關(guān)于數(shù)字孿生十問(wèn)：

數(shù)字經(jīng)濟(jì)大潮下，數(shù)字孿生技術(shù)作為數(shù)字化轉(zhuǎn)型的重要工具，已被納入國(guó)家關(guān)鍵技術(shù)戰(zhàn)略，進(jìn)入產(chǎn)業(yè)應(yīng)用深水區(qū)。在交通、汽車、工業(yè)、文旅、建筑等眾多行業(yè)，數(shù)字孿生的應(yīng)用，正在從“可看”，向“可算”、“好用”發(fā)展，通過(guò)數(shù)字世界的計(jì)算推演，為物理世界的優(yōu)化提供更多的決策指導(dǎo)，實(shí)現(xiàn)數(shù)字世界與物理世界的雙向銜接。

騰訊研究院與騰訊數(shù)字孿生產(chǎn)品部聯(lián)合發(fā)起《數(shù)字孿生十問(wèn)》系列，每期聚焦一個(gè)應(yīng)用領(lǐng)域，探討技術(shù)創(chuàng)新，挖掘應(yīng)用價(jià)值。

智能網(wǎng)聯(lián)汽車是軟硬結(jié)合、云邊端協(xié)同、多元融合的載體，是數(shù)實(shí)融合落地的典型產(chǎn)業(yè)，同時(shí)也是典型的數(shù)字孿生應(yīng)用場(chǎng)景。中國(guó)汽車產(chǎn)業(yè)已經(jīng)在電動(dòng)化方面領(lǐng)跑全球，下一步智能化將成為產(chǎn)業(yè)競(jìng)爭(zhēng)焦點(diǎn)，也是決勝未來(lái)的關(guān)鍵所在。

本期十個(gè)問(wèn)題，將展開剖析數(shù)字孿生技術(shù)與仿真測(cè)試在自動(dòng)駕駛走向量產(chǎn)的過(guò)程中所發(fā)揮的重要作用。

【一】近日，四部委聯(lián)合發(fā)布了《關(guān)于開展智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點(diǎn)工作的通知》，是否標(biāo)志自動(dòng)駕駛量產(chǎn)上路時(shí)代已來(lái)?

汽車是改變世界的工具，隨著電動(dòng)化和網(wǎng)聯(lián)化的深入，以自動(dòng)駕駛為核心的智能化進(jìn)程也在加速。11月，四部委聯(lián)合下發(fā)《關(guān)于開展智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點(diǎn)工作的通知》，被普遍認(rèn)為是量產(chǎn)上路時(shí)代來(lái)臨的信號(hào)。

該通知鼓勵(lì)各地區(qū)積極探索智能網(wǎng)聯(lián)汽車的準(zhǔn)入和上路通行試點(diǎn)工作，實(shí)際上為量產(chǎn)應(yīng)用提供了寬松的環(huán)境，促進(jìn)技術(shù)的不斷創(chuàng)新和實(shí)踐。其中提到了推動(dòng)法律法規(guī)、技術(shù)標(biāo)準(zhǔn)的制定和完善，為自動(dòng)駕駛技術(shù)的商業(yè)化落地提供依據(jù)和規(guī)范。

當(dāng)然，智能交通系統(tǒng)、高精度地圖、車聯(lián)網(wǎng)等基礎(chǔ)設(shè)施仍要加速配套，為規(guī)模化推廣應(yīng)用奠定基礎(chǔ)。

城市交通數(shù)字孿生

【二】自動(dòng)駕駛規(guī)模化應(yīng)用，卡點(diǎn)在哪里?

自動(dòng)駕駛規(guī)模化應(yīng)用面臨很多技術(shù)挑戰(zhàn)，要解決長(zhǎng)尾問(wèn)題提升系統(tǒng)安全性，需要配套法規(guī)、政策和金融保險(xiǎn)制度、用戶接受度等問(wèn)題。只有在這些問(wèn)題得到有效解決的情況下，自動(dòng)駕駛技術(shù)才能大規(guī)模應(yīng)用。

例如自動(dòng)駕駛測(cè)試體系搭建問(wèn)題，汽車作為復(fù)雜的工程產(chǎn)品，包括了機(jī)械、電子、軟件等技術(shù)，設(shè)計(jì)階段無(wú)法完成預(yù)測(cè)并解決所有問(wèn)題，只有完善的測(cè)試體系才能驗(yàn)證功能可用性和安全性，尤其是安全性，關(guān)乎駕駛員和乘客人身安全。

