自动驾驶仿真测试的难点

自动驾驶仿真测试是自动驾驶车辆商业化落地的一道重要关卡，仿真测试技术的发展进步将决定自动驾驶落地的时间点。

仿真测试对自动驾驶的重要性不言而喻，笔者写这些内容希望能够抛转引玉。更希望能够作为一个“呐喊者”让更多的人去关注和重视自动驾驶仿真测试这个领域。

自动驾驶系统现阶段最大的问题是“落地应用难”，之所以“落地应用难”是因为自动驾驶系统的安全问题尚未得到妥善的解决。解决系统安全问题就需要进行大量的虚拟仿真测试和实车道路测试，而仿真测试能够大大加快系统的测试验证进程，因此，如何高效、可信地对自动驾驶进行仿真测试评价是自动驾驶系统商业化落地的关键。

接下来讲一下目前自动驾驶仿真测试的两大痛点问题：仿真测试的置信度和仿真测试场景的覆盖度问题。

1. 置信度存疑

1.1. 仿真软件本身的置信度问题

现在虽然很多仿真平台都具有传感器建模仿真、车辆动力学建模仿真以及交通场景建模仿真的能力，但仿真模型大多都是建立在理想条件的情况下，仿真模拟器模拟出来的结果的置信度到底怎么样，还没有具体可量化的指标去评价。

以激光雷达仿真为例，激光雷达的反射强度与障碍物的距离、激光发射角度以及障碍物本身的物理材质相关。激光雷达探测范围大，发射出去的激光线束又十分密集，且在环境中存在多次反射、遮蔽等影响，计算返回的激光束比较复杂，很难较为真实地对激光雷达信号的回波进行模拟。现有激光雷达模型，大多是根据每一种物理材质的激光反射率直接计算回波信号。如此计算的话，与现实中的回波信号肯定是存在一定的误差。

若是考虑到传感器硬件或软件自身造成雷达的噪点问题，以及雨雪、水渍、灰尘等这些干扰雷达工作性能的环境因素，导致雷达性能减弱或者无法使用的现象。这些问题或现象更是激光雷达仿真模拟的难题。

1.2. 仿真平台复现和泛化出场景的置信度问题

目前通常采用的手段是，基于真实数据通过仿真模拟器去复现和泛化出更多的虚拟仿真测试场景。那么，这些测试场景与真实场景的拟合度能达到什么水平？

什么是场景的泛化呢？即将路采的真实场景数据进行特征提取、数据标注等操作后，仿真平台依据场景特征元素的关联关系或者人工经验等对场景元素进行重新组合或推演归纳处理，从而衍生出更多合理的新场景。

真实场景的泛化存在两个问题：

一是泛化的方向是否符合统计学意义与测试需求。当前的自动驾驶企业都未明确提出其动态