Cognata仿真模拟平台
我们的仿真平台已实现商业化部署，该平 台贯穿整个自动驾驶系统研发迭代的全流 程，从训练、测试到部署，加快自动驾驶 系统的上市时间。
训练环境
l真实模拟的3D 环境
Ø丰富的3D仿真驾驶环境
Ø数字化双胞胎技术和生成完整的虚拟场景
Ø应用深度神经网络技术 (DNN) ，生成真实的仿真场景
l大型数据集
Ø用于训练和测试机器学习的大型数据集
Ø具有可导出性和重复使用性
Ø在每帧画面中都有准确一致的标注物
l丰富的交通模型
Ø真实模拟的汽车司机、骑行者和行人
Ø人工智能与特定场景的互动式行为资料库
Ø可按相应比例配置和部署
功能验证
l即用型场景
Ø通用型自动驾驶功能的预构建式场景库
Ø支持标准的高级驾驶辅助系统 (ADAS) 和自动驾驶 (AV) 评估程序
Ø利用fuzzing技术实现不同驾驶场景的快速创建
l 场景的制作和管理
Ø场景的制作、配置和管理
Ø简易的网页式图形界面
Ø强大的Python脚本编写功能
l与现有组件的简易集成
Ø基于标准接口的闭环模拟
Ø使用 Jenkins 和 Bamboo 进行自动化测试
Ø产品生命周期管理 (PLM) 和需求管理采用基于覆盖率的验证方法
分析
l关键性数据的选取
Ø即用型通过/失败标准
Ø强大的自定义规则创建
Ø针对大规模仿真的趋势挖掘
l可视化
Ø以目标为导向的数据展示
Ø多层自适应Dashboard
Ø设计决策优化
l部署
Ø支持道路预备的测量
Ø法规要求的虚拟认证
Ø持续支持地理扩张
工作原理
l静态层
自动虚拟世界
程序构建的道路、建筑物和基础设施的3D环境将精确到每一个车道标记、表面材质和红绿灯。
l动态层
智能交通模型
基于人工智能的交通模型能够准确还原仿真区域的司机、行人和骑行者的行为习惯。
l传感层
传感器的精确模拟
支持常用的摄像头和激光雷达，并支持基于深度神经网络的雷达传感器模型，同时提供了一套工具链来实现传感器的快速创建。
l云层
云端支持任意规模仿真场景
支持大规模重建，可覆盖海量驾驶场景，加快仿真运行速度，大大降低仿真成本