當(dāng)然，研發(fā)與測(cè)試并非完全對(duì)立關(guān)系，在研發(fā)過(guò)程中，可以利用階段性測(cè)試的有效手段來(lái)發(fā)現(xiàn)設(shè)計(jì)上的缺陷和制造上的問(wèn)題，提升汽車的質(zhì)量。此外，用戶體驗(yàn)舒適性、燃油經(jīng)濟(jì)性、汽車動(dòng)力性能等方面，也需要依賴完善測(cè)試來(lái)驗(yàn)證和迭代提升。

【三】數(shù)字孿生技術(shù)對(duì)自動(dòng)駕駛落地有什么推動(dòng)作用?

我國(guó)在探索智能網(wǎng)聯(lián)汽車的過(guò)程中，提出了“人-車-路-云”一體化的方案。在這樣的架構(gòu)體系下，汽車、交通、通信需要充分融合。

作為信息物理系統(tǒng)的典型應(yīng)用，智能網(wǎng)聯(lián)汽車正在推動(dòng)產(chǎn)業(yè)的新一輪歷史性轉(zhuǎn)型升級(jí)，其規(guī)模化落地，呈現(xiàn)出復(fù)雜大系統(tǒng)的的典型特點(diǎn)，需要形成全鏈路數(shù)字化閉環(huán)的車路云協(xié)同方法和框架，構(gòu)建完備的技術(shù)閉環(huán)體系，自動(dòng)駕駛的商業(yè)閉環(huán)一定要建立在技術(shù)閉環(huán)的基礎(chǔ)之上。

隨著數(shù)字孿生走向產(chǎn)業(yè)應(yīng)用深水區(qū)，技術(shù)應(yīng)用正在從可視化，向可計(jì)算、可預(yù)測(cè)和可控制的方向升級(jí)。在智能網(wǎng)聯(lián)汽車特別是自動(dòng)駕駛領(lǐng)域，數(shù)字孿生技術(shù)可以用于生成訓(xùn)練數(shù)據(jù)，構(gòu)建安全、高效的測(cè)試場(chǎng)景，形成研發(fā)和測(cè)試的閉環(huán)迭代。在自動(dòng)駕駛仿真測(cè)試領(lǐng)域，數(shù)字孿生技術(shù)可以將真實(shí)數(shù)據(jù)在仿真平臺(tái)上進(jìn)行場(chǎng)景的生成和重組，為自動(dòng)駕駛算法提供可供測(cè)試的 corner case 。例如騰訊自動(dòng)駕駛數(shù)字孿生仿真平臺(tái)TAD Sim還打造了面向地圖更新回歸測(cè)試的應(yīng)用能力，幫助車企以更低成本進(jìn)行地圖更新數(shù)據(jù)的回歸測(cè)試驗(yàn)證，保證智駕算法在新的地圖更新數(shù)據(jù)之上不會(huì)出現(xiàn)運(yùn)行問(wèn)題或者功能降級(jí)。

TAD Sim自動(dòng)駕駛虛實(shí)融合測(cè)試

【四】數(shù)字孿生仿真測(cè)試對(duì)自動(dòng)駕駛量產(chǎn)的作用是什么?

為保證自動(dòng)駕駛安全，模擬仿真、封閉場(chǎng)地和實(shí)際道路測(cè)試三種測(cè)試方法缺一不可。通常情況下按照先模擬仿真、再封閉場(chǎng)地、最后實(shí)際道路測(cè)試的順序，在自動(dòng)駕駛系統(tǒng)開發(fā)和應(yīng)用的不同階段，采用不同的測(cè)試方式。

行業(yè)普遍認(rèn)為，采用路測(cè)方式來(lái)測(cè)試自動(dòng)駕駛算法所耗費(fèi)的時(shí)間和成本太高，極端交通條件和危險(xiǎn)場(chǎng)景復(fù)現(xiàn)困難，且存在很大危險(xiǎn)性，關(guān)鍵是測(cè)試的邊際效應(yīng)非常明顯，也很難滿足完備性需求。所以仿真測(cè)試是解決自動(dòng)駕駛路測(cè)數(shù)據(jù)匱乏和成本高的核心路徑，具有安全性高、低成本、高效率等特性，是自動(dòng)駕駛應(yīng)用落地的關(guān)鍵環(huán)節(jié)。自動(dòng)駕駛仿真可以幫助開發(fā)者在虛擬環(huán)境中模擬和測(cè)試自動(dòng)駕駛系統(tǒng)的各個(gè)方面，從感知、決策到控制以及交互等，高效的驗(yàn)證和優(yōu)化系統(tǒng)的性能。

