2020年6月22日-23日，“2020第三屆全球自動駕駛論壇”隆重召開。本次論壇重點圍繞與自動駕駛規模化商用有關的核心技術、法律法規、技術評測、商業模式等話題展開探討，下面是西門子工業軟件自動駕駛產品線大中華區總監黃漢知在本次論壇上的發言：

西門子工業軟件自動駕駛產品線大中華區總監 黃漢知

前面兩位嘉賓的演講都非常精彩，其中PTV公司沈暢總經理的演講讓我沉浸其中，不禁想到在十年、二十年之后，如果路上無人駕駛汽車的普及率達到50%，無人駕駛汽車跟人類駕駛員怎么互動，智能交通怎么應對這種情況?也許十年、二十年之后，我們可以再次跟智能交通領域的專家沈暢女士相聚討論這個話題。

回到現實當中，目前自動駕駛汽車本身還面臨非常多的技術挑戰，就像豐田汽車CEO所說，如果要完全測試自動駕駛汽車，可能需要88億英里甚至更多的路試，對于成本很敏感的汽車公司來講顯然不現實。

這里就有一個悖論，明明知道不可能去遍歷所有的交通場景工況，究竟要做多少測試才能認為自動駕駛汽車系統可以上路，放心交付給消費者呢?

西門子工業軟件認為，要解決這個挑戰和困難，必須要采用基于模型的方法，也就是正向的基于模型的自動駕駛開發和測試的方法論和工具鏈。這個工具鏈的核心就是在產品開發早期盡可能多的用仿真手段，盡可能早的暴露系統、算法、參數存在的問題，而不是等到產品原型，甚至車輛的原型、量產車上市之后，再通過物理路試去暴露問題，相信這對于任何一個汽車公司來說都是不能承受的風險。所以我們必須在早期采用純模型的仿真，然后是硬件在環和車輛在環測試手段，再進入到封閉的試驗場地，公共道路，最后通過法規測試和認證。

自動駕駛系統要采用這種基于模型的方法必須要有一個很好的數字孿生模型，自動駕駛的系統從技術上可以分成四個部分，場景的工況、所采用的環境感知傳感器、控制規劃決策算法，最后離不開底盤縱向和橫向的動力學模型。西門子工業軟件Simcenter Prescan，及一系列數字化建模工具Simcenter Amesim, Simcenter HEEDS, Simcenter 3D， 可以充分支持自動駕駛的數字孿生仿真工具，進行系統級別、車輛級別的自動駕駛系統建模，提供自動駕駛新能源車的整體開發測試解決方案。

數字孿生模型長什么樣子?

如視頻所示，是AVP自動代客泊車系統的數字孿生，包括停車場場景，所采用的魚眼、超聲波、傳感器感知特性，AVP算法、底盤執行機構，在視頻當中都有所體現。仿真是一個很好的工程方法和思路，但是，仿真工具如何發揮價值?怎么應用?是每個人都很關心的問題。

我們認為這個數字孿生系統有一系列的關鍵技術和挑戰，場景渲染要真實，場景內容要豐富，傳感器模型要精確，還要支持業界所用的各種算法平臺，動力學模型要有足夠的精度，還要滿足不同客戶不同的應用模式。今天的演講，想圍繞這個關鍵技術圖展開，論述自動駕駛數字孿生的關鍵技術和主要應用模式，將通過一系列技術細節和客戶案例來論述。

挑戰1，場景工況。Prescan采用的是游戲級引擎來渲染，所以視覺效果非常逼真和絢麗，比如視頻所示城鎮無人駕駛系統在Prescan里的呈現。除了渲染質量之外，也要有很好的測試內容，測試內容、場景工況來源有多種，除了軟件自帶的圖形化界面建模方法，也開放API支持外部的程序參數化建模，當然也支持自動化測試的方法，把一個典型的工況泛化成不同的case，支持高精度、低精度地圖數據的導入。全球法規工況已經在我們模型里，道路交通事故的數據也是非常寶貴的測試數據來源，我們也會支持正在成熟的OpenScenario場景格式，跟國內外活躍的場景數據提供商的格式也有多種對接。我們有很好的數據生態。

