Wirtualne światy w rzeczywistości – modelowanie torów jazdy
Porsche EngineeringWirtualna walidacja staje się coraz ważniejsza, na przykład do testowania podczas rozwoju i walidacji systemów wspomagania kierowcy lub połączonych funkcji jazdy. Warunkiem wstępnym są tak zwane sceny lub modele torów, które Porsche Engineering generuje dla klientów przy użyciu własnego kompleksowego łańcucha narzędzi. Wiąże się to ze złożonym procesem, dla którego konwencjonalne dane mapowe w żaden sposób nie są wystarczające.
Zanim nowe Porsche Cayenne zostało zaprezentowane w kwietniu ubiegłego roku, prototyp przejechał już cztery miliony kilometrów testowych. Były to jednak tylko przejazdy po prawdziwych drogach i bezdrożach – nie licząc wirtualnych jazd testowych w symulacji. Obecnie na każdy rzeczywisty kilometr testowy przypada ponad 1000 kilometrów przejechanych na komputerze. Inżynierowie generują cyfrowego bliźniaka pojazdu, a następnie poddają go wirtualnym jazdom testowym w środowisku symulacyjnym na syntetycznym lub hybrydowym stanowisku testowym (SiL, HiL, ViL) – głównie w sytuacjach, które rzadko występują w prawdziwym życiu lub są zbyt niebezpieczne, aby testować je w rzeczywistych warunkach. Jak na przykład reaguje tempomat, gdy na końcu zakrętu czeka dzik?
W celu walidacji systemów wspomagania kierowcy i wysoce zautomatyzowanych funkcji jazdy niezbędne staje się testowanie takich tak zwanych „przypadków kątowych” w niezliczonych wariantach i na różnych poziomach krytyczności. To z kolei sprawia, że coraz ważniejszy staje się inny zasób: wirtualne drogi i środowiska.
– Każda funkcja, która musi zostać zweryfikowana przez symulację, wymaga modelu trasy – cyfrowego bliźniaka drogi i środowiska – wyjaśnia Tille Karoline Rupp, Senior Manager Simulation w Porsche Engineering.
W przeszłości takie sceny lub modele torów były często generowane ręcznie, ale ta metoda jest niewystarczająca, aby sprostać rosnącemu zapotrzebowaniu – w końcu wiele miliardów kilometrów testowych będzie musiało zostać przejechanych w drodze do autonomicznego samochodu.
– Wysoki stopień automatyzacji ma kluczowe znaczenie – mówi Rupp.
Porsche Engineering opracowało własny, kompleksowy łańcuch narzędzi do generowania wirtualnych ścieżek testowych z szeregu surowych danych – niemal całkowicie bez ręcznej interwencji.
Jednym z przykładów materiałów źródłowych do generowania scen są mapy o wysokiej rozdzielczości od dostawców lub rzeczywiste jazdy testowe, które Porsche Engineering przeprowadza za pomocą swoich pojazdów testowych JUPITER (Joint User Personalized Integrated Testing and Engineering Resource, ang. spersonalizowane zintegrowane zasoby testowe i inżynieryjne dla wspólnych użytkowników). Dane mapowe z usług publicznych, takich jak Google Maps, nie nadają się do generowania scen ani modelowania torów.
– Czasami schodzimy do poziomu milimetra i potrzebujemy informacji o szerokości pasa i drogi, a także trójwymiarowych spadków poprzecznych – mówi Tobias Watzl, inżynier ds. rozwoju i odpowiedzialny za modelowanie toru.
Ponieważ podstawa danych różni się w zależności od kraju, obecność na miejscu ma czasami kluczowe znaczenie. Na przykład w Chinach obowiązują specjalne wymogi prawne dotyczące gromadzenia georeferencyjnych danych drogowych. Dzięki zespołom w Szanghaju i Pekinie, Porsche Engineering może przejąć odpowiedzialność za poszczególne zakresy projektów na miejscu – zawsze we współpracy z ekspertami z innych lokalizacji.
