西门子推出自动驾驶数字孪生启动
西门子(Siemens)成立了一家初创企业,在自动驾驶汽车和工业自动化领域模拟机器学习系统
Simulytic的首席执行官安德烈•科尔摩根(Andrea kolmorgen)曾是西门子(Siemens)的副总裁兼互联移动业务主管,安迪•吉尔(Andy Gill)曾是互联移动业务主管。
这家初创公司专注于利用可靠的合成数据,加速自主移动的大规模部署。Simulytic的目标是使用仿真工具和数字孪生来洞察自动驾驶的影响和安全性。
位于慕尼黑的Simulytic公司已经将西门子的经验应用于复杂自动化系统的仿真,以及在关键安全应用中使用人工智能。通过Pave 360工具和西门子EDA技术,西门子已经建立了具有模拟功能的数字孪生汽车。
这使风险企业能够对事件的可能性、不断变化的交通流量和拥挤模式、天气和道路条件的影响以及许多其他局部因素进行有竞争力的、全面的和独立的评估。
它正在部署区域的数字副本中建立一个模拟驾驶数据库的生态系统,这些数据可以通过现实世界中的驾驶活动加以扩充。该公司表示,利用数字工具了解后果,是绕过挑战、让保险公司等公司获得了解复杂动态风险环境所需数据的唯一途径。
相关文章
我们的出发点不太可能是比较单个AV公司的风险概况,而是要为不同的经营领域确定重要的风险因素。首先是地理部署区域的数字孪生,它是由高清地图构建的3D模型创建的。
该模型包含汽车、行人、骑自行车者的代表性交通组合,以及实际的基础设施元素,如交通标志、交通灯和道路标记。利用交通和弱势道路使用者的局部行为建立各自的行为模型。这个数字双胞胎中的所有静态和动态元素都可以根据在位置上看到的实际变化而变化,包括速度、遵守交通规则的程度、标志和标记的质量,以及天气状况。对于部署位置的类型,还生成了有意义的边缘案例和复杂场景。
下一个:数字孪生的无人驾驶车队
在这些高度详细的环境模型中,无人驾驶汽车车队可以实现,这些车辆可以找到从A到B的路径。模拟使得在大量变化的条件下运行这些A到B的轨迹成为可能。但更有价值的是能够积极地寻找角落案例,即AV会失败或给非AV参与者带来问题的情况,
这些数据可以帮助保险公司与市政府和自动驾驶汽车供应商进行讨论,以要求改善当地环境的特定基础设施或车辆设计。
eeNews Europe的其他文章