自动驾驶发展进程有些受阻，会否是因仿真路况测试有点“鸡肋”?或许百度将突破这一难关。
(百度董事长兼首席执行官李彦宏)
美国时间3月27日，百度论文《AADS: Augmented autonomous driving simulation using data-driven algorithms》登上《Science》杂志子刊“Science Robotics”。《Science》杂志是全球最权威的学术期刊之一，《Science Robotics》则聚集软体机器人、假肢、机器人垂直跳跃、神经外骨胳、自动驾驶等机器人科技最前沿的发展领域。该论文提出了一套全新的自动驾驶仿真系统：增强现实的自动驾驶仿真系统(AADS：Augmented autonomous driving simulation using data-driven algorithms)。这个AADS系统由百度研究院机器人与自动驾驶实验室开发，它不仅能大大降低仿真系统的测试成本，还在真实性和扩展性方面实现了质的飞跃。
近年来，通过仿真系统加速自动驾驶系统测试已经得到国内外企业和学术界认可，成为自动驾驶系统开发和验证的重要组成部分。现阶段，最先进的仿真系统，一般都通过游戏发动机渲染真实感的三维模型来生成测试驾驶场景，如NVIDIA Driver Constellation, Intel的CARLA、微软的AirSim等。但这些仿真系统正处于瓶颈期，其创建的虚拟模型和车流运动仍然需要手工修正与处理，将消耗大量时间、人力成本，而创建越精确越逼真的场景将越昂贵、越费时。此外，游戏发动机渲染得到的CG(Computer Graphics，计算机图像)和实景拍摄图在丰富性和真实性上还有差距，导致通过CG图像训练的自动驾驶算法在实景上效果下降。
针对这一痛点，AADS系统可提供有效解决方案。AADS系统包含一套全新开发的基于数据驱动的交通流仿真框架和一套全新的基于图像渲染的场景图片合成框架。在获得真实感的车流移动和场景图像之后，系统利用增强现实技术可直接、全自动地创建逼真的仿真图像，完全消除了现有仿真系统中游戏发动机渲染图片与真实图片之间的差距。换言之，通过AADS系统，自动驾驶系统测试时可彻底告别“五毛”仿真环境，提升测试效果，不断精进自动驾驶算法。
此外AADS系统在操作方面也相当简便。在AADS系统中，使用一台安装了激光雷达和双目相机的汽车扫描街道，便可获得自动驾驶仿真的全部素材。AADS可自动将输入素材分解为背景、场景照明和前景对象。通过AADS中全新开发的视图合成技术，可以在静态背景上改变视点，生成任意视角的真实图片。比如，扫描街景图片后，AADS系统可以变换街景图片的视角，进而模仿车在不同环境里面行走的动作。
简言之，AADS拥有场景可扩展性和仿真真实性两大现有自动驾驶仿真系统不具备的“杀手级”优势。通过街道与场景扫描，AADS仿真系统即可快速、全自动地产生逼真的车流、行人等物体运动数据。此外，AADS系统可以进一步扩展，将虚拟元素(如车辆、行人运动)的灵活性与真实世界的丰富性相结合，从而有效、真实的仿真任何位置、任何时间的驾驶场景。值得一提的是，AADS系统采集的仿真数据无需人工标注与处理且生产成本极低，真正为自动驾驶提供低成本、最全面、最多样的仿真测试保障。
对于自动驾驶领域而言，安全性是至关重要的一环。业界一般认为一个可靠的、安全的自动驾驶系统必须能保证在苛刻的测试环境下安全行驶数亿公里。按照这一指标，若完全使用真实道路测试，可能需要长达数十年。强大的AADS可以提供一套完整的自动驾驶仿真数据链，不仅可以生成海量标注数据用于训练、测试自动驾驶感知、路径规划等核心机器学习算法，也可以端到端、交互式的完整测试、验证自动驾驶系统。通过AADS系统，既能兼顾自动驾驶系统测试的安全性，也能极大地缩短测试时间。
基于 AADS 系统，百度还同时发布了两大公开数据集，即 ApolloCar3D 和 TrafficPredict。这两个数据集是百度 ApolloScape 开源项目的一部分，其中 ApolloCar3D 数据集包括超过六万车辆的实例，配有高质量的三维 CAD 模型和语义关键点。TrafficPredict 是一个运动物体的轨迹数据集，包括时间戳，车辆 ID，类别，位置，速度，朝向等信息， 轨迹总长度达到1000多公里。百度主持的 CVPR 自动驾驶研讨会将于 2019 年 6 月举行，此次研讨会将重点关注自动驾驶中的多帧感知、预测和规划，同时举办全球范围内的挑战赛事。
全球范围内，自动驾驶领域已成为AI巨头必分的“蛋糕”。通过百度大脑核心AI技术能力的加持，百度早已成为自动驾驶领域“头号玩家”，赢得了全球、全行业的认可。未来，百度大脑将为更多不同领域输出先进的AI技术能力，让更多产业优化生产效率、提高安全性，与百度AI一同“超速前进”。
