Test Drives On The Porsche Computer Engineering Virtual ADAS Testing Center (PEVATeC)

Image Credit: Mihail Onaca

Текст: Андреас Буркерт
Соавторы: Доктор Клара Мартина Мартинес, Фрэнк Сэйер

Тест-драйвы в виртуальном испытательном центре Porsche Computer Engineering Virtual ADAS (PEVATeC)

Разработчики создают виртуальный мир для тестирования, обучения и проверки систем помощи водителю и функций автономного вождения. В Porsche Engineering Virtual ADAS Testing Center (PEVATeC) создаются компьютерные среды с физически реалистичными эффектами, которые невозможно отличить от испытаний в реальном дорожном движении.
Ни один человек не может быть более внимательным в дорожных ситуациях, чем система помощи водителю. Тем не менее оптические и радарные системы датчиков должны фиксировать обстановку для этой цели гораздо точнее, чем это может сделать опытный водитель. Используя данные многочисленных камер, радаров, лидаров и ультразвуковых систем, установленных и объединенных в сеть в автомобиле, алгоритмы за доли секунды определяют стратегии управления, чтобы оптимально контролировать автомобиль в рискованной ситуации. И делают они это с исключительной точностью. Поэтому неудивительно, что системы помощи водителю, известные на жаргоне как ADAS (Advanced Driver Assistance Systems), заметно снижают риск аварий на дорогах. С каждой новой системой ADAS разработчики автомобилей становятся на шаг ближе к идее безаварийного вождения. Но путь к этому действительно так труден, как можно себе представить.

Это особенно актуально для автономного вождения. С помощью гибких методов разработки инженеры добились больших успехов в развитии, но все еще далеки от освоения всех технических требований. Тем не менее, в пилотных проектах на дорогах общего пользования в известных и ограниченных условиях самоуправляемые автомобили демонстрируют экономичный и безопасный стиль вождения на низких скоростях. Однако в отличие от систем помощи водителю с их четко определенными задачами, автономный автомобиль должен быть способен справиться со всеми ситуациями и полностью заменить водителя. Кроме того, критические условия для ADAS и автономного вождения не обязательно такие же, как для водителей-людей, и пока не до конца понятны.

“Провести необходимые испытания ADAS на дороге было бы невозможно. Именно поэтому мы разработали PEVATeC”. Фрэнк Сэйер, старший менеджер по разработке виртуальных автомобилей

Автономное вождение все еще требует обширных испытаний. Например, ученые из американского аналитического центра RAND Corporation предполагают, что полностью автономные автомобили должны будут проехать сотни миллионов, а в некоторых случаях и сотни миллиардов миль, чтобы проверить отдельные системы и их взаимодействие надежным и значимым образом. Например, они утверждают, что для снижения риска аварии со смертельным исходом по вине автономного автомобиля на 20 процентов по сравнению с водителем-человеком потребуется около одиннадцати миллиардов миль. Если бы 100 тестовых автомобилей использовались 24 часа в сутки семь дней в неделю, то тестовые заезды заняли бы около 500 лет при средней скорости 40 километров в час и примерно 250 лет при средней скорости 80 километров в час, что явно несовместимо с разработкой продукта.

Даже в случае с полуавтономными функциями вождения инженерам придется тестировать системы ADAS в течение нескольких лет, чтобы проверить все возможные сценарии. Фрэнк Сайер прекрасно понимает, что это не будет ни экономически оправдано, ни практически осуществимо, не говоря уже о том, что это будет крайне опасно для других участников дорожного движения. “Это невозможно сделать на дороге”, - объясняет старший менеджер по разработке виртуальных автомобилей в Porsche Engineering. Поэтому идея состоит в том, чтобы перенести многие из этих километров в лабораторию с помощью цифровых технологий и обширного компьютерного моделирования - в частности, в Виртуальный испытательный центр Porsche Engineering Virtual ADAS (PEVATeC). В ближайшие годы в PEVATeC будут созданы виртуальные миры, которые охватят все значимые ситуации на дороге и послужат тестовыми образцами для алгоритмов и датчиков, используемых в системах помощи водителю.

Воспроизведение критических ситуаций

Тестовые поездки в симулированной среде не только дешевле, экономят время и требуют меньше организационных усилий, но и позволяют воспроизводить и изменять критические ситуации, возникающие в реальном дорожном движении. Кроме того, моделирование может помочь обнаружить новые критические сценарии, которые еще не понятны человеку-водителю, но имеют решающее значение для обеспечения безопасности при любом возможном варианте использования сенсорного автономного вождения.

