谷歌推仿真测试方法：推动自动驾驶发展

据悉，Google自动驾驶汽车公司Waymo最近研究出了一个新的仿真测试方法，名叫SurfelGAN。这种方法可以利用自动驾驶汽车收集的传感器数据，通过AI生成用于仿真的摄像头图像。

Waymo进行了一系列测试来评估SurfelGAN的表现。结果表明，当SurfelGAN生成的图像提供给车辆探测器时，最高质量的合成图像达到了与真实图像相同的标准。

Waymo被公认为是世界领先的自动驾驶汽车研发商，其自研的Carcraft仿真器立下了无数功劳。这次带来的新方法SurfelGAN又是怎样的水平？

借力新型仿真技术向高阶进发

谷歌Waymo能够成为自动驾驶行业领军者，仿真测试技术功不可没。谷歌高级软件工程师詹姆斯·斯托特于2013年加入Waymo团队，而后开发了被称作是W谷歌自动驾驶“秘密武器”的Carcraft仿真测试技术。

自动驾驶汽车对于环境与路况的感知能力至关重要，这就涉及传感器的有效工作。谷歌传感器仿真技术分为三个部分：可全天候工作进行检测和测距的激光雷达、在长距离和低亮度等多种情境下完成协作的视觉系统，以及利用毫米波来感知物体及其运动的雷达系统，可实现对物理信号、原始信号和传感器目标进行仿真。据悉，在此技术基础上，Waymo可以在一天之内实现在路况特别复杂地方成千上万次模拟驾驶。

SurfelGAN，指的是Surface Elements——表面元素和Generative Adversarial Networks ——生成对抗网络。Waymo提出的这个方法是通过扫描目标环境，重建一个由大量有纹理的Surfel构成的场景，然后再通过GAN生成逼真的相机图像，用来获取位置和方向。

“谷歌在仿真系统里进行了新版本的推介，把以前的数据拿出来进行深度学习，希望向高处进阶。”中国生产力促进中心协会常务副秘书长王羽在接受《中国电子报》记者采访时指出，谷歌在车辆自动化能力上处于世界领先水平，因此若要向更高层级进阶就要提高仿真测试的能力。谷歌入局自动驾驶较早，积累的深度学习场景比较多，这次提出新方法是提升现有自动驾驶水平的一次进阶实验。

各厂商齐心押注仿真测试

提到自动驾驶车辆，车载芯片、显示、内设功能更容易成为大众关注的焦点。殊不知，仿真测试是自动驾驶车辆研发过程中不可或缺的关键技术。

如今，百度APOLLO、阿里巴巴、腾讯、华为等国内领军的科技企业都扎进了自动驾驶仿真测试的“蓝海”中，到底是什么吸引了巨头们的目光？

百度在2017年开源了APOLLO自动驾驶平台， 一系列重要的开放能力都是基于云端服务平台，包括高精地图服务、仿真引擎、安全服务等。腾讯也在同年开始研发模拟仿真平台的三维场景及传感器仿真、数据驱动交通流模拟丰富的测试场景、场景型云仿真及虚拟城市型云仿真并行等核心能力。2019年4月，华为自动驾驶云服务Octopus亮相上海车展，仿真测试是其中一项服务能力。今年2月，阿里巴巴发布了自动驾驶“混合式仿真测试平台”，采用虚拟与现实结合的仿真技术，引进真实路测场景和云端训练师。至此，百度、腾讯、华为、阿里巴巴四大科技公司全部入局自动驾驶仿真平台。

今年6月，百度发布“Apollo Scape”， 宣布其可模拟在同一条道路上行驶的数十辆车辆的复杂场景，可帮助自动驾驶开发人员有效地检查和优化预测，进行决策和路径规划，是百度驾驶仿真技术的一次升级优化。从业务生态来看，百度开源平台主要为自身的APOLLO业务提供支撑。

腾讯意在扩张云服务生态。腾讯在2019年举办的腾讯技术开放日·自动驾驶专场上曾分享过基于云平台的自动驾驶服务。腾讯表示，其云平台产品可以为自动驾驶研发团队提供测试验证、模型验证、管理调度、高精地图等“一条龙”服务。

阿里巴巴欲构建完整产业链。BAT中，阿里巴巴入局较晚，却带着全局谋略的眼光，在高精地图、车载操作系统、算法、芯片、仿真测试等自动驾驶各个环节布局成篇，形成了相对完整的产业链。

华为开发了MDC车载计算平台，与Octopus自动驾驶云服务相结合构建生态，则可在仿真测试市场占据一席之地。

各巨头齐心在仿真测试上下注，那么仿真测试平台对于自动驾驶来说是什么？

腾讯自动驾驶仿真业务负责人孙驰天公开表示，自动驾驶仿真平台可以很好地解决自动驾驶在数据采集标注和测试验证方面的两大痛点：一是真实数据集的采集和标注，仿真系统有一个天生的优势，自带所有的场景元素真值，可自动生成车辆、行人、建筑等各种真实情景下的元素，无需再进行标注，可以有效降低成本，只需承担算力和电力的成本。二是测试验证方面，仿真测试通过虚拟场景模拟来完成算法开发和回归测试，更加安全和节约成本。

掌握仿真平台意味着什么？

从技术角度来讲，自动驾驶是一门非常复杂的学科，几十年的发展时间里，目前世界范围内的研究团队仅达到实现车辆在既定路线自动化驾驶的水平。对于企业来说，这是一项高投入高风险但回报慢的研究。因此如何降低成本，快速获取回报就成为了企业为了避免损失而考虑的重点。

“单一产品、车辆和技术服务收益有限。”王羽向记者指出，自动驾驶汽车尚未达到大规模量产阶段，还处于科技探索、竞赛的阶段。在这个过程中，训练车辆积攒的数据可以开发成软件销售。一方面可以满足自动驾驶数据的深度学习需求，同时还可以实现阶段性的商业化。“这是一体两翼的事情，既可以丰富训练库，又可以减轻成本和压力。”王羽说道。

从产业的角度来说，计算机仿真测试技术是自动驾驶车辆测试的基础关键技术，也是未来行业定义自动驾驶车辆相关开发流程与技术准入标准的基础工具。可以说，对于自动驾驶研发商来说，深入仿真测试技术也是在竞争自动驾驶标准制定者的位置。

目前世界范围内，各大企业都在开发自己的自动驾驶仿真测试技术，车厂倾向于网罗所有评价优质的仿真产品对车辆进行测试，这样做的长处在于满足车厂用不同尺度来衡量同样的问题，以获取较优解。然而各家开发的仿真产品各有不同，目前也没有相应的标准加以规范，同时也会带来一些问题。

王羽指出，仿真测试能够帮助车辆在研发阶段解决大量的问题，到路测阶段等于是进入到了矫正阶段，从而有效缩短自动驾驶研发周期和成本。仿真软件要做到取长补短，但厂商使用的测试软件各不一样，共享和融合意识不强烈。把所有的数据集成在一起才能够促进技术力量的增强，共享和标准化不完善的问题是提升仿真技术的阻碍，也一定程度上制约了自动驾驶的发展。