5月17日，2023中國(亦莊)智能網聯汽車科技周暨第十屆國際智能網聯汽車(CICV 2023)汽車自動駕駛仿真測試與評價技術專題研討會在北京順利召開。會議深入探討自動駕駛仿真場景建設、場景覆蓋度、仿真建模、數字孿生+仿真等方面的最新進展及仿真測試未來發展趨勢，邀請了來自國內外高校、企業的10位資深專家做主題演講，旨在共同探索仿真測試發展面臨的技術挑戰，加快智能網聯技術和產業的大規模落地。

　　中國汽車工程學會會士、北京航空航天大學教授鄧偉文擔任主席并主持

　　鄧偉文教授表示，模擬仿真技術已經成為了工程技術與產品研發的重要和主流的發展趨勢和必然的發展方向，也是智能汽車技術與研發的重要組成部分。模擬仿真技術應用的時間不長，面臨著許多的技術挑戰，特別是由于模擬對象的復雜性和不確定性，對傳統的基于物理定力建模、反映物理規律的方法，以及模擬精度和模型可驗證性等帶來了極大的挑戰。

　　1、北京汽車研究總院有限公司智能駕駛部專業總師陳音女士分享了題為《仿真驗證在自動駕駛系統量產開發中的應用》的演講

　　陳音女士從車企的角度分析：隨著自動駕駛系統的推進，汽車安全已不局限于車輛本身，更需要關注外部環境的變化，三支柱中的仿真驗證是自動駕駛系統驗證非常重要的手段。車企也逐漸改變以前集成外包的方式，逐步建立自身的仿真能力。陳音女士認為，模型和場景是自動駕駛仿真驗證的兩個關鍵要素。以車輛動力學建模為例，不同階段模型搭建側重不同。團隊在開發初期使用完美模型，功能測試期用到多自由度車輛動力學模型，模型標定期需找到敏感度較高模塊進行平臺化處理，實現低成本高精度模型的搭建。場景方面，他們通過行業積累的多源數據豐富自身基礎場景庫，同時采用參數重組、場景組合、邊緣場景捕捉加速場景生成，以保證場景覆蓋度。此外，陳音女士對安全評價指標、場景覆蓋度評價、一致性工具鏈、高可信度仿真系統、企業仿真管理規范等展開了諸多思考，希望與同行攜手尋找明確且滿意的答案。

　　2、吉林大學計算機科學與技術學院副教授王瑩分享了題為《自動駕駛交通建模的關鍵技術與典型應用》的演講。

　　王瑩教授認為，交通仿真中的交通建模是構建自動駕駛仿真系統的關鍵技術之一，建模過程中不可忽視交通流的“交互性”。在交通建模技術路徑選擇上，她們團隊從數據驅動方式和系統機理建模兩種思路著眼。如何建立輕量化、高逼真、穩定的自然駕駛交通流建模，王瑩教授圍繞這個問題提供了兩種解決方案：一種是借助交通流本身的“傳播”特性，構建了基于時序全局優化的輕量化數據驅動跟馳模型。另一種方案進一步描述車群之間的復雜交互，構建了基于LSTM和注意力機制的系統級數據驅動交通模型，從而實現面向自動駕駛測試的復雜交通環境仿真。此外，王瑩教授對基于系統動力學生成可有效提高仿真測試效率的邊緣場景方案展開詳細介紹和分析，并對自動駕駛對象(Apollo)測試效能進行評測示例。

　　3、孚太利士(Foretellix)全球副總裁兼首席法規官 Gil Amid 分享了題為《安全驅動的驗證法--簡述基于場景覆蓋率的OpenSCENARIO 2.0.0 ASAM如何有效驗證自動駕駛算法的安全性》的演講。

