2018年9月17日，武漢環(huán)宇智行在上海發(fā)布了雅典娜（ATHENA）自動(dòng)駕駛軟件系統(tǒng)，旨在提供高性能AI計(jì)算和算法，完美解決感知和決策的適用性和可靠性。

這套系統(tǒng)集成了高精度地圖、圖像識(shí)別、決策控制、路徑規(guī)劃等多項(xiàng)功能，同時(shí)也囊括了虛擬仿真技術(shù)，為自動(dòng)駕駛技術(shù)的升級(jí)、測(cè)試提供技術(shù)的保障。

虛擬仿真技術(shù)

在對(duì)圖像的識(shí)別中，自動(dòng)駕駛系統(tǒng)需要通過(guò)視覺感知，分辨出不同的物體，比如蘋果、橘子、斑馬、山巒、建筑物等等，傳統(tǒng)的方法是通過(guò)深度學(xué)習(xí)，對(duì)樣本庫(kù)不斷的訓(xùn)練，實(shí)現(xiàn)認(rèn)知能力的提升。

這種方式非常有賴于樣本庫(kù)的完善，但樣本庫(kù)實(shí)際上來(lái)源于一些著名的數(shù)據(jù)集，這些數(shù)據(jù)集能夠提供大部分場(chǎng)景下的物體形狀、顏色等等，但對(duì)于少見的物體覆蓋不全。基于不完整的樣本庫(kù)訓(xùn)練出的深度學(xué)習(xí)模型，認(rèn)知能力自然也會(huì)打一個(gè)折扣。

但自動(dòng)駕駛不能打折扣。

ATHENA系統(tǒng)有一套虛擬的仿真系統(tǒng)，可以實(shí)現(xiàn)對(duì)象變形、場(chǎng)景變化，及同一物體的顏色、背景環(huán)境等都可以通過(guò)參數(shù)進(jìn)行調(diào)整。從而實(shí)現(xiàn)不用采集大量的數(shù)據(jù)樣本，就可以訓(xùn)練到原本沒(méi)有的物體識(shí)別。

要實(shí)現(xiàn)自動(dòng)駕駛汽車的量產(chǎn)部署，需要一種能夠在數(shù)十億公里的行駛中進(jìn)行測(cè)試和驗(yàn)證的解決方案，以保證應(yīng)有的安全性和可靠性。因此，系統(tǒng)除了圖像數(shù)據(jù)庫(kù)的虛擬仿真，還可以仿真不同的道路環(huán)境、障礙物、車輛動(dòng)力參數(shù)等等。

系統(tǒng)具備HIL（Hardware-in-the-Loop，硬件在環(huán)）、SIL（Software in loop，軟件在環(huán)）、VIL（Vehicle-in-the-Loop實(shí)車在環(huán)）、Test track、Public road的能力。

HIL通過(guò)實(shí)時(shí)處理器運(yùn)行仿真模型來(lái)模擬受控對(duì)象的運(yùn)行狀態(tài)，通過(guò)I/O接口與被測(cè)的ECU連接，對(duì)被測(cè)ECU進(jìn)行全方面的、系統(tǒng)的測(cè)試。

從安全性、可行性和合理的成本上考慮，硬件在環(huán)測(cè)試已經(jīng)成為ECU開發(fā)流程中非常重要的一環(huán)，減少了實(shí)車路試的次數(shù)，縮短開發(fā)時(shí)間和降低成本的同時(shí)提高ECU的軟件質(zhì)量，降低汽車廠的風(fēng)險(xiǎn)。

對(duì)汽車進(jìn)行真實(shí)的嵌入式控制系統(tǒng)測(cè)試往往非常復(fù)雜、成本昂貴而且非常危險(xiǎn)。HIL仿真可讓工程師在虛擬環(huán)境中高效、全面地測(cè)試嵌入式設(shè)備。

SIL是一種等效性測(cè)試，測(cè)試的目的是驗(yàn)證代碼與控制模型在所有功能上是否完全一致。其基本原則一般是使用與MIL完全相同的測(cè)試用例輸入，將MIL的測(cè)試輸出與SIL的測(cè)試輸出進(jìn)行對(duì)比，考察二者的偏差是否在可接受的范圍之內(nèi)。

VIL是指將系統(tǒng)集成到真實(shí)車輛中，并通過(guò)實(shí)時(shí)仿真機(jī)及仿真軟件模擬道路、交通場(chǎng)景以及傳感器信號(hào)，從而構(gòu)成完整測(cè)試環(huán)境的方法，可實(shí)現(xiàn)系統(tǒng)功能驗(yàn)證、各場(chǎng)景仿真測(cè)試、與整車相關(guān)電控系統(tǒng)的匹配及集成測(cè)試。

