无人驾驶赛车在印第安纳波利斯赛道上行驶
数字双胞胎和模拟是赢得印地自主挑战赛的关键
在2021年10月一个阳光明媚的周六，9辆赛车以超过240公里/小时(150英里/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挑战赛这是世界上第一个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。这两个团队从相同的硬件开始设计，即Dallara AV-21赛车。
这些车的光滑底盘由意大利赛车制造商Dallara制造，看起来就像那些典型的印地赛车。在内部，转向，动力系统和制动系统也是相同的。但相似之处仅此而已。IAC汽车进行了自动化改造，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上的可编程控制器®和英伟达®芯片。
在不允许对硬件进行任何修改的情况下，每辆车的性能完全取决于控制它的算法，当它以惊人的速度在4公里(2.5英里)的椭圆轨道上飞行时，它能安全地操纵它。在当天比赛结束时，以218公里/小时(136英里/小时)的最快两圈平均速度获得100万美元大奖的车队是TUM自主赛车运动来自德国Technische Universität München的团队。
TUM自主赛车车队在印地自主挑战赛中赢得100万美元。(图片来源:Indy Autonomous Challenge)
该车队的自动赛车起源是在2017年，当时由4名博士生成立参加Roborace这是一场学生开发自动驾驶汽车的比赛。TUM Autonomous Motorsport是帮助Roborace测试比赛形式的两支车队之一。到2020年初报名参加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紧密协作®和仿真软件®．使用Simulink和Speedgoat的实时硬件来设计和模拟车辆的控制系统，意味着TUM团队可以在将控制软件部署到汽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下挑战我们的软件，从拥有高保真车辆动态模型的单车排位赛，到拥有多达8辆自动赛车的多车场景，”TUM自动赛车运动团队负责人、博士生Alexander Wischnewski说。“该软件使用自动代码生成技术部署在自动驾驶赛车上，并可以轻松与第三方软件库集成。”
没有犯错的余地
赛车运动历来是展示尖端汽车技术的舞台。IAC也不例外。比赛组织者试图通过为比赛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表示，自动驾驶可分为四个部分。第一种是使用赛车的摄像头和传感器来探测物体，感知周围环境，“看到其他赛车在赛道上的位置和赛道边界。”接下来是预测——附近的汽车会做什么。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。最难的挑战之一是正确地进行验证。你必须模拟数千小时的驾驶，所以当你对软件进行更改时，你可以在将其安装到汽车之前进行非常彻底的测试。”
Alexander Wischnewski，博士候选人，TUM自动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组件带来了不同的挑战。例如，印地自动驾驶汽车不必担心行人和红绿灯，但它们必须在以240公里/小时的速度行驶时安全地通过急转弯，避开其他赛车。确保安全意味着无数小时的艰苦模拟。
Wischnewski说:“你没有犯错的余地。“你不能有一个故障，因为那对你的车来说将是灾难性的。最难的挑战之一是正确地进行验证。你必须模拟数千小时的驾驶，所以当你对软件进行更改时，你可以在将其安装到汽车之前进行非常彻底的测试。”
比赛开始几个月后，这些车就开始在印第安纳波利斯赛道上进行赛道练习。这些车队必须在模拟比赛中对他们的自动赛车软件进行基准测试，提高难度，从自己进行快速圈速到最终的模拟比赛，最多有8辆车在多个预赛中相互竞争。
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等)
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。接下来是在模拟器中测试和验证软件的关键阶段。为此，他们利用Simulink的车辆和环境建模功能，让他们在现实的虚拟环境中精确地建模自己的赛车和八名竞争对手的赛车。
为了测试他们的控制软件如何实时工作，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连接在一起。
Vehicle Dynamics Blockset™帮助他们开发了汽车的物理和运动模型，并使用Simulink Real-Time™工具链将其部署在Speedgoat Performance机器上。
TUM IAC团队选择了一种整体的方法来进行车辆动力学建模。他们模拟了车辆的各个方面，包括动力系统、悬挂系统、轮胎等等。”Speedgoat技术营销主管克里斯托弗•哈恩(Christoph Hahn)表示。
Speedgoat与Simulink的紧密集成使得模拟尽可能接近真实的东西。“MathWorks发布新版本的那天，Speedgoat就会发布一个新的区块集，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。几乎所有协议、连接器和来自不同行业的插头都得到了支持。”
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等)
在强大的目标硬件上运行多辆汽车的数字双胞胎，让团队对汽车在不同比赛场景中的表现有了真实的感觉。然后，他们可以在了解的基础上修改控制软件，以便从开发环境过渡到赛道上的真实车辆。
Wischnewski说:“我们用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许多不依赖实时多车模拟的方法区别开来。”
从模拟到现实
现实世界的测试始于2021年6月，当时TUM获得了真正的达拉拉拉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Simulink生成的c++代码，将其应用程序部署到汽车的计算机上。
该团队的获胜优势来自于在模拟阶段彻底挑战自己。
Wischnewski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真实，我们给了彼此很大的困难。我们正在积极地挖掘模拟中的失败，而不是依赖于简单的模型。”
这些努力在IAC上得到了回报。虽然IAC的目标是成为世界上第一个多车轮对轮机器人汽车比赛，但这项赛事更多的是速度和安全方面的竞争:汽车一次一辆地绕椭圆形行驶。
TUM Autonomous Motorsport vs. 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;最后一项是绕过充气屏障。只有四支队伍能够通过计时比赛。由阿拉巴马大学和米兰理工大学组成的polimove团队在热身赛中创造了252公里/小时(157英里/小时)的最快速度，但他们的赛车在第二圈时撞上了一堵墙。
TUM Autonomous Motorsport的稳定表现让他们在两圈内获得了最高的平均速度，确保了第一名的位置。1月7日，他们在拉斯维加斯举行的IAC第二轮比赛中脱颖而出，在淘汰赛中有两辆车同时进行。
最终，TUM车队和PoliMOVE车队再次以超过260公里/小时的速度展开了一场不分上下的比赛。一个轻微的控制错误使TUM车队的赛车在第四个弯道的尽头滑到了草地上，他们获得了第二名。但算法帮助汽车控制旋转并安全停车。
就在三天前，TUM宣布启动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。该公司的第一个目标将是商用车辆，以实现安全可靠的自动货运。
作为该公司的联合创始人和首席技术官，Wischnewski现在可以继续追随他的热情，将自动驾驶汽车带入现实世界，即使他已经完成了他的博士学位。凭借从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
您也可以从以下列表中选择一个网站: