沛岱汽车王晓慧：基于云端算力的海量仿真测试帮助打造足够好的智驾系统

车东西（公众号：chedongxi）

作者 ｜ 迩言

编辑 ｜ 志豪

车东西6月17日消息，日前，智一科技旗下智能汽车产业新媒体「车东西」、AI与硬科技知识分享社区「智猩猩」，联合「上海市国际展览（集团）有限公司」主办的GTIC 2024中国智能汽车算力峰会于上海成功举办。

沛岱汽车云仿真产品负责人王晓慧带来了题为《基于云端算力的海量仿真测试》的主题演讲。

仿真测试是验证自动驾驶系统安全性和可靠性的关键环节。随着计算能力的飞跃、数据量的爆炸性增长以及算法的不断进步，云端算力成为推动高阶自动驾驶仿真测试发展的重要力量。

王晓慧在演讲中介绍了仿真给高阶智驾测试带来的影响力，并强调了仿真数据赋能测试“更快、更高、更强”，随后对沛岱汽车仿真全流程进行了介绍，在最后她介绍了最新一代的递归式无限随机场景生成产品在渲染引擎和道路生成方式上的更新。

什么是足够好的自动驾驶系统？人们愿意为之买单，那就是一款足够好的自动驾驶系统。相比实际道路测试来说，仿真能够让高阶智驾测试更加经济有效。

仿真赋能测试更快、更高、更强，而这包括场景的覆盖度高、对传感器的感知数据还原能力强。

更重要的是，云端算力能够助力高阶自动驾驶的仿真测试，帮助突破计算资源有限、可扩展性不足、测试覆盖率限制等困难，加快算法的迭代周期，提高测试覆盖度以及全面性。

值得注意的是，仿真可以帮助加速测试，但是要关注仿真的量也要重视仿真的质。针对用户的需求，沛岱汽车自研了两代递归式无限随机场景生成产品，最新一代产品在渲染引擎上全新升级，并在道路的组合形式上取得了进步。

一、云端算力助力仿真测试 更快更高更强

经过有关权威机构的调查，如果想要高阶自动驾驶汽车商业化落地，要通过13.8亿公里的测试，如果按照每公里2块钱在实际道路做测试的话，最终要花27.6亿元成本，对于很多企业来说，这是难以接受的，相比之下如果用仿真测试运行这13.8亿公里，成本可以节约几十倍。这也就说明，如果用仿真加速高阶自动驾驶的测试，那就会更快、更经济且更有效。

沛岱汽车是2017年成立的一家自动驾驶仿真高科技公司，一直致力于仿真测试的研发。沛岱汽车秉持车辆更快、更高、更强的产品理念，为客户提供自动驾驶的仿真测试服务。

▲仿真数据能够赋能测试更快、更高、更强

“更强”指的是对传感器的感知数据还原能力强，沛岱汽车CEO曹鹏在德国任教期间参与了德国知名自动驾驶项目，担任传感器团队的负责人，基于其研究成果，目前，沛岱汽车全物理级传感器仿真还原率能够接近95%。

“更高”指的是场景的覆盖度高，这得益于沛岱汽车自研的一款随机场景生成器，能够无限随机生成场景，让场景的覆盖度更高。

“更快”指的是让云端算力助力高阶自动驾驶的仿真测试。

二、云端算力提升算法迭代周期 提高覆盖度全面性

如果没有云端算力，仿真测试将面临什么样的痛点？

其一是计算资源有限，尤其在处理复杂场景感知数据时。

目前配备一辆高阶自动驾驶系统车辆传感器的数量基本在20个到30个之间，甚至更多，这么多的传感器计算处理不仅对于CPU的资源是种考验，甚至对GPU需求会更高，目前只依赖真实环境进行的仿真测试限制了并发运行仿真的数量，从而延长算法的开发周期，相比之下，在云端的服务几乎可以提供无限的算力和无限的存储，可以实现在云上同时并行数千个仿真实例，做高并发的测试，从而让算法的迭代周期得到有效的提升。

