（全球TMT2022年4月15日訊）南棲仙策是強化學(xué)習(xí)AI智能決策應(yīng)用的領(lǐng)軍者，在汽車標定業(yè)務(wù)上。南棲將強化學(xué)習(xí)技術(shù)與汽車標定場景充分融合，摸索并總結(jié)出數(shù)據(jù)驅(qū)動的虛擬標定解決方案，旨在高效、高精度、低成本地完成標定業(yè)務(wù)。南棲仙策汽車交付團隊基于強化學(xué)習(xí)研發(fā)的技術(shù)優(yōu)勢、服務(wù)汽車行業(yè)客戶的經(jīng)驗，結(jié)合整車轉(zhuǎn)鼓排放標定、混動標定兩個實際案例，編寫了《汽車虛擬標定白皮書》，展示了強化學(xué)習(xí)應(yīng)用技術(shù)帶來的AI能力，以及幫助汽車行業(yè)客戶提升核心競爭力的潛力。

《白皮書》分為三部分進行闡述。

第一部分：概述整車標定概念及車企面對的四大行業(yè)難題。

《白皮書》總結(jié)了汽車行業(yè)客戶常面臨的標定難題：

1. 標定復(fù)雜度高，標定參數(shù)多達上千個。人工聯(lián)合調(diào)優(yōu)難，性能“將就”。

2. 強烈依賴經(jīng)驗，需要經(jīng)驗豐富的工程師。人員易流失，經(jīng)驗隨之帶走。

3. 試驗成本高昂，物理實驗開銷難降低。研發(fā)成本難降低，擠壓利潤空間。

4. 迭代周期冗長，需多次反復(fù)迭代試錯。拖延產(chǎn)品發(fā)布，耽誤市場時機。

除以上4點外，近兩年受新冠疫情的影響，標定實測工作常常中斷，嚴重影響了業(yè)務(wù)進展。

第二部分：介紹南棲強化學(xué)習(xí)工具的不同與優(yōu)勢

南棲全球領(lǐng)先的數(shù)據(jù)驅(qū)動強化學(xué)習(xí)工具REVIVE提供的數(shù)據(jù)模擬環(huán)境和強化學(xué)習(xí)優(yōu)化可有助于解決車企面臨的標定難題。REVIVE是面向行業(yè)專家的強化學(xué)習(xí)工具，通過數(shù)據(jù)驅(qū)動環(huán)境虛擬技術(shù)，進行大量虛擬推演與試錯，尋找最優(yōu)方案。

REVIVE基于汽車標定數(shù)據(jù)模擬環(huán)境的強化學(xué)習(xí)解決方案過程：

REVIVE方案主要分為四步：首先在人工標定參數(shù)的實車驗證實驗中收集對應(yīng)的性能狀態(tài)秒采數(shù)據(jù)并進行簡單的數(shù)據(jù)整理；然后根據(jù)汽車控制基礎(chǔ)邏輯構(gòu)建業(yè)務(wù)模型，導(dǎo)入數(shù)據(jù)，使用REVIVE系統(tǒng)中的環(huán)境模型訓(xùn)練功能，訓(xùn)練控制邏輯圖中所有的神經(jīng)網(wǎng)絡(luò)模塊，得到可運行的“數(shù)據(jù)仿真車”，并使用可視化評估指標驗證虛擬環(huán)境與真實環(huán)境的一致性；再使用REVIVE系統(tǒng)中的策略模型訓(xùn)練功能，得到優(yōu)化后的標定參數(shù)；最后將優(yōu)化后的標定參數(shù)在虛擬環(huán)境中驗證，評估有效則上載到汽車進行實車驗證。

第三部分：結(jié)合發(fā)動機整車排放標定、混動標定兩個案例，介紹REVIVE成功應(yīng)用方案。

《白皮書》實例證明，南棲獨特的AI虛擬標定技術(shù)可顯著降低汽車尾氣排放值。與人類工程師相比，THC降低了51%，CO降低了29%，NOx降低了18%，優(yōu)于國六排放標準，并為后續(xù)車輛設(shè)計環(huán)節(jié)提供了充足的排放余量。

在串并聯(lián)混動系統(tǒng)標定任務(wù)上同樣成功。在起點—終點電量相同的約束下，能優(yōu)化得到更合理的利用電池電量容量、更高效的利用發(fā)動機最優(yōu)工況特性的混動策略，使得整車在WLTC實驗中取得更低的油耗。