高效的測(cè)試才會(huì)有高效的開發(fā)，最高效的測(cè)試是具備完整場(chǎng)景覆蓋的仿真測(cè)試。從測(cè)試場(chǎng)景數(shù)量看，模擬仿真測(cè)試遠(yuǎn)遠(yuǎn)大于封閉場(chǎng)地和實(shí)際道路測(cè)試和封閉場(chǎng)地測(cè)試。使用仿真軟件提供的工具和功能，構(gòu)建虛擬場(chǎng)景，包括道路、交通標(biāo)志、交通流等。這些場(chǎng)景能模擬真實(shí)世界中的各種情況和挑戰(zhàn)，以便進(jìn)行全面的測(cè)試和驗(yàn)證，據(jù)此可以評(píng)估自動(dòng)駕駛系統(tǒng)的可靠性和性能，并發(fā)現(xiàn)潛在的問(wèn)題和改進(jìn)點(diǎn)，也能夠更好滿足全生命周期的OTA回歸測(cè)試需求。

同時(shí)，確保自動(dòng)駕駛仿真的真實(shí)性是一個(gè)重要的問(wèn)題。涉及到場(chǎng)景模擬的準(zhǔn)確性、傳感器模擬的準(zhǔn)確性、車輛模型的真實(shí)性、算法模型的準(zhǔn)確性、交互模擬的真實(shí)性等，還有諸多不穩(wěn)定性的因素。通過(guò)不斷改進(jìn)仿真軟件的準(zhǔn)確性和真實(shí)性，可以提高仿真結(jié)果與真實(shí)世界的一致性，從而更好地支持自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用。

【五】BEV、端到端等新技術(shù)路線對(duì)自動(dòng)駕駛仿真提出了什么新的要求?

當(dāng)前BEV+OCC已經(jīng)成為業(yè)內(nèi)相對(duì)共識(shí)的自動(dòng)駕駛框架，豐富的模型表達(dá)能力，也使得自動(dòng)駕駛技術(shù)研發(fā)重點(diǎn)也由面向模型轉(zhuǎn)向面向數(shù)據(jù)。恰是這種方式的轉(zhuǎn)變，對(duì)4D數(shù)據(jù)和空間計(jì)算需求也提出了更高的要求，如何低成本獲取獲取高質(zhì)量的訓(xùn)練數(shù)據(jù)和驗(yàn)證場(chǎng)景尤為重要，對(duì)自動(dòng)駕駛仿真也提出了新的需求和挑戰(zhàn)。在新的算法框架和評(píng)測(cè)體系下，需要多視圖、多傳感器融合的4D數(shù)據(jù)，必須在時(shí)間和空間保持一致的基礎(chǔ)上，能夠滿足真實(shí)性、完備性和多樣性的需求。

如果說(shuō)BEV+Transformer 路線，是感知端的神經(jīng)網(wǎng)絡(luò)運(yùn)算，端到端則是全程使用神經(jīng)網(wǎng)絡(luò)算法，無(wú)人工規(guī)則介入。這讓原本的模塊化流程變的“黑盒化”。過(guò)去的仿真測(cè)試，包括單元測(cè)試、模塊測(cè)試、集成測(cè)試等，是一個(gè)從小到大的過(guò)程。被測(cè)物的環(huán)節(jié)越小越集中，測(cè)試的針對(duì)性越強(qiáng)，發(fā)現(xiàn)了問(wèn)題，指向性也非常明顯。針對(duì)端到端的自動(dòng)駕駛算法，仿真測(cè)試的策略也在隨之變化，需要支持全閉環(huán)驗(yàn)證策略，需要有高逼真的場(chǎng)景、可行決策的生成能力以及配套的真實(shí)和評(píng)價(jià)體系。騰訊自動(dòng)駕駛數(shù)字孿生仿真平臺(tái)TAD Sim，采用AIGC+PCG+高逼真渲染引擎構(gòu)建和生成4D場(chǎng)景，可用于進(jìn)行端到端算法的仿真測(cè)試，也可以生成配套的真值標(biāo)注數(shù)據(jù)，用于感知算法的訓(xùn)練。

雪天高速公路自動(dòng)駕駛數(shù)字孿生仿真測(cè)試

【六】AIGC及大模型的爆發(fā)為自動(dòng)駕駛仿真帶來(lái)什么變化?

