中国汽车论坛

2022年11月8日-10日，由中国汽车工业协会承办的第12届中国汽车论坛在上海嘉定举行。做为我党“二十大”举办后汽车制造业第一场盛典，这届社区论坛以“聚立德稳蓄势待发新程”为主线，共设定“1场关门高峰会 1个交流会社区论坛 16个主题论坛”，以汽车工业的高质量发展的为切入点，与行业精英一起落实新精神，判断新形势下，共谋创新举措。在其中，在11月10日在下午举行的“主题论坛12：跨行业融合，创变无人驾驶落地式”上，IAE铁友众维®创始人、CTO王雪发布演讲。

以下几点为当场演说纪实：

小伙伴们好！

今日在这里给大家关键分享的是有关仿真测试及其仿真测试所需的数据信息工作中。

演说主要分五个一部分：

第一部分，IAE X-in-Loop®仿真测试技术标准体系。

第二部分，立足于仿真测试的画面工厂。

第三部分，怎样从路面收集得到所需的数据信息并予以处理，到搭建情景工厂。

第四部分第五部分，共享根据情景工厂、暨大量情景库，可以做出来的一些事儿：开展仿真测试，或者为深度学习给予锻炼的数据。

一、IAE X-In-Loop®技术标准体系

为大家介绍一下仿真测试技术标准体系，把技术标准体系称之为X-In-Loop®，对于自动驾驶的“V字形”研发流程所围绕的各个阶段检测，例如在最初设计构思环节，可能已经形成一些实体模型，基于模型作主客观分析检测。关键做的事情是MIL或是DIL。

手机软件产生以后，主要是为软件性能测试，后会做HIL仿真测试，在V过程的右侧环节做的更重要的是Validation的工作中，紧紧围绕早已成形的商品、控制板做硬件配置在环的检测，或是直到全车进行做全车在环测验，及其最终做特性有关的认证，到场地面上进行有关的检测。因此，我们都是紧紧围绕各个阶段在环测试无人驾驶检测合作方。

围绕全部检测过程的重要环节便是情景数据库系统、暨情景工厂，下面为大家介绍一下情景工厂生产制造场景下的上中下游管理体系。

在情景工厂、情景库的上下游通常是生产设备链、科学方法论，及其进行情景库生产过程。今天在别的阶段不占大伙儿更多的时间了，重点围绕情景制造的工具链到情景库，及其情景库怎样立足于仿真测试、怎样形成训练数据集，简单的链接就跟大家进行详细介绍。

二、“水木灵境”情景工厂（大量情景库）

如何判定情景？对于我们来说，做无人驾驶有关的测试场景会拆卸为静态和动态两大类。

静态数据情景：重点围绕交通安全设施，例如周围的工程建筑、道路路灯、植物群落等都是属于设备方面的东西。及其交通出行参加的关键因素，例如信号指示灯、标识牌、路面、车道线等。设备和因素具体会组成静态数据场景下的一部分，根据三维建模，融合逻辑性信息内容模型，把他融合成静态数据情景。

动态性情景：交通参与者，例如车子、路人等参加交通出行动态性违法行为的目标物，会界定他驾驶的运动轨迹、开启事件。自然环境季节变化的前提条件都是组成动态性场景下的一部分。情景由静态和动态的构成部分一同组成。

在情景工厂中选用这种区划，依据情景库覆盖范畴，把情景分成三大类：

第一大类：“如影随行”

参照真实自然环境、真正路面收集来的数据信息，或者根据真正路上所发生的事情数据重构出的，称之为如影随行。

主要包含像真正根据地形图搭建的城市与快速数字孪生情景，也包含在具体路面检测中车子收集回家的信息，把他根据数据类型的变换产生当然用车场景。

也有安全事故情景，安全事故信息是出事故以后，交警队到现场勘查，把出事故前一段时间的信息进行虚似重新构建，这一部分还可以把它制成检测无人驾驶个人行为的画面，这一部分是CIDAS中国数据库。

第二大类：“有章可循”

