无人驾驶汽车：软件模拟其实比路测更重要？
一辆Uber的无人驾驶测试车在美国亚利桑那州夜间撞人致死事件，让产业界开始思考非常重要的问题：无人驾驶汽车开发社群是否应该更着重软件仿真，而不是积极累积数百万英哩的实际道路行驶测试？
能提供仿真软件工具的西门子(Siemens)一定也很希望产业界能继续提高对模拟技术的关注，而就在Uber无人驾驶汽车意外发生的十天之后，该公司很巧合地在一场于美国芝加哥举行的技术研讨会上发表了为自动驾驶系统所设计的最新仿真软件工具。该公司声称，其仿真软件能将实体原型的需求量最小化，并大幅降低无人驾驶汽车安全性必须的实际道路测试里程数。
技术顾问机构VSI Labs创办人暨负责人Phil Magney接受EE Times采访时表示：“对无人驾驶汽车开发者来说，仿真技术的价值正在提升，因为他们在加快无人驾驶汽车解决方案开发速度、验证以及性能等方面，面临越来越大的压力。”
Siemens旗下子公司Mentor的先进驾驶辅助系统/自动驾驶(ADAS/AD)业务总监Amin Kashi在接受EE Times电话采访时则指出：“就算在实际道路上累积了数百万英哩的测试行驶里程，你仍然可能漏失地面实况数据(ground-truth data)。”
Kashi表示，为了验证真实世界环境中发生的情况，无人驾驶汽车的安全员通常会在有红绿灯的地方或是停车区域标注数据，在车辆仍在移动时也必须这么做；此外为了得知这种所谓的“地面实况”，例如车辆与某枝灯柱或车子前面的小朋友之间实际距离，是31英呎或29英呎，还需要很多查核工作：“但如果是通过仿真软件，我们也能知道实际距离并因此判断发生了什么事，不需要标注数据。”
变化保真度(fidelity)水平的传感器建模（来源：Siemens）
实际路测里程vs.模拟驾驶里程
无论是Waymo或是GM (General Motors)、Ford、Uber等无人驾驶汽车开发商，通常都会以它们的无人驾驶汽车已经在现实世界道路上的测试行驶里程数，来做为它们的车辆技术成熟度的左证，同时吸引媒体、产业高层、股东或投资大众的注意。
以最近发生的Uber事故为例，根据一篇《纽约时报》(New York Times)的报导指出，该公司的亚利桑那州团队正在积极进行累积实际路测里程，因为Uber执行长Dara Khosrowshahi预计在4月前往亚利桑那州巡视，该团队希望能让长官体验一次无人类驾驶干预的无人驾驶汽车乘坐，证明其车辆已经能处理所谓的边界案例(edge cases)以及很难预测的棘手路况。
上述报导取得的Uber文件显示，到2017年9月，Uber的无人驾驶汽车在全美范围内已经行驶过100万英哩；Uber接着在100天之内又累积了第二个百万英哩，然后又在更短的时间内达到下一个百万英哩。
但重点是，如果你真的要为无人驾驶汽车建立所有的边界案例，就像Khosrowshahi在去年11月一场研讨会上所说的那样，对Uber来说，谈论其无人驾驶汽车已经累计的模拟驾驶里程数不是更严谨吗？
去年市场研究机构IHS Markit的车用资通讯娱乐装置与ADAS市场研究总监Egil Juliussen，在与我们讨论Waymo发表的安全报告时表示，Waymo的资料中让他印象深刻的并非实际路测里程数，“更重要的是模拟驾驶里程数”。
Waymo的报告表明，该公司已经在公开道路上累积了8,500万英哩的测试里程，此外在2016年累积了25亿英哩的模拟驾驶里程数；Waymo还将每日模拟驾驶里程数，从2016年的800万英哩，在2017年增加到1,000万英哩。“这令人印象深刻，”Juliussen表示，“因为在模拟环境之中，他们专门测试最困难的状况。”
Waymo在安全报告中指出，该公司将无人驾驶汽车在实际道路上遇到的最具挑战性状况化成虚拟场景，让自动驾驶软件能在仿真环境中练习；而自驾车软件会有任何改变或是更新，都会先在模拟环境进行严格的测试才布署于车队。
Siemens提供的模拟方案