生成式AI大模型承載著巨量參數(shù)，利用多模態(tài)數(shù)據(jù)，可提升研發(fā)效能，節(jié)省數(shù)據(jù)標(biāo)注成本，通過(guò)更強(qiáng)的泛化能力，加速仿真場(chǎng)景構(gòu)建。若AIGC成為自動(dòng)駕駛算法訓(xùn)練和測(cè)試的主要數(shù)據(jù)來(lái)源，那原本的采集車隊(duì)、大規(guī)模數(shù)據(jù)平臺(tái)等模式將會(huì)發(fā)聲改變，影響到未來(lái)自動(dòng)駕駛產(chǎn)業(yè)格局的變化。

采用AIGC技術(shù)可以創(chuàng)造出更多的合成數(shù)據(jù)，尤其是一些敏感或高安全領(lǐng)域的數(shù)據(jù)和長(zhǎng)尾數(shù)據(jù)，從而填補(bǔ)真實(shí)數(shù)據(jù)中的缺口，提升訓(xùn)練和測(cè)試樣本的樣本的多樣性、完備性和均衡性。

2022 年以來(lái)， Nerf、Diffusion Model、World Model 等新技術(shù)，提升了仿真平臺(tái)的保真度，可用于算法的訓(xùn)練，并大幅提升訓(xùn)練效率。通過(guò)生成模型來(lái)輸入已知環(huán)境特征，同時(shí)預(yù)測(cè)未來(lái)場(chǎng)景很可能就是構(gòu)建計(jì)算機(jī)視覺(jué)領(lǐng)域自監(jiān)督基礎(chǔ)模型(Foundation Model)的關(guān)鍵性任務(wù)。自動(dòng)駕駛領(lǐng)域world model 世界模型正式這種理念的產(chǎn)物。基于車輛采集的大量多源數(shù)據(jù)，結(jié)合語(yǔ)義信息和世界演化的規(guī)律生成未來(lái)場(chǎng)景，用于模型訓(xùn)練、行為預(yù)測(cè)和測(cè)試驗(yàn)證。因?yàn)槭澜缒Ｐ途哂懈�高的還原度，能夠生成高逼真的4D場(chǎng)景數(shù)據(jù)，更有效的支持端到端的自動(dòng)駕駛算法訓(xùn)練和測(cè)試，尤其是corner case的生成效率更高，進(jìn)而提高算法訓(xùn)練和仿真測(cè)試效率。

在游戲領(lǐng)域廣泛應(yīng)用的場(chǎng)景自動(dòng)生成、實(shí)時(shí)渲染、行為模擬等算法，與自動(dòng)駕駛的三維融合感知等能力相結(jié)合，會(huì)對(duì)自動(dòng)駕駛視覺(jué)大模型能力提供技術(shù)支持，同時(shí)云端工具鏈體系也為大規(guī)模三維數(shù)據(jù)合成提供很好的工程支持。利用大模型和AIGC，可以生成和編輯出更豐富多元的測(cè)試場(chǎng)景，包括光照、天氣及更加極端的交通環(huán)境。

騰訊基于數(shù)字孿生仿真技術(shù)實(shí)現(xiàn)場(chǎng)景風(fēng)格轉(zhuǎn)換

(左上、左下-仿真場(chǎng)景，右上-真實(shí)圖像，右下-風(fēng)格轉(zhuǎn)換后圖像)

【七】商業(yè)化目標(biāo)下，自動(dòng)駕駛領(lǐng)域使用大模型如何平衡技術(shù)效率和相應(yīng)的成本問(wèn)題?

新技術(shù)路線下，自動(dòng)駕駛競(jìng)爭(zhēng)關(guān)鍵由算法和模型，轉(zhuǎn)向?yàn)閿?shù)據(jù)與算力，其開發(fā)模式也由面向模型轉(zhuǎn)向了面向數(shù)據(jù)。在數(shù)據(jù)方面，基于仿真技術(shù)，尤其是AIGC+PCG+三維引擎融合技術(shù)的合成數(shù)據(jù)，可以自動(dòng)生成大量帶有真值的數(shù)據(jù)。目前，騰訊自動(dòng)駕駛實(shí)驗(yàn)室利用SAM大模型做數(shù)據(jù)預(yù)標(biāo)注取得了很好效果，也正在將相關(guān)的自動(dòng)駕駛算法、模擬仿真以及游戲引擎和PCG(程式化生成)技術(shù)結(jié)合，實(shí)現(xiàn)高逼真場(chǎng)景的生成和編輯，在保證數(shù)據(jù)滿足真實(shí)性的同時(shí)，具備可編輯操控能力。