通常是紧紧围绕法规及规范搭建的作用情景，例如ADAS系列产品会出现一系列Euro-NCAP、C-NCAP、ISO、GB等国家标准，根据规范搭建出去政策法规ADAS的功能测试和情景。对于车联网平台、V2X也有一定的SAE国家标准，根据国家标准打造了V2X的测试场景。也有依据交通法规行为表现相关法律法规搭建交通法规情景。

第三大类：“有需可用”

这种情景绝大多数融合所测试对象的功效去进行作用正方向拆卸，如融合SOTIF预期功能安全，会剖析功能性的局限，及其可能产生的不良影响，充足融合被测对象开展搭建的情景，把他归过有需可用类。

以上就是情景工厂的大致状况，接下来会跟大家分享场景数据的例子和展现的方式。例如像数字孪生的画面，已打造了中国多个地方双生的画面，和市政道路是一比一重现的。融合高精地图的高等级的无人驾驶优化算法，需要结合这种情景进行测试。

也有EURO-NCAP这种融合ADAS的检测标准，检测标准中会有明确的人偶、假车，要实现这类情景，也融合3D目标物的特点开展数字化建模。还有安全事故相撞的画面，及其融合系统软件极限值性SOTIF的画面。

这三例测试场景各是刮撞二轮车的CIDAS道路交通事故重现情景，及其决策支持系统局限性、互动局限性的SOTIF情景。

三、情景数据收集及预备处理

前边所推荐的模拟仿真场景数据里有一部分被称作当然安全驾驶（仿真测试）情景，这种当然用车场景是怎样获得的？这一涉及到到自己的工具链与处理的一个过程。

介绍一下开展当然用车场景收集所需的工具链，从收集的终端设备、车载式的智能终端，从控制器到智能终端，再从正中间数据的预处理、传送数据的制度，到场景数据的处理方法，例如切成片、清理，最后才能够产生刚刚看到的这样一个情景精彩片段的信息。

这一环节牵涉到配置iTT PLUS等车载式数据采集器机器设备去收集不一样传感器数据信息。采回来的信息会出现牵涉到原始记录，这一部分原始记录能够进行标明立足于算法的练习。采回来还因感应器，例如车载雷达、监控摄像头、激光传感器结合后目标轨迹数据，这一轨迹数据是我们搭建当然安全驾驶模拟仿真场景下动态性场景下的关键的那一部分。

根据数据收集，我们可以把收集回家的信息先回传入大家大数据中心，在计算中心开展预备处理，预再经IAE自主研发的CRAB手机软件做场景数据的生产加工，直至形成他们所必须在模拟仿真模块中能直接运转的场景数据。

收集的数据信息还要做很多解决，例如，数据信息将会是特别长的，因此我们必须根据一些事情也有时间段去做一些切成片工作中，去对里边采回来目标做一些清除。又如，在常规收集的过程当中，可能发生总体目标基因突变，它原来是前边一个ID，收集环节中变为另外一个，这类数据信息为了能使它可以在模拟仿真里边形成一个连续不断的运动轨迹，必须把他开展合拼或是删掉。详细工具链是立足于大家全部当然用车场景生产过程，直到形成动态性情景文档，能直接根据模拟仿真模块来启用。

是典型的当然用车场景的实例，我们可以看到左上方真实收集的视频内容复原，大的范畴就是我们模拟仿真重新构建出的当然用车场景。

以上就是情景工厂的讲解及其大家情景搭建中的一个方式、如何生产当然用车场景。而生产制造这种场景数据以后用它干什么，是我们必须解决问题。第一个方面也是立足于仿真测试。其实对于而言，仿真测试有一系列闭环控制，能是MIL检测，能是手机软件在环SIL检测，还可以是硬件配置在环HIL检测，也可以是对于全车级别全车在环测验，这都是所属仿真测试大一点的范围之内，大家的画面工厂和大量情景库将立足于之上各个阶段的仿真测试。

四、今日主要介绍一下根据情景工厂和大量情景库做SIL、对于软件算法的大规模检测。

在软件性能测试发展目标是积淀大量虚似里程数来尽量使我们优化算法遮盖尽量多的corner case，大家选用的方法便是大量情景模拟仿真 功能测试。这一大量模拟仿真必须要有一个平台做支撑点，大家所使用的仿真平台必须可以总体监管大家仿真测试的所有连接点，整体规划全部模拟仿真功能测试的应用，并且能具有仿真测试KPI的系统，进而在检测以后自动化技术的去导出评估的结论，这样才可以快速地进行软件生命周期里的迭代更新。

