110億英里
——自動駕駛安全的必經之“路”
最近，智慧汽車的安全問題被廣泛討論，如何保證智慧及自動駕駛車輛的行駛安全性成為公眾關注的熱點，同時也是產業落地的關鍵點。早在2016年，蘭德智庫就指出，一套自動駕駛系統至少需要測試110億英里，才能達到量產應用條件，主要考驗的便是自動駕駛系統的安全性。
110億英里，相當於環繞地球超44萬圈，這是一個有生之年都難以完成的任務，必須加速這個驗證過程。
「模擬測試」的出現滿足了這一需求——透過數字模型簡化替代真實世界，幾何級提升自動駕駛系統測試效率。自動駕駛公司Waymo透過Robotexi一邊載客一邊收集路況資訊，僅跑了0.1億英里；而在模擬測試中，則已經跑完了150億英里。如今，模擬測試已成為自動駕駛開發和落地的必經之路。
但這又帶來了新的問題，在如此追求快速跑完測試里程數下，自動駕駛的安全性是否能得到保障？到底何種程度的模擬，才能讓自動駕駛的安全性測試得到速率和質量的雙提升呢？
在遊戲「極品飛車」中，玩家可以虛擬身份，體驗駕駛各類汽車，在城市道路縱橫馳騁的快感。這樣高度模擬的遊戲，正是如今處於風口上的“元宇宙”（Metaverse）概念。
《極品飛車》遊戲場景 | 網路
如果有一天，玩家進入遊戲，發現行駛的道路場景無比熟悉，就是自己所在城市道路的1：1復刻，並且擁有逼真的道路事件。將這種現實世界全真數字仿生的“元宇宙”，應用到自動駕駛車輛的模擬測試中，是否能在加速自動駕駛落地程序的同時，進一步提升其安全性？
“數字孿生”的模擬測試平臺：
自動駕駛車輛加速駛入真實世界
模擬測試分為L1-L5五個模擬層次，隨著級別的升高，其中包含的車輛系統真實元素就越多；而在駕駛環境方面，在真實路測之前，數字世界對真實世界的孿生度越高，對自動駕駛系統的測試和資料反饋就越是精準，對於OEM或Tier 1有針對性的設計產品、改進產品幫助越大。
模擬測試的不同層次 | 文字：知乎@孫工；圖片重製：時空專欄
在路端，高精度地圖作為高級別自動駕駛的基礎設施，是一個很好的世界框架：精度到釐米級的道路資料，道路細分到車道級，並涵蓋了車道周邊的交通標誌、訊號燈等資訊，實現了道路交通真實空間的1：1完整復刻和數字孿生。
在車端，智慧駕駛系統的測試主要包含了感知、決策、執行部分。對執行部分的基礎測試，需與汽車的各執行系統連線，如線控底盤、轉向、制動系統等。
透過感知、定位等資訊科技，在高精度地圖中動態執行自動駕駛車輛，構建場景模擬和車輛動力學軟體的執行環境，能夠讓汽車磨合、配適各種不同的道路環境，測試其動力、轉向、制動系統對道路曲率、坡度等的反應，以及感測器對車道、交通燈、交通訊號等的實時偵測能力；同時基於鐳射雷達、毫米波雷達等不同感測器的特性，傳送帶誤差或原始樣例資料。產品設計和開發人員基於產生的高度模擬結果，評估演算法或系統的安全性。
基於高精度地圖的自動駕駛模擬測試 | 網路
在這個過程中，自動駕駛車輛對數字孿生世界的反饋將被記錄並形成測試閉環和迭代基礎，有效克服了傳統封閉場地測試與真實道路環境的脫離，在測試啟動階段便讓自動駕駛車輛駛入“真實世界”，對於設計產品、改進產品具有長遠的效率意義：
- 資料表明，在汽車電控系統的開發過程中，越早發現問題則修正問題的成本越低。高精度地圖構建了數字孿生級的模擬駕駛環境測試車輛，在早期便能得到精準測試反饋，有效降低開發成本，提高效率。
- 在特殊駕駛場景下，如高速公路、高架，透過現實執行和驗證的高精度數字底座構建的自動駕駛模擬測試平臺，能夠有效測試各種型別的自動駕駛車輛在不同道路結構和交通規則下的行駛能力。
- 在快速變化的使用者需求和技術升級帶來的全新測試需求下，數字孿生級的模擬測試平臺能夠遊刃有餘地應對各種動態需求，而無需為某個特定需求而增加開發測試場景。
在自動駕駛測試中廣泛應用的V模型流程 | 知乎@孫工
這樣的道路基礎模擬為自動駕駛系統打造了一個高精細的數字底座，但還無法滿足自動駕駛系統應對海量的道路動態變數的可靠度測試需求，我們需要進一步將道路事件與動態環境嵌入高精度空間框架，構建自動駕駛的“元宇宙”。
自動駕駛“元宇宙”：
隨機耦合海量道路事件的
混合模擬時空
真實世界永遠高於預測，而人類能做的便是不斷模擬各種情況的試錯，以降低不確定性。交通與道路世界也是如此。
