AI技術的發(fā)展為自動駕駛帶來了更加光明的未來。
作者|Juice
編輯|志豪
國內自動駕駛行業(yè)發(fā)展迎來了春天。
日前，國內四部門聯(lián)合發(fā)布《關于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》，《通知》中正式對L3/L4自動駕駛的準入規(guī)范進行了具體要求，完善了相關規(guī)則。
這意味著國內為推出L3和L4級自動駕駛車型做好了政策基礎，自動駕駛向商業(yè)化、規(guī)�；诌~進了一步，對于國內自動駕駛行業(yè)的發(fā)展來說，可謂是一個里程碑式的事件。
▲四部門聯(lián)合發(fā)布《關于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》
這份文件中，重點說明了事故責任的劃分，在自動駕駛系統(tǒng)激活狀態(tài)下發(fā)生違法或事故，試點企業(yè)與試點使用主體需在規(guī)定時間內向相關部門提供證明材料。若未按規(guī)定提供材料，則需承擔事故責任。
除了政策法規(guī)完善之外，自動駕駛的相關技術也有了很大的發(fā)展，大模型的爆發(fā)也給自動駕駛提供了更多的思路。行業(yè)的頭部玩家都在用大模型的思路在做自動駕駛，目前特斯拉向內部員工推送的FSDV12就采用了端到端的大模型思路。
而另一方面，為保證自動駕駛安全，模擬仿真、封閉場地和實際道路測試三種測試方法缺一不可。通常情況下按照先模擬仿真、再封閉場地、最后實際道路測試的順序，在自動駕駛系統(tǒng)開發(fā)和應用的不同階段，采用不同的測試方式。從場景測試數(shù)量看，模擬仿真測試遠遠大于封閉場地和實際道路測試，實際道路測試通常遠大于封閉場地測試，從而可以提升測試效率、降低測試成本、減少測試時間。從經(jīng)濟和效率角度看，自動駕駛仿真測試是最有效手段，不僅能夠覆蓋更多場景，也能夠更好滿足全生命周期的OTA需求。
▲城市交通數(shù)字孿生仿真測試
這方面也有很多公司在進行布局了，如騰訊提出了實時數(shù)字孿生的概念，對自動駕駛領域的仿真進行了很多思考，并且還和廣汽、上汽等車企建立了合作。
隨著政策和相關技術的不斷完善，自動駕駛正在朝著非常光明的方向發(fā)展。
在這樣的背景下，日前，智東西/車東西聯(lián)合騰訊發(fā)起了「數(shù)字孿生十問」系列活動，第一期主要圍繞自動駕駛展開，針對自動駕駛領域邀請部分行業(yè)專家學者、主機廠和自動駕駛產(chǎn)業(yè)鏈代表進行了一場交流，進一步分析了仿真在自動駕駛落地過程中的重要作用。
01.
自動駕駛領域出現(xiàn)新思路 端到端算法火熱
自動駕駛產(chǎn)業(yè)在近年來由于相關技術突破、市場需求的催化，取得了一些進展，但整體上，受制于技術復雜度高、需求波動、法規(guī)政策制定不完善等問題，產(chǎn)業(yè)呈現(xiàn)起起落落的發(fā)展節(jié)奏。
西安建筑科技大學校長，長安大學教授、博導，國家重點研發(fā)計劃新能源汽車重點專項“自動駕駛仿真及數(shù)字孿生測試評價工具鏈”專項牽頭人趙祥模在會上提到，網(wǎng)聯(lián)化自動駕駛的發(fā)展涉及到車、路、云、網(wǎng)的全面協(xié)同問題，但核心還是首先要解決低延時高可靠的網(wǎng)絡通信問題�，F(xiàn)階段的5G無論是成本還是性能都不能完美地支撐自動駕駛發(fā)展，尤其是成本消耗會給企業(yè)帶來巨大壓力。如果未來支撐自動駕駛的通信技術得以很好解決，自動駕駛產(chǎn)業(yè)會迎來井噴式發(fā)展。
當下對于自動駕駛產(chǎn)業(yè)來說，則是非常重要的時刻：一方面，國內出現(xiàn)了關于L3和L4相關的法規(guī)，鼓勵整個行業(yè)進行更多的探索，從法規(guī)層面真正為自動駕駛奠定了基矗
而另一方面，自動駕駛領域也不斷有新的技術出現(xiàn)，其中最典型的無疑是特斯拉，早在2021年特斯拉就正式提出了BEV+Transformer的組合，開始用全新的思路研發(fā)自動駕駛。
▲特斯拉FSD Beta版本頁面
此后，國內多個玩家迅速跟入�，F(xiàn)階段，幾乎所有的玩家都在布局BEV+Transformer算法。2022年，特斯拉又進一步推出了占用柵格網(wǎng)絡（Occupancy），進一步完善了車輛的3D空間識別。這些技術的快速落地也推動了自動駕駛的快速發(fā)展，現(xiàn)階段火熱的高速/城市NOA都離不開這些算法層面的更新。
推動自動駕駛量產(chǎn)落地，仿真測試的重要性正在不斷增加，通過模型或者設備模擬車輛行駛時的環(huán)境和車輛的情況，建立起閉環(huán)運行的自動駕駛環(huán)境。通過這些測試，可以更好驗證自動駕駛算法的運行情況，也可以更早地發(fā)現(xiàn)算法上的漏洞進行修補和更新。
會上，同濟大學汽車學院教授、汽車安全技術研究所所長、博導朱西產(chǎn)提到，采用路測的方式能確保獲取數(shù)據(jù)的真實度，但要想實現(xiàn)場景全覆蓋，就需要有一些更科學的方法，這其中，仿真是自動駕駛工具鏈的重中之重，不僅可以用最短的時間、最小的里程來完成盡量多的場景覆蓋，而且還可以再生成數(shù)據(jù)。
02.
