侯皓阳， 英国南安普顿大学，人工智能专业硕士学位，曾任宝马中国自动驾驶研发中心AI与机器人高级专家，自动驾驶仿真器研发负责人，先后于多家游戏和自动驾驶行业公司任技术管理要职，拥有丰富的自动驾驶仿真开发、项目管理与团队协作经验。现任沛岱汽车软件开发部总监。
以“汽车+X，双碳背景下汽车科技创新”为主题的第29届中国汽车工程学会暨展览会（SAECCE 2022）将于11月召开。中国汽车工程学会暨展览会历来是中国汽车工程师与企业，通过会议、讨论、展览展示、技术发布或试用试乘试驾等形式，深度探讨汽车电动化、智能化、网联化等领域上如何快速推动技术创新，重塑新型产业格局的重要场所。此次，经沛岱汽车软件开发总监侯皓阳确认，沛岱汽车将于本次首次登陆SAECCE平台，并向全行业展示沛岱仿真赋能自动驾驶软硬件高质量高速开发的丰富可能性。那仿真的使用具体在自驾系统的开发中能够扮演什么样的角色呢？侯总解释道：
1.使用仿真对代码改动进行快速验证 自动驾驶软件的开发涉及到多个模块的相互配合，以我们常见的单车智能发展路线来说，一辆自动驾驶车要动起来首先需要利用车上装载的多个传感器比如摄像头，毫米波雷达，激光雷达等收集环境信息，进行多传感器融合后获得当前环境以及预测的物体列表，同时配合定位模块结合高精地图确定车辆的位置信息，路网数据，这些信息汇集到决策模块做出驾驶决策后再计算出车辆的规划路径，路径最后才会传输到车辆的控制模块转换成方向盘角度，油门，刹车力度等控制指令。
面对这样一个高度复杂的系统，如果每个模块做个改动都要上车去路上测一下，所要消耗的时间和资金是无法想象的，而使用仿真器就可以将部分模块替换掉，让开发者只关注自己工作的模块，代码随改随测，节省时间和精力。
2. 使用仿真帮助自动驾驶软件稳定迭代
除了帮助每位开发者去快速验证自己的代码，在代码提交后，仿真器仍然可以持续发挥作用。单个开发者的工作一般只关注自己要做的功能，和要解决的bug，很难察觉到新增的代码是否对已有的功能或者其他模块造成了影响，当团队规模大到一定程度，每次集成新的改动甚至会出现改bug越改越多，功能越做bug越多的现象，导致软件的整体表现随着迭代不断的震荡甚至止步不前。
为了解决这个问题，我们可以将已经做过的功能转化到仿真器的测试场景里，在代码提交后自动运行仿真器做功能测试，把所有导致功能回退的因素扼杀在合并代码之前。
3 .使用仿真帮助自动驾驶软件更好的向经验学习
使用仿真并不意味着完全代替路测，路测是自动驾驶开发中很重要的一环，除了帮助我们验证自动驾驶软件的整体表现，路测产生的数据也是非常宝贵的。由于车辆上众多的传感器，一辆自动驾驶车在行驶时产生的数据是海量的，每小时都在TB级别，整天可以达到PB级别。如此多的数据，全部保存是不现实的，如何去芜存菁达到有效利用？
一方面需要数据团队对收集的路测数据的进行清洗整理打标，另一方面，将路测数据持续的转化成仿真场景才能将自动驾驶的路测经验固化下来反哺到自动驾驶软件的开发流程中。融入真实路测数据的仿真可以帮助自动驾驶软件每次上路只用关注新问题。
4.使用仿真帮助自动驾驶软件更好的面对无法预计的极端场景
如今的自动驾驶行业已经度过了早期阶段，解决90%的交通场景对于很多公司已经不是问题，而决定最终自动驾驶软件的功能等级以及是否能落地量产的在于剩下的10%，也就是自动驾驶软件对困难场景、极端情况甚至于Sotif中所定义的未知、不安全（Unknown-Unsafe）场景的应对能力。这些场景不仅仅包括交通场景，也包括恶劣的天气，道路环境下对传感器的影响。而这些场景的发生大多无法预计。
而仅靠有限的路测里程，很难完整的囊括这些极端情况。但首先，对于仿真器来说，构建Corner Case是轻而易举的一件事，使用仿真可以更好的设计，合成出对自动驾驶软件有足够挑战性的场景。其次，依靠沛岱的全物理级高精度的传感器模型配合仿真场景也可以随时基于物理光学推演出环境，例如各种雨雪天气、反光路段、隧道、其他交通参与者等，对自动驾驶系统的影响。让自动驾驶软件能预见未见（将Unknown变Known），持续提升。
5.使用仿真器帮助自动驾驶软件开的更像老司机
在自动驾驶软件开发的过程中，一个常见的现象是只关注一个功能的是或否的问题，比如是否闯了红灯，是否撞了行人，是否变了道。而作为一个最终要落地量产的产品，只完成是否是远远不够的，也许不闯红灯的背后是匀速后的一个急刹车，没有撞人的背后是贴边而过，成功变了道却逼停了后车。在是否之上的舒适性，安全性的持续评估也是自动驾驶软件产品力的重要一环。在开发的快速迭代中，使用人眼去看去评估是不准确且主观的，使用传感器测量成本高效率低，使用仿真器可以将这些评估转化分解成大量的kpi，集成到自动驾驶软件的迭代中，让自动驾驶软件不仅开的对，而且开的好，就像老司机一样，在竞争对手中脱颖而出。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
