unity交通仿真_自动驾驶仿真该怎么玩

## 工作流水

过去的时光常常让人感到不安，在某些时刻似乎正朝着与理想的渐行渐远的方向迈进。总是不断地自我反思未来三年的目标定位，并不意味着在寻求答案的过程中未曾迷茫过——或许这才是应对当前的焦虑与迷茫的有效途径吧？

回头审视这一年的时间节点, 我初次接触了一个名为lgsvl的开源仿真平台. 在探索新平台的过程中, 通常需要数月时间来熟悉其基础功能. 接着进行一些基础级的二次开发活动: 集成基于unity的地图插件, 并完成城市道路网络以及快速路设计; 引入carla项目的python场景生成工具; 最终耗时较长的一个项目目标是将lgsvl成功迁移并部署到docker与k8s混合环境中. 这一过程包括构建DevOps基础设施, 完成lgsvl项目 docker化部署方案; 解决Swarm环境中GPU渲染的问题; 整合ads算法为ROS节点, 并与lgsvl系统对接, 实现完全无显示模式下的完整部署. 最近工作重点转向k8s环境下的运行优化

仿真团队成员同步开展量产项目的仿真实验工作。他们制定了仿真工况并进行了归类整理；搭建了lgsvl-matlab接口并完成了相应的调试优化；成功导入carsim车辆动力学模型，并为整个项目提供了必要的技术支持；如dlt解析等辅助工具的支持；同时负责构建了大型系统级管理平台等关键功能。

近期学习了Google的Devops开发实践，并逐渐认识到，在过去的一年工作经历中，在传统团队中将一些Devops理念付诸实践所取得的效果却不尽如人意。

## 自动驾驶仿真的知友们

周末搜了几位做仿真的知友：@鲨鱼观海，@王方浩，@黄浴。 感受同行们的工作：

针对仿真工具自身存在的问题进行优化和改进。例如：场景建模模块、传感器模型模块、车辆动力学接口模块、ADS算法接口模块、交通流模型模块、复杂的场景描述语法module以及云扩展功能module等。

之前阅读过一篇来自智加科技同学的博客文章。文中提到吉大车辆科班背景的同学似乎正在跟随一位从事道路交通模型研究的导师，并对其推导出的相关交通模型表示赞赏。该创业团队在吸引人才方面采取了积极措施：不仅招募了大量具备扎实基础并致力于核心算法开发的年轻人加入，并且与资金雄厚但缺乏底层积累的大厂团队形成了鲜明对比。值得注意的是，在过去一段时间里接触了包括AutoX、理想汽车、华为在内的多家知名企业的技术动态。此外，在互联网背景的企业工作经历也能为其在仿真模块的核心技术开发提供帮助：这些企业不仅积累了丰富的运维经验和基础设施建设经验，在开发/测试阶段以及量产阶段都能较为顺利地应对车队运营等相关工作

坊间传言有一个非常强大的声音值得倾听,那就是主动寻求加入产品的核心团队.具体而言,如果从事仿真类产品开发,则需要深入参与各仿真模块的开发工作.这种情况下,不仅能够对产品的研发拥有直接掌控权,而且薪资待遇较高.这不仅能够充分展现个人的专业能力,也为个人的学习与职业发展提供了良好的机会.当然,扎实的算法团队是实现产品成功的关键条件之一.面对日益激烈的竞争环境,避免过度劳累对于算法人才来说至关重要.

构建基于仿真的工具以实现ADS产品开发中的闭环流程。例如：

• 从实车采集的数据进行清洗并构建场景；
• 同时提供实时数据回放及相应的调试优化环境；
  通过无缝连接CICD流程实现算法团队与仿真测试之间的高效协作；
  实现自动化编写测试脚本并生成关键绩效指标（KPI）报告；
  支持DevOps环境下的运维优化能力。

该能力因团队而异；互联网 team 较为容易实现；架构师在规划仿真过程中会关注其在整个 ads 产品开发与运维过程中的定位及其前后模块间的依赖关系。
相比之下；传统 team 没有统一规划；后期处理变得像是一场碎片化处理；显得生硬且难以协调。
然而；传统 team 正逐渐引入 DevOps 团队；也在逐步推进数据中心建设工作。

3）仿真价值分析。针对量产车型, 我们可以深入探讨仿真对其最终投放市场的量产车型贡献有多大;对于采用ADS算法的产品来说, 甚至其仿真系统可以直接作为工具进行整合性销售。

整体上来说，在价值低洼地区域快速填平的现象越来越普遍了