在自動駕駛與智能駕駛技術蓬勃發(fā)展的當下，仿真測試成為了推動其進步的關鍵環(huán)節(jié)。自動駕駛仿真平臺能夠在虛擬環(huán)境中模擬各種真實場景，對自動駕駛系統(tǒng)進行全面測試，從而大幅降低實際道路測試的成本與風險。

51Sim 由 51WORLD 于 2017 年孵化，是國內領先的 AI 合成數據及仿真平臺公司，在智能駕駛仿真和數據閉環(huán)領域有著卓越的產品競爭力和商業(yè)化能力?，F核心產品包括智能駕駛與機器人仿真平臺 SimOne、數據閉環(huán)與合成數據平臺 DataOne、交通信息模型平臺 TIM。

SimOne 是 51Sim 于 2017 年研發(fā)推出的具有自主知識產權的智能駕駛與機器人仿真平臺，集靜態(tài)和動態(tài)數據導入、測試場景編輯、傳感器仿真、動力學仿真、回放仿真、虛擬數據集生成、在環(huán)測試等于一體，具備全鏈閉環(huán)仿真能力。

來自行業(yè)的 KPI

目前，自動駕駛仿真軟件測試遵循一系列行業(yè)標準。

功能測試需遵循 ISO 26262 中自動駕駛功能安全要求，仿真軟件要精準模擬攝像頭圖像采集、雷達距離探測等各類傳感器數據，以此驗證自動駕駛算法在不同場景下的功能完整性。依據 SAE J3016 對自動駕駛等級的劃分，仿真軟件還應覆蓋 L0 到 L5 各等級所需場景，像城市道路復雜路況、高速自動駕駛場景以及極端天氣特殊場景等。

性能測試方面，幀率穩(wěn)定性、數據輸出準確性和延遲時間等指標要求嚴格。在實時性上，常見自動駕駛場景模擬中幀率通常需穩(wěn)定在一定數值以上（如 30FPS），確保模擬連貫真實。數據輸出精度要滿足自動駕駛系統(tǒng)環(huán)境感知需求，保證傳感器數據模擬誤差處于可接受范圍。

求真之旅無法繞行的高山

物理級精確的仿真場景

為了提升仿真置信度，51Sim 需要保證 SimOne 平臺虛擬場景渲染的精確度，能夠精確模擬真實的自動駕駛場景。同時，還需要模擬物理規(guī)律、車輛與周圍環(huán)境物體之間的交互以及準確模擬空間位置關系，確保各個物體在虛擬場景中的位置和姿態(tài)符合實際情況，也是渲染過程中的關鍵難點。

多傳感器的仿真

對于向高階智駕（L2+）發(fā)展的自動駕駛仿真系統(tǒng)來說，傳感器的數量和種類也在顯著增加。除了基本的虛擬場景渲染，SimOne 平臺還需要支持多路不同攝像機的仿真，這進一步增加了系統(tǒng)的復雜性和 GPU 渲染性能要求。特別是對于性能要求更高的魚眼鏡頭，其超廣角的視野和特殊的成像特性對渲染系統(tǒng)提出了更高的挑戰(zhàn)，帶來了更大的數據量和更復雜的圖像處理需求，如何在保證圖像質量的同時，又不降低系統(tǒng)的運行效率，是需要解決的關鍵問題。

仿真數據的同步性

同一場景內不同攝像機之間的協同工作、數據同步等問題都需要被妥善解決。為了確保測試結果的準確性和可靠性，不同攝像機渲染出的數據必須保持高度的同步性。任何一絲的同步誤差都可能導致測試結果的偏差，因此對同步性的要求極為嚴格。

合成數據數量與穩(wěn)定性

訓練自動駕駛算法需要海量的數據，才能讓 AI 模型充分學習到各種場景下正確決策方式。然而，真實路采的數據大多都是無效數據，對于特定的場景訓練則需要海量的合成數據。對于仿真使用的合成數據，數量和數據生成的穩(wěn)定性都有著極高的要求。在長時間、高強度的合成數據生成過程中，系統(tǒng)的穩(wěn)定性和可靠性至關重要，GPU 和驅動的故障以及溫度失控都會導致性能下降，將嚴重影響整個開發(fā)進度。

加速端到端仿真系統(tǒng)的實踐落地

賦能實時多傳感器仿真

在自動駕駛領域，硬件在環(huán)（HIL）測試是自動駕駛方案的關鍵環(huán)節(jié)。HIL 測試的一大特點就是對仿真有實時性要求，它通過實時模擬真實駕駛環(huán)境中的各種場景和條件，對自動駕駛系統(tǒng)的硬件和軟件進行測試和驗證。攝像頭仿真產生的圖像序列，既可以直接軟件的方式接入自動駕駛感知系統(tǒng)，也可以通過視頻注入的方式，或者是黑箱的方式進行 HIL 測試。

