AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里( 三 )


腾讯自动驾驶虚拟仿真平台TAD Sim在设计之初 , 就有别于传统的仿真系统 , 是为自动驾驶测试验证而专门设计开发 , 内置厘米级高精度地图 , 构建了包含动态和静态要素真值数字孪生系统 , 用千变万化的场景进行自动驾驶算法完备性的测试 。
AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里
本文插图

与TAD Sim 1.0相比 , 新版本彻底打破了真实数据和虚拟数据间的壁垒 , 实现了路测场景与虚拟场景的无缝转换 , 仿真场景在任意时刻都能实现回放数据和虚拟场景之间的切换 , 极大提升数据的利用效率和产品测试验证效率 。
在2.0升级版本中 , 用户可根据自动驾驶测试的需求 , 结合路采的交通流数据 , 形成虚实一体的测试场景 。
通过完整的模型在环、软件在环、硬件在环、车辆在环的测试验证体系 , TAD Sim 2.0覆盖了完整的汽车V字开发流程 , 并融入了自动驾驶研发体系 。
另外 , 数据可视化对于算法开发和测试人员来说也非常重要 , 为此 , TAD sim 2.0中集成了数据可视化组建TAD Viz , 全面、细致的可视化数据能极大的提升工作效率 。
AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里
本文插图

自动驾驶仿真平台就是一个数字孪生世界 , 在上面测试的自动驾驶车辆就好像正在参与一个大型的RPG游戏 , 游戏场景的真实性和高效性决定了测试效果的有效性 , 以及算法验证的工作效率和成本 。
对此 , 自动驾驶行业对仿真测试的真实性不断提出更高的要求 。
腾讯的做法是利用游戏中的场景还原、三维重建、物理引擎、MMO同步、Agent AI等技术 , 提升自动驾驶仿真平台测试的还原度和高效性 。
在还原度方面 , TAD Sim 2.0借助腾讯游戏引擎 , 让仿真平台的几何规律则、物理规则和运行逻辑与真实世界一致 。
比如 , 模拟出突然窜出的行人、强行加塞甚至产生剐蹭的NPC车辆、测试车辆快速驶过减速带造成的颠簸等 , 都可通过仿真平台的算法模型反馈到测试车辆上 , 进而验证自动驾驶决策控制算法对突发情况的的应对能力 。
AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里
本文插图

同时 , 基于强大的游戏引擎 , TAD Sim 2.0三维场景重建以及传感器仿真在精准度上实现突破 , 场景内的细节表现更加逼真 。
比如 , 夏日正午 , 向南行驶的测试车辆遇到晃眼的强光 , 对场景中的各种元素投射的动态光照 , 可以为传感器模型提供更接近真实的测试条件 , 进而对自动驾驶决策控制算法进行全面的检测 。
在TAD Sim 2.0场景库中 , 有超过1000种场景类型 , 还可以通过泛化 , 生成万倍以上规模的丰富场景 , 基于腾讯云计算并行加速 , TAD Sim 2.0具备每日1000万公里以上的测试能力 , 自动驾驶的车辆可大量部署 , 进行7*24不间断测试 , 通过MMO同步技术保证数据同步 , 满足高并发的测试需求 。
AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里
本文插图

对于自动驾驶研发测试来说 , 更高效率意味着更低的成本 , 在数据和游戏技术的双擎驱动下 , TAD Sim 2.0通过架构的升级 , 实现了数据传输、加速能力和资源占用的全面优化 , 为测试验证降本增效 。
TAD Sim 2.0在数据格式上全面接入国际标准 , 实现新旧应用、数据、场景的无缝链接和转入输出 。
可见 , 借助腾讯在AI、云计算领域以及高精度地图领域的积累 , 腾讯已经形成了仿真测试、开发云和高精度地图三大基础平台和自动驾驶核心技术套件 。
AutoR智驾|腾讯出行下半场:300万应用上车、自动驾驶虚拟仿真测试日行1000万里


推荐阅读