2021世界智能驾驶挑战赛达索杯智能驾驶仿真赛圆满落幕

先是，2021世界智能驾驶挑战赛的智能驾驶仿真赛，于5月23日方才落下帷幕。这场历经数月的技术比拼，最后，在决策控制组以及感知决策控制组当中决出了金银铜奖。和以往年份不一样的是，本届比赛全程是在云端那边完成的。从场景搭建开始，一直到裁判执裁，全部都是依托着数字平台。这背后所折射出来的，可不单单是赛事形式的变化，更是智能驾驶研发模式的一次集中展示。

从实验室到云端的赛事变迁

自从2017年首届世界智能驾驶挑战赛新设智能驾驶仿真赛之后，它始终被当作检测算法成熟程度的关键平台。今年的大赛拢共吸引了67支队伍去报名119个项目，参赛的阵容里既包含了日本NTT DATA这类海外企业，又有北京航空航天大学、清华大学、吉林大学等国内高校。最终感知组有22个项目进到决赛，决策组有31个项目进到决赛。这个数字的变动表明，逐步增多的团队已然开始拥有完整感知加上决策的全链条能力。

较往届而言，今年最为显著的变化在于，比赛全都迁移至云端，参赛的队伍无须搭建实体车辆，也不必租用用于测试的场地，仅需把算法接入官方所指定的AD仿真云平台，便能够于虚拟环境里完成全部赛事，此种模式极大地降低了参赛的门槛，也使得更多中小团队获得了参与的机会，就实际呈现出的效果来讲，云端赛事不但运行得平稳顺畅，还解决了跨地域参赛时的协调问题。

AD仿真云平台成为技术核心

本届比赛的官方平台，是自主研发的AD仿真云平台，此平台承担了场景生成功能，承担了算法接入功能，还承担了结果判定等一系列核心功能。该平台能够为每支赛队提供定制化的比赛场景，借此实现数字孪生智慧城市的仿真复现这种情况。这意味着参赛队伍面对的虚拟城市道路，以及交通流，还有天气环境，都尽可能贴近真实世界的复杂情况。

就技术细节而言，平台对15类比赛场景予以支持，这15类比赛场景涵盖了AEB自动紧急制动、ACC自适应巡航、LKA车道保持辅助等主流自动驾驶功能。在参赛队伍把算法接入平台以后，能够获取仿真环境里的摄像头信息以及毫米波雷达信息。进而将这些传感器数据输入到被测试的算法模型之中，队伍借助编写自动驾驶算法达成对虚拟车辆的控制。整个过程跟实际道路测试的逻辑全然相同，然而效率提升了数十倍。

新UI与多算法模式提升参赛体验

专门为了能让参与此次比赛的队伍在使用该具有各项功能的比赛平台时更为顺利通畅，针对此情况，AD赛事版在有关界面设计这一方面进行了具有特定指向性的优化处理。UI界面依据竞赛所提出的具体需求，将赛制赛程、提交作品、测试记录以及排行榜等众多模块进行区分规划，参赛选手能够一眼就清晰明白地看到关于自身的进展程度以及所处的名次排序。在比赛处于练习阶段的时候，比赛平台还专门提供了详细的教程讲解内容，以此来助力那些刚刚参与比赛的队伍能够迅速熟练运用软件进行操作。

在技术接口这个方面，AD平台有着丰富的API接口，它支持多种主流算法框架接入，这就表明不管参赛队伍运用哪种编程语言，或者采用何种算法架构，均可较为便利地跟平台实施对接，像这样的开放性设计把技术壁垒予以降低，使得更多的高校团队能够将学术研究成果迅速移植到比赛环境里去进行验证，从实际的参赛状况来看，如此的设计的确吸引了不少学术团队前来参与。

云端执裁保障赛事公正性

这一届比赛运用线上比赛以及云执裁的形式，全部比赛的进程在平台留存能够溯源的记录。而裁判工作并非单纯的人工打分，是借由专家研讨会的形式，其一先对赛事规则予以全方面讨论，其二再由专家委员会挑选出裁判人选。这样的方式达成了规则的透明状况以及裁判的专业特性。

云端执裁存有优势，优势在于，每一支队伍的每一次测试数据，都被完整保存，裁判能够随时调取回放，查看算法在具体场景里的表现，相比线下比赛只能看到最终结果，云执裁能够还原整个决策过程，这种可追溯性大大减少了争议，也让参赛队伍能够更清楚地了解自己算法的问题所在，最终成绩的生成，建立在大量客观数据基础之上。

大规模服务器支撑百队同场竞技

67支队伍申报了119个项目，这使得线上比赛在高峰时段，会出现上百个算法任务于平台同时运行的情况，而此状况下，线上比赛所面临，最大的技术难题即为并发压力，为确保比赛的顺利无阻，技术团队运用了K8S容器编排方案与自研集群管理器联合部署的办法。

各个比赛任务均运行于独立的容器之内，彼此相互隔离，不存在相互干扰现象。这样的架构一方面将物理硬件资源利用到了最大限度，另一方面又确保了部署以及扩展的便捷情况。待某个队伍提交算法之后，系统会自动去分配计算资源，开启仿真环境，执行测试场景，而后回收结果。整个流程并不需要人工予以干预，效率相当之高。华为为此次比赛供给了全部的服务器资源，对百支赛队同步上线的高并发需求给予了保障。

仿真技术加速智能驾驶研发进程

从这一届比赛能够看得出，仿真这一技术于智能驾驶该研发里面的角色正从辅助类工具转变为核心类平台。以往去开发自动驾驶那个算法，得先做完硬件改装，之后在封闭场地开展测试，迭代周期是很长的。如今借助仿真平台，开发人员能够在几天之内完成数百种场景的测试，迅速发现并且修复算法漏洞。

这种转变有着其意义，在于它促使算法开发，从那种依赖物理资源的模式，转变成为依赖算力以及数据的模式。对于高校还有中小企业而言，这意味着他们没必要投入巨额资金去购置测试车辆与设备，便能够参与到前沿技术研发当中。由本届比赛的参赛队伍构成情形来看，存在企业，也有高校，并且海外团队也开始加入进来，表明这种模式正被更为广泛的群体所接受。

望着这场赛事的最终结果，于智能驾驶模拟竞赛里，你认为是感知方面的能力更为重要，还是决策操控方面的能力更能检验一支参赛队伍的技术水准呢？欢迎于评论区域分享你的见解，同时也别忘记点赞并进行转发，以使更多人知悉智能驾驶技术的最新动态。