近日，一家仿真測試方案公司公布了最新的產品，該公司聲稱將幫助汽車制造商評估司機與先進的駕駛員輔助系統(ADAS)和人工智能(AI)之間的互動。

Ansible Motion公司DIL仿真模擬器的最新版本聲稱，它能夠生成數百萬個場景，以測試和驗證越來越多的ADAS被安裝在新車上的。

這家公司的模擬器實驗室增加了許多新功能，比如反映汽車制造商風格和人機交互功能的機艙環境。此外，該公司還推出了新的軟件連接，要求更深入的環境和傳感器模擬，再加上運動、視覺和音頻環境，“欺騙”司機和乘客，讓他們相信自己正在體驗一輛真正的汽車及其ADAS或自動駕駛技術。

比如，自動緊急制動(AEB)系統的驗證，該系統依賴于多個傳感器饋送和車輛駕駛邏輯算法，在某些情況下，對各種情況(如交通和行人入侵)的響應速度超過任何人類響應能力。其他例子包括車道偏離警告和協助，智能速度適應和司機監測的困倦分心。

該公司負責人表示，汽車制造商正在推出更多的駕駛員輔助技術，但它們的干預水平和方法因汽車品牌而不同。如果一輛汽車發生了意想不到的事情，我們能夠提前在我們的模擬實驗室里測試駕駛員和乘員的反應。

如果，汽車制造商做到設計更好更安全的汽車，那么仿真測試流程是必不可少的。這也促使更多的汽車制造商在這塊進行投資。

近日，豐田汽車研究院(TRI)的風險投資子公司豐田AI Ventures宣布投資Parallel Domain，這是一家總部位于硅谷的軟件開發公司，專門從事自動駕駛汽車模擬的3D環境生成。

此外，TRI還在今年6月向CARLA投資了10萬美元，這是一個開源模擬項目，旨在利用開源社區的協作開發潛力。

Parallel Domain能夠幫助開發人員基于真實和虛構的位置生成各種非常詳細的模擬環境和動態場景，因為生成3D環境和場景已經成為主要瓶頸。目前，也僅有少數幾家這方面的供應商以及部分自動駕駛初創公司自主研發的仿真測試系統。

Parallel Domain此前宣稱，能夠構建一個隨時間而變化的世界。例如，增加自行車道，撒垃圾，用新的瀝青重新鋪路，或者提前時間讓樹木生長，或者讓道路風化開裂。

虛擬測試被軟件開發者、研究機構和汽車制造商視為一種進一步開發嵌入自動駕駛軟件的人工智能(AI)系統的方式。

該理論認為，軟件必須從越多的場景和虛擬里程中提取信息，自動駕駛汽車對各種道路狀況、天氣事件和其他變量的準備就越充分。

以Waymo為例，旗下的名為Carcraft的虛擬車隊中有25000臺汽車，這比現實世界測試的車輛多得多，這些虛擬車隊的車輛每天24小時都運行在谷歌的數據中心。截止目前，這些不停歇的車輛測試里程達到了驚人的50億英里。

比如，Waymo的實際測試車輛被曝出在交叉路口的問題較多，工程師則通過將該交叉路口的場景拉到Carcraft，并觀察車輛在不同場景中的反饋行為，來適當增加模擬移動汽車，行人，自行車等障礙物。

今年9月，德國汽車巨頭寶馬(BMW)宣布在其總部慕尼黑以北建造一個模擬真實駕駛情況的設施。該設備的核心特征之一是高保真度模擬器，在該模擬器中，車輛的縱向、橫向和旋轉運動可以同時表示，希望更現實。

投資虛擬AV測試的其他主要參與者包括德國汽車巨頭奧迪(Audi)的子公司、與Cognata合作的自動智能駕駛(AID)。

這家以色列科技公司利用人工智能、深度學習和計算機視覺，在真實的模擬環境中，在實際道路測試之前判斷和驗證系統可靠性。

自動駕駛芯片公司英偉達（NVIDIA）在今年初推出了一款基于云的DRIVE Constellation仿真系統，用于自動駕駛汽車的仿真測試。

仿真服務器由英偉達GPU提供動力，每臺仿真服務器都會生成仿真傳感器數據流，并將其傳輸至DRIVE Pegasus進行處理。DRIVE Pegasus的駕駛指令被反饋給仿真器，以完成數字反饋回路。

DRIVE Sim軟件可生成真實感數據流，以創建各種不同的測試環境，如暴雨、雪災等天氣狀況；白天不同時間的光線變化或夜間視野受限；所有不同類型的路面和地形。此外，還可編寫危險狀況來測試自動駕駛汽車的反應能力，而不會讓任何人受到傷害。

此外，英偉達此前還宣布正式開源被譽為「市面最強大物理仿真引擎」的 PhysX，除了廣泛應用于游戲特效的提升，該引擎還能為 AI 、機器人與計算機視覺技術、自動駕駛與高性能計算提供支持。

去年，微軟開源了一個用于模擬測試安全性的高擬真的人工智能系統AirSim研究項目，能夠利用AI技術，提供逼真的環境，模擬交通工具的動力和傳感，幫助研究人員和開發者構建安全的自動駕駛系統。

此外，AirSim的更新版不僅包含車輛模擬、新的場景，還提供簡化編程的 API 以及即插即用的代碼，研究人員和開發者可以針對特定的需求創建所需要的場景，還可以利用 AirSim 的拓展性添加新的傳感器、車輛，甚至使用不同的物理引擎。

過去，傳統意義上的離線仿真可以通過軟件在環(SIL)和硬件在環(HIL)進行，但是仍然存在一個不可避免的問題，即在真實的道路和試驗場上駕駛真實的原型車，由經驗豐富的評估人員駕駛。

新的問題是，自動駕駛系統的復雜性意味著汽車制造商在更短的時間內需要驗證的東西要比之前多得多。而在DIL模擬器中，工程師可以在真實的、沉浸式虛擬測試驅動器中測試系統的運行，以及與物理原型測試并發進行。

另外，仿真環境有助于解決在現實中很少出現的極端情況。一些在實際路況中極少出現的情境，可在仿真環境中不同視角重復出現。

更為關鍵的是，隨著驗證越來越多的駕駛員輔助系統和自動駕駛功能的需求日益增長，可能的場景數量每天都在增加。

當然，不可能在試驗場測試軌道或真實世界中驗證每種情況，一是時間不允許，二是在真實的測試中，一些實驗可能是非常危險的。

對于自動駕駛來說，仿真測試將是技術驗證、支撐系統培訓、測試和驗證的基礎技術，尤其是基于深度機器學習的系統來說，它是“必須的”，有利于在技術部署之前帶來一些急需的驗證和信心。

幾乎所有的OEM公司都把車聯和自動駕駛放在未來十年戰略的前沿和中心，然而，要證明這些優勢，需要OEM公司積累大量自動駕駛的測試里程。仿真可以允許OEM和其他自動駕駛技術開發人員在罕見和潛在危險的情況下測試他們的系統，而不會造成可能的真實事故。

英偉達CEO黃仁勛介紹稱，使用仿真測試系統，工程師可以在5個小時內，完成約48萬公里的道路測試。在不少業內人士看來，模擬測試是提高目前自動駕駛技術開發速度的關鍵工具，也是驗證產品和證明其安全的必要工具。