場景覆蓋代替里程覆蓋
數(shù)字孿生+AIGC意義重大
自動駕駛對于安全性的要求非常高，實地測試并不是一個合適的途徑，基于數(shù)字世界的仿真測試顯得更為重要。
這點貫穿自動駕駛的整個流程，以前段時間討論地非�；馃岬腁EB為例。部分企業(yè)對AEB的要求是50萬公里觸發(fā)一次，而有一些企業(yè)則要積累測試80～100萬公里。
對于這種“爭吵”的聲音，長安汽車首席智能駕駛技術官陶吉認為，大家爭論AEB誰家的好，說明大家對自動駕駛的功能，已經(jīng)超越了“有和沒有”的階段，進入到“好用和不好用”的階段。
但里程覆蓋存在一個問題：對于普通的消費者來說，交通事故的概率極低，可能有人一輩子都不會發(fā)生交通事故，可能有的人每隔一段時間就會有一些事故發(fā)生，這些例子是無法通過里程來覆蓋的。
朱西產(chǎn)認為，比里程覆蓋更為科學的則是場景覆蓋，而仿真就能夠促進場景覆蓋成為現(xiàn)實，因為在仿真測試中可以生成更多的場景。
▲TAD Sim虛擬城市型云仿真
騰訊在這方面已經(jīng)做了很多的布局，數(shù)字孿生就能夠提供仿真需要的一些能力。
另一方面，自動駕駛的測試驗證存在長尾場景，算法的成熟度越高，采集數(shù)據(jù)的有效性會越來越低。
針對一些極端的場景，像一些撞擊、翻車這樣的危險場景，很難通過現(xiàn)實場景來收集到數(shù)據(jù)。
除此之外，數(shù)據(jù)還存在一個樣本均衡性的問題，如果某些樣本容量很小，那就很難通過這些數(shù)據(jù)訓練出一個性能不錯的模型，而這些都可以通過仿真來實現(xiàn)。
騰訊集團副總裁、騰訊智慧交通與出行總裁鐘翔平提到，數(shù)字孿生是從數(shù)到實，將現(xiàn)實世界以數(shù)字化的方式呈現(xiàn)，可以提供更多的場景，以及足夠多的樣本，保證結果的安全性。
▲騰訊基于數(shù)字孿生仿真技術實現(xiàn)場景風格轉換（左上、左下-仿真場景，右上-真實圖像，右下-風格轉換后圖像）
另外，仿真也可以帶來很多成本和時間上的優(yōu)勢，具體來看，用真實的車輛進行測試，就需要投入大量的車輛去跑，這就帶來了很大的成本。
另一方面，真實的測試中，數(shù)據(jù)的積累和時間的付出是正相關的，只有投入更多的時間才能收集到更多的數(shù)據(jù)。
從效率角度來看，仿真可以用最少的里程，最短的時間完成最多的場景覆蓋，真正提升測試的效率。
騰訊地圖副總裁、騰訊數(shù)字孿生業(yè)務負責人張少宇提到，自動駕駛仿真測試中，地圖與數(shù)字孿生的結合會起到重要的作用，可以提供更真實和準確的仿真環(huán)境，模擬真實世界中的道路、交通流、交通信號、交通標志等，方便進行更加全面的模擬測試，包括功能、性能、安全性等測試，提升用戶體驗。同時，使用仿真測試來進行高精地圖OTA前的數(shù)據(jù)檢查，可以降低地圖數(shù)據(jù)檢查成本和回歸測試時間。
元戎啟行CEO周光也指出，在實車測試過程中，我們需要考慮各種現(xiàn)實因素對智能駕駛系統(tǒng)的影響，例如障礙物體積、角度、車速、光照、天氣、傳感器狀態(tài)等，但是這些并不容易被復現(xiàn)。為了積累更多測試數(shù)據(jù)及復現(xiàn)極端場景，智能駕駛企業(yè)除了實車測試，也需要在仿真系統(tǒng)里進行測試。而數(shù)據(jù)孿生可以對交通場景進行高精度還原，實現(xiàn)雨、雪、光照等自然環(huán)境以及道路情況的逼真模擬，提升了仿真測試的可靠性。
▲雪天高速公路數(shù)字孿生仿真測試
而在數(shù)字孿生之外，騰訊也在結合目前比較火熱的AIGC技術來做一些方案。
目前，仿真測試通過采集真實數(shù)據(jù)去重建數(shù)字場景，然后進行編輯，生成更多場景。AI技術的爆發(fā)，可以讓這項工作效率大幅增長。
騰訊自動駕駛總經(jīng)理蘇奎峰談到，采用AIGC技術可以創(chuàng)造出更多的合成數(shù)據(jù)，尤其是一些敏感或高安全領域的數(shù)據(jù)和長尾數(shù)據(jù)，從而填補真實數(shù)據(jù)中的缺口，提升訓練和測試樣本的樣本的多樣性、完備性和均衡性。同時，利用ChatGPT這種大語言模型，提升人機協(xié)同能力，實現(xiàn)更好的人機交互和人機共駕。
▲夜間交通數(shù)字孿生仿真測試
因此，整體上來看，在自動駕駛的落地方面，仿真測試的重要性在整個行業(yè)內已經(jīng)形成了共識，而騰訊在這方面有很深的技術積累，隨著技術能力的不斷釋放落地，將會加速L3級自動駕駛時代的到來。
03.
