无人驾驶赛车在印第安纳波利斯赛道上亮相

数字孪生和模拟是赢得印第自主挑战赛的关键


在2021年10月一个阳光明媚的周六,9辆赛车以超过240公里每小时(150英里每小时)的速度在印第安纳波利斯赛道上飞驰。他们都没有司机。

这些汽车正在比赛印第自动驾驶挑战赛(IAC),世界上第一场高速自动驾驶汽车比赛。来自世界各地21所大学的9支队伍参加了比赛。这两支车队用相同的硬件开始了他们的设计,达拉拉AV-21赛车。

这些车的光滑底盘由意大利赛车制造商Dallara制造,看起来像典型的印第赛车。在内部,转向、动力系统和制动系统也相同。但相似之处就到此为止了。IAC汽车经过改装,配备了传感器——雷达、摄像头和激光雷达,以及运行在强大的英特尔电脑上的可编程控制器,以实现自动化®和英伟达®芯片。

在不允许对硬件进行任何修改的情况下,每辆车的表现完全取决于控制它的算法,当它以极快的速度在4公里(2.5英里)的椭圆形赛道上飞行时,它会安全地操纵它。最终,以平均两圈最快速度218公里/小时(136英里/小时)获得100万美元大奖的车队是TUM自主赛车运动来自德国Technische Universität m nchen的研究小组。

得克萨斯大学自动驾驶车队站在得克萨斯大学赛车的后面,拿着获胜的100万美元支票。

TUM自动驾驶车队在印第自动驾驶挑战赛中赢得了100万美元。(图片来源:Indy Autonomous Challenge)

该队的自动赛车起源是在2017年,当时由四名博士生成立,参与其中Roborace这是一个学生团队开发自动驾驶汽车的比赛。TUM Autonomous Motorsport是帮助roboace测试比赛形式的两支车队之一。到2020年初他们报名参加IAC时,TUM团队已经发展到15名博士生和40名本科生。

对于Roborace和IAC, TUM与Speedgoat®该公司开发了最先进的实时测试系统,旨在与MATLAB密切配合®和仿真软件®.使用Simulink和Speedgoat的实时硬件来设计和模拟他们的车辆控制系统,意味着TUM团队可以在将控制软件部署到车上之前对其进行完美的微调。

“它允许我们在最苛刻的场景中挑战我们的软件,从具有高保真车辆动态模型的单车辆排位赛圈到多达8辆自动赛车的多车辆场景,”TUM自动赛车运动团队负责人Alexander Wischnewski博士候选人说。“该软件使用自动代码生成技术部署在自动赛车上,并且可以轻松与第三方软件库集成。”

不容犯错

赛车运动历来是展示尖端汽车技术的舞台。IAC也不例外。赛事组织者希望通过为赛事开发的技术来提高自动驾驶汽车在高速行驶时的安全性。

Wischnewski说,自动驾驶可以分为四个部分。第一种是使用汽车的摄像头和传感器来探测物体并感知周围环境,“看到其他车辆在赛道上的位置和赛道边界。”接下来是预测——附近的汽车将要做什么。然后,汽车使用感知和预测数据来计划自己的行动。第四部分是运动控制:将行动计划转换为特定的制动、油门和转向命令。

“你没有犯错的余地。最困难的挑战之一是正确地进行验证部分。你必须模拟数千小时的驾驶,所以当你对软件进行更改时,你可以在将其添加到汽车之前进行非常彻底的测试。”

Alexander Wischnewski,博士候选人,TUM自主赛车运动团队负责人

为在公路上行驶的无人驾驶汽车和在赛道上行驶的无人驾驶汽车设计这四个部件带来了不同的挑战。例如,印第自动驾驶汽车不必担心行人和红绿灯,但它们必须在240公里/小时的速度下安全地通过急转弯,并避开其他赛车。确保安全意味着无数小时的艰苦模拟。

“你没有犯错的余地,”维什纽斯基说。“你不能出现一次故障,因为那对你的车来说将是灾难性的。最困难的挑战之一是正确地进行验证部分。你必须模拟数千小时的驾驶,所以当你对软件进行更改时,你可以在将其添加到汽车之前进行非常彻底的测试。”

比赛开始几个月前,汽车推出到印第安纳波利斯赛道进行赛道练习。这些团队必须在难度越来越高的模拟比赛中测试他们的自动赛车软件,从自己跑快圈到最后的模拟比赛,最多有8辆车在多个预赛中相互竞争。

包括定位、激光雷达、激光雷达聚类、相机深度学习、雷达检测和状态估计在内的数据被馈送到包括目标跟踪、行为预测、轨迹规划、运动控制和执行器在内的软件结构中。

自动驾驶软件利用来自多个传感器的数据,包括激光雷达、摄像头和雷达。(图片来源:Wischnewski et al.)

