbito.
"Tencent TAD? Sim part scene display"
Por otro lado, el sistema de evaluación de las pruebas de simulación de conducción autónoma carece de estandarización.
En términos de pruebas de simulación de conducción autónoma, debido a las diferentes arquitecturas de sistemas de software de simulación y métodos de construcción de bibliotecas de escenas, es difícil establecer un sistema de evaluación y prueba de simulación unificado y estandarizado. En la actualidad, la dirección de la investigación de los sistemas de evaluación de simulación nacionales es principalmente evaluar los resultados de las pruebas de simulación de vehículos autónomos desde aspectos como la seguridad de conducción, la comodidad, la coordinación del tráfico y la coincidencia de estándares, como la evaluación del software de simulación en sí. escenarios de la vida real No existe un estándar de evaluación unificado para el rendimiento, la cobertura de la escena, la eficiencia de la simulación del software de simulación, etc.
Como producto inteligente, los automóviles autónomos deben aplicar algoritmos de aprendizaje profundo para permitir que el automóvil tenga capacidades de autoaprendizaje en el futuro, como la capacidad de repetir y reproducir obstáculos en la carretera y la capacidad de resumir y transferir escenas. Por tanto, la evolución del autoaprendizaje es también un índice de evaluación de los coches autónomos. En la actualidad, la evolución de los vehículos autónomos aún carece de estándares de evaluación correspondientes.
Resumen:
La evolución de la tecnología de conducción autónoma tiene dos recorridos, de L2 a L3 y de L4 a L5. La primera es la ruta que toman la mayoría de las empresas automovilísticas y la segunda es a menudo la elección de las empresas de tecnología. Los principales representantes de los dos son Tesla y Waymo. Desde este año, muchas empresas han declarado que tienen capacidades de producción en masa para vehículos autónomos L3. Las empresas de tecnología también han lanzado pruebas de operación comercial de Robotaxi; Se puede ver que todas las fuerzas competitivas están intentando aplicar primero la tecnología de conducción autónoma. ¿Quién puede ganar el primer premio del concurso? El costo y la eficiencia son sin duda los factores más críticos, y la aplicación madura de las pruebas de simulación será clave. (¿Texto/Coche a casa? Xiaoying)