智能汽車產(chǎn)業(yè)的未來生態(tài)
需要打破數(shù)據(jù)孤島
對于當下的智能汽車來說，自動駕駛是非常重要的一環(huán)，做好自動駕駛，智能汽車的概念才能更好落地。
而智能汽車的開發(fā)模式和傳統(tǒng)汽車的開發(fā)模式則有所不同，主要依靠數(shù)據(jù)驅動，需要更多的數(shù)據(jù)來不斷迭代優(yōu)化。
周光認為，海量的測試數(shù)據(jù)可以反哺算法框架，推動智能駕駛系統(tǒng)解決更多長尾場景。元戎啟行通過構建一套大數(shù)據(jù)問題統(tǒng)計與分析系統(tǒng)，讓技術團隊能夠快速、清晰地了解當前智能駕駛系統(tǒng)的薄弱場景在哪，繼而更有針對性地優(yōu)化智能駕駛算法。數(shù)據(jù)閉環(huán)讓元戎啟行在短時間內進行百次技術迭代，打造無行駛區(qū)域限制的高階智能駕駛解決方案。
目前所有的玩家都開始重視起數(shù)據(jù)的重要性了，自動駕駛玩家會收集自動駕駛相關的數(shù)據(jù)，而車企也會收集行車相關的數(shù)據(jù)，甚至一些供應商也會建立自己的數(shù)據(jù)系統(tǒng)。
▲大規(guī)模車道級仿真
雖然汽車行業(yè)產(chǎn)生了很多的數(shù)據(jù)，但當下的做法則是每個玩家都單獨保存自己的數(shù)據(jù)，并不對外開放。
這樣一來，就出現(xiàn)了一個問題，不同車企之間收集到的數(shù)據(jù)可能基本相似，不同自動駕駛玩家收集到的數(shù)據(jù)也會存在基本相似的問題，就變成了大家都在做著同樣的事情。
這導致了一部分數(shù)據(jù)被重復收集，而一部分有價值的數(shù)據(jù)又不能發(fā)揮應有的作用，久而久之就形成了數(shù)據(jù)孤島。
長安前瞻技術研究院副總經(jīng)理、長安智途總經(jīng)理吳學松認為，要想實現(xiàn)智能汽車的快速發(fā)展，一定需要打破數(shù)據(jù)孤島，需要更多的公司協(xié)作，來實現(xiàn)真正發(fā)展。
而像騰訊這樣的公司也正在致力于打破信息不通的情況。
在今年4月份，騰訊分享了“車云一體”的思考，通過在云端對研發(fā)生產(chǎn)體系的改造，重構“軟件開發(fā)部署”的“軟產(chǎn)線”，提升研發(fā)工程效能；同時構建車云一體化數(shù)據(jù)驅動的運營平臺，幫助車企構建起一張由用戶來運營的“活地圖”，讓數(shù)據(jù)充分發(fā)揮價值，來持續(xù)提升車端的體驗，并拓展創(chuàng)新增值服務；然后通過手機和車、車和車等多端的互動，將連接拓展至更廣泛的生活場景，不斷創(chuàng)新用戶服務的模式。
不難發(fā)現(xiàn)，騰訊“車云一體”的概念也是為了更好更高效地發(fā)揮汽車數(shù)據(jù)價值，從而打造出更加具備競爭力的產(chǎn)品，和行業(yè)專家的思路不謀而合。
整體上來看，智能汽車產(chǎn)業(yè)的未來也需要更多的玩家共同來參與。
站在當下這個時間節(jié)點來看，汽車行業(yè)正在迎來百年最大的變局，自動駕駛無疑是其中非常核心的一個領域。
經(jīng)過十多年的摸索，自動駕駛和人工智能技術已經(jīng)有了非常緊密的合作，而政策的支持也開始逐步顯現(xiàn)，騰訊提出的數(shù)字孿生+AIGC方案，剛好契合了產(chǎn)業(yè)發(fā)展的技術要求。
而隨著這一方案的不斷推廣，真正的自動駕駛也將會加速落地。
