近日，一家仿真测试方案公司公布了最新的产品，该公司声称将帮助汽车制造商评估司机与先进的驾驶员辅助系统(ADAS)和人工智能(AI)之间的互动。Ansible Motion公司DIL仿真模拟器的最新版本声称，它能够生成数百万个场景，以测试和验证慢慢的变多的ADAS被安装在新车上的。

  这家公司的模拟器实验室增加了许多新功能，比如反映汽车制造商风格和人机交互功能的机舱环境。此外，该公司还推出了新的软件连接，要求更深入的环境和传感器模拟，再加上运动、视觉和音频环境，“欺骗”司机和乘客，让他们相信自身正在体验一辆真正的汽车及其ADAS或无人驾驶技术。

  比如，自动紧急制动(AEB)系统的验证，该系统依赖于多个传感器馈送和车辆驾驶逻辑算法，在某些情况下，对各种情况(如交通和行人入侵)的响应速度超过任何人类响应能力。其他例子包括车道偏离警告和协助，智能速度适应和司机监测的困倦分心。

  该公司负责这个的人说，汽车制造商正在推出更多的驾驶员辅助技术，但它们的干预水平和方法因汽车品牌而不同。如果一辆汽车发生了意想不到的事情，我们也可以提前在我们的模拟实验室里测试驾驶员和乘员的反应。

  如果，汽车制造商做到设计更好更安全的汽车，那么仿真测试流程是必不可少的。这也促使更多的汽车制造商在这块进行投资。

  近日，丰田汽车研究院(TRI)的风险投资子公司丰田AI Ventures宣布投资Parallel Domain，这是一家总部在硅谷的软件研发企业，专门从事无人驾驶汽车模拟的3D环境生成。

  此外，TRI还在今年6月向CARLA投资了10万美元，这是一个开源模拟项目，旨在利用开源社区的协作开发潜力。

  Parallel Domain可以帮助研发人员基于真实和虚构的位置生成各种非常详细的模拟环境和动态场景，因为生成3D环境和场景慢慢的变成了主要瓶颈。目前，也仅有少数几家这方面的供应商以及部分无人驾驶初创公司自主研发的仿真测试系统。

  Parallel Domain此前宣称，可构建一个随时间而变化的世界。例如，增加自行车道，撒垃圾，用新的沥青重新铺路，或者提前时间让树木生长，或者让道路风化开裂。

  虚拟测试被软件开发者、研究机构和汽车制造商视为一种进一步开发嵌入无人驾驶软件的人工智能(AI)系统的方式。

  该理论认为，软件必须从越多的场景和虚拟里程中提取信息，无人驾驶汽车对各种道路状况、天气事件和其他变量的准备就越充分。

  以Waymo为例，旗下的名为Carcraft的虚拟车队中有25000台汽车，这比现实世界测试的车辆多得多，这些虚拟车队的车辆每天24小时都运行在谷歌的数据中心。截止目前，这些不停歇的车辆测试里程达到了惊人的50亿英里。

  比如，Waymo的实测车辆被曝出在交叉路口的问题较多，工程师则通过将该交叉路口的场景拉到Carcraft，并观察车辆在不同场景中的反馈行为，来适当增加模拟移动汽车，行人，自行车等障碍物。

  今年9月，德国汽车巨头宝马(BMW)宣布在其总部慕尼黑以北建造一个模拟真实驾驶情况的设施。该设备的核心特征之一是高保真度模拟器，在该模拟器中，车辆的纵向、横向和旋转运动可以同时表示，希望更现实。

  投资虚拟AV测试的其他主要参与者包括德国汽车巨头奥迪(Audi)的子公司、与Cognata合作的自动智能驾驶(AID)。

  这家以色列科技公司利用人工智能、深度学习和计算机视觉，在真实的模拟环境中，在实际道路测试之前判断和验证系统可靠性。

  无人驾驶芯片公司英伟达(NVIDIA)在今年初推出了一款基于云的DRIVE Constellation仿真系统，用于自动驾驶汽车的仿真测试。

  仿真服务器由英伟达GPU提供动力，每台仿真服务器都会生成仿真传感器数据流，并将其传输至DRIVE Pegasus做处理。DRIVE Pegasus的驾驶指令被反馈给仿真器，以完成数字反馈回路。

  DRIVE Sim软件可生成真实感数据流，以创建各种不同的测试环境，如暴雨、雪灾等天气状况；白天不同时间的光线变化或夜间视野受限；所有不一样的路面和地形。此外，还可编写危险状况来测试无人驾驶汽车的反应能力，而不会让任何人受到伤害。

  此外，英伟达此前还宣布正式开源被誉为「市面最强大物理仿真引擎」的 PhysX，除了大范围的应用于游戏特效的提升，该引擎还能为 AI 、机器人与计算机视觉技术、无人驾驶与高性能计算提供支持。

  去年，微软开源了一个用于模拟测试安全性的高拟真的AI系统AirSim研究项目，能利用AI技术，提供逼真的环境，模拟交通工具的动力和传感，帮助研究人员和开发者构建安全的无人驾驶系统。

  此外，AirSim的更新版不仅包含车辆模拟、新的场景，还提供简化编程的 API 以及即插即用的代码，研究人员和开发的人能针对特定的需求创建所需要的场景，还可通过 AirSim 的拓展性添加新的传感器、车辆，甚至使用不相同的物理引擎。

  过去，传统意义上的离线仿真能够最终靠软件在环(SIL)和硬件在环(HIL)进行，但是任旧存在一个不可避免的问题，即在真实的道路和试验场上驾驶真实的原型车，由经验比较丰富的评估人员驾驶。

  新的问题是，无人驾驶系统的复杂性意味着汽车制造商在更短的时间内需要验证的东西要比之前多得多。而在DIL模拟器中，工程师可以在真实的、沉浸式虚拟测试驱动器中检测系统的运行，以及与物理原型测试并发进行。

  另外，仿真环境有助于解决在现实中很少出现的极端情况。一些在实际路况中极少出现的情境，可在仿真环境中不同视角重复出现。

  更为关键的是，随着验证慢慢的变多的驾驶员辅助系统和无人驾驶功能的需求日渐增长，可能的场景数量每天都在增加。

  当然，不可能在试验场测试轨道或真实世界中验证每种情况，一是时间不允许，二是在真实的测试中，一些实验可能是很危险的。

  对于无人驾驶来说，仿真测试将是技术验证、支撑系统培训、测试和验证的基础技术，尤其是基于深度机器学习的系统来说，它是“必须的”，有利于在技术部署之前带来一些急需的验证和信心。

  几乎所有的OEM公司都把车联和无人驾驶放在未来十年战略的前沿和中心，然而，要证明这些优势，需要OEM公司积累大量无人驾驶的测试里程。仿真可以允许OEM和其他无人驾驶技术研发人员在罕见和潜在危险的情况下测试他们的系统，而不会造成可能的真实事故。

  英伟达CEO黄仁勋介绍称，使用仿真检测系统，工程师可以在5个小时内，完成约48万公里的道路测试。在不少业内人士看来，模拟测试是提高目前无人驾驶技术开发速度的关键工具，也是验证产品和证明其安全的必要工具。

  声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。