　　Gil Amid 認為當下面臨很多安全問題，而 ADS/ADAS 部署并不符合安全要求，需要進行仿真模擬和預測。如何能進行安全驅動型的驗證?Foretellix 執行安全驅動驗證(Safety Driven Verification/Validation，SDV)。同時，Gil Amid 提出了覆蓋駕駛驗證(Coverage Driven Verification ，簡稱CDV)概念，轉變傳統關鍵指標驗證(指定了要分析的具體測量值，給定特定的測試條件/ODD。通常是“模擬輸出”)的思路。此外，Gil Amid 深度分析了預期功能的安全性標準(SOTIF-ISO21448)、基于覆蓋方法的 Open SCENARIO2.0.0 ASAM 如何加速安全驗證的有效性。最后，Gil Amid 通過一些實際案例展示Foretellix如何在汽車領域提供V&V測試與驗證，推動自動駕駛算法的整體商業化。

　　4、德斯拜思機電控制技術(上海)有限公司自動駕駛業務高級經理張子恒分享了題為《基于數據驅動的端到端自動駕駛測試解決方案》的演講。

　　張子恒從自動駕駛數據采集、數據處理、數據回放、SIL-HIL測試、仿真驗證工具鏈等方面介紹了自動駕駛開發流程，重點討論dSPACE在數據驅動自動駕駛測試方案及相關軟硬件方面的技術優越性，促進自動駕駛更好地落地。

　　5、昆易電子科技(上海)有限公司算法事業部總經理方志剛分享了題為《昆易電子AD HIL系統方案介紹》的演講。

　　昆易電子科技(上海)有限公司算法事業部總經理方志剛分享了題為《昆易電子AD HIL系統方案介紹》的演講。方志剛介紹了針對高階自動駕駛測試，AD HIL需要的典型傳感器配置，以及高效地處理這些傳感器內容。他認為，當下車上由攝像頭、激光雷達、毫米波雷達、GNSS、RTK等多樣傳感器協同以保證自動駕駛的安全可靠性。相應地，仿真測試不僅要軟件級別的回灌，還要大量硬件級別協調適配工作。針對 ADAS 系統感知開發測試中AI 算法的不可解釋性、Corner Case 難復現、AEB/FCW 誤觸發難驗證、MIL/SIL 處理器不同產生的性能差異，導致復現效果不佳等痛點，以及Corner Case 的回灌、DMS驗證、回歸驗證、結合場景仿真軟件做閉環仿真等市場需求，方志剛詳細介紹了昆易電子傳感器數據回注設備、數采回灌 HIL 解決方案及 AD HIL 方案的最新進展，未來將繼續探索傳感器注入系統的發展路徑。

　　6、國汽(北京)智能網聯汽車研究院有限公司智能事業部總經理徐月云分享了題為《面向高等級自動駕駛的仿真測試方案》的演講。

　　徐月云重點介紹了兩方面內容。

　?、偃鞒谭抡鏈y試方案：團隊依托現有算法平臺可進行虛擬場景庫建設、高精度孿生建模、傳感器建模、高精地圖建模及全流程測試評價工作。同時，基于同一款功能車進行SIL、HIL、VIL的測試驗證及數據對比等，實現更實時、更多樣、更有效的仿真測試。

　　②全方位仿真工具鏈：團隊擁有一套完善的場景數據處理工具鏈，這些工具能實現場景標注、提取、泛化、生成、管理、評價等多項功能。此外，團隊也在摸索自主化的仿真軟件、特色仿真云平臺，綜合仿真測試系統。目前已經具有高并發多節點云端仿真工具，并有完備的場景評價與算法評價體系。

　　徐月云表示，國汽智聯未來將持續探索汽車自動駕駛仿真技術，深度賦能行業發展。

　　7、NVIDIA汽車行業數據中心客戶經理李博分享了題為《NVIDIA用于擴展自動駕駛汽車的仿真功能的最新技術》的演講。

　　李博介紹了 NVIDIA 結合工業級數字孿生平臺 Omniverse 所設計的針對大規模仿真測試(大規模數字孿生場景)的工具-DRIVE Sim，擴展自動駕駛汽車的仿真功能，并對 DRIVE Sim 的特點、體系結構、生態系統、數據生成與應用、自動化工具等最新技術展開敘述。李博提出，如果想要把真實數據轉成仿真環境有很多問題，尤其是把它規?；?，可以側重關注三點：場景重建的速度、極端危險場景生成、仿真環境豐富度。此外，利用數據驅動工具和用戶工具為 DRIVE Sim 創建數據，DRIVE Sim 生成的合成數據可用于訓練神經網絡。NVIDIA 在感知、規劃、控制等部件級別模擬的基礎上，利用完整的自動駕駛汽車軟件堆棧進行系統級模擬，最后進行道路駕駛，實現端到端的自動駕駛測試。