在算力方面，訓(xùn)練大模型所需的數(shù)據(jù)非常巨量，需要TB級(jí)吞吐和千萬(wàn)級(jí)IOPS支持，來(lái)完全滿足數(shù)據(jù)存儲(chǔ)和檢索需求。現(xiàn)如今大模型參數(shù)量已達(dá)萬(wàn)億級(jí)規(guī)模，需要龐大計(jì)算集群來(lái)完成感知預(yù)測(cè)一體化模型訓(xùn)練和仿真測(cè)試，但行業(yè)內(nèi)計(jì)算資源匱乏已是不爭(zhēng)事實(shí)。一方面車企在大量投入，建設(shè)高性能計(jì)算集群，升級(jí)計(jì)算網(wǎng)絡(luò)架構(gòu)。以更適合AI運(yùn)算的向量數(shù)據(jù)庫(kù)，高效處理智駕非結(jié)構(gòu)化數(shù)據(jù)。

目前，蔚來(lái)等車企正在與騰訊合作，打造一體化的混合云基礎(chǔ)設(shè)施，支撐快速發(fā)展的智能駕駛研發(fā)和運(yùn)營(yíng)服務(wù)。今年7月騰訊發(fā)布國(guó)內(nèi)首個(gè)AI原生的向量數(shù)據(jù)庫(kù)，專為向量數(shù)據(jù)存儲(chǔ)、檢索和分析而量身定制。智駕場(chǎng)景下，向量數(shù)據(jù)庫(kù)可以很好的處理海量的視頻、點(diǎn)云等非結(jié)構(gòu)化數(shù)據(jù)。假設(shè)在10億張圖片里找1張卡車運(yùn)輸共享單車的圖片，騰訊云向量數(shù)據(jù)庫(kù)可并發(fā)支持100萬(wàn)個(gè)請(qǐng)求，在10億規(guī)模圖片里進(jìn)行搜索，只需要百毫秒就能輕松地找到這條記錄。

在仿真測(cè)試方面，今年起，騰訊也與車企開展了自動(dòng)駕駛云仿真的合作，在云仿真平臺(tái)，可以支持一萬(wàn)個(gè)以上的場(chǎng)景并行計(jì)算，將10000個(gè)場(chǎng)景的運(yùn)行時(shí)間從14天大幅縮減至4分鐘。借助真實(shí)交通數(shù)據(jù)，構(gòu)建虛實(shí)一體的仿真城市，支持?jǐn)?shù)千輛自動(dòng)駕駛車輛和數(shù)十萬(wàn)輛交通流車輛同時(shí)運(yùn)行，車輛之間實(shí)時(shí)同步，在高效性的同時(shí)保證測(cè)試的有效性。

騰訊自動(dòng)駕駛 虛擬仿真平臺(tái)TAD Sim虛擬城市型云仿真

【八】未來(lái)自動(dòng)駕駛行業(yè)的生態(tài)會(huì)是怎么樣?

未來(lái)的汽車，就是一個(gè)個(gè)數(shù)據(jù)的載體，而海量的數(shù)據(jù)如何能夠更好的反哺自動(dòng)駕駛和智能網(wǎng)聯(lián)汽車相關(guān)功能的研發(fā)，需要一套閉環(huán)的數(shù)據(jù)體系，覆蓋眾多的采集、處理、分析、訓(xùn)練、部署等等模塊。在目前的行業(yè)運(yùn)行中，各個(gè)模塊由不同的供應(yīng)商承擔(dān)，會(huì)提高單一模塊效率，但也容易造成模塊之前的割裂，形成一個(gè)個(gè)煙囪，影響全局整合效率。

目前行業(yè)現(xiàn)狀是能在自身數(shù)據(jù)池里閉環(huán)，充分挖掘數(shù)據(jù)價(jià)值的車企，才能快速在競(jìng)爭(zhēng)中突圍。在數(shù)據(jù)驅(qū)動(dòng)下的自動(dòng)駕駛研發(fā)，更加依賴海量的數(shù)據(jù)喂養(yǎng)，去訓(xùn)練成熟的算法。數(shù)據(jù)既是企業(yè)的核心競(jìng)爭(zhēng)力，但單一企業(yè)很難滿足數(shù)據(jù)多樣性和完備性的需求，為了加速自動(dòng)駕駛產(chǎn)業(yè)發(fā)展，早日實(shí)現(xiàn)完全自動(dòng)駕駛，需要建立一套數(shù)據(jù)共享機(jī)制和相關(guān)的回饋激勵(lì)機(jī)制，勢(shì)必行業(yè)發(fā)展的必經(jīng)之路，是共享自動(dòng)駕駛紅利的基礎(chǔ)。