道路變數是機率事件，海量、複雜的測試場景無法在真實路測中一一復現，所以，不斷重複常規測試場景和長時間路測並不能全面覆蓋性測試自動駕駛演算法。真實世界的道路狀況是由海量要素耦合而成，要消除這樣的“不確定性”，必須構建一個龐大的事件資料庫，讓演算法獲得充分測試，錘鍊成一個“老司機”。
在數字孿生的基礎上，對道路事件和環境進行時空動態模擬，透過車端的實時動態互動（V2X），考驗自動駕駛系統從環境感知到決策控制的協作和聯動能力，這也是當下模擬測試最為關注的關鍵環節和難點所在。
這就需要在空間框架基礎上，構建一個完整的自動駕駛測試「元宇宙」：對影響駕駛安全的氣象條件、周邊車輛、交通環境等各種機率的道路事件的隨機組合模擬，並與數字孿生的高精度空間框架相融合，形成聚合和極限道路測試，可以無限接近和覆蓋現實交通世界中的事件機率，有效考驗演算法的完整性和彈性，並透過並行模擬測試大幅縮短測試時間。
自動駕駛模擬測試元宇宙架構與原理 | 時空專欄
怎樣具象化地理解這個「元宇宙」呢？
就像我們在玩極品飛車時，玩家可以選擇風格完全不同的城市道路或者山間公路以不斷增加遊戲難度和新鮮度，在自動駕駛的“元宇宙”中也是如此原理，測試人員可在孿生空間上模擬執行或運用真實氣象資料復現霧霾雨雪沙塵煙等氣象環境，以及強光等其他低能見度單元，以增加駕駛難度和新測試樣例，並透過與城市道路、高速、高架等不同的駕駛環境互動，模擬多重現實場景可能性。
同一道路場景下的不同道路環境模擬 | CARLA
在這其中，道路事件在數字孿生環境中的高模擬還原也是一大挑戰，其資料來源於真實世界，也將極大地提升測試可靠性。例如，影響駕駛的一大因素：氣象狀況，其千變萬化，程度各有不同，同樣的降雨或霧，也會因為現實情況或型別不同而導致道路能見度、行駛決策有較大差異。
透過高精度空間數字底座在智慧交通中執行過程中積累的路網監測資料，清洗、整合並選擇典型場景，基於此混合生成新樣例，並將這些零散而獨立的道路事件連貫地模擬運行於高精度數字底座之上，構建出真實世界對映的動態時空，形成高保真的混合虛擬現實道路場景，相比傳統和自行模擬的測試場景，這種模式能夠精準測試自動駕駛系統應對各類實際道路事件的實時環境感知力，以及關聯決策控制的快速協同能力。
接下來，就是在這樣多樣化天氣環境下隨機模擬實時動態目標，例如雨雪天穿越馬路的行人或動物，高速公路上突然換道或併線的同行車輛，或者環境感知被遮擋情況下出現的障礙物等，這一切都是為了創造一個具有廣闊包容性的混合測試場景的模擬時空，形成車輛從感知到決策，再到執行的完整駕駛能力的測試閉環。
模擬雨後路面環境，自動駕駛車輛與摩托車同時穿越交通路口 | Unreal
然而，這個「元宇宙」並非完全為機器測試與學習而構建。
目前，無論是ADAS還是路測環境中的自動駕駛，乘客的駕乘體驗和安全性依然無法超越人類駕駛員。
然而，一份 “2022-2042 年自動駕駛汽車、機器人軸和感測器” 的全新報告則指出，自動駕駛汽車的原生優勢必然超越人類：（自動駕駛汽車）不會被可能影響人類的事情分散注意力，例如其他司機或手機，5G網路連線將確保自動駕駛車輛收到比人類所能處理的更多關於其周圍環境的實時資訊，自動駕駛汽車將匹敵或超過人類安全。
現實與終極目標的矛盾意味著，在模擬測試中，依靠單一機器測試還不足以讓自動駕駛的安全性快速超越人類駕駛，這個過程依然需要人類作為經驗體參與其中，對其進行助推加速。
「元宇宙」中高還原度的光照渲染和遊戲級的VR視覺互動，能夠讓人類直觀而形象地體驗自動駕駛測試場景，並透過操作資料表達更加靈活而人性化解決方案，進而形成更為積極的反饋資料鏈閉環系統，推動人性化自動駕駛的開發和落地。
模擬駕駛艙 | 網路
滲透並影響現實的
自動駕駛「元宇宙」
元宇宙脫胎於遊戲理念，但也能在數字空間中高模擬重建物理世界，在現實虛擬的互相演進中推動現實世界發展；元宇宙也並非單一宇宙，而是“多元宇宙” —— 基於不同的業務場景構建的全真數字空間，將成為下一代數字化轉型趨勢，對各個行業產生指數級的積極影響。無論在大眾語義和概念中如何理解，立體、模擬、動態的數字時空已經在產業實現雛形化應用，並在進一步與業務融合的過程中，逐漸顯示出其優越性。
這其中，自動駕駛模擬測試就是一個典型代表。「元宇宙」模擬了一個虛實結合的動態世界，並在這個世界與真實道路世界之間提供了一個互動介面，數以萬計的自動駕駛車輛可透過這個介面並行測試，應對海量測試樣例場景以逼近真實世界機率，促進了安全性與測試效率之間的良性迴圈，或將成為產業發展歷程中的一座重要的里程碑，其與廣泛融合後的產業發展效應，也值得我們期待。