　　8、51Sim CEO 鮑世強分享了題為《基于OpenX的動靜態規控和感知仿真場景構建與生成實踐》的演講。

　　鮑世強圍繞著依托OpenX 標準體系，51Sim采用多種技術方式構建仿真場景的實踐這一話題展開分享。從技術層面看，鮑世強認為面向量產的智能駕駛仿真應用，要重點關注怎么樣提升動靜態場景構建的自動化程度，有效利用實際采集數據構建動靜態仿真場景。鮑世強分享了OpenDrive 的規控和感知用靜態環境生成實踐、OpenSCENARIO1.x 場景的轉化和編輯、OpenSCENARIO 2.0 體系的實踐。也重點討論了感知仿真場景構建的核心問題：感知仿真場景對于感知算法訓練，它跟真實數據的可比性和有效性如何保障，以及如何平衡生成的效率和成本。此外，鮑世強還對當前自動駕駛場景生成的挑戰有獨到的見解，并對使用AIGC的方式生成OpenSCENARIO場景，及進行感知仿真場景重建進行了演示和進一步的展望。

　　9、蘇州智行眾維智能科技有限公司場景事業部總監林雨琦分享了題為《智能網聯汽車仿真測試場景庫及多源數據的場景構建》的演講。

　　林雨琦從場景角度出發，結合國內外智能駕駛系統開發現狀，闡明了智能網聯汽車仿真測試場景庫建設背景和目標。隨著場景所覆蓋的行業需求面越來越大，自動駕駛的已知安全范圍將不斷擴大，讓用戶使用無后顧之憂。在場景構建方面，林雨琦提供了多數據來源的場景構建方法，包括通過規范采集需求和數據需求來保證數據質量，通過規范和迭代場景定義/規則來提高場景提取的自動化程度及準確率，通過自動化工具來保證基于提取數據構建的場景質量，實現從“真”世界采集“真”數據構建“真”場景進行仿“真”測試。

　　10、布達佩斯技術與經濟大學副教授、汽車技術系主任，匈牙利ZalaZONE汽車試驗場研究創新中心主任 Zsolt SZALAY 分享了題為《智能網聯汽車虛擬與物理測試》(Virtual and Physical Testing of Connected, Cooperative and Automated Vehicles)的演講。

　　Zsolt SZALAY提供一個關于智能網聯汽車虛擬和物理測試概念的演示，以“自動駕駛車輛測試與驗證五層金字塔”模型為依據，展開實現公共道路自動駕駛前的有限公共道路測試研究。借助搭建的真實試驗場 ZalaZONE，Zsolt SZALAY 分享了他們如何借助數字化基礎結構元素、數字孿生、通信網絡、完全自主的交通控制系統、傳感器系統、云控系統實現超越物理基礎設施的數字基礎設施和基于場景的實時混合現實測試。并且分享了他們研究中的另一重要領域：動態極限下的自動駕駛汽車控制，目前已經實現協調編排自動駕駛漂移車輛和自主無人機蜂群。

　　本次汽車自動駕駛仿真測試與評價技術專題分會已落下帷幕，但是智能網聯汽車仿真測試工作任重道遠，對自動駕駛仿真測試的場景建設探索、企業測試標準與規范等對推廣智能網聯汽車至關重要。國家智能網聯汽車創新中心將繼續攜手行業各方力量，凝聚各方智慧，在前期研究基礎上，繼續深入對仿真測試問題的探索。