其二是可扩展性不足。客户想要做百万级别公里仿真的测试，肯定需要同时购置很多的测试机器，那项目结束以后这些机器如何处理？这也是客户比较头疼的问题。

沛岱汽车精准仿真云端平台可以对资源进行动态的分配，客户无需担心资源过剩或者不足的问题，沛岱汽车可以在云端进行弹性的部署模式，这意味着客户在增加需求的同时能够迅速的扩展，减少需求的同时又能马上对资源进行回收，优化测试成本。

而且云端的服务减少对本地机器的依赖性，某种意义上来说降低了研发的门槛，可以让更多的企业、研究机构、高校参与到自动驾驶算法研发工作中来，这也是沛岱汽车愿景所在。

其三是测试覆盖率限制。因为算力有限，如果只以利于本地的电脑泛化场景，仿真机器很难生成足够多、足够复杂的场景，如果借助云端算力，再加上现在很热门的生成式场景技术，可以同时生成，并且测试更多、更复杂、更逼真的场景，提高测试覆盖度以及全面性。

这是云端算力在自动驾驶领域能够解决的一系列主要问题。

三、和世界头部云商合作 保证云平台稳定

仿真仿的是真实、复杂的环境，当我们虚拟环境和真实环境越接近的时候，给到传感器的感知数据才越关键。

在PD Cloud 云端渲染方案方面，沛岱汽车跟头部云计算企业有比较紧密的合作，因而沛岱汽车云平台奠定了稳定的基础。

另外，有一些客户不想把自己的算法部署在公有云上，沛岱汽车也提供私有云的部署方案。在私有云上我们对显卡有基本的要求，一个是高效率的支持，要支持高逼真场景的渲染，另外是支持光线追踪的技术。

就PD Cloud 云端单个节点仿真工作流程而言，其分为仿真运行前、仿真运行中、仿真运行后三个阶段。

▲PD Cloud 云端单个节点仿真工作流程

仿真运行前肯定要对场景做准备，沛岱汽车云平台上有一个场景库，里面提供了大量的场景，有标准的场景还有法律法规的场景可以进行仿真。沛岱汽车还为其配备了编辑器的功能，可以对某一个具体的场景进行编辑。

仿真运行过程当中上层有一个调度的机制，能够支持云端调度与计算。沛岱汽车把最耗费性能的环境传感器的物理建模、渲染等相关部分部署在感知数据引擎当中，客户的算法也会布置在云上容器当中。

仿真结束以后，沛岱汽车支持用户查看测试记录。沛岱汽车拥有一套比较完善的评测系统，支持用户生成评测报告，另外沛岱汽车会对一些不通过的场景做切片，给用户做数据回放支持他们算法的迭代。四、新一代场景生成 可根据客户需求灵活配置

仿真可以加速测试，但是只谈仿真的量而不重视仿真的质并不严谨。针对用户的需求，沛岱汽车自研了一款递归式无限随机场景生成器PDRHea。

第一代产品主要特点是以道路为单位，无限生成场景，采用随机的算法进行组合，这种程度常常就可能遇到corner case。

第二代比第一代有两个地方的升级，一个是渲染引擎做了极大的升级，画面的逼真度上远远超过了一代。第二是道路生成方式，现在产品道路生成能够根据客户的需求，对场景组成元素进行配置，比如想要城市道路、乡村道路或者是高速道路，以及每种道路分配的比例，就可以随机生成相应地块，在道路的组合形式上优于一代产品。

另外，沛岱汽车也构建了传感器模型。依靠云端算力可以还原精准现实的复杂场景，但想要现实的场景还原的越逼真，给车辆传感器知道路周围环境就越关键。而在虚拟的场景中能够正确分析和处理这些感知数据，才真正给到下游规控算法的准确输入，才能让车辆执行正确的决策，这就是为什么需要传感器精确建模。

目前沛岱汽车的云平台上支持传感器的分布式部署，而支持的传感器模型种类也比较丰富，比如激光雷达、毫米波、超声波等，从传感器的级别来看，沛岱汽车也具有对象级理想传感器模型组、对象级随机传感器模型组、半物理传感器模型组、全物理传感器模型组。

▲沛岱汽车的重器矩阵

而在仿真系统的架构方面，沛岱汽车的仿真支持单机版的应用，同时也提供私有云的部署方案以及公有云的SaaS服务。

▲沛岱汽车的仿真系统架构

海量资讯、精准解读，尽在新浪财经APP