TUM团队使用Simulink来设计他们的运动控制软件,并使用Simulink的代码生成功能来生成c++代码。然后是在模拟器中测试和验证软件的关键阶段。为此,他们利用了Simulink的车辆和环境建模功能,使他们能够在现实的虚拟环境中精确地模拟自己的赛车和八个竞争对手的赛车。

为了测试他们的控制软件是如何实时工作的,该团队建立了一个硬件在环(HIL)模拟器设置,将车辆和赛道环境模拟器与汽车的控制计算机捆绑在一起。

Vehicle Dynamics Blockset™帮助他们开发了汽车的物理和运动模型,他们使用Simulink Real-Time™工具链将这些模型部署在Speedgoat Performance机器上。

“TUM IAC团队选择了一种整体方法来进行车辆动力学建模。Speedgoat的技术营销主管克里斯托夫•哈恩(Christoph Hahn)表示:“他们对车辆的各个方面进行了建模,包括动力系统、悬架、轮胎等等。”

Speedgoat与Simulink的紧密集成使模拟尽可能接近真实情况。“在MathWorks发布新版本的当天,Speedgoat会推出一个新的区块集,以确保所有Speedgoat的硬件都能得到支持。此外,Speedgoat提供的I/O模块范围非常大。几乎所有来自不同行业的协议、连接器和插头都得到支持。”

该图显示了来自T U M车辆和对手车辆的致动器信号如何被馈送到环路仿真硬件中用于比赛仿真。

实时仿真是在进行实际实验之前验证软件功能的关键组成部分。(图片来源:Wischnewski et al.)

在强大的目标硬件上运行多辆车的数字双胞胎,让团队对汽车在不同赛车场景中的表现有了真实的感觉。然后,他们可以根据这种理解修改控制软件,这样从开发环境过渡到赛道上的真实车辆就会很顺利。

Wischnewski表示:“我们使用Speedgoat硬件构建的实时HIL模拟是我们成功的关键因素之一。“这也将我们的方法与其他不依赖于实时多车模拟的方法区分开来。”

从模拟到现实

真实世界的测试开始于2021年6月,当时TUM获得了真正的达拉拉AV-21车辆来测试他们的软件。德国团队使用了开源的Docker®平台连接由Simulink生成的c++代码,以便在汽车计算机上部署他们的应用程序。

该团队的获胜优势来自于在模拟阶段彻底挑战自己。

维什纽斯基表示,该团队的获胜优势来自于在模拟阶段彻底挑战自己。“我们在模拟游戏中投入了30%的资源。为了让模拟环境尽可能逼真,我们给彼此制造了困难。我们积极挖掘模拟中的故障,而不是依赖于简单的模型。”

这些努力在IAC得到了回报。虽然IAC的目标是成为世界上第一个多车轮毂对轮毂的机器人赛车比赛,但这次比赛更多的是速度和安全的竞争:汽车一次一辆绕着椭圆形行驶。

TUM自主赛车运动与PoliMOVE(视频来源:Indy Autonomous Challenge)

赛车必须离开维修区,完成一个热身圈、两个计时圈和一个冷却圈;最后一场比赛涉及绕过充气屏障。只有四支队伍通过了计时赛跑。来自阿拉巴马大学和米兰理工大学的polimove团队在热身赛中以252公里/小时(157英里/小时)的速度获得了最快的成绩,但他们的赛车在第二圈转弯时撞上了一堵墙。

TUM Autonomous Motorsport的稳定表现使他们在两圈内的平均速度最高,确保了第一名。1月7日,他们在拉斯维加斯举行的IAC第二轮比赛中表现出色,该比赛一次有两辆车在淘汰赛中正面交锋。

决赛再次在TUM和PoliMOVE之间展开了一场势均力敌的比赛,赛车的速度超过了260公里/小时。一个轻微的控制错误使得TUM赛车在第四弯道结束时滑到了草地上,他们获得了第二名。但这些算法帮助汽车控制旋转并安全停车。

就在三天前,TUM刚刚宣布推出driveblocks这是一家分拆出来的公司,将为全自动驾驶汽车开发一个安全、可扩展的平台。它的第一个目标将是商用车辆,以实现安全可靠的自动货运。

作为公司的联合创始人和首席技术官,维什纽斯基现在可以继续追随他的激情,将自动驾驶汽车带到现实世界,即使他完成了博士学位。凭借在自动驾驶赛车中获得的经验,他现在计划将公司的愿景变为现实。


阅读其他故事

面板的导航

绿色技术

阳光为汽车提供燃料

世界上第一辆太阳能汽车一次充电可行驶450英里

面板的导航

图像处理/启动

展望未来之路

通往完全自动驾驶汽车的道路

面板的导航

人工智能/机器人

自动驾驶卡车可以缓解供应链问题

计算机建模有助于打造自动半挂车的未来

Baidu
map