IAE打造了这样一个“章鱼”云仿真平台，将情景工厂和自动化技术仿真测试充足融合。

在“章鱼”云仿真平台上能够对咱们优化算法、情景、数据与实体模型，如刚刚看到的场景模型进行监管，可以融合大家实际需求弹力启用。与此同时，我们自己的仿真计算连接点并行处理布属在这样一个云服务平台上，可以通过自动化系统进程我们自己的模拟仿真连接点和算率，为每个模拟仿真连接点弹力分派仿真测试任务，在做完仿真测试以后，能够自动化技术地去做数据库的后处理工艺，导出大家用以评估的KPI指标值，并尽早把指标值意见反馈到检测特定团队去。全部这样的平台根据这样一个工作流引擎的方式来结合在一起，最后界定好要求。

这一套模拟仿真测评体系能够立足于两方面：立足于无人驾驶研发测试、软件信息系统软件开发检验的整个过程；与此同时，不但可以立足于产品研发，还可以立足于管控必须。

现阶段一些大城市逐渐加快推进并进一步规范路面评估和示范性运用许可证的派发，并把仿真测试用以测试评估。大家有幸参与了某一城市有关工作，根据“章鱼”云仿真平台，融合全部经营范畴地区的特点去构建数字孪生模拟仿真情景，制定判断的办法，给想申请许可证的公司提供这种检测服务，政府部门依据测试评估实现的结论，使企业可以办理这一批准。

融合地域市政道路特点构建情景，而且根据仿真平台制定出判断的办法，得出专业测评指标，助力企业尽早完成许可证的申请落地式。

针对检测示范园区管理部门，也将具有监督和保证的功效。申请办理批准时如果只是简单的路面检测能覆盖极限值情景终归是少量，我们可以通过模拟仿真的方式根据当地具体路面的特点，构建极限值情景来专业测评未来在这个区域运作车辆安全性。

五、根据情景工厂形成训练数据集。

刚大家看到是情景工厂用于仿真测试，大家的画面工厂还能够立足于研制的更初期环节，便是算法训练。在算法训练的过程当中需要大量数据，选用传统标注数据集，针对数据的搜集和累计是成本很高的事，每一个车系收集回家的信息只有立足于这一车系，大家在新款车型开发设计迭代过程中，必须有较多新的信息来服务项目。

根据模拟仿真情景工厂的方式就能更便捷、更为迅速，并且能更加高效地将我们建的场景数据生成数据集，去迅速地立足于设备学习过程。

对咱们明确提出的考验是，大家在模拟仿真过程中应该做更精细化模型，和需要根据专门后处理工艺调参的方式去提升大家渲染引擎输出图象的品质，以求使整个图象更配对真正路面收集的图象。

我们能遮盖和所提供的数据包含这种种类，用以车道线检测，用以动态性目标物检验，交通指示灯，交通标志鉴别类数据，与此同时依靠3D渲染能力能够提供语义分割所需的数据。这种数据具有四个大的特点：

1、数据制造的传动链条彻底自动化技术。在情景工厂全部数据信息组成情景以后，需要导出图形的数据信息及其它所需的标明信息内容，其实是可以彻底选用自动化传动链条完成。并不一定由人力做出任何的标明。大家全部仿真系统中的真值会自动导出。

2、情境与实体模型能够相对高度灵便兼容每个车系，乃至不一样传感器种类。可以通过图模型协调能力提升场景下的协调能力和复用性。

3、搭建的情景裤里具有中国交通特点的画面，也包含如SOTIF情景等有关的实体模型，例如运载花草树木的货车这类形式化的实体模型。在实际路面收集的情况下，难以发生那样案例，在模拟仿真里边可以更加方便地搭建那样的场景。

4、能够涵盖不一样的气候、阳光照射及其挡住的前提条件，使整个数据更为多元化、更丰富，具备更高覆盖率。

以上就是今日推荐的具体内容，谢谢你们！

（注：此文依据当场快速记忆梳理，没经演讲嘉宾审查）