增强型虚拟验证用于自动驾驶

车辆超车后，又在小车距下重新变道切入——这常常可能导致险情。如今的驾驶者通常会选择刹车或转向，以避免发生最坏的情况。而未来的自动驾驶汽车也必须在高风险时刻作出安全的反应，因此，保时捷工程公司现就已开始采用仿真方式进行深入研究。

在这类过程中，工程师们常有意提高风险度，例如进一步缩短车距。“我们正在建立一个完整的高风险场景目录，以验证高度自动化驾驶的各种驾驶辅助系统和功能。”保时捷工程公司人工智能和大数据主管约阿希姆·舍珀博士（Dr. Joachim Schaper）和保时捷工程公司仿真工作负责人蒂勒·卡罗琳·鲁普（Tille Karoline Rupp）解释。虚拟测试属于研究项目 AVEAS（评估、分析、仿真和验证相关的交通状况）的一部分；这个项目涉及保时捷工程公司与其他 20 个合作伙伴，包括若干个弗劳恩霍夫研究所以及位于德国卡尔斯鲁厄的 understand.ai 公司。

AVEAS 旨在清除通往自动驾驶之路上的一个主要障碍：缺乏数据。为了确保高度自动化驾驶的各种功能，理论上必须进行数十亿千米的行驶测试。因为这将花费大量时间和金钱，所以需要倚靠仿真行程来对真实行程加以补充。但是，在涉及高风险交通状况时，这一点尤其困难，因为缺乏真实的基本数据来进行仿真——毕竟，在正常交通行车中，很少会出现极限场景。AVEAS 正是旨在填补这一空白。这个项目的目的在于自动评估试驾过程，并将高风险交通状况制作成可仿真的场景备用。

保时捷工程公司正在为此贡献一些关键模块，例如提供用于试驾的 JUPITER（Joint User Personalized Integrated Testing and Engineering Resource，联合用户个性化集成测试和工程资源）测试车辆。车辆中配备有摄像头、雷达和激光雷达传感器，并会将其测量数据传输到云端。保时捷工程公司还负责评估工作：算法会自动采集道路走向、其他道路使用者的位置及行为。

此处所使用的机器学习方法正在不断得到完善。“我们目前正在开发一种方法，可以在脱离视野一段时间之后，例如被一辆卡车遮挡，重新辨认出之前曾见过的道路使用者。”保时捷工程公司博士生兼图像识别专家莱昂·艾泽曼（Leon Eisemann）说。采集到的交通事件会被储存为标准化的文件格式，例如ASAM OpenDRIVE（路网逻辑描述）或 ASAM OpenLABEL（对象及其动态）。由此，AVEAS 也可以为其他项目提供输入数据，例如路线建模（请见信息框）。

在第二步中，算法将选择高风险交通状况，例如小车距或大减速力。“其中，哪些高风险应对措施至关重要，总是取决于之后要测试的驾驶功能。”保时捷工程公司仿真部门博士生妮可·奈斯（Nicole Neis）强调。举例来说，如果要验证自适应巡航控制（Adaptive CruiseControl，ACC）系统，那么在堵车队尾进行急刹车将是一个重要的高风险场景。

环境因素也能引发高风险场景。例如，当车辆接近隧道尽头时，迎面而来的光线可能会使车载摄像头的图像变成一片空白。选择算法同样会标记这类交通情况，以用来验证驾驶功能——毕竟，自动驾驶汽车日后也应该像人类驾驶者一样谨慎地做出反应，例如降低速度或优先考虑其他传感器。

首先，（可仿真的）驾驶场景由道路使用者在一段时间内的位置数据组成；专家行话是“基于轨迹”的描述。为能在之后的仿真中更改驾驶场景，必须对其进行抽象描述——即“基于操控”。为此，综合各条轨迹，便可以推导出元过程，例如 “ 车辆在十字路口停止然后重新起步”。之后，可以将这一场景插入到一条虚拟路线中的任意起点，并加以更改。

虚拟试驾在内部开发的仿真环境中进行，即所谓的 PEVATeC SimFramework（Porsche Engineering Virtual ADAS Testing Center Simulation Framework，保时捷工程虚拟 ADAS 测试中心仿真框架）。在数字世界中，可以重建（二次仿真）真实行程，然后做出有针对性的更改。“在这个被称作‘场景采样’的过程中，可以系统性地对真实的高风险情况加以修改，从而人工扩展虚拟验证测试空间。”鲁普解释说。

例如，一个变道切入过程可以使用不同的参数重复成千上万次：更高的变道切入速度、更短的车头时距（Time Headway）或恶劣的环境条件，如潮湿的道路。通过如此有针对性地更改参数，还可以创建出单纯因为安全原因而不允许在现实中实操的测试场景——试想一下在堵车队尾急刹车。