现阶段我们还不知道Uber是否在进行无人驾驶汽车实际路测之前完成了充分的模拟驾驶，也不知道是否该公司有在模拟、验证自驾车软硬件和堆栈方面有偷工减料。而不管是Uber或Waymo，都没有公布他们在开发无人驾驶汽车时是使用什么模拟工具。
Magney表示，仿真软件工具在汽车开发领域不是新玩意儿，而且有很多不同的工具能用以仿真动力传动系统、传输系统、引擎、车辆散热管理、车辆系统动力、能源以及电机系统等等；根据他的观察，已经是传统汽车开发领域重要工具供货商之一的Siemens，似乎也在积极为扮演无人驾驶汽车生态系统的关键角色累积实力。
Siemens对Mentor Graphics与Tass International的收购就是其企图心的展现；而事实上该公司最新推出的解决方案，就是整合了以上两家公司的技术，包括Tass的模拟环境PreScan，以及能实时融合(fuse)原始数据之Mentor DRS360平台。
Mentor的DRS360平台（来源：Siemens）
新方案的运作原理是首先由Tass的PreScan模拟环境针对无限量的可能驾驶情境、路况或其他参数，产生具高度真实性、以实体为基础的仿真传感器原始数据；接着将来自PreScan模拟雷达、光达与摄影机传感器的数据，馈入Mentor的DRS360平台实时融合，建立车辆行驶环境与路况的高分辨率模型。
Kashi形容，DRS360平台内含FPGA、SoC与MCU，能让无人驾驶汽车开发者在一个嵌入式集中化平台进行自动驾驶系统的开发与验证；藉由利用能产生无限量仿真场景的实体传感器模型，无人驾驶汽车设计工程师能测试并精炼其感知算法或决策算法。他强调，能在嵌入式环境中进行这些工作，对加速无人驾驶汽车开发非常关键。
PreScan与DRS360平台能提供虚拟的无人驾驶汽车系统的开发与验证环境（来源：Siemens）
Siemens在发表以上最新模拟方案的同时，也宣布与长距离、小型化光达业者Cepton Technologies合作；该公司今年稍后还会公布其他策略伙伴。Siemens旗下TASS International产品总监Martijn Tideman表示，其模拟环境也能利用各家传感器供货商的产品规格表信息来建立仿真传感器模型，然后利用现实世界的量测数据进行验证以取得最佳精确度。
那么无人驾驶汽车仿真软件跟传统汽车设计使用的仿真软件有什么不同？对此Magney表示，最大差异在于前者会涵盖软件、零组件、各系统以及整辆无人驾驶汽车的模拟；不过，“要看你想完成的是什么。”举例来说，Prescan是一个以实体环境为基础的仿真器，开发者能定义道路环境、车道、行人等，他的VSI Labs是利用该软件在实际布署于车辆前测试防车道偏离算法。
至于模拟时数究竟该有多少？Magney表示，要量化无人驾驶汽车模拟时数真的很难，因为这也要看开发者想完成的是什么；他指出，针对无人驾驶汽车系统，开发者会想要模拟到足够安全，但到底多安全才足够？例如(行驶路径)50公尺内的物体侦测，你可能达到99.99%准确率，但这可能还是不被接受，所以要透过备援系统(其他传感器或算法等等)来分解。
他指出，模拟并不一定用小时来计算，Google/Waymo可能利用无限量运算能力同时模拟数千辆车子，然后说他们去年达到相当于27亿英哩的模拟行驶里程；不知道他们是怎么用小时来换算里程，但他们的仿真软件可能是24小时运作，而且其运算资源应该是无限制的。 所以Magney认为，模拟时数/里程数不是重点，而是开发者的运算资源以及使用之仿真工具的质量，还有用以建立不同驾驶情境的方法以及那些情境的多样化。
那么仿真软件能分析像是Uber撞人事故那类案例的原因吗？对此Siemens的Kashi与Tideman婉拒针对特定事件发表评论，但Tideman指出Prescan工具的任务之一，是根据纪录于数据库的3万个案例来进行交通事故的“逆向工程”。
他解释，因为该模拟工具能根据改变环境参数──包括晴天、雨天、黄昏、深夜…等等──产生无限量的车辆行驶情境，所谓的逆向工程能探索特定意外事故如何发生，也能进一步了解特定事故可能如何避免、甚至预测可能发生的事故情况。