自动驾驶说
如果和做无人车的朋友聊一聊就会发现，不管是谷歌的Waymo，优步，还是丰田，都无一例外的对一种人才求贤若渴：仿真工程师（simulation engineer）。小编搜集了现在招聘市场上对仿真工程师的基本要求。看起来很难，但小编会为大家解释仿真技术原理，并分享学习仿真技术的资源干货！
点击关注“自动驾驶说”微信公众号，了解更多小编在硅谷的工作心得。
各大公司的职位要求
* Nvidia 英伟达（老牌智能芯片公司）：熟悉工业界各种仿真器以及各自的软件构架
* Drive.ai（吴恩达老婆的公司）：3年仿真器或者3D游戏编写经验
* Toyota Research Institute丰田美国研究所：会使用OpenGL或Direct3D获得实时数据
* Uber优步：熟练运用C++11、C++14语言
为什么不直接上路测试，而要仿真驾驶？
一辆无人车必须保证在任何意外情况下，都比真人司机做出更好的判断，才算是安全，才会被允许上路。而想要得出这个结论，一辆无人车需要驾驶上亿英里，才能通过统计意义的考验（statistical significance），被证明为比真人可靠。美国兰德智库公司研究显示，如果想做到低于每一千万英里1.09的死亡率（95%的置信区间），需要测试行驶2千多万英里，耗时12.5年。如此漫长的测试时间，各大公司怎么耗得起？
秒懂仿真技术
利用模拟环境下驾驶产生的数据，我们就可以在短时间内达到需要的里程测试标准。我们用电脑仿造出各种特殊情况，比如恶劣天气，训练无人车应对这些情况，然后将训练好的数据模型运用于真实驾驶过程中。NVIDIA的自动驾驶论文中详细阐述了端到端深度学习的仿真原理，其主要过程如下：
1. 架构：设计深度卷积神经网络(CNN)，包括标准化层，卷积层，全连接层，输入为道路影像图片，输出为方向盘控制角度。
2. 训练：仿真器根据之前准备好的由前置摄像头拍摄的道路影像，每一帧图片对应的人类司机操控方向盘的旋转角度作为真实参考值，用于校正CNN的输出角度，利用这些数据对CNN进行训练，使输出角度和真实角度的平均平方误差到达最小。
3. 数据处理：对于每一帧图片，随机移动、翻转、扭曲、遮挡、改变亮度等，并相应改变方向盘的真实角度，用于模拟汽车的不同位置和环境，以期达到正态分布的仿真情境。
4. 测试：训练好的CNN可以实时通过图像输出方向盘角度，可以直观的看出汽车在仿真器道路上的行驶状态。
现在动手，自己做一次仿真自动驾驶
Udacity（美国在线课程网站）刚刚在GitHub上开放仿真平台，里面提供各种仿真道路和路况。点击链接，按照步骤搭建，你也可以做出自己的仿真自动驾驶车！
点击关注“自动驾驶说”微信公众号，了解更多小编在硅谷的工作心得。