▲ SimOne HIL 攝像頭在環(huán)黑箱檢測評價系統(tǒng)的架構示意圖

2025 51Sim

此圖片由 51Sim 提供，如果您有任何疑問或需要使用此圖片，請聯系 51Sim（下同）

SimOne 攝像頭在環(huán)黑箱檢測評價系統(tǒng)中，黑箱內的專業(yè)顯示屏受 SimOne 仿真控制器控制，主要負責運行 SimOne 仿真駕駛場景。在多路攝像的 HIL 測試中，借助由麗臺科技提供的基于 NVIDIA RTX 5880 Ada 多 GPU 仿真方案，SimOne 仿真控制器可以對多路攝像頭視頻進行實時渲染，每個 GPU 渲染其負載能力范圍內一定數量的攝像頭，以保證能夠輸出穩(wěn)定幀率的視頻信號。

RTX 5880 Ada 具備 48GB GDDR6 顯存以及 14,080 個 CUDA 核心，通過將復雜的圖形計算任務分配到多個計算核心上并行處理，大大提高了數據處理速度。針對自動駕駛場景中的動態(tài)物體渲染，GPU 能夠快速計算物體的運動軌跡和光影變化，確保在高負載情況下也能保持較高的幀率。在 51Sim 的 SimOne HIL 方案中，對于三車道路口、無其他車輛的仿真場景（如下圖所示），單卡 RTX 5880 Ada GPU 可以支持虛擬場景 3 路 4K 或者 1 路魚眼攝像頭穩(wěn)定的 30FPS 輸出。

同時，借助 NVIDIA Quadro SyncⅡ 同步卡可以保障幀同步輸入，從而保持多路信號的渲染場景的一致性。這種方案不僅能夠滿足多路攝像機和魚眼鏡頭的支持需求，還能確保渲染數據的同步性，為 HIL 測試提供了可靠的保障。

具體來說，在 51Sim 的 SimOne HIL 方案中，多工作站集群下使用 6-8 張 RTX 5880 Ada 顯卡可以支持多達 11 路攝像頭（當前中高端車型的主流配置）注入，基本能覆蓋現有的仿真需求，大大提升了系統(tǒng)的擴展性和靈活性，能夠根據不同的測試需求進行配置。

加速多傳感器數據合成

基礎的模型訓練需要大量的合成數據，生產合成數據的一種方式是仿真場景的渲染。RTX 5880 Ada GPU 憑借其大顯存的優(yōu)勢，虛擬場景中能夠在增加 4K 渲染路數的同時，顯著提升視頻渲染生成的效率，保證渲染質量。

在如上圖所示的綜合城區(qū)、有稀疏交通流的仿真場景下，合成輸出 60 秒、幀率為 30FPS、碼率為 32768 的視頻，單張 RTX 5880 Ada 進行 3 路 4K 的渲染輸出時，能調用 33.7GB GPU 內存，最終渲染效率為 14.28（渲染效率 = 攝像頭數量 × 視頻幀率 × 視頻時長 / 渲染時間）。而 4 路 4K 渲染輸出可以調用 42.3GB GPU 內存，效率則提升至 15.13。RTX 5880 Ada GPU 顯存為 48GB，因此可以同時支持更多的攝像頭高效渲染。

RTX 5880 Ada GPU 在處理大量渲染任務時，不僅能夠支持更多的合成數據并行渲染，還能在長時間、高強度的工作狀態(tài)下，提供出色的可靠性和穩(wěn)定性，確保了合成數據的質量和數量，為 SimOne 自動駕駛算法的訓練提供了堅實的基礎。

為了提高數據的有效性，提高場景生成的效率，51Sim 也在探索 AI 生成合成數據的方案，即使用視頻生成模型，輸入動靜態(tài)結構化場景，輸出多視角一致的攝像頭合成數據。不同的攝像頭或傳感器配置會產生不同分辨率和幀率的視頻數據，數據量巨大。也同樣需要 RTX 5880 Ada 強大算力以及穩(wěn)定性的支持。

鮑世強51Sim CEO表示，“當然這個合成數據的集群是要全自動化全天候運行的，所以對顯卡的負載是非常大的。顯卡在這上面 24 小時在運行數據，所以這塊我們也采用了專業(yè)卡的方案。隨著合成數據需求的增加，這個故事可能剛開始?！?/p>