“IPG Automotive中国黄晓： 无人驾驶的仿真开发”

7月1日-2日，由盖世太保汽车主办的“2021第四届世界自动驾驶论坛”在上海隆重举行。 本次论坛将聚焦自动驾驶感知、智能驾驶域控制器、芯片、计算平台、无人驾驶不同落地场景等自动驾驶关键技术进行讨论，以促进自动驾驶相关技术的更快发展和完整性。 接下来是ipg automotive中国总经理黄晓带来主题演讲:“无人驾驶的模拟开发”。

IPG自动公司中国总经理黄晓

谢谢你回来。 下一位演讲嘉宾是我自己。 我是IPG自动中国总经理黄晓。 接下来我想说的是，虚拟模拟如何帮助主机工厂和第1层的模拟开发和应对系统的诸多复杂性？ 虚拟化需要什么？ 需要关注什么？ ipg能提供什么？ 模型在环上，环境在环上，车辆在环上，无缝开发会给大家提供什么样的帮助？ 在hpc和云上的应用最近也成为了话题。

怎么确认无人驾驶系统能达到预期的功能？ 作为主机工厂需要很多实验。 这个实验怎么办？ 如果不能实际开车操作，在一个虚拟场景中对这些危险场景、边缘场景进行模拟和测试也许是一个很好的处理方案。

我们ipg提供了这样的处理方案。 我们的主力产品carmaker相信大家多少知道一些，但在无人驾驶平台上，顾客期待着carmaker能做什么。 第一个是虚拟模型车。 这和以前流传下来的车辆动力学模型集不同。 carmaker提供虚拟模型车。 它含有很好的车辆动力学模型，但可以超越车辆动力学模型，集成物理传感器、软件堆栈、各种接口。 第二，我们希望从融合到功能实现，都支持这样完整的模型链。 三是可扩展性、适用性。 第四是实时性的能力。 如何在实时平台和环境下采用车辆动力学物理传感器模型，carmaker目前做得最好。 最重要的是，华为等很多客户和招聘小组都在帮忙背书。

做个简单的推广，ipg产品除了大家熟悉的软件外，我们还有自己的实时仿真平台，也提供仿真服务，但基本上我们很少参与测试服务， 第一，帮助顾客在开发过程、模拟方法和应用方面进行构建和创新。

虚拟模型车首先需要一个非常好的可参数化的车辆动力学模型，carmaker从诞生之初( 1984 )就一直在这个行业处于领先地位。 在最新版本中，我们也加入了mbs模式。 所有子系统的分类与实际样品车相同。

我们的模型在参数化结束后，可以用我们提供的一系列测试标定的做法来应对整车的真实表现。 车辆模型不仅仅是车辆动力学，和实车一样，可以综合测量对象，可以是c代码，也可以是ecu，也可以是中央计算单元。

也期待着车辆模型建成后，可以直接整合ad算法( ad软件堆栈)。 其业务流程基本上由carmaker提供感知和数据生成，提供这些传感器模型、v2x数据、gps数据，嵌入hd，将实际的数据传递到客户的无人值守软件堆栈，输入信号，将控制信号发送到控制堆栈， 现在来看看demo吧。

—虚拟现实

其中有两个需要注意的地方。 第一个是视频中的车辆在运行中功能全部正常，但是制动不好，左转。 直线加速、减速时的摇晃非常大。 这就是我刚才说的，无人驾驶开发建立车辆动力学的重要性。 第二，我们利用物理传感器模型构建了传感器，并通过不同的通信协议进行了对接。 这些业务ipg中国可以帮助顾客。 我们有当地的技术团队支持顾客的整合工作。

carmaker不仅能够建立车辆动力学模型，还推出了最新的movienx渲染工具。 大家对渲染工具有什么期待？ 首先，实现真实或接近照片的显示效果。 其次，它与我的物理传感器模型完全集成。 最后，可以集成智能交通模拟、三维模型和相应的库。

该视频演示了movienx将提供最佳的渲染效果。

—虚拟现实

这是两个多月前推出的渲染工具。 其次在意的可能是我们的传感器。 简单地说，carmaker涵盖了所有类型的传感器。 激光雷达，毫米波雷达，照相机，超声波。 所有这些模型都提供了不同水平的精度。 需要强调从最低的理想传感器模型到半物理传感器模型、纯物理传感器模型等carmaker的所有模型。 包括物理传感器模型在内都在实时环境下。 总之，它和任何东西都一样。让我再简单地用视频演示一下。

—虚拟现实

这里需要增加两点。 所有的物理模型都可以根据你自己的要求进行配置。 它还包括传输协议、传输接口。

讲完scenario后，测试者关心的是如何通过简单的方法获得测试用例和测试场景。 总结了几个，第一个是手动创建，carmaker提供手动器( manual )。 二是基于高清晰度地图的引入，以及在这张地图上采集的所有交通场景。 现在服务商也在做同样的事件，我们有和这些服务商一样的合作接口。 第三，引入open x。 作为场景的道路，carmaker非常快地适应了这样的变革。 我们现在可以本机部署1.5以上的所有版本。 简单来说，我们现在有一个可以很容易地将其引入carmaker的初步版本。

asam目前正在发布osc1.0。 一个是他们在做oscx，另一个是2.0版本，这里的osa1.0版本基本上很容易部署。 osc2.0我们也在进行预研。 我们马上也适用于那个。

最后大家在意的话题之一是carmaker的整合能力。 例如，可以集成ros、c/c++、python、fmi等。 可以进行开放式集成，包括不同的仿真工具、hd map、采用第三方的客户工具、自我钻研的工具等。 包括模拟流程、业务流程、产品生命周期管理工具、自动化工具、数据观察等。 我们的宗旨是基于carmaker集成平台，围绕大家不同的工具和能力为顾客提供完美的生态环境。

如上所述，关于carmaker通过软件提供的功能，我们如何将这些功能应用于hil环境呢？ 因为无人驾驶的hil也是个热门话题。 无人驾驶可能涉及很多东西，但最终对象是中央计算平台(高性能计算平台)。 怎么模拟呢？ carmaker提供了不同级别的传感器。 它可以制作直接的物理传感器模型给被测量者。 或者，可以制造半现实的模拟的东西。 例如，有毫米波雷达模拟器、超声波模拟器、摄像机视频黑匣子等各种方案。 最终我们把这些给了计算平台，计算平台发出控制信号，最终形成完美的闭环。

大家可能觉得我现在有这么多传感器。 例如，如果有20-30个传感器，如何在一个系统中将其实时与支持同步呢？ 我们有分散gpu的功能，把不同的传感器指定分散在不同的gpu上。

例如，这个样本使用了14个照相机、5个激光雷达、6个毫米波雷达和12个uss。 这里大部分使用的是物理传感器模型。 客户端使用8台上位机、16种8080显卡。 我们分发它，保证传感器的实时运行，最终与测量对象，甚至外延运行模拟器、底盘控制系统，甚至三电一起形成整车测试处理方案。

让我稍微谈谈云处理方案。 这是腾讯云和我们共同制定的处理方案。

—虚拟现实

因为时间的关系，我不怎么说话。 其中腾讯提供的场景也可以直接导入到carmaker中。 我们不仅可以和腾讯合作，其实是一个开放的平台，可以和aws、华为等合作。 我们可以帮助顾客适应。 最后总结视频，请看3分钟。

—虚拟现实

也可以在场景中放置各种传感器模型，从感知到数据的提取，提供自动的语义分割。 交通状况预测路径的规划可以由客户任意扩展，通过云和当地hpc快速验证。 谢谢你。