[论文解读] The State of Modeling, Simulation, and Data Utilization within Industry: An Autonomous Vehicles Perspective

Joshua Fadaie|arXiv (Cornell University)|Oct 7, 2019

Autonomous Vehicle Technology and Safety参考文献 5被引用 16

一句话总结

本文通过分析Waymo、丰田、NVIDIA以及Cognata、HERE等初创企业等关键参与者，评估了自动驾驶汽车行业中建模、仿真与数据利用的现状。研究重点涵盖仿真保真度、计算基础设施、数据集成，以及仿真在安全验证中的作用，结论指出：高保真仿真对推动自动驾驶汽车的发展与实际部署至关重要。

ABSTRACT

The aviation industry has a market driven need to maintain and develop enhanced simulation capabilities for a wide range of application domains. In particular, the future growth and disruptive ability of smart cities, autonomous vehicles and in general, urban mobility, hinges on the development of state of the art simulation tools and the intelligent utilization of data. While aviation based companies have several historical and/or proprietary mission level simulation tools, there is much to learn from the current state of the art within other industries (tangential and competing in scope), as well as in academia. The purpose of this paper is to address and decompose the simulation capabilities within the key players of the autonomous vehicle and self-driving car industry (Toyota, Waymo, BMW, Microsoft, NVIDIA, Uber, etc.), as well as several notable startups within the high fidelity 3D mapping and simulation domain (Mapper, HERE, Cognata, etc.). While providing an overview of how other companies are using simulation tools and reliable data-sets, this paper will also seek to address several important and related questions, namely: the interaction between simulation and supporting tools/software, the intersection of simulation and the real world, the requirements and utilization of compute infrastructure, the appropriate levels of fidelity within simulation, and how simulation tools are critical to future safety and V&V concerns. In order for aviation based companies to adequately pursue disruptive mobility within real-world environments, be it in air or on the ground, modeling and simulation tools for autonomous vehicles provide key insights into future development work and are essential technologies.

研究动机与目标

• 评估主要自动驾驶汽车公司及初创企业在仿真与数据利用方面的当前状态。
• 识别在仿真保真度、数据集成与计算基础设施方面，自动驾驶汽车开发中的差距与最佳实践。
• 探讨仿真工具如何支持真实世界部署场景下的安全验证与确认（V&V）。
• 研究仿真工具与真实世界测试在自动驾驶汽车系统中的相互作用。
• 为航空与交通行业提供可操作的见解，以推动先进仿真技术的应用。

提出的方法

• 对领先自动驾驶汽车公司（如Waymo、丰田、NVIDIA、Uber）所使用的仿真平台进行对比分析。
• 评估Cognata、HERE、Mapper等初创企业提供的高保真3D仿真工具在城市交通应用中的表现。
• 回顾专有与开源仿真框架在支持端到端自动驾驶汽车开发中的作用。
• 分析数据管道架构，以及真实世界传感器数据集成到仿真环境中的方法。
• 评估现代高性能计算（HPC）与云基础设施上仿真工作负载的可扩展性与性能需求。
• 研究合成数据与仿真在自动驾驶系统安全验证与边缘情况测试中的应用。

实验结果

研究问题

• RQ1 领先自动驾驶汽车公司及初创企业如何实施仿真工具以支持自动驾驶汽车开发？
• RQ2 支持大规模高保真仿真的计算基础设施的关键需求是什么？
• RQ3 仿真保真度如何影响自动驾驶系统的安全验证与实际性能？
• RQ4 数据集成与合成数据生成在提升仿真准确性方面发挥什么作用？
• RQ5 仿真工具如何弥合虚拟测试与自动驾驶汽车实际部署之间的差距？

主要发现

• 高保真仿真对于测试现实中难以重现的罕见或危险场景至关重要。
• Waymo与NVIDIA等领先企业采用集成数据管道与实时渲染的专有仿真堆栈，实现可扩展的测试。
• Cognata与HERE等初创企业为城市交通与自动驾驶训练提供定制化的合成数据与3D仿真环境。
• 仿真工具越来越多地用于V&V，支持自动化回归测试与自动驾驶系统的安全认证。
• 真实世界传感器数据与合成数据的集成可提升仿真准确性，并减少对物理测试的依赖。
• 可扩展的云与HPC基础设施对于满足大规模仿真工作负载的计算需求至关重要。