端到端是無法閉環(huán)的，只能開環(huán)仿真測(cè)試，目前唯一的端到端測(cè)試平臺(tái)即CARLA，全球最大最頂尖的端到端算法比賽，即CVPR 2024 Autonomous Grand Challenge，當(dāng)然也是采用CARLA測(cè)試，同時(shí)也有基于CARLA的算法比賽項(xiàng)目。

CARLA是英特爾、豐田和西班牙巴塞羅納計(jì)算機(jī)視覺中心聯(lián)合推出的開源自動(dòng)駕駛仿真平臺(tái)，也是唯一具備強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)（99%的端到端都是Imitation learning模仿學(xué)習(xí)）賽道的仿真平臺(tái)，并且這是在2017年，彼時(shí)根本沒人知道端到端自動(dòng)駕駛，但豐田想到了，當(dāng)然豐田這種傳統(tǒng)車廠幾乎不可能使用這種完全黑盒子，不具備可確定性，不具備可解釋性，無法評(píng)估安全系數(shù)的技術(shù)。

順便說一下，自動(dòng)駕駛領(lǐng)域最早的測(cè)試數(shù)據(jù)集KITTI，是豐田早在2011年底與德國卡爾斯魯厄科技學(xué)院聯(lián)合完成的，2012年3月發(fā)布，至今仍然是自動(dòng)駕駛領(lǐng)域內(nèi)最權(quán)威的測(cè)試數(shù)據(jù)集，特別是視覺深度領(lǐng)域，擁有絕對(duì)的霸主地位，毫不夸張地說，任何自動(dòng)駕駛領(lǐng)域的廠家（含芯片廠家）和研究者都繞不開KITTI，包括特斯拉和Waymo。

首席作者Alexey Dosovitskiy，俄羅斯人，2012年莫斯科國立大學(xué)畢業(yè)，他更出名的論文是《An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale》也就是鼎鼎大名的ViT，憑借此論文，躋身全球AI杰出人才前50名，目前在英特爾工作。

幾種自動(dòng)駕駛仿真對(duì)比

CARLA由Embodied人工智能基金會(huì)維護(hù)，CARLA的技術(shù)生態(tài)和發(fā)展路線將由Intel（英特爾）、Toyota Research Institute（豐田研究院）、Futurewei、NVIDIA（英偉達(dá)）、Synkrotron（深信科創(chuàng)）五位理事單位及CARLA研發(fā)團(tuán)隊(duì)共同規(guī)劃。深信科創(chuàng)CTO潘余曦博士代表深信科創(chuàng)擔(dān)任理事會(huì)成員，深信科創(chuàng)工程師嚴(yán)宋揚(yáng)加入CARLA核心研發(fā)團(tuán)隊(duì)。作為CARLA唯一理事會(huì)中國成員，深信科創(chuàng)有CARLA的商業(yè)版即SYNKROTRON Oasis仿真平臺(tái)。

CARLA特色包括：

虛幻引擎驅(qū)動(dòng):CARLA基于Epic Games的虛幻引擎4構(gòu)建，這意味著它可以生成高保真的3D環(huán)境，提供視覺上的真實(shí)性，這對(duì)于測(cè)試車輛感知系統(tǒng)尤其重要。

實(shí)時(shí)模擬:CARLA能夠?qū)崿F(xiàn)實(shí)時(shí)的仿真速度，這對(duì)于快速迭代和驗(yàn)證算法至關(guān)重要。而且，它還支持多GPU設(shè)置以提高性能。

開放源代碼:開源的特性使得開發(fā)者可以深入理解其工作原理，修改并擴(kuò)展功能，以滿足特定需求。

傳感器數(shù)據(jù):提供多種虛擬傳感器，如攝像頭、激光雷達(dá)（LiDAR）、毫米波雷達(dá)等，這些傳感器能模擬真實(shí)世界的數(shù)據(jù)流，用于訓(xùn)練和測(cè)試自動(dòng)駕駛算法。

可配置性:環(huán)境、天氣條件、交通規(guī)則等均可按需進(jìn)行調(diào)整，從而創(chuàng)建出無數(shù)個(gè)不同的測(cè)試場(chǎng)景。