Budowa modelu toru krok po kroku
W pierwszym kroku na podstawie danych mapowych tworzony jest logiczny model drogi. Opisuje on jej przebieg zgodnie z wytycznymi dotyczącymi budowy dróg przy użyciu funkcji matematycznych – głównie równań wielomianowych. Logiczny model drogi jest przechowywany jako plik Asam OpenDRIVE – format zarządzany i aktualizowany przez organizację normalizacyjną Asam e.V. (Stowarzyszenie na rzecz Standaryzacji Automatyki i Systemów Pomiarowych).
W drugim kroku generowany jest trójwymiarowy model drogi – jest to wizualna reprezentacja, która może być nie tylko oglądana na ekranie, ale również wchodzić w interakcje z modelami czujników. Ten wirtualny tor testowy można zmieniać w dowolny sposób, dodając zjazdy lub nieskończone obwody. Ogólne sceny, które nie mają odpowiednika w rzeczywistości, są również dostosowywane do testowanej funkcji jazdy. Jeśli celem jest na przykład algorytm rozpoznawania znaków drogowych, wzdłuż drogi umieszcza się wiele różnych znaków.
Alternatywnie, inżynierowie mogą również modelować rzeczywiste drogi – takie jak autostrada A8 ze Stuttgartu do Monachium. Takie georeferencyjne sceny są wymagane, na przykład, jeśli testowana funkcja wykorzystuje mapę wewnętrzną. Początkowo model 3D reprezentuje tylko drogę. Aby jednak móc zoptymalizować funkcje oparte na kamerach, takie jak wykrywanie pasów ruchu, wirtualny model toru musi wyglądać tak, jak w rzeczywistości.
W tym celu otrzymuje on wirtualne środowisko. W tym celu Porsche Engineering zintegrowało w swoim procesie produkcyjnym oprogramowanie graficzne 3D Houdini, które jest również wykorzystywane w przemyśle filmowym. Pozwala to na generowanie realistycznie wyglądających drzew lub budynków wzdłuż drogi. Informacje o tym, gdzie znajdują się obiekty wzdłuż drogi, są pobierane ze źródeł takich jak otwarta usługa mapowa OpenStreetMap (OSM).
Jednak modelowanie fotorealistycznej cyfrowej drogi i jej otoczenia jest bardzo czasochłonne.
– Jeśli wszystkie dane wejściowe są poprawne, na około dziesięć kilometrów potrzeba godziny obliczeń – mówi Watzl.
Wymaga to od inżynierów zachowania równowagi: model toru musi być wystarczająco szczegółowy, aby móc wiarygodnie zweryfikować odpowiednią funkcję jazdy, ale nie może być zbyt duży, ponieważ prawdopodobnie będzie wymagał zbyt dużej mocy obliczeniowej. Aby zapewnić płynne działanie symulacji, odległe lub nieistotne obiekty są usuwane lub modelowane w bardzo uproszczonej formie.
Zautomatyzowany łańcuch narzędzi
Najwyższy możliwy stopień automatyzacji ma kluczowe znaczenie dla wydajnego modelowania toru. Dlatego też międzynarodowy zespół Porsche Engineering opracował własny, kompleksowy łańcuch narzędzi: wszystkie kroki od logicznych opisów dróg do gotowego modelu 3D ze środowiskiem przebiegają automatycznie. Wymaga to bogatej inteligencji cyfrowej: zakładając, że logiczny model drogi nie wykazuje żadnego nachylenia, ale 70 metrów jest udokumentowane w danych dotyczących wysokości terenu, algorytm musi rozpoznać, że w tym miejscu znajduje się tunel i dodać pasujący tunel do modelu 3D.
MOŻE ZAINTERESUJE CIĘ TAKŻE
Co więcej, kluczowymi elementami są również zapewnienie jakości i wykorzystanie danych w różnych środowiskach symulacyjnych bez większych modyfikacji.
– Weryfikujemy dane semantycznie pod kątem sterowności, możliwości importu i zgodności ze standardem – podkreśla Rupp.
