不久前，Uber自動駕駛測試車撞死行人的事故引起業界普遍關注，對于自動駕駛汽車上路的安全性問題再次成為大家關注的焦點。那么自動駕駛汽車到底需要跑出多少數據才能證明其安全可靠？根據決策咨詢機構蘭德公司的報告，自動駕駛汽車上路之前需要積累100億公里的數據！要達到這個目標這簡直就是天方夜譚，但或許我們可以通過仿真引擎通過虛擬模擬系統現實，今天我們就來看看英偉達自動駕駛仿真系統——Drive Constellation。
 

模擬仿真系統可以讓虛擬世界就變成了一個巨大的參數空間，可以由工程師的幾行代碼，甚至人工智能自己隨意調整。在很多方面，模擬數據可以成為真實駕駛數據的基礎，兩者可以很好的形成互補，構建更安全、可靠的車輛。在某些方面模擬駕駛具有很大的優勢，比如真實駕駛很危險、車輛需要養護、而且時間很慢。而模擬駕駛是完全安全的、費用很低、而且速度是真實駕駛的幾百甚至上千倍。
 

第一臺服務器運行英偉達的Drive Sim軟件，該軟件將在旅途中模擬自動駕駛的車輛感官體驗，從虛擬化的激光雷達和雷達系統提供逼真的攝像頭捕捉和數據，以準確地模擬真實道路上駕駛的情況。

Drive Sim模擬夜間模式

值得一提的是，Drive Sim軟件可以模擬日落時的眩光、暴風雪、糟糕的路面和緊急危險情況，以測試車輛的反應能力。自動駕駛技術供應商便可以通過模擬來補充現實世界的駕駛技術，這樣他們就能更有效、更便宜地覆蓋更多的里程和所謂的緊急預案。
 

 第二臺服務器則搭載了英偉達DRIVE Pegasus計算平臺，它處理從第一臺服務器饋送的數據，就像它是從車輛傳感器捕獲的實際數據一樣。然后，Pegasus驅動的服務器將其控制命令返回給模擬器，告訴它執行駕駛活動，就像在路上的一輛真正的汽車一樣。
 

仿真服務器由英偉達GPU提供支持，每臺服務器都會生成仿真傳感器數據流，并將其傳送至DRIVE Pegasus進行處理。與此同時，DRIVE Pegasus的駕駛指令會反饋給仿真器，以完成數字反饋循環，頻率為每秒次，可用于驗證在Pegasus上運行的算法和軟件對仿真車輛進行的操作是否正確。
 

利用這套模擬系統，受試車輛可在5個小時內模擬行駛50萬公里路程。按照這一速度，受試車輛可在兩天內跑遍美國每一條公共道路。英偉達方面表示，這套自動駕駛模擬仿真系統將于今年第三季度向其無人駕駛領域的合作伙伴開放供貨，有可能包括特斯拉、Uber、百度、大眾汽車等與英偉達有深厚合作淵源的汽車制造商、科技公司和汽車供應商都將獲得該套系統的首批供貨權。
 

 另外，英偉達有了DRIVE Constellation用來虛擬測試和驗證，有助于加速合作伙伴們自動駕駛上的研發進程以及減少研發成本，對于自動駕駛汽車量產有著積極的作用。谷歌曾放出消息，雖然許多政府機構還不愿意將模擬數據作為規定中的自動駕駛測試所需里程的一部分，但隨著對模擬的監管變得更加明確，這種情況已經發生改變。

目前，以加州為例，立法機構要求公司在獲批公共路測自動駕駛汽車之前，必須證明已在其設計的模擬環境通過測試。

總結：車輛仿真系統已經成為自動駕駛技術測試中的必要工具，是實景測試的替代選項，可以幫助車企節約測試時間和成本，并為未來的決策提供可靠依據。在Uber撞死人的事故之后，如何保證自動駕駛汽車測試驗證的安全性，成了人們關注的焦點，英偉達很清楚市場需要什么，并在對的時間推出了對的產品，相信在第三季度很快會成為自動駕駛技術公司爭相購買的產品。