對(duì)于自動(dòng)駕駛工具鏈來(lái)說(shuō)，需要的是從架構(gòu)設(shè)計(jì)、功能定義的階段開始共建，跳脫出甲乙方的供需關(guān)系，成為一條心的利益共同體。同時(shí)，從更長(zhǎng)遠(yuǎn)的角度考慮，未來(lái)通過(guò)第三方平臺(tái)，沉淀通用數(shù)據(jù)，訓(xùn)練基礎(chǔ)模型，為廣泛的車企服務(wù)，更符合車路協(xié)同的技術(shù)路線，以數(shù)字化的基礎(chǔ)設(shè)施，推動(dòng)數(shù)字化的應(yīng)用發(fā)展。

【九】數(shù)字孿生未來(lái)在演進(jìn)的方向有哪些?

隨著數(shù)字孿生技術(shù)在各個(gè)行業(yè)的落地應(yīng)用，仿真模擬仍舊是其核心的價(jià)值體現(xiàn)，為了保證仿真結(jié)果的準(zhǔn)確性和可用性，逐漸出現(xiàn)基于第一性原理(機(jī)理)的仿真方法和基于數(shù)據(jù)的仿真方法共同融合的趨勢(shì)，兩者的融合一方面能夠通過(guò)準(zhǔn)確的機(jī)理模型為仿真提供合理的約束，另一方面能夠利用大數(shù)據(jù)分析挖掘?qū)Ψ抡娼Y(jié)果進(jìn)行分析，提煉更多有價(jià)值的結(jié)果，并且在機(jī)理不明確的場(chǎng)景或者環(huán)節(jié)，能夠通過(guò)大數(shù)據(jù)的擬合來(lái)實(shí)現(xiàn)場(chǎng)景演算和分析。此外伴隨著AIGC技術(shù)的不斷發(fā)展和成熟，未來(lái)數(shù)字孿生和AIGC的融合將會(huì)是重要的趨勢(shì)，一方面AIGC能夠?qū)崿F(xiàn)數(shù)據(jù)的標(biāo)定和一些關(guān)鍵場(chǎng)景的生成，能夠豐富數(shù)字孿生的數(shù)據(jù)源，另一方面，伴隨著各類行業(yè)大模型的出現(xiàn)，大模型也有望通過(guò)模型蒸餾等方式幫助數(shù)字孿生的仿真推演模型實(shí)現(xiàn)更優(yōu)性能。

【十】未來(lái)還會(huì)有哪些技術(shù)可能會(huì)對(duì)自動(dòng)駕駛仿真帶來(lái)非常大的提升?

對(duì)自動(dòng)駕駛仿真技術(shù)的提升，未來(lái)更多還是會(huì)發(fā)生在仿真算法這個(gè)層面，仿真算法的演進(jìn)和迭代會(huì)大幅提升仿真效率。傳統(tǒng)仿真測(cè)試環(huán)境，大部分內(nèi)容都是基于真實(shí)路測(cè)數(shù)據(jù)生成，然后進(jìn)行仿真推演，但是在真實(shí)路測(cè)的過(guò)程中，由于無(wú)法覆蓋復(fù)雜的長(zhǎng)尾場(chǎng)景，這就導(dǎo)致仿真路測(cè)里程中，有效場(chǎng)景比例不高，實(shí)際效果和實(shí)車路測(cè)差別不大，這種情況給自動(dòng)駕駛的仿真帶來(lái)很多挑戰(zhàn)，如何找到高價(jià)值的訓(xùn)練場(chǎng)景成為非常共性的問(wèn)題。例如來(lái)自密歇根大學(xué)的劉向宏教授的實(shí)驗(yàn)室提出基于密集強(qiáng)化學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)D2RL，可以將目前基于NDE(自然駕駛環(huán)境)的仿真模擬效率提升2000倍，在雙車道400m場(chǎng)景中，D2RL生成的場(chǎng)景直接跳過(guò)(刪除)傳統(tǒng)仿真過(guò)程中95.7%的事件和99.78%步驟，最大可能給出系統(tǒng)高價(jià)值訓(xùn)練場(chǎng)景。

(新媒體責(zé)編：wa12)