在最后一步中，会使用合成的极限场景，以验证和优化所需的驾驶功能。为此，保时捷工程公司正在构建 JUPITER 测试车辆的数字孪生。“‘数字版 JUPITER’具有与真实车辆相同的接口和传感器。”保时捷工程公司仿真部门博士生兼专业项目工程师大卫·赫尔曼（David Hermann）解释说，“所有功能都可以一比一进行测试。”作为 AVEAS 的一部分，保时捷工程公司将使用数字版 JUPITER 来评估和优化自适应巡航控制系统和倒车入库辅助（Reverse Assist）功能。

为了使真实和虚拟试驾真正一致，需要大量的经验——包括在类比世界中的经验。“我们需要能深入理解真实技术系统与仿真之间存在什么样的关联。”舍珀强调说。例如，虚拟车辆必须像类比原型一样，对不同的路面产生不同的反应。这个项目始于 2021 年 12 月，目前已取得了初步成果。“过程链中的许多环节已经到位，试驾正在进行中，一些专利也已提交申请。”负责协调保时捷工程公司参与 AVEAS 项目的米谢尔·斯特罗伯特（Michael Strobelt）介绍道。然而，基础工作也会带来一些挑战。“想要反映高度多变的现实，是一项艰巨的任务。”博士生艾泽曼强调说。例如，识别算法必须能够识别来自世界各地的车辆，而不仅仅是德国车。“此外，接口管理的作用也相当重要。”博士生奈斯补充道。由于 AVEAS 的合作伙伴所提供的数据分别来自不同的来源，因此精确协调在交流过程中也是不可或缺的。例如，卡尔斯鲁厄理工学院所提供的道路航拍照片，也将用于数字场景的构建。

AVEAS 将运行至 2024 年底，届时将形成一个可扩展的管道，可用于评估驾驶场景——并有一个包含数十万种高风险场景的目录。两者都可以大大加快未来的开发工作。鲁普如此描述长期愿景：“在测量驾驶过程中，已完成了场景生成，然后就可将其立即用于仿真，以优化驾驶功能。”在验证完成后，相应的更新即可通过无线方式传输到车辆。

世界的精确映像

要进行仿真，就需要一种可让各个道路使用者移动和互动的环境。“这些路线模型是一切 ADAS/AD 仿真的基本组成部分——没有路线模型，就没有虚拟驾驶测试。”保时捷工程公司仿真工作负责人蒂勒·卡罗琳·鲁普说。路线模型，在技术术语中被称为“情景”，它既描述了驾驶区域（道路、泊车空间），也描述了周围环境。它们包括一个 OpenDRIVE 格式的路网数学模型，以及一个可精确描述各种物体外观和材质的三维模型。

在这方面，商业导航系统级别的数字地图还不够精确详细。“例如，其中缺少关于车道宽度和车道标线的信息。”仿真部门负责路线建模的开发工程师托比亚斯·瓦茨尔（Tobias Watzl）解释说。根据任务的不同，可能会结合使用高分辨率地图、免费开源的 OpenStreetMap 地图、高程模型以及其他诸多资源。“为了能够在合理的时间范围内，虚拟映射所需的大量测试公里数，我们正在研究我们的自主高度自动化路线建模过程。”鲁普补充说。这一创建过程的自动化程度正在不断提高。

在 AVEAS 项目中，JUPITER 测试车辆用于将测量数据输入路线建模过程。它们用激光雷达传感器扫描周围环境，并将得到的点云传输到云端。道路标线具有与沥青不同的反射特性，因此可轻易在激光雷达数据中识别出来。特殊算法可基于各标线计算出一条连续的完整曲线（即使个别标线标记缺失，也能有效完成这一过程）。最终可以得到 OpenDRIVE格式的、真实道路的精确“地理坐标”映像。这与没有真实原型（例如长十公里的双车道高速公路）的“通用”路线模型形成对比。

路线建模需要高精确度。确定的道路几何形状必须精确到厘米，否则可能导致各种问题，例如之后在变道仿真过程中的车距不正确。这是一个挑战：由于道路是以 OpenDRIVE 格式描述为数学函数的，因此可能会出现跳跃间断点，这些跳跃间断点在仿真中会显示为道路的“断裂点”，因而必须对此类点进行插补。“数字孪生经常会将一条路线行驶几十万次——每一处细节都必须准确无误。”瓦茨尔强调。

在 AVEAS 研究项目中，保时捷工程公司正在与诸多合作伙伴合作，借助人工智能，从传感器数据中自动识别高风险交通状况，并将其存储在数据库中。此外，它们也是多种多样的，以生成更多测试案例。之后，这些情景将被转移到仿真中，用于验证高度自动化驾驶的各种驾驶辅助系统和功能。

本文首次发表于《保时捷工程杂志》2023年第2期。

作者：Constantin Gillies

版权：本文中发布的所有图片、视频和音频文件均版权保护。未经保时捷工程书面许可，不得部分或全部复制。欲了解更多信息，请联系我们。

您有问题或想了解更多信息吗？请联系我们：info@porsche-engineering.de