环宇智行发布雅典娜自动驾驶软件系统

2018年9月17日，武汉环宇智行在上海发布了雅典娜（ATHENA）自动驾驶软件系统，旨在提供高性能AI计算和算法，完美解决感知和决策的适用性和可靠性。

这套系统集成了高精度地图、图像识别、决策控制、路径规划等多项功能，同时也囊括了虚拟仿真技术，为自动驾驶技术的升级、测试提供技术的保障。

虚拟仿真技术

在对图像的识别中，自动驾驶系统需要通过视觉感知，分辨出不同的物体，比如苹果、橘子、斑马、山峦、建筑物等等，传统的方法是通过深度学习，对样本库不断的训练，实现认知能力的提升。

这种方式非常有赖于样本库的完善，但样本库实际上来源于一些著名的数据集，这些数据集能够提供大部分场景下的物体形状、颜色等等，但对于少见的物体覆盖不全。基于不完整的样本库训练出的深度学习模型，认知能力自然也会打一个折扣。

但自动驾驶不能打折扣。

ATHENA系统有一套虚拟的仿真系统，可以实现对象变形、场景变化，及同一物体的颜色、背景环境等都可以通过参数进行调整。从而实现不用采集大量的数据样本，就可以训练到原本没有的物体识别。

要实现自动驾驶汽车的量产部署，需要一种能够在数十亿公里的行驶中进行测试和验证的解决方案，以保证应有的安全性和可靠性。因此，系统除了图像数据库的虚拟仿真，还可以仿真不同的道路环境、障碍物、车辆动力参数等等。

系统具备HIL（Hardware-in-the-Loop，硬件在环）、SIL（Software in loop，软件在环）、VIL（Vehicle-in-the-Loop实车在环）、Test track、Public road的能力。

HIL通过实时处理器运行仿真模型来模拟受控对象的运行状态，通过I/O接口与被测的ECU连接，对被测ECU进行全方面的、系统的测试。

从安全性、可行性和合理的成本上考虑，硬件在环测试已经成为ECU开发流程中非常重要的一环，减少了实车路试的次数，缩短开发时间和降低成本的同时提高ECU的软件质量，降低汽车厂的风险。

对汽车进行真实的嵌入式控制系统测试往往非常复杂、成本昂贵而且非常危险。HIL仿真可让工程师在虚拟环境中高效、全面地测试嵌入式设备。

SIL是一种等效性测试，测试的目的是验证代码与控制模型在所有功能上是否完全一致。其基本原则一般是使用与MIL完全相同的测试用例输入，将MIL的测试输出与SIL的测试输出进行对比，考察二者的偏差是否在可接受的范围之内。

VIL是指将系统集成到真实车辆中，并通过实时仿真机及仿真软件模拟道路、交通场景以及传感器信号，从而构成完整测试环境的方法，可实现系统功能验证、各场景仿真测试、与整车相关电控系统的匹配及集成测试。

与传统的硬件在环（HIL）测试相比，VIL由于用真实车辆替代了车辆模型，从而很大程度上提高了被测控制器性能测试结果的精确度；与实车测试相比，由于将实现复杂且难以复现的交通场景用仿真的方式来实现，可以快速的建立各种测试工况，工况的可重复性使得系统算法的快速迭代开发成为可能。总之，VIL弥补了实车测试与HIL测试之间的鸿沟。

环境感知

环宇智行技术负责人谢兴认为：3D感知与异质数据融合是高等级自动驾驶复杂感知的方向。

传统的环境感知是2D视角，对物体的识别不够全面。如果要完整的识别物体，需要从不同的方向，查看物体的状态以及形态。

因此，未来物体识别的方向，一定是朝着3D的方向发展，通过不同角度获取物体的数据，从而构建出物体实际形态的真实模样。

2D走向3D的过程，少不了三维点云的数据，但目前的点云数据，具有一些特点：

1、无序性，数据很难直接通过End2End模型处理；

2、稀疏性， 大概只有3%的像素才有对应的雷达点，极强的稀疏性使得点云高层语义感知尤为困难；

3、信息量有限，本质是对三维世界几何形状的低分辨率重采样。

三维点云深度学习模型有基于体速网络的VoxelNet、VoxelNet++、多尺度融合，基于点云的PointNet、PointNet++，还有基于图的学习模型。

自动驾驶环境感知还有赖于深度学习的异质数据特征表示、面向大数据的特征选择、智能驾驶环境感知。

其中，面向大数据的特征选择，需要通过搜索的策略，产生候选特征子集，每个特征子集通过一定的软件算法筛选。然后自动驾驶通过选择特征子集，形成ＭＬＰ网络，实现分类和定位，并最终得出结果。

整个感知的过程，非常依赖于深度学习的模型，以及卷积神经网络，把抽象＼非线性的环境细化成多层＼深度的特征元素。环宇智行的学习模式是体素深度网络模型，包含RPN(RegionProposal Network)区域生成网络、Convtion Middle Layers、Feature Learning Network。

决策规划、服务应用

自动驾驶系统具备了环境感知、高精定位等能力后，还需要进行决策规划。这方面公司是通过Mission-level Planning、Behavior-level Planning、Trajectory-level Planning三个方面实现的。

雅典娜软件系统，在感知软件算法、决策规划、数据、地图仿真都提供了成熟的解决方案，可以为自动驾驶公司、OEM提供技术上的帮助。客户可以通过提供数据，得到仿真结果，或者相应的测试报告。

公司也可以提供各种API接口、SDK给到用户，让用户实现丰富、定制化的应用。