我們需要重點關(guān)注哪些因素，才能讓無人駕駛車輛像當(dāng)今的手機那樣實現(xiàn)“預(yù)期”技術(shù)？MSC 軟件花費了大量的時間來完善軟件工具，以幫助工程師通過計算機仿真來設(shè)計更快速、更輕便且更安全的車輛。但是，要從仿真由人駕駛的汽車過渡到仿真由車輛控制中樞駕駛的汽車，還需要彌補當(dāng)今車輛設(shè)計過程中的巨大空

白。

由于無人駕駛車輛既新穎又復(fù)雜，因此需要對無數(shù)不同汽車品牌之間的車輛間通信進行規(guī)范。例如，福特貨車與豐田轎車之間的通信。同時還必須處理仍與其他道路基礎(chǔ)設(shè)施（例如路燈、道路標(biāo)志等）進行互動的各種外部傳感器輸入的數(shù)據(jù)。

為預(yù)測無人駕駛車輛的性能可信度并確保安全，汽車公司已擴大了其仿真技術(shù)的使用范圍并采用了新技術(shù)。

MSC 軟件預(yù)測，以下五種構(gòu)架模塊將成為無人駕駛車輛整體仿真成功的關(guān)鍵。

 

由脫機到實時

當(dāng)涉及到對日益復(fù)雜的汽車系統(tǒng)進行真實性驗證時，實時仿真絕對是關(guān)鍵所在。盡管脫機解決方案仍能夠繼續(xù)解算擁有極高復(fù)雜度的精密模型，但以下兩個主要原因使得對實時仿真的需求不斷增加。

首先，將虛擬模型與物理硬件（例如傳感器、控制器、駕駛模擬器等）相連的要求，即所謂的硬件在環(huán)。這些實物資產(chǎn)有著限定的通信速度，并且相關(guān)的仿真模型必須能跟得上這一通信速度。實物與仿真世界之間的連接是實時模型的定義。

其次，車輛開發(fā)（包括動力學(xué)）的傳統(tǒng)目標(biāo)是對設(shè)備進行驗證。而人類駕駛員，無論是對測試指令按部就班還是對各種情況當(dāng)機立斷，都不會被視為一個需要進行驗證的“系統(tǒng)”（除進行駕照考試之外）。

自動駕駛車輛概念從一開始就徹底推翻了這種模式。現(xiàn)在，“駕駛員”無疑是車輛中最為復(fù)雜的系統(tǒng)，同樣必須對其進行驗證。不妨試想一下，自動駕駛的校車“司機”需要經(jīng)歷多少個場景的仿真測試才能被認(rèn)為是安全可靠。

 

感知環(huán)境

如今，我們不僅可以對車輛響應(yīng)進行準(zhǔn)確的表述，還可以將車輛引入到由計算機仿真的真實駕駛環(huán)境中，這些環(huán)境包括其他汽車、樹木、人及建筑物等。為自動駕駛車輛模型配備了可持續(xù)監(jiān)測周圍環(huán)境的各種傳感器（雷達、激光雷達、視覺、紅外線等），以便讀取摂上述環(huán)境。車輛可根據(jù)這些反饋來計算后續(xù)要采取的動作，并將相應(yīng)的信號發(fā)送給執(zhí)行機構(gòu)（轉(zhuǎn)向、調(diào)速、制動等），以便駕駛汽車。然后在車輛底盤控制器上對這一行為進行編碼。

到目前為止，車輛的動力學(xué)模型已經(jīng)能夠有效地對車輛的行為進行“黑盒”表述。也就是說，傳感器和控制器開發(fā)人員關(guān)注的并不是車輛為何會有這些行為，而是其如何產(chǎn)生這些行為。

盡管可以采用硬接線將響應(yīng)行為與控制器相連，但這始終會受制于設(shè)計師所預(yù)想到的狀況。

建立一個既能駐留在車輛控制器上又能了解預(yù)測響應(yīng)與真實響應(yīng)之間差異的車輛動力學(xué)模型，就可以在出現(xiàn)設(shè)計團隊未預(yù)測到的狀況時，也能讓無人駕駛汽車進行導(dǎo)航。

然后借助這一方法還可以捕捉磨損零部件、不正常胎壓、積水所致低抓地力等產(chǎn)生的影響，并及時通知車輛采取最恰當(dāng)?shù)牟襟E。

 

數(shù)據(jù)爆炸

為能持續(xù)實時感受周圍環(huán)境，自動駕駛汽車還必須訪問包含有天氣、障礙物、交通及道路狀況的歷史數(shù)據(jù)庫。這可為質(zhì)量控制及取證分析提供必要的框架。無人駕駛汽車在路上行駛的每分鐘、每小時、每天及每年都離不開這些海量的數(shù)據(jù)轉(zhuǎn)儲，必須對其進行管理和存儲。

毫無疑問，無人駕駛汽車的很大一部分環(huán)境就是其他車輛。因此，無人駕駛汽車須配備無數(shù)的傳感器，能夠以每秒高達 1 GB 的速度來創(chuàng)建、傳輸設(shè)備間的數(shù)據(jù)。大數(shù)據(jù)存儲與數(shù)據(jù)饋送、傳感器及車輛程序庫的智能管理一樣不可或缺。

設(shè)計與工程團隊還必須對保護多個總成及模型參數(shù)變化的模型程序庫進行管理。此外還要確保各種表述方式（例如 MATLAB 和 Adams） 在所有這些參數(shù)變化后的模型之間保持一致。