跨平臺(tái):支持Windows、Linux和macOS操作系統(tǒng)，兼容多種編程語言，包括Python和C++。

靈活的API:提供易于使用的API，讓用戶可以方便地控制模擬世界，并獲取傳感器數(shù)據(jù)。

主要應(yīng)用場(chǎng)景包括自動(dòng)駕駛算法開發(fā):利用CARLA，用戶可以測(cè)試路徑規(guī)劃、目標(biāo)檢測(cè)或避障算法，在各種復(fù)雜的環(huán)境中驗(yàn)證它們的魯棒性。

數(shù)據(jù)集生成:可以生成大規(guī)模、多樣化的合成數(shù)據(jù)集，用于訓(xùn)練深度學(xué)習(xí)模型，減少對(duì)真實(shí)世界數(shù)據(jù)的依賴。

教學(xué)與研究:教育工作者可以使用CARLA作為工具，讓學(xué)生在虛擬環(huán)境中學(xué)習(xí)自動(dòng)駕駛的基本概念和技術(shù)。

驗(yàn)證平臺(tái): 對(duì)于硬件在環(huán)(Hardware-in-the-Loop, HIL)測(cè)試，CARLA提供了一個(gè)理想的平臺(tái)，可以在不涉及實(shí)際車輛的情況下測(cè)試控制系統(tǒng)。

CARLA目前最新版本為0.9.15，2023年底推出，CARLA最新增加的town 15就是巴塞羅納校園的復(fù)制，0.9.15版本支持Digital Twin，可以加入開源地圖制作軟件OpenStreetMap，程序化制作地圖。支持英偉達(dá)的Omniverse導(dǎo)入。CARLA也可以和交通模擬軟件SUMO聯(lián)合，對(duì)于目前火熱的NOA測(cè)試，國內(nèi)企業(yè)大部分都是采用CARLA和SUMO聯(lián)合仿真測(cè)試的。

CARLA與SUMO聯(lián)合仿真

為了在仿真世界中實(shí)現(xiàn)車輛動(dòng)力學(xué)，首先需要實(shí)現(xiàn)物理引擎；下面簡(jiǎn)要介紹一下CARLA底層采用的Unreal Engine（虛幻引擎，簡(jiǎn)稱UE）的物理引擎

目前業(yè)界主要有三大物理引擎，分別是PhysX、Havok、Bullet。

Bullet：開源的物理引擎，具有廣泛的跨平臺(tái)支持，并以其穩(wěn)定性和高性能而聞名，被廣泛應(yīng)用于游戲和動(dòng)畫領(lǐng)域。

PhysX：由NVIDIA開發(fā)的實(shí)時(shí)物理模擬引擎，廣泛用于游戲開發(fā)，提供高性能、精確和逼真的物理模擬功能。

Havok：一款可靠且廣泛應(yīng)用的物理引擎，提供出色的碰撞檢測(cè)和物體模擬功能，被廣泛應(yīng)用于游戲和影視制作領(lǐng)域。

Unreal Engine(簡(jiǎn)稱UE)原生默認(rèn)支持PhysX物理引擎解決方案，這也是大部分項(xiàng)目常用的技術(shù)方案。與此同時(shí)，UE 從4.23版本之后，也推出了Unreal Chaos物理系統(tǒng)。CARLA當(dāng)前版本（0.9.15）基于UE4.26，這個(gè)版本的UE同時(shí)支持PhysXVehicles和ChaosVehicles（前者被標(biāo)記為deprecated），但基于上面的分析，CARLA中依舊選用了PhysXVehicles。

車輛動(dòng)力學(xué)方面，CARLA車輛的基類是CarlaWheeledVehicle，它繼承自PhysXVehicle組件的WheeledVehicle。生成車輛時(shí)，這個(gè)類的構(gòu)造函數(shù)初始化了VehicleBounds和baseMovementComponent，前者用于保存和獲取車輛的長(zhǎng)寬高，后者是繼承于UE的MovementComponent的移動(dòng)組件類。在這個(gè)類的BeginPlay函數(shù)中，設(shè)置了車門以及初始化了輪胎摩擦力。另外類中有一些設(shè)置（Setter）和獲?。℅etter）函數(shù)，包括車輛狀態(tài)、控制信號(hào)、BoundingBox、物理（動(dòng)力學(xué)）特性等。