有了很好的渲染，也有了很好的生態，怎么用?用途有很多，就舉一個例子：對于深度學習而言，除了有一個很長的拖尾效應，就是算法訓練精度達到99%之后，再怎么往上提高?面臨一系列的挑戰，大家都非常清楚，訓練樣本要大，但樣本采集只能涵蓋日常交通工況，數據采回來要標注，標注完之后，希望測試更多典型、有覆蓋度的工況。這里就有一個思路，如果用仿真的合成數據，是否能夠解決這些問題呢?所以我們就跟德國DFKI人工智能研究中心做了一個研究項目，項目概況是討論這兩個問題，如果純粹用合成數據來訓練算法是什么結果，如果用一小部分合成數據+大部分路采數據訓練算法是什么結果?我們采用CNN算法進行訓練。

項目圖概況，右邊是路采數據，中間可以用仿真重現這些數據，也可以加入路上采不到的，比如最近非常知名的特斯拉汽車在臺灣發生的事故，一個長的大卡車倒在路上，采不到這種類型數據，是否可以用仿真重現出來。

最后得出結論供大家參考，顯然，純粹用合成數據訓練出的算法結果肯定不好，如果有選擇的選一些合成數據加入到訓練樣本當中，能夠提高算法精度。一句話，渲染很逼真，只是對我們肉眼的效果，深度學習的算法認不認，還要通過這種項目來確認。

案例2，精確的環境感知傳感器模型。

我們以幾類典型的感知傳感器為例。

前視攝像頭，作為模型而言，有三個層次，首先是基礎的內外參模型;二是成像效應，尤其是Distortion畸變的模型;三是從鏡頭、快門、色彩濾波陣列、CMOS芯片特性、AD轉換噪聲等等，都要建一系列模型。

毫米波雷達，同樣有多個不同的層次，大多數客戶會用到基礎的模型，也就是range/rnage rate/angled的分辨率和精度模型，有些做算法的除了要這些信息之外，還要不同物體反射回來的能量，我們也可以支持。

第二種，雷達的漏檢測、誤檢測、目標分列、延遲等典型特性。

第三種，可以對雷達本體的射頻收發、信號處理、目標聚類等信號流的所有環節進行建模。包括：MIMO多入多出天線的配置和天線增益圖譜，包括后面AD轉換和FFT傅里葉變換的采樣方法等，FMCW調制解調波形的設置，相位噪聲和熱噪聲，這樣就可以仿真多點反射、多徑反射等等特性，這樣，就可以支持射頻天線設計、信號處理方法和參數調優、目標聚類和追蹤算法開發優化，基于原始數據的數據融合，等等。

基于物理模型的輸出有兩種形式：AD轉換之后，FFT變換之前的原始數據輸出;以及距離-多普勒-能量圖譜，可以從這里開始做后面目標的提取、分類，包括支持數據的融合。

上圖形象展示了雷達從射頻天線到數據層，再到目標層的數據流。西門子有全套工具能夠支持所有的數據流仿真， Simcenter 3D可以對高頻天線部分進行仿真，P熱scan可以對數據處理和目標提取部分進行仿真。

激光雷達模型提供多種層次。不管是攝像頭、雷達、還是激光雷達，業界做仿真大部分都停留在第一個層次，對激光雷達也是這樣，很多工具能提供point cloud，但只是提取環境中目標的輪廓，這是真值。真正要對激光雷達進行建模，就是Beam divergence、Beam dimension、Scan pattern等等，能夠仿真多點反射、多徑反射、環境折射和衰減、車輛速度導致的時間效應帶來的點云畸變，等等。

在V2X領域，我們也提供多個類型的模型，首先不同地區，中國、北美、歐洲有法規的地區數據層的基本信號輸出，第二十有效通行距離，第三，V2X在不同場景下，如城市十字路口高樓大廈林立，在高速上速度等等場景，都會對傳輸的丟包率有顯著影響，所以我們也有相關丟包率的模型仿真。

傳感器類型非常多，不一一列舉。仿真是高效率工具。我們客戶如何應用?

日本Denso做前視攝像頭參數配置選擇時，使用了Prescan仿真方法，從上百套參數中選取最優，這顯然是路試難以做到的

一汽集團做國內第一個ACC量產項目時，用了一個很有益的思路，把毫米波雷達在實驗室進行測試，通過測試結果擬合出對于分辨率和精度的模型放到仿真工具當中，支持它后續的ACC/AEB的算法工具開發，這是非常有益的思路。

國內創新型公司，如蘇州豪米波雷達，通過大量調研發現Prescan確實是全球最領先的毫米波雷達模型提供者。

第三個核心技術，數字孿生還要支持多種不同的算法語言環境，如圖非常詳細地列出了對不同環境的支持，有Windows版，有Linux版，有RT版，同時還支持HPC/cloud，代碼黃靜也支持C++/Simulink，并借此可以支持C/Paython/ROS/Apollo/Auto ware等。