Эксперты по созданию компьютерных миров: сотрудники предприятия в Клуже играют решающую роль в
разрабатывает программное обеспечение для PEVATeC. Image Credit: Mihail Onaca

Помимо возможности работы в реальном времени, создаваемые виртуальные реальности должны быть способны создавать физически реалистичные эффекты. Цифровые объекты, такие как дороги, тротуары, стены домов и транспортные средства, должны обладать точно такими же свойствами, как и реальное дорожное движение, только тогда они смогут обеспечить камеры, лидары, радары и ультразвуковые системы реалистичными данными. Волшебные слова - “рендеринг на основе физики”: существующие методы рендеринга объектов подразумевают, что такие свойства, как структура поверхности, градации цвета и источники света, моделируются упрощенным способом, который также экономит ресурсы. Физически обоснованный рендеринг, напротив, является проверенным методом реалистичной визуализации отражения и преломления света на трехмерных объектах. Основная задача здесь - представить физически корректные схемы распространения света.

Чтобы свести к минимуму различия между реальными и виртуальными тестами, инженеры PEVATeC интенсивно работают над максимально точным определением физического материала, а также над алгоритмами, которые воспроизводят свет, близкий к реальному. Это важно для того, чтобы системы помощи водителю не ошибались в оценке ситуации из-за таких факторов, как загрязненные линзы камер или многократное отражение волн радара. Поэтому, например, влияние погодных условий и освещения на датчики камеры в автомобиле можно отобразить одним нажатием кнопки. “Сюда также входит влияние низкого солнца, мокрого и отражающего дорожного покрытия, а также заснеженного дорожного покрытия”, - объясняет Сайер.

Включение динамических объектов

В будущем даже дорожное покрытие со всеми его неровностями можно будет просчитать так же реалистично, как последствия загрязнения объектива камеры. На практике даже проведение тестов в различных условиях на реальных дорогах затруднено. Кроме того, в распоряжении разработчиков есть множество виртуальных объектов, таких как деревья и предметы быта, чтобы сделать уличную среду максимально реалистичной. Ведь автономные автомобили должны распознавать потенциальные риски даже там, где ход дороги запутан. Это включает в себя возможность интегрировать в симуляцию динамические объекты, то есть людей, велосипедистов и других участников дорожного движения, которые должны двигаться в цифровом 3D-мире естественно.

Simulink, ROS и OpenDRIVE могут быть подключены к PEVATeC через интерфейсы данных.

Если теперь сравнить отдельные сценарии между собой в реальных и виртуальных дорожных испытаниях, можно сделать выводы о точности всего моделирования. Это также приводит к появлению еще более точной основы для оптимизации сенсорных систем автомобиля с помощью моделирования - например, виртуального тестирования различных мест установки ультразвукового датчика в автомобиле. Это позволяет быстро проверять и калибровать оптические и радарные датчики. Интерфейсы данных, например, для Simulink, ROS или OpenDRIVE, доступны всем отделам, участвующим в процессе разработки, так что результаты могут быть впоследствии интегрированы в моделирование всего автомобиля.

Еще одна важная задача, выполняемая PEVATeC, - классификация объектов. Интеллект датчика должен быть запрограммирован на распознавание дорожных знаков, людей и ситуаций даже в самых сложных условиях. Для этого необходимо обучить программу распознавания изображений, для чего используется искусственный интеллект и комбинация реальных и смоделированных изображений. Системе показывают бесчисленные варианты изображений или видеопоследовательностей, чтобы с помощью машинного обучения обучить ее правильно классифицировать объекты и ситуации. Высокопроизводительные компьютеры выполняют этот процесс маркировки автоматически. Только в смоделированном сценарии все объекты известны и расположены в игровом движке. Таким образом, объекты на изображении могут быть автоматически идентифицированы, измерены и охарактеризованы.

Испытательный центр ADAS: инфраструктура высокопроизводительного вычислительного центра

Поскольку виртуальное тестирование, обучение и проверка новых функций автомобиля требуют обработки огромного количества данных в режиме реального времени, будущая инфраструктура испытательного центра ADAS будет похожа на инфраструктуру высокопроизводительного вычислительного центра, где для обработки огромного количества информации потребуется значительное количество графических чипов (GPU). Графические процессоры особенно подходят для приложений, связанных с автоматизированным вождением, поскольку математические операции в них выполняются параллельно. Поэтому они также являются неотъемлемой частью концепции PEVATeC. Кроме того, для тестирования и проверки различных систем ADAS необходима память для хранения пула сценариев. Получение достоверных данных - важнейшее условие для разработки алгоритмов, обеспечивающих эффективное и безопасное автономное вождение. Именно в этом и заключается задача PEVATeC: результаты симуляций помогают инженерам оптимально обучить алгоритмы управления системами помощи водителю, что позволяет установленным системам ADAS самостоятельно справляться с самыми сложными маневрами и ситуациями.

In brief

Для тестирования передовых систем помощи водителю и функций автономного вождения требуются миллиарды тестовых километров. Одних только дорожных испытаний для этого недостаточно. Именно поэтому Porsche Engineering разработала PEVATeC. Компьютерная система, специализирующаяся на 3D-моделировании, генерирует синтетические данные, которые служат входом для датчиков автомобиля. Данные настолько реалистичны, что их невозможно отличить от реальности. Это позволяет перенести многие тесты из реального мира в виртуальный.