CARLA支持UE PhysX車輛動(dòng)力學(xué)，也支持CarSim車輛動(dòng)力學(xué)，默認(rèn)為前者。VehicleControl是一個(gè)結(jié)構(gòu)體，包括了控制車輛所需的所有變量，即油門、轉(zhuǎn)向、剎車等。當(dāng)車輛接收到輸入的控制信號(hào)時(shí)，CARLA車輛移動(dòng)組件會(huì)調(diào)用ProcessControl函數(shù)來將控制信號(hào)應(yīng)用到車輛上。

車輛動(dòng)力學(xué)部分自然離不開豐田的貢獻(xiàn)，當(dāng)然豐田對(duì)純電車缺乏興趣，CARLA的車輛動(dòng)力學(xué)主要是針對(duì)燃油車的。

CARLA提供的城市環(huán)境內(nèi)容也是免費(fèi)的，涵蓋城市布局、多種車輛模型、建筑物、行人、路標(biāo)等。該仿真平臺(tái)支持傳感器套件的靈活設(shè)置，并提供可用于訓(xùn)練駕駛策略的信號(hào)，例如GPS坐標(biāo)、速度、加速度以及碰撞和其他違規(guī)行為的詳細(xì)數(shù)據(jù)。CARLA可以定義廣泛的環(huán)境條件，包括天氣和時(shí)間。

CARLA TOWN2中的四種典型天氣與時(shí)間，分別是晴天、日落、雨天和雨后

CARLA實(shí)現(xiàn)了各種大氣條件和照明條件。它們?cè)谔柕奈恢煤皖伾?、天空漫射的?qiáng)度和顏色以及環(huán)境遮擋、大氣霧、云量和降水量等方面存在差異。最初版的CARLA支持兩種照明條件（正午和日落）以及9種天氣條件（不同的云量、降水量和街道上是否有水坑）。這將實(shí)現(xiàn)總共18種照明天氣組合。最新版的估計(jì)有上百種，即便商業(yè)軟件都很難做到。

環(huán)境由靜態(tài)對(duì)象（如建筑物、植被、交通標(biāo)志和基礎(chǔ)設(shè)施）以及動(dòng)態(tài)對(duì)象（如車輛和行人）的三維模型組成。所有模型都經(jīng)過精心設(shè)計(jì)，以平衡視覺質(zhì)量和渲染速度：CARLA使用low-weight的幾何模型和紋理，但通過精心制作材質(zhì)和使用可變細(xì)節(jié)級(jí)別來保持視覺真實(shí)感。所有的三維模型都有一個(gè)共同的比例，它們的大小反映了真實(shí)物體的大小。2017年第一版的庫包括40個(gè)不同的建筑、16個(gè)動(dòng)畫車輛模型和50個(gè)動(dòng)畫行人模型。

CARLA 通過以下步驟使用這些資源來構(gòu)建城市環(huán)境：（a）規(guī)劃道路和人行道；（b）手動(dòng)放置房屋、植被、地形和交通基礎(chǔ)設(shè)施；（c）指定動(dòng)態(tài)對(duì)象可以出現(xiàn)（生成）的位置。2017年的第一版只設(shè)計(jì)了兩個(gè)城鎮(zhèn)：Town1的可行駛道路總長(zhǎng)度為2.9 km，用于訓(xùn)練；Town2的可行駛道路為1.4 km，用于測(cè)試。這兩個(gè)城鎮(zhèn)見下圖。

