仿真是现实世界自动驾驶的关键

McAfee最近揭示了自动驾驶汽车传感器在道路测试和现实世界性能之间的惊人差距，他们能够欺骗特斯拉汽车在35英里每小时的区域加速到85英里每小时用一段管道胶带．这不仅仅是一个车型的问题;他们测试的MobileEye相机被用于一些4000万辆车而且，自动驾驶汽车很可能还有许多其他潜在的漏洞。我们已经看到了涉及自动驾驶车辆的事故从巡航控制到SAE的自动化4级或5级，来自不同汽车制造商的不同自动化级别的汽车。

自动驾驶汽车在崎岖的道路上走向市场

这些车辆都经过了广泛而严格的道路测试。例如，谷歌的Waymo自动驾驶汽车已经行驶了2000万英里仅限公共道路．那么，为什么无人驾驶汽车仍然存在在“驾驶测试”中没有发现的潜在危险缺陷呢?

讽刺的是，现实世界的道路测试并不能为自动驾驶系统提供现实的验证，因为没有两个测试可以复制相同的条件。在数学世界中，二加二总是四，但在现实世界中，没有两种情况是完全相等的。即使在同一天行驶70英里，也不会使车辆在不同的一天在同一地区遇到的所有情况。同样，没有两天是相同的;从行人行为到交通状况再到天气状况，每一刻都是不同的。例如，一辆在白天进行完美测试的汽车可能没有考虑到太阳在一天中不同时间的位置不同这一事实，这就影响了能见度。仅仅依靠真实的道路测试是不现实的，因为要训练车辆，不仅要训练每条道路，还要训练每一个可能影响这些道路安全性能的相关变量，这需要数百年的时间。

正如我们在特斯拉汽车“黑客事件”中看到的，即使是广泛的真实道路测试也无法覆盖所谓的“边缘情况”;意想不到的情况，比如有人篡改速度标志。汽车图像识别系统可以对现有的每一个路标进行训练，但是当相同的路标被雾遮蔽时，它是否有能力识别它们呢?与许多机器学习技术一样，自动驾驶汽车感知系统也可能“偏向于成功”，因为它们经常在人为的完美条件下训练，导致它们在面对现实世界的不完美时失败。

对一个自动系统进行公路训练以使其正常运行是不可能的

这就是为什么先锋汽车技术可能看起来是安全的、适合上路的，但事实不一定总是如此。当你读到一种自动驾驶汽车技术已经超过了数百万英里的无人驾驶里程——无论是在道路上，还是在虚拟环境中——请记住，这绝不是成功的衡量标准。在判断一辆车是否安全、是否适合上路时，重要的不是它跑了多少英里，而是它跑了多少“智能英里”，以及在这些英里里它经历了多少场景。确定哪些场景需要测试传感器感知、人工智能和更通用的车辆设计，是我们作为一个行业，在实现安全的自动驾驶乘用车方面面临的巨大挑战。

从奥迪(Audi)到通用汽车(GM)等领先企业正在通过使用虚拟试驾来应对这一挑战。虚拟试驾是自动驾驶软件系统的模拟道路环境，可以针对数千种路况变化同时测试汽车系统。这不仅大大降低了道路测试的成本，而且提高了车辆上路后的安全性。从场景测试到3D环境建模的技术使未来的汽车能够在更短的时间内测试更多的里程和更广泛的道路危险，而没有任何现实世界的安全风险。

我们的VTD软件例如，该系统可用于测试高级驾驶员辅助系统(ADAS)和自动驾驶系统，每天可覆盖1300万公里，模拟各种可能的驾驶情况，包括“黑天鹅事件”，如系统故障和风暴，并作为汽车、电子和软件公司测试计划的一部分，以测试和验证自动驾驶的各个方面。

通过与新加坡MPU技术大学的合作，我们正在帮助新加坡实现其成为世界上第一个智能国家的使命，这将包括在公共、私人和服务交通三个层面广泛引入自动驾驶汽车。除了要求对城市景观进行彻底改造外，还需要复杂的自动驾驶系统，该系统需要理解车队管理和相关交通优先级等概念，比如应急车辆。

模拟是这些准备工作的关键。要让一个自主系统在一个还不存在的环境——智慧城市中正常而安全地运行，是不可能的。但是，非常美妙的是，在模拟中设计这个世界并测试其中的系统将产生使这个世界成为现实的方法。

卢卡·卡斯蒂尼亚尼博士，MSC软件公司首席汽车策略师