Na przykład skoki w geometrii drogi, które mogą wystąpić z powodu błędów pomiarowych, muszą być identyfikowane automatycznie. Oprócz testowania właściwości jezdnych w odpowiednich środowiskach symulacyjnych, wykorzystywane jest narzędzie do kontroli jakości firmy Cariad. Sprawdza ono, czy plik Asam OpenDRIVE jest zgodny ze standardem i może być używany bez ograniczeń w żądanym środowisku symulacyjnym.
Wraz z firmami Cariad i Asam, Porsche Engineering uruchomiło inicjatywę, która ma na celu umożliwienie wymienności standardów i możliwość oceny ich jakości. W ramach projektu Asam Quality Checker w 2024 r. wraz z innymi partnerami projektu zostaną opracowane ramy przeglądu, które będą stanowić ważną podstawę do poprawy wymienności norm.
– Skalowalne rozwiązania symulacyjne mogą istnieć tylko dzięki standardom, które są jednolicie interpretowane i wdrażane – podkreślają Marius Dupuis (CEO) i Ben Engel (CTO) z Asam. – Bez standardów świat jest nie do opisania.
Tę ocenę potwierdzają użytkownicy.
– Oprócz standardów potrzebujemy wspólnie zdefiniowanych wymagań jakościowych, aby móc połączyć najlepsze dostępne narzędzia w celu opracowania lub skonfigurowania niezawodnego łańcucha narzędzi – mówi Marcel Langer, Product Owner Simulation and Testing w Cariad.
– Znamy wymagania dotyczące symulacji od podszewki, ponieważ sami je opracowujemy i z powodzeniem wykorzystujemy w projektach klientów – podkreśla Rupp.
Jednym z przykładów są systemy hardware-in-the-loop, które umożliwiają testowanie działania prawdziwej jednostki sterującej w wirtualnym pojeździe z odpowiednim środowiskiem i otaczającym ruchem drogowym. Zmniejsza to potrzebę przeprowadzania rzeczywistych testów. Porsche Engineering wykorzystuje dużą liczbę takich systemów HiL.
Postęp dzięki pogodzie i sztucznej inteligencji
W miarę jak będziemy zmierzać w kierunku wysoce zautomatyzowanej jazdy, wirtualne tory testowe będą musiały w przyszłości stawać się coraz bardziej rozbudowane i szczegółowe.
– Wciąż istnieje duży potencjał – mówi Watzl. Oto przykład: obecnie w wirtualnym świecie zawsze panuje lato – drogi są czyste i suche.
– W przyszłości można by wprowadzić wariant zimowy, ze zwałami śniegu na poboczu drogi, które zakrywają oznaczenia pasów ruchu – mówi Watzl.
Ważne jest to, że wizualnie wyświetlane są nie tylko pryzmy śniegu, ale także na przykład stosy liści lub kałuże. Ponadto, ich właściwości fizyczne również muszą być prawidłowo odwzorowane. W końcu istnieje zasadnicza różnica między optycznym i fizycznym wykrywaniem czujników – a zatem także różnica w sposobie reagowania systemów wspomagania kierowcy. Aby jeszcze bardziej zwiększyć poziom szczegółowości, Porsche Engineering planuje wykorzystać swoją wewnętrzną wiedzę w zakresie sztucznej inteligencji.
– Sztuczna inteligencja może automatycznie analizować zdjęcia satelitarne i dostarczać informacji o krajobrazie lub budynkach – mówi Rupp.
Ponadto technologia ta może być wykorzystywana do automatycznego wyodrębniania elementów, takich jak znaki drogowe, z nagrań wideo. Może to znacznie przyspieszyć adaptację modelu trasy do innego kraju.
Od rzeczywistości do realizmu
Generowanie scen to przedstawienie scenariusza, który zwykle istnieje w rzeczywistości (widok z lotu ptaka po lewej). Składa się z dwóch komponentów, które pasują do siebie pod względem geometrii i zawartości: po pierwsze, logiczno-matematyczny opis sieci drogowej i obiektów (po prawej) oraz model 3D obszaru do jazdy i otoczenia (w środku). Generowanie scen jest niezbędnym elementem wirtualnej walidacji i testów wspierających rozwój na syntetycznych i hybrydowych stanowiskach testowych (SiL, HiL, ViL).
Źródło: Porsche Engineering