與傳統(tǒng)的硬件在環(huán)（HIL）測(cè)試相比，VIL由于用真實(shí)車輛替代了車輛模型，從而很大程度上提高了被測(cè)控制器性能測(cè)試結(jié)果的精確度；與實(shí)車測(cè)試相比，由于將實(shí)現(xiàn)復(fù)雜且難以復(fù)現(xiàn)的交通場(chǎng)景用仿真的方式來(lái)實(shí)現(xiàn)，可以快速的建立各種測(cè)試工況，工況的可重復(fù)性使得系統(tǒng)算法的快速迭代開發(fā)成為可能?？傊琕IL彌補(bǔ)了實(shí)車測(cè)試與HIL測(cè)試之間的鴻溝。

環(huán)境感知

環(huán)宇智行技術(shù)負(fù)責(zé)人謝興認(rèn)為：3D感知與異質(zhì)數(shù)據(jù)融合是高等級(jí)自動(dòng)駕駛復(fù)雜感知的方向。

傳統(tǒng)的環(huán)境感知是2D視角，對(duì)物體的識(shí)別不夠全面。如果要完整的識(shí)別物體，需要從不同的方向，查看物體的狀態(tài)以及形態(tài)。

因此，未來(lái)物體識(shí)別的方向，一定是朝著3D的方向發(fā)展，通過(guò)不同角度獲取物體的數(shù)據(jù)，從而構(gòu)建出物體實(shí)際形態(tài)的真實(shí)模樣。

2D走向3D的過(guò)程，少不了三維點(diǎn)云的數(shù)據(jù)，但目前的點(diǎn)云數(shù)據(jù)，具有一些特點(diǎn)：

1、無(wú)序性，數(shù)據(jù)很難直接通過(guò)End2End模型處理；

2、稀疏性， 大概只有3%的像素才有對(duì)應(yīng)的雷達(dá)點(diǎn)，極強(qiáng)的稀疏性使得點(diǎn)云高層語(yǔ)義感知尤為困難；

3、信息量有限，本質(zhì)是對(duì)三維世界幾何形狀的低分辨率重采樣。

三維點(diǎn)云深度學(xué)習(xí)模型有基于體速網(wǎng)絡(luò)的VoxelNet、VoxelNet++、多尺度融合，基于點(diǎn)云的PointNet、PointNet++，還有基于圖的學(xué)習(xí)模型。

自動(dòng)駕駛環(huán)境感知還有賴于深度學(xué)習(xí)的異質(zhì)數(shù)據(jù)特征表示、面向大數(shù)據(jù)的特征選擇、智能駕駛環(huán)境感知。

其中，面向大數(shù)據(jù)的特征選擇，需要通過(guò)搜索的策略，產(chǎn)生候選特征子集，每個(gè)特征子集通過(guò)一定的軟件算法篩選。然后自動(dòng)駕駛通過(guò)選擇特征子集，形成ＭＬＰ網(wǎng)絡(luò)，實(shí)現(xiàn)分類和定位，并最終得出結(jié)果。

整個(gè)感知的過(guò)程，非常依賴于深度學(xué)習(xí)的模型，以及卷積神經(jīng)網(wǎng)絡(luò)，把抽象＼非線性的環(huán)境細(xì)化成多層＼深度的特征元素。環(huán)宇智行的學(xué)習(xí)模式是體素深度網(wǎng)絡(luò)模型，包含RPN(RegionProposal Network)區(qū)域生成網(wǎng)絡(luò)、Convtion Middle Layers、Feature Learning Network。

決策規(guī)劃、服務(wù)應(yīng)用

自動(dòng)駕駛系統(tǒng)具備了環(huán)境感知、高精定位等能力后，還需要進(jìn)行決策規(guī)劃。這方面公司是通過(guò)Mission-level Planning、Behavior-level Planning、Trajectory-level Planning三個(gè)方面實(shí)現(xiàn)的。

雅典娜軟件系統(tǒng)，在感知軟件算法、決策規(guī)劃、數(shù)據(jù)、地圖仿真都提供了成熟的解決方案，可以為自動(dòng)駕駛公司、OEM提供技術(shù)上的幫助?？蛻艨梢酝ㄟ^(guò)提供數(shù)據(jù)，得到仿真結(jié)果，或者相應(yīng)的測(cè)試報(bào)告。

公司也可以提供各種API接口、SDK給到用戶，讓用戶實(shí)現(xiàn)豐富、定制化的應(yīng)用。