 

大數(shù)據(jù)存儲

這些海量的未處理傳感器饋送數(shù)據(jù)以及經(jīng)過仿真的傳感器數(shù)據(jù)最后都會從建模數(shù)據(jù)存儲設(shè)備遷移到大數(shù)據(jù)池中。

這些存儲設(shè)備必須具備多種優(yōu)勢，例如：可將各種類型的數(shù)據(jù)存儲在同一個存儲庫中；可對數(shù)據(jù)進行各種轉(zhuǎn)換；可創(chuàng)建基于讀取分析的模式；采用新的數(shù)據(jù)處理方式以及只受特定使用場景控制的單項主題分析，實現(xiàn)低成本、高可伸縮性。

同時還必須解決與存儲結(jié)構(gòu)無關(guān)的“數(shù)據(jù)提取”問題：換句話說，就是先將數(shù)據(jù)加載到系統(tǒng)中，然后再對其進行查詢或處理。數(shù)據(jù)可供處理之后，在對汽車行為進行交互操作、推算及優(yōu)化時，就可以采用矢量化之類的技術(shù)來優(yōu)化查詢評估的性能。

 

機器學(xué)習(xí)

當(dāng)然，在討論無人駕駛車輛時，不能不涉及人工智能這一主題。即使是經(jīng)驗豐富、才華橫溢的車輛設(shè)計師和工程師團隊也難以預(yù)測無人駕駛汽車導(dǎo)航時會遇到的各種潛在情景并預(yù)先進行編程。

目前正在研究的一種方案是自我監(jiān)督的機器學(xué)習(xí)方式。可通過激光獲取車輛環(huán)境中的各個表面點，這些點有可能過于稀疏，無法獲取用來做對比的重要信息，另外由于時間延遲或估算誤差，其準(zhǔn)確度也有可能較低。這種方法可在受監(jiān)督的學(xué)習(xí)過程中根據(jù)駕駛時實際沖擊所產(chǎn)生的標(biāo)記來學(xué)習(xí)地形。

另一種方法是通過強化學(xué)習(xí)來實現(xiàn)所謂的“避開障礙”。該方法的例子是以較高速度穿行于非結(jié)構(gòu)化戶外環(huán)境中的自動駕駛車輛。然后，受監(jiān)督的學(xué)習(xí)算法只需通過單目視覺線索或者多個傳感器的反饋就能準(zhǔn)確估算與最近的障礙物之間的距離。

自動駕駛車輛系統(tǒng)采用視覺和機器人技術(shù)進行導(dǎo)航，其中包括圖像處理和模式識別。在現(xiàn)實情況下，場景的噪聲和變異性會導(dǎo)致嚴(yán)重的問題。在有著極高的噪聲和變異性的環(huán)境中，人工神經(jīng)網(wǎng)絡(luò)始終有著出色的表現(xiàn)。

基于固定基本功能線性組合的回歸及分級模型面臨著維度所造成的明顯限制。既要預(yù)先固定基本功能的數(shù)量，又要讓其具備自適應(yīng)能力。基本功能需要采用參數(shù)形式，以便在培訓(xùn)期間對參數(shù)值進行調(diào)整。前饋式神經(jīng)網(wǎng)絡(luò)就是這一類型中能夠成功運作的模型。它也被稱作“多層感知”。

自動駕駛領(lǐng)域所引入的另一種機器學(xué)習(xí)技術(shù)是深度學(xué)習(xí)。這種技術(shù)能讓車輛的導(dǎo)航算法學(xué)習(xí)復(fù)雜的映射功能。深度學(xué)習(xí)是為數(shù)不多的（即便不是唯一的）能利用來自多種傳感器（特別是來自相機系統(tǒng)）的海量培訓(xùn)數(shù)據(jù)的機器學(xué)習(xí)算法之一。它幾乎涵蓋了所有具有挑戰(zhàn)性的領(lǐng)域，其中包括行人檢測、車道檢測、道路標(biāo)識識別、交通燈、汽車、各種障礙物、環(huán)境與路面檢測以及人類活動識別。

最后，正在探索的另一種擴展技術(shù)是采用針對無監(jiān)督或半監(jiān)督學(xué)習(xí)、層次化特征提取以及流模式的高效算法來取代固定特征。

全球的汽車行業(yè)都在不遺余力地進行無人駕駛汽車的開發(fā)。同樣顯而易見的是，迄今為止，原始設(shè)備制造商及其供應(yīng)商在創(chuàng)造技術(shù)方面的能力要勝過他們在驗證技術(shù)的防誤操作、防篡改以及保持穩(wěn)定方面的能力。對通信格式進行標(biāo)準(zhǔn)化仍然任重道遠，需要對責(zé)任達成一致并提供基礎(chǔ)設(shè)施，以便應(yīng)對所需的海量數(shù)據(jù)傳輸。

我們?nèi)绾尾拍芰私膺@些海量新信息和各種新興技術(shù)？計算機仿真是唯一能對所有潛在狀況組合進行測試的技術(shù)途徑，本文所述的結(jié)構(gòu)化流程旨在為安全可靠的自動駕駛目標(biāo)提供支持。MSC 軟件能在這方面為您保駕護航。

 

咨詢服務(wù)

如需了解有關(guān) MSC 軟件的更多信息，請訪問關(guān)注MSC軟件公眾號：