汽车联网和自动驾驶很快就会成为我们生活的一部分，软件仿真在交通规划、车辆设计和工程中的作用从未像现在这样重要。在这一有如此多未知数的新兴领域，基于数字孪生技术的仿真非常适合道路行驶测试。
数字孪生（Digital twin）是指在数字化平台上模拟物理实体、流程或者系统，类似实体系统在数字化平台上的孪生双胞胎。借助于数字孪生，可以在数字化平台上了解物理实体的状态，甚至可以对物理实体内部预定义的接口组件进行控制。
数字孪生是一个物联网范畴的概念，通过集成物理反馈数据，并辅以人工智能、机器学习和软件分析，在数字化平台内创建一个数字化仿真。这个仿真会根据反馈，随着物理实体的变化而自动做出相应的变化。理想状态下，数字孪生可以根据多重的反馈源数据进行自我学习，从而几乎实时地在数字世界里呈现出物理实体的真实状况。数字孪生的反馈源主要依赖于各种传感器，如压力、角度、速度、摄像头、雷达和惯性传感器等。数字孪生的自我学习（或称机器学习）除了可以依赖于传感器的反馈信息，也可以通过历史数据（或者是集成网络的数据）自我学习。
数字孪生可以应用在各种行业，比如航空航天、工业自动化、能源和汽车等领域，用以对核心设备、流程的使用进行优化，并简化维护工作。
数字孪生正在改变汽车驾驶
目前，汽车设计师通过结合基于软件的数字能力来扩展现有的物理特性。汽车行业运用数字孪生技术的一个具体示例是，汽车工程师将数字孪生技术与其分析工具结合使用，以分析特定汽车的驾驶方式。这样，他们可以建议在汽车中加入新功能，以减少道路上的车祸，而以前是不可能在如此短的时间内实现的。
另一个例子是数字孪生在联网车辆上基于车辆到云的高级驾驶辅助系统 (ADAS) 应用。在这种系统中，云服务器根据接收到的数据创建一个数字世界，用建议的模型对其进行处理，然后将其发送回现实世界中的联网车辆。即使所有计算都在数字世界（云端）中进行，驾驶员也可以从这种数字孪生模式中受益并改善他们的驾驶体验。
如何向车辆驾驶员正确地展示可视化数字孪生信息仍然是一个悬而未决的问题。在数字世界中计算处理的指导和命令需要通过人机界面向现实世界中的驾驶员展示出来，从而作为 ADAS的一项功能来辅助他们的驾驶操作决策。一种新颖的解决方案是将来自车载摄像头的图像数据（RGB 和深度）与来自数字孪生的云数据融合，并将数字孪生信息覆盖在驾驶员视野中的现有物体之上。这些数字孪生信息可能包括周围车辆或其他方向交叉车辆的状态、周围车辆驾驶员的状态或对周围车辆未来行为的预测。数字孪生的人机界面可以设计在车辆的外部屏幕上，也可以通过增强现实（AR）技术与抬头显示器（HUD）一起实现。
数字孪生实现ADAS/自动驾驶路测仿真
汽车联网和自动驾驶很快就会成为我们生活的一部分，软件仿真在交通规划、车辆设计和工程中的作用从未像现在这样重要。在这一有如此多未知数的新兴领域，基于数字孪生技术的仿真非常适合道路行驶测试：它提供了一个安全、无风险的环境，且具有足够的可扩展性和灵活性，可以应对不断变化的参数和众多变量，而且还具有快速分析多个场景的能力。
最新的交通出行建模软件创建了现实世界的数字孪生，描绘了一个完美的虚拟景象，让汽车制造商和交通管理机构安全地探索自动驾驶和联网汽车技术的极限，以实现更安全的现实世界部署。
汽车要实现自动驾驶应用需要广泛的测试和验证。大多数测试都是在可扩展的仿真工具中进行的，而大部分检验和验证仍在物理世界中完成。因此，在评估和提高测试工作的整体效率时，这些测试模式之间的相关性仍然是一个重要的考虑因素。
我们知道，实际道路上的物理测试不但耗时且成本高昂。为了降低成本，开发人员和测试工程师面临两个关键选择：尽可能多地进行虚拟测试，并确保生成有意义的测试结果和测试数据集。当虚拟测试与物理测试环境结合时，仿真在这两项工作中都是非常有用的工具。
在将硬件和软件部署到物理环境之前，数字孪生环境中的虚拟测试可以有效地识别致命性错误，这不但减少了耗费在道路上的故障排除操作，而且减少人为参与，甚至避免人类驾驶员的伤亡。
例如，位于美国德州奥斯汀的初创公司monoDrive开发出一种称为Ultra High Fidelity Simulator超高保真仿真器，可以在没有人类驾驶员的情况下测试自动驾驶的功能。这种超高保真仿真器可以让汽车制造商在虚拟世界中操纵汽车行驶，完成数百万英里的道路测试。
monoDrive联合创始人兼CEO Celite Milbrandt认为这种仿真器的强大之处在于减少了人类驾驶员对新感知和控制软件的需求。人类司机不仅成本昂贵，而且还容易出现人为错误。此外，这种仿真器的另一个好处是它为深度学习算法的数据引入了结构，这是自动驾驶汽车人工智能的基础。
monoDrive的仿真软件可提供高保真传感器模型、逼真的驾驶场景和多样化的环境。它具有四种测试模式：
1. 闭环 -- 根据传感器和车辆反馈主动控制系统；
2. 重播 -- 在没有任何反馈的情况下执行具有受控车辆位置的固定序列；
3. 硬件在环（HIL） -- 使用户能够连接硬件以进行感知和控制，并将它们集成到闭环或重播模式的各个部分中；
4. 固定步长闭环 -- 使用户能够控制仿真步骤之间的时间增量，而不管挂钟时间。
此外，monoDrive Real-to-Virtual硬件和软件端到端方案可以从相机、LiDAR 和 GNSS 系统收集真实世界的数据，以创建可在虚幻引擎和 monoDrive 场景编辑器中使用的高保真资产和地图信息。而该公司新推出的monoDrive摄像头仿真器直接注入硬件和软件提供端到端解决方案，可将准确图像发送到 ECU 以执行关键感知任务，例如分割、物体检测、车道检测和前方物体检测（用于汽车远光灯）等。
monoDrive实时软件在环（SIL）。（来源：monoDrive）
monoDrive实时硬件在环（SIL）。（来源：monoDrive）
NI收购monoDrive
认识到ADAS/自动驾驶对测试和验证的强劲需求，以及monoDrive虚拟仿真技术的价值，NI于5月份宣布收购monoDrive。NI将利用monoDrive在信号处理和高级仿真领域的专长，通过模拟众多传感器和数千种实时场景的高保真驾驶环境的能力，帮助客户加速ADAS的交付。monoDrive结合NI软件连接的系统，将帮助其汽车客户实现简化仿真、基于实验室的测试环境和物理测试环境之间的转换，最终帮助汽车制造商和零部件供应商们加速迈向自动驾驶汽车时代。
为了在较短的时间和有限的预算内实现ADAS的可靠性和安全性，工程师正尝试更多地通过仿真和实验室测试，测试更多的场景和应用。NI和monoDrive提供了一个统一的工具链，可与各种环境仿真工具以及记录和回放系统互操作，并提供丰富的I/O来集成各种ADAS传感器，从而简化ADAS硬件在环(HIL)和传感器融合测试系统的开发，进而可以：将硬件I/O与 IPG CarMaker、ANSYS VRXPERIENCE、Vires VTD、Siemens的Simcenter Prescan或monoDrive等环境仿真工具集成；通过多个I/O和汽车总线信号连接ADAS控制器，严格控制定时和数据同步；确保系统的灵活性，从而在系统不断集成更多的摄像头、雷达、激光雷达和其他类型的ADAS传感器的情况下，满足未来的I/O和测试要求；将比特流故障、帧延迟和可重复对象仿真注入测试雷达传感器，从而扩大测试覆盖范围并提高可靠性。
ADAS/自动驾驶对虚拟仿真的路测需求催生了基于数字孪生理念和技术的仿真软件市场，除了被NI收购的monoDrive外，采用国防和航空仿真技术的Dactle，以及采用游戏渲染技术的Epic Games也是这一新兴市场的有力竞争者。
责编：Amy Guan
您可能感兴趣
