从概念到合规：MITRE 数字试验场将加速验证自动驾驶汽车

自动驾驶汽车的安全和普及路径正在迈向数字化。

由政府资助的非营利性研究机构 MITRE 宣布与密歇根大学的 Mcity 开展合作，共同开发虚拟和物理自动驾驶汽车 (AV) 验证平台，推动行业落地。

这项合作是在华盛顿举行的 NVIDIA AI Summit 大会上宣布的。根据合作内容，MITRE 将使用 Mcity 的仿真工具和其测试设施的数字孪生，后者是 Mcity 数字试验场 (DPG) 中的一个真实自动驾驶汽车测试环境。该联合平台将利用 NVIDIA Omniverse Cloud Sensor RTX API (应用编程接口) 提供基于物理学的传感器仿真。

通过将这些仿真功能与 MITRE DPG 报告框架相结合，开发者将能够在模拟世界中进行详尽的测试，并在落地之前对自动驾驶汽车进行安全的验证。

当前的自动驾驶汽车监管环境非常分散，这给自动驾驶汽车的大规模部署带来了重大的挑战。如今，企业需要遵从城市、政府等不同层面的法规，却没有明确的大规模部署路径。MITRE 和 Mcity 希望通过向整个行业开放全面的验证资源，以解决这个困惑企业的问题。

Mcity 目前运营着一座占地 32 英亩的模拟城市，供汽车制造商和研究人员测试其技术。Mcity 还围绕其物理试验场建立了一个数字框架，为开发人员提供自动驾驶汽车数据和仿真工具。

提高安全标准

自动驾驶汽车监管框架的最大空白之一是缺乏行业和监管机构可以参照的公认安全标准。

由于缺乏通用标准，监管机构用来重复验证自动驾驶汽车性能和安全性的工具十分有限，而企业也很难展示其自动驾驶汽车技术的成熟度。这项能力在发生公共道路事故时至关重要，因为在这种情况下，自动驾驶汽车开发商需要以行业和监管机构认可的方式证明其软件的可靠性。

美国国家公路交通安全管理局的“新车评价规程” (NCAP) 等工作在为传统汽车开发制定车辆安全基准方面发挥了重要作用。但由于自动驾驶汽车的安全衡量标准不仅限于碰撞测试，还包括动态环境中实时决策的复杂性，因此 NCAP 不足以评估自动驾驶汽车。

此外，传统的道路测试虽然将车辆置于现实条件下，但缺乏在各种极端情况下证明安全性所需的可扩展性，因此存在固有的局限性。在公共道路上测试罕见和危险的场景尤为困难，因为风险很大。

通过提供验证自动驾驶汽车的物理和数字资源，MITRE 和 Mcity 将能够提供一种安全、普遍可用的解决方案，解决自动驾驶汽车验证的复杂性问题。

基于物理学的传感器仿真

此次合作的核心内容之一是传感器仿真。该技术可以对物理车辆上的摄像头、激光雷达、雷达与超声波传感器的物理特性和行为以及这些传感器与周围环境交互的方式进行仿真。

借助传感器仿真，开发者能够在虚拟的罕见和危险场景中进行安全的训练并测试自动驾驶汽车，例如极端天气条件、行人突然横穿马路或无法预测的驾驶员行为等。

自动驾驶汽车公司可以与监管机构一同利用传感器仿真重现现实世界中的事件、分析系统的反应并评估车辆的性能，从而加快整个验证流程的速度。

此外，仿真测试可以重复执行，因此开发者可以追踪自动驾驶汽车堆栈在一段时间内的改进或退步，自动驾驶汽车公司也可以向监管机构提供量化证据，证明其系统正在不断完善并解决安全问题。

架起行业与监管机构之间的桥梁

MITRE 及其生态系统正在积极开发数字试验场平台，以此促进全行业标准和法规的制定。

该平台将成为一项开放且可使用的资源，为加快安全自动驾驶汽车的开发和部署提供一个可信的仿真测试环境。

Mcity 将借助 NVIDIA Omniverse 提供仿真基础设施和数字孪生，以及无缝连接虚拟和物理世界的能力。NVIDIA Omniverse 是一个开放平台，系统开发者能够用它构建物理 AI 和机器人系统仿真应用。此次合作还将把该虚拟试验场集成到 DPG 中，以此加快先进数字工程和仿真技术的开发与使用，最终保障自动驾驶汽车的安全。

Mcity 的仿真工具将连接到 Omniverse Cloud Sensor RTX API，并提供一个 Mcity 物理试验场的通用场景描述 (USD) 模型。DPG 将能够访问该环境，在逼真的测试环境中仿真车辆和行人的行为，并使用 DPG 报告框架解释自动驾驶汽车的性能。

该测试将在 Mcity 的物理试验场上重复进行，形成一个全面完整的反馈循环。