[论文解读] EDGAR: An Autonomous Driving Research Platform -- From Feature Development to Real-World Application

Phillip Karle, Tobias Betz+32 more|arXiv (Cornell University)|Sep 27, 2023

Autonomous Vehicle Technology and Safety被引用 14

一句话总结

本文介绍EDGAR，是一款具备数字孪生的自动驾驶研究车辆，拥有从特征开发到真实世界测试的整体工作流，包括HiL与数据中心支持。

ABSTRACT

While current research and development of autonomous driving primarily focuses on developing new features and algorithms, the transfer from isolated software components into an entire software stack has been covered sparsely. Besides that, due to the complexity of autonomous software stacks and public road traffic, the optimal validation of entire stacks is an open research problem. Our paper targets these two aspects. We present our autonomous research vehicle EDGAR and its digital twin, a detailed virtual duplication of the vehicle. While the vehicle's setup is closely related to the state of the art, its virtual duplication is a valuable contribution as it is crucial for a consistent validation process from simulation to real-world tests. In addition, different development teams can work with the same model, making integration and testing of the software stacks much easier, significantly accelerating the development process. The real and virtual vehicles are embedded in a comprehensive development environment, which is also introduced. All parameters of the digital twin are provided open-source at https://github.com/TUMFTM/edgar_digital_twin.

研究动机与目标

• 推动对自动驾驶软件栈进行端到端验证的需求，不仅限于单独组件。
• 介绍一款研究车辆（EDGAR），具备多传感器配置和异构计算平台，以支持多样化的研究主题。
• 展示一个全面的数字孪生，确保仿真与真实世界测试之间的一致性，并且是开源的。
• 描述从特征开发到真实应用再回到仿真以实现持续改进的整体工作流程。

提出的方法

• 描述 EDGAR 硬件平台，包括传感器组、计算架构（x86 和 ARM）、网络通信，以及 HiL 集成。
• 定义并实现一个数字孪生，包含车辆动力学模型和传感器/网络复制，以实现一致的测试。
• 建立一个与真实车辆接口镜像的 HiL 仿真器，以实现虚拟验证与合成数据生成。
• 提供一个包含数字孪生参数的开源仓库，以促进可重复研究和跨团队协作。

Figure 1: EDGAR: The research vehicle of the Technical University of Munich.

实验结果

研究问题

• RQ1 数字孪生如何在自动驾驶仿真与真实世界测试之间确保一致性？
• RQ2 将特征从开发通过 HiL 验证再部署到真实自动驾驶车辆的一个实用工作流程是什么？
• RQ3 如何在统一的开发与测试环境中编排多传感器数据和多架构计算平台？
• RQ4 全面的数据中心与 HiL 流程在可扩展的自动驾驶软件开发与测试中能提供哪些好处？
• RQ5 来自HiL仿真的合成数据是否可以在保持有效性的同时减少真实世界数据的采集？

主要发现

• EDGAR 平台将多传感器自动驾驶车辆与详尽的数字孪生耦合在一起，以实现一致的仿真到现实验证。
• 部署了两种 HPC 平台（x86 和 ARM）以比较自动驾驶软件栈的性能。
• 一个开源数字孪生仓库提供车辆动力学与传感器/网络复制，以实现可重复的测试。
• 一个 HiL 仿真器镜像真实车辆接口，并允许为感知算法开发生成合成数据。
• 一个全面的数据中心支持大规模数据处理和软件日志管理，以加速开发。

Figure 2: Milestones of AV research vehicles: VaMoRs [ 4 ] , Stanley [ 5 ] , Boss [ 6 ] , MB S-Class [ 7 ]