A Deployed Hybrid Vehicle-in-the-Loop Platform for Validating Cooperative Perception

想象一下，你正试图在繁忙的城市中驾驶汽车，但你拥有一种超能力：你可以看穿墙壁并绕过转角。在现实世界中，汽车并不具备这种能力；它们依赖摄像头和传感器，而这些设备只能看到正前方的物体。如果一辆大卡车挡住了你的视线，你就对背后的情况一无所知。这对自动驾驶汽车来说是一个重大问题，因为它们需要了解每一个障碍物才能确保安全。为了解决这个问题，工程师们正在构建“协同感知”系统。这就像一场捉迷藏游戏，每个玩家都在大声喊出他们看到了其他玩家的位置。如果 A 车被一辆卡车挡住了视线，位于转角处的 B 车就可以大喊：“嘿，这儿有个行人！”于是 A 车就能瞬间“看到”那个人。

然而，测试这些系统非常困难。你不能仅仅把一百辆真实的汽车放在一个微小的测试场上，去观察它们是如何相互交流的；这既昂贵又危险。你也无法只使用电脑游戏，因为游戏可能不够真实，无法证明汽车在真实道路上的安全性。因此，科学家们正在构建“混合型”测试实验室。这些实验室就像是现实驾驶学校与电子游戏的结合体。你在驾驶一辆真实的汽车，但周围的所有交通流量都是数字模拟出来的，并且能做出即时反应。这篇论文描述了一个团队正是这样构建了一个“车辆在环”（Vehicle-in-the-Loop）平台。他们将一辆经过精密仪器的真实汽车连接到一个高科技视频游戏世界中，以此测试车辆如何通过分享它们的“呐喊”（信息）来获取全局视野，即使是在天气恶劣或阳光刺眼的情况下。

混合游乐场

研究人员来自希腊雅典通信与计算机系统研究所，他们部署了一个全新的测试平台，充当了现实世界与数字孪生之间的桥梁。想象一下，数字孪生就像是现实道路的一个完美、鲜活的视频游戏副本。在这种设置下，一辆真实的汽车在测试场上行驶，但它并非独自驾驶。它连接到了一个运行着 CARLA 游戏引擎的计算机模拟系统。

神奇之处在于：这辆真实的汽车每 100 毫秒就会发出数字“明信片”。这些明信片包含两种类型的信息：车辆的位置（它的坐标）以及它所看到的景象（传感器的视野）。这些消息遵循严格的欧洲标准（ETSI 标准），以便于读取。模拟系统接收到这些明信片后，会立即更新其数字世界。如果真实的汽车看到了行人，数字世界也会知道。但更酷的部分在于反向操作：数字世界也可以向真实汽车发送消息，或者系统可以加入“幽灵车”（虚拟代理），它们在物理上并不存在，但表现得像真实的交通流一样。这使得团队能够测试比实际拥有的车辆更多的场景，从而在一条小型的测试场上创造出一个拥挤且复杂的环境。

“超级视野”实验

为了验证该系统是否真的有效，团队在双 T 型路口（一个有两个 T 形结构的十字路口）进行了一系列测试。他们在赛道上布置了三辆真实的汽车。其中两辆是完全“联网”的，这意味着它们不仅分享位置，还分享完整的传感器数据（即它们看到的景象）；第三辆车只是一个“说话者”，仅分享其位置。他们还在其中加入了虚拟车辆，以增加交通密度。

系统的“大脑”是一个运行在图形处理器（GPU）上的强大计算机模块，它将所有这些消息融合进一个单一的“占据网格”（occupancy grid）中。你可以将这个网格想象成铺设在道路上的一个巨大的、隐形的棋盘。棋盘上的每个方格都会被着色，以显示该处是空的、被汽车或行人占据，还是系统无法确定。目标是观察通过真实汽车和虚拟汽车的组合“呐喊”，是否能比任何单辆汽车自身的视野创造出更清晰、更完整的图像。

他们在三种不同的环境“情绪”下进行了测试：

1. 名义状态：完美的晴天条件。
2. 雨天：模拟的降雨天气。
3. 夜间：能见度极低的黑暗环境。

他们还测试了五种不同程度的“位置混乱”程度，即关于车辆认为自己所在位置的偏差。有时 GPS 非常精准，有时他们会加入噪声，以模拟车辆位置偏差高达 2.0 米的情况。

发现：团队协作的力量

结果非常具有启发性。首先，团队发现当汽车进行协作时，它们的综合“视野”会爆发式增长。单辆汽车可能只能看到路口周围约四分之一的重要区域。但当所有汽车（真实的与虚拟的）共享数据时，它们就能覆盖绝大部分区域。这就像一群人站在一个圆圈里：一个人只能向前看，但聚在一起，他们就能看到周围的一切。

其次，或许是最重要的一点，他们发现了团队协作能提供的帮助是有极限的。当车辆的位置数据非常准确（低噪声）时，增加车辆数量会让系统在发现障碍物方面变得更好。然而，一旦位置数据变得“嘈含”（即车辆对自己位置的不确定性超过了约 1.5 到 2.0 米的适中程度），增加车辆数量就不再有帮助了。事实上，关于车辆“在哪里”的不确定性成为了最大的问题，这比天气或车辆数量的影响都要大。这就像是在玩“寻找沃多”（Where's Waldo?）游戏，但手里拿着一张模糊的地图；即使有一百个人在寻找，如果你不知道自己站在哪里，你也找不到目标。

有趣的是，当个体车辆面临困难时，团队协作的帮助最为显著。在夜晚，当单辆汽车的摄像头可能被黑暗遮蔽时，协作系统能够恢复并“看到”障碍物，其效果几乎与晴天时一样好。这表明，当你的传感器“状态不佳”时，分享信息是一种救命手段。

局限性与未来之路

作者坦诚地说明了目前系统的局限性。真实汽车与数字游戏之间的连接并非完全同步到精确的毫秒级。有时模拟过程会产生微小的延迟，这可能会干扰消息的定时。这并非硬件故障，而是目前软件设置中的一个特性。团队知道他们需要解决这种“抖动”（jitter）问题，以使测试具有完美的重复性。

他们还指出，虽然他们已经证明了该系统的功能性，但尚未完全测量数字世界在每一个细节上与现实世界的匹配程度。这是他们的下一步工作：实现“从模拟到现实”（sim-to-real）的完美匹配。

展望未来，团队计划将该平台转化为专门针对地中海地区的测试服务。该地区拥有独特的挑战，如刺眼的阳光眩光、高温以及包括踏板车和行人组成的密集混合交通。通过构建这些特定场景的库，他们希望帮助汽车制造商和开发商，在这些标准欧洲测试场经常忽略的条件下测试其自动驾驶系统。

简而言之，这篇论文表明，将真实汽车与数字孪生相结合是测试汽车如何相互“交谈”的一种强大方式。它证明了协作让自动驾驶汽车变得更安全、更敏锐，但也警告我们，如果汽车不知道自己确切的位置，即使是最完美的团队协作也无法消除混乱。这项技术的未来在于精细化时间同步、完善数字匹配，并在地中海那独特、阳光灿烂且混乱的街道上进行测试。