基于模型在环仿真的自动驾驶虚拟测试平台.pdf

基于模型在环仿真的自动驾驶虚拟测试平台 本文主要介绍了一种基于模型在环仿真的自动驾驶虚拟测试平台，旨在解决自动驾驶汽车测试中的难题。该平台结合数学模型与物理硬件设备，实现了闭环测试与评价，对自动驾驶系统的测试与验证具有重要意义。 一、自动驾驶测试需求 伴随着高级驾驶辅助系统 (ADAS) 和高等级自动驾驶系统的开发和应用，产生了很多新的测试需求。自动驾驶汽车的测试不仅是对车辆进行测试，还有对自动驾驶系统的测试。因此，开发一个高效、可靠的自动驾驶测试平台是非常必要的。 二、基于模型在环仿真的优点 基于模型在环仿真是一种较节省成本的嵌入式系统测试方式。这种测试方式一般在开发的初期阶段及建模阶段中进行，除了建立控制器模型外，还要建立被控对象模型，将控制器和被控对象连接起来形成了闭环，在仿真环境里面测试开发阶段的算法。该方法的优点是以较低的成本在开发初期就可以验证算法的可靠性，并且可以加快强化学习算法的验证速度。 三、基于模型在环仿真的自动驾驶虚拟测试平台 该平台主要包含以下 3 个方面的内容： （1）自动驾驶测试场景：测试场景是自动驾驶测试的核心，基于 OpenDrive 的地图定义格式，通过地图导入器导入了自定义格式的地图；基于 Open Scenario 的场景定义格式，通过场景注入器构建了跟车、障碍物、S 弯和 Cut in 等驾驶场景。 （2）自动驾驶虚拟测试环境：测试环境是自动驾驶虚拟测试的工具基础，本仿真平台是基于模型在环测试（Model-in-the-Loop，MiL）的平台体系。包含了虚拟传感器、天气模拟器、虚拟控制器和 HMI 显示器。 （3）自动驾驶加速测试方法：加速测试是自动驾驶虚拟测试的重要优势，如何利用有限的场景和特征反映无限丰富与复杂的行驶环境，本仿真平台基于一种并发算法训练框架 RLlib，可创建多个训练环境，并根据多个策略训练多个智能体。 四、仿真平台结构及工作原理 Carla 仿真器是一种客户端 - 服务端的架构，也就是传统的 C/S 架构。服务端负责一切与仿真器本身相关的：传感器渲染、物理计算，对虚拟世界的所有成员进行数据驱动和更新。由于 Carla 目的是模拟现实世界的结果，服务端最适合是在一个专用的 GPU 上运行，尤其是在跑机器学习的时候。客户端端则根据 server 端返回的摘要数据进行处理。 五、结论 本文提出了一种基于模型在环仿真的自动驾驶虚拟测试平台，旨在解决自动驾驶汽车测试中的难题。该平台结合数学模型与物理硬件设备，实现了闭环测试与评价，对自动驾驶系统的测试与验证具有重要意义。