在HiL領域，我們提供各種類型的HiL：攝像頭投影式，攝像頭注入式，雷達回波模擬式，雷達數據注入式，車輛在環ViL，VX的HiL，等等，不一一列舉，都是我們的常規應用。有一個大家比較感興趣的是，目前自動駕駛所追求的云計算，因為可以高并發、短時間內支持大量工況的仿真結果輸出。這里可以利用西門子的一系列工具，因為可能要測試10萬、100萬個案例時，最好有一個測試自動化和探索工具來驅動，西門子也有HEEDS這種測試和管理工具來驅動Prescan云計算。

這是我們在微軟Azure部署Prescan的一個視頻示意圖，就是多個測試case管理的界面，如有1000個case，想在5分鐘之內跑完，要監控每個case運行狀態，運行之后是成功還是失敗，最后有上千個計算結果要進行分析。如紅色代表這個系統是失效的，當一個自動駕駛車輛遇到路邊突然有一個cut in靜止目標時，不能有效避讓，就是紅色部分，綠色部分是成功的通過系統和參數的調優避免這次事故，當然也有其他狀態，不一一列舉不同顏色所代表的不同含義。

應用方式有多種，不同客戶應用不一樣，接下來葉總監也會講MaxiEye的視覺算法能力。MaxiEye也使用Prescan進行基于單目視覺的高精度地圖眾籌采集的算法開發，如果要通過路采數據來訓練算法，因為沒有交通元素的真值，無法開展。仿真可以提供虛擬交通和真值，用來訓練算法，根據周博士的反饋，兩周之內就把這個算法做好了。

傳統企業更多用HiL方式，比如本田用我們硬件在環臺架，我們也交付很多套。德系企業戴姆勒用商用車的ADAS研究時，也夸贊了我們精確的傳感器模型和豐富場景的數據模型。

第四個核心技術，要有準確的動力學模型，剛才討論過一系列動力學的工具，提到的大多數工具是在底盤的外特性模型領域。舉一個例子，如果在雨天，路面附著系數低，導致ABS介入，限制了后輪的制動力矩，必然對制動距離造成影響，這個特性是大多數做外特性動力學工具不能仿真、模擬、分析的，西門子另外一個工具就是電氣液作動系統領域最詳細的建模工具Amesim，這種動力學特性對它來說是小菜一碟。

一個日系商用車企做高速公路自動駕駛輔助項目研究時，也對轉向、制動、發動機、變速箱所有模型進行了詳細建模，配合Prescan來開發它的高速公路駕駛輔助系統。

西門子是一家巨大的公司，西門子工業軟件也有非常全面的產品組合，跟大家做一個介紹。西門子工業軟件產品門類有幾大類：智能制造、物聯網、產品設計和分析三個領域的數字孿生，推動中國企業的數字化轉型。在產品設計和分析領域，我們的數字孿生涵蓋電、氣、液、聲、光、電、熱、材料等各個物理領域。在結構設計分析、CFD流體、熱管理、能量流、燃油經濟性、安全性、NVH、駕駛性等所以汽車行業已知的性能設計領域，都有對應的數字孿生手段和仿真工具。今天我們介紹的新能源智能網聯汽車整體解決方案，只涉及到我們已小部分業務，就是今天講到的在自動駕駛工具鏈。

西門子工業軟件在仿真領域是百年老店，經驗豐富，但是基于模型的方法價值巨大。但是，要記住一句話，就像英國數學家和統計學家George Box所說的：沒有完美的模型，但是有些模型很有用。為什么講這句話呢?我跟很多業界同仁交流仿真時，發現他們都會給我舉一些IT企業的例子，我在仿真當中跑了多少虛擬的里程，當然這是仿真的一個應用方面，但不是仿真的全貌，所以我不完全贊同。我不認為仿真是一個一定要跑多少億英里的平臺，更多是跑多少類不同的測試場景工況的平臺，要集中研究仿真所擅長的應用模式。如圖，怎么樣有機結合物理測試和仿真工具，相信這里列出的路試優點和缺點，仿真的優點和缺點，都能得到大家的認同，不一一列舉。

“工欲善其事，必先利其器“，西門子工業軟件提供強大的數字孿生工具鏈和方法論，支持自動駕駛業界不斷打磨技術，讓我們一起共同期待自動駕駛時代的來臨，謝謝大家!