最新版本則設(shè)計(jì)了10或更多個(gè)城鎮(zhèn)，最大的面積高達(dá)100平方公里。

最初版本基于標(biāo)準(zhǔn)的UE4車型（PhysXVehicles）來設(shè)計(jì)非玩家車輛，其運(yùn)動(dòng)學(xué)參數(shù)調(diào)整為現(xiàn)實(shí)模式。CARLA還實(shí)現(xiàn)了一個(gè)控制非玩家車輛行為的基本控制器：車道跟隨、遵守紅綠燈、速度限制和交叉路口決策。車輛和行人可以相互察覺和避開。更先進(jìn)的非玩家車輛控制器將被集成到未來的版本中。行人根據(jù)特定城鎮(zhèn)的導(dǎo)航地圖在鎮(zhèn)上游蕩，相互避開，盡量避開車輛。如果汽車與行人相撞，行人將從仿真世界中刪除，并在短暫的時(shí)間間隔后在不同的位置生成新的行人。

為了增加視覺多樣性，CARLA在將非玩家角色添加到仿真中時(shí)對(duì)其外觀進(jìn)行隨機(jī)化。每個(gè)行人都穿著從預(yù)先指定的衣柜中隨機(jī)抽取的一套衣服，并可選擇配備以下一種或多種物品：智能手機(jī)、購物袋、吉他盒、手提箱、雨傘等。每輛車都是根據(jù)特定車型的一組材料隨機(jī)噴漆的。但是中國交通場(chǎng)景最常見的，絲毫不在乎交通規(guī)則的低速三輪或四輪電動(dòng)車（老頭樂）以及千奇百怪的兩輪電動(dòng)車卻沒有，這是非常大的缺失。

感知方式有三種，常規(guī)攝像頭，深度真值和語義分割真值。因此CARLA也能給無人駕駛的感知系統(tǒng)打分。

三種自動(dòng)駕駛方法得分對(duì)比

來源：Wayve

上圖中，MP代表傳統(tǒng)的模塊分割流水線方式，IL代表目前火熱的端到端，RL代表強(qiáng)化學(xué)習(xí)，2017年第一版論文，對(duì)三者做了簡(jiǎn)單對(duì)比，放到今天大模型流行的情況下，對(duì)比可能差別較大。需要指出強(qiáng)化學(xué)習(xí)的訓(xùn)練時(shí)間需要12天，而IL只需要14個(gè)小時(shí)。

三種自動(dòng)駕駛方法的平均行駛里程

來源：Wayve

綜合來看，MP表現(xiàn)最好，端到端對(duì)新環(huán)境和新天氣適應(yīng)能力最好，強(qiáng)化學(xué)習(xí)各方面都很差。

CARLA的評(píng)價(jià)系統(tǒng)有三項(xiàng)得分，分別是Driving Score (DS) 和 Route Completion (RC) 以及 Infraction Score (IS)。有兩種方式，一是基于地圖的，另一種是基于傳感器的。

2024年自動(dòng)駕駛算法大賽的CARLA比賽有40個(gè)團(tuán)隊(duì)參加，基本上都是基于端到端的。

基于傳感器的前三名如下，其中英偉達(dá)、微軟和軟銀投資的英國Wayve在端到端自動(dòng)駕駛領(lǐng)域擁有絕對(duì)優(yōu)勢(shì)。

傳感器組第一名Wayve（即表中的ours）的得分

來源：Wayve

上表是傳感器組第一名Wayne（即表中的ours）的得分，L: Lidar, C: Camera, R: Radar, M: Map, priv: privileged, OD: Object Detection (3D position and pose), IS: Instant Segmentation, SS: Semantic Segmentation, D: Depth, BS: BEV semantics.

Wayve的算法框架

Wayve的算法框架，核心是META的LlaMA和llava next video編碼器，前者典型參數(shù)為70億，后者也是70億，后者還有更高的340億參數(shù)版。

中國道路環(huán)境最復(fù)雜的，商業(yè)化的仿真測(cè)試平臺(tái)需要花費(fèi)極高的成本才能對(duì)中國道路環(huán)境和交通流做仿真，顯然CARLA這種開源社區(qū)或許是應(yīng)對(duì)中國道路環(huán)境的最佳方式。

免責(zé)說明：本文觀點(diǎn)和數(shù)據(jù)僅供參考，和實(shí)際情況可能存在偏差。本文不構(gòu)成投資建議，文中所有觀點(diǎn)、數(shù)據(jù)僅代表筆者立場(chǎng)，不具有任何指導(dǎo)、投資和決策意見。