據悉，Google自動駕駛汽車公司Waymo最近研究出了一個新的仿真測試方法，名叫SurfelGAN。這種方法可以利用自動駕駛汽車收集的傳感器數據，通過AI生成用于仿真的攝像頭圖像。

Waymo進行了一系列測試來評估SurfelGAN的表現。結果表明，當SurfelGAN生成的圖像提供給車輛探測器時，最高質量的合成圖像達到了與真實圖像相同的標準。

Waymo被公認為是世界領先的自動駕駛汽車研發商，其自研的Carcraft仿真器立下了無數功勞。這次帶來的新方法SurfelGAN又是怎樣的水平？

借力新型仿真技術向高階進發

谷歌Waymo能夠成為自動駕駛行業領軍者，仿真測試技術功不可沒。谷歌高級軟件工程師詹姆斯·斯托特于2013年加入Waymo團隊，而后開發了被稱作是W谷歌自動駕駛“秘密武器”的Carcraft仿真測試技術。

自動駕駛汽車對于環境與路況的感知能力至關重要，這就涉及傳感器的有效工作。谷歌傳感器仿真技術分為三個部分：可全天候工作進行檢測和測距的激光雷達、在長距離和低亮度等多種情境下完成協作的視覺系統，以及利用毫米波來感知物體及其運動的雷達系統，可實現對物理信號、原始信號和傳感器目標進行仿真。據悉，在此技術基礎上，Waymo可以在一天之內實現在路況特別復雜地方成千上萬次模擬駕駛。

SurfelGAN，指的是Surface Elements——表面元素和Generative Adversarial Networks ——生成對抗網絡。Waymo提出的這個方法是通過掃描目標環境，重建一個由大量有紋理的Surfel構成的場景，然后再通過GAN生成逼真的相機圖像，用來獲取位置和方向。

“谷歌在仿真系統里進行了新版本的推介，把以前的數據拿出來進行深度學習，希望向高處進階。”中國生產力促進中心協會常務副秘書長王羽在接受采訪時指出，谷歌在車輛自動化能力上處于世界領先水平，因此若要向更高層級進階就要提高仿真測試的能力。谷歌入局自動駕駛較早，積累的深度學習場景比較多，這次提出新方法是提升現有自動駕駛水平的一次進階實驗。

各廠商齊心押注仿真測試

提到自動駕駛車輛，車載芯片、顯示、內設功能更容易成為大眾關注的焦點。殊不知，仿真測試是自動駕駛車輛研發過程中不可或缺的關鍵技術。

如今，百度APOLLO、阿里巴巴、騰訊、華為等國內領軍的科技企業都扎進了自動駕駛仿真測試的“藍海”中，到底是什么吸引了巨頭們的目光？

百度在2017年開源了APOLLO自動駕駛平臺， 一系列重要的開放能力都是基于云端服務平臺，包括高精地圖服務、仿真引擎、安全服務等。騰訊也在同年開始研發模擬仿真平臺的三維場景及傳感器仿真、數據驅動交通流模擬豐富的測試場景、場景型云仿真及虛擬城市型云仿真并行等核心能力。2019年4月，華為自動駕駛云服務Octopus亮相上海車展，仿真測試是其中一項服務能力。今年2月，阿里巴巴發布了自動駕駛“混合式仿真測試平臺”，采用虛擬與現實結合的仿真技術，引進真實路測場景和云端訓練師。至此，百度、騰訊、華為、阿里巴巴四大科技公司全部入局自動駕駛仿真平臺。

今年6月，百度發布“Apollo Scape”， 宣布其可模擬在同一條道路上行駛的數十輛車輛的復雜場景，可幫助自動駕駛開發人員有效地檢查和優化預測，進行決策和路徑規劃，是百度駕駛仿真技術的一次升級優化。從業務生態來看，百度開源平臺主要為自身的APOLLO業務提供支撐。

騰訊意在擴張云服務生態。騰訊在2019年舉辦的騰訊技術開放日·自動駕駛專場上曾分享過基于云平臺的自動駕駛服務。騰訊表示，其云平臺產品可以為自動駕駛研發團隊提供測試驗證、模型驗證、管理調度、高精地圖等“一條龍”服務。

阿里巴巴欲構建完整產業鏈。BAT中，阿里巴巴入局較晚，卻帶著全局謀略的眼光，在高精地圖、車載操作系統、算法、芯片、仿真測試等自動駕駛各個環節布局成篇，形成了相對完整的產業鏈。

華為開發了MDC車載計算平臺，與Octopus自動駕駛云服務相結合構建生態，則可在仿真測試市場占據一席之地。

各巨頭齊心在仿真測試上下注，那么仿真測試平臺對于自動駕駛來說是什么？

騰訊自動駕駛仿真業務負責人孫馳天公開表示，自動駕駛仿真平臺可以很好地解決自動駕駛在數據采集標注和測試驗證方面的兩大痛點：一是真實數據集的采集和標注，仿真系統有一個天生的優勢，自帶所有的場景元素真值，可自動生成車輛、行人、建筑等各種真實情景下的元素，無需再進行標注，可以有效降低成本，只需承擔算力和電力的成本。二是測試驗證方面，仿真測試通過虛擬場景模擬來完成算法開發和回歸測試，更加安全和節約成本。

掌握仿真平臺意味著什么？

從技術角度來講，自動駕駛是一門非常復雜的學科，幾十年的發展時間里，目前世界范圍內的研究團隊僅達到實現車輛在既定路線自動化駕駛的水平。對于企業來說，這是一項高投入高風險但回報慢的研究。因此如何降低成本，快速獲取回報就成為了企業為了避免損失而考慮的重點。

“單一產品、車輛和技術服務收益有限。”王羽指出，自動駕駛汽車尚未達到大規模量產階段，還處于科技探索、競賽的階段。在這個過程中，訓練車輛積攢的數據可以開發成軟件銷售。一方面可以滿足自動駕駛數據的深度學習需求，同時還可以實現階段性的商業化。“這是一體兩翼的事情，既可以豐富訓練庫，又可以減輕成本和壓力。”王羽說道。

從產業的角度來說，計算機仿真測試技術是自動駕駛車輛測試的基礎關鍵技術，也是未來行業定義自動駕駛車輛相關開發流程與技術準入標準的基礎工具。可以說，對于自動駕駛研發商來說，深入仿真測試技術也是在競爭自動駕駛標準制定者的位置。

目前世界范圍內，各大企業都在開發自己的自動駕駛仿真測試技術，車廠傾向于網羅所有評價優質的仿真產品對車輛進行測試，這樣做的長處在于滿足車廠用不同尺度來衡量同樣的問題，以獲取較優解。然而各家開發的仿真產品各有不同，目前也沒有相應的標準加以規范，同時也會帶來一些問題。

王羽指出，仿真測試能夠幫助車輛在研發階段解決大量的問題，到路測階段等于是進入到了矯正階段，從而有效縮短自動駕駛研發周期和成本。仿真軟件要做到取長補短，但廠商使用的測試軟件各不一樣，共享和融合意識不強烈。把所有的數據集成在一起才能夠促進技術力量的增強，共享和標準化不完善的問題是提升仿真技術的阻礙，也一定程度上制約了自動駕駛的發展。
責任編輯：tzh