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

《白皮書》分為三部分進(jìn)行闡述。

第一部分：概述整車標(biāo)定概念及車企面對(duì)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(biāo)定難題：

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

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

3. 試驗(yàn)成本高昂，物理實(shí)驗(yàn)開(kāi)銷難降低。研發(fā)成本難降低，擠壓利潤(rùn)空間。

4. 迭代周期冗長(zhǎng)，需多次反復(fù)迭代試錯(cuò)。拖延產(chǎn)品發(fā)布，耽誤市場(chǎng)時(shí)機(jī)。

除以上4點(diǎn)外，近兩年受新冠疫情的影響，標(biāo)定實(shí)測(cè)工作常常中斷，嚴(yán)重影響了業(yè)務(wù)進(jìn)展。

第二部分：介紹南棲強(qiáng)化學(xué)習(xí)工具的不同與優(yōu)勢(shì)

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

REVIVE基于汽車標(biāo)定數(shù)據(jù)模擬環(huán)境的強(qiáng)化學(xué)習(xí)解決方案過(guò)程：

REVIVE方案主要分為四步：首先在人工標(biāo)定參數(shù)的實(shí)車驗(yàn)證實(shí)驗(yàn)中收集對(duì)應(yīng)的性能狀態(tài)秒采數(shù)據(jù)并進(jìn)行簡(jiǎn)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(yùn)行的“數(shù)據(jù)仿真車”，并使用可視化評(píng)估指標(biāo)驗(yàn)證虛擬環(huán)境與真實(shí)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(biāo)定參數(shù)；最后將優(yōu)化后的標(biāo)定參數(shù)在虛擬環(huán)境中驗(yàn)證，評(píng)估有效則上載到汽車進(jìn)行實(shí)車驗(yàn)證。

第三部分：結(jié)合發(fā)動(dòng)機(jī)整車排放標(biāo)定、混動(dòng)標(biāo)定兩個(gè)案例，介紹REVIVE成功應(yīng)用方案。

《白皮書》實(shí)例證明，南棲獨(dú)特的AI虛擬標(biāo)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(guó)六排放標(biāo)準(zhǔn)，并為后續(xù)車輛設(shè)計(jì)環(huán)節(jié)提供了充足的排放余量。

在串并聯(lián)混動(dòng)系統(tǒng)標(biāo)定任務(wù)上同樣成功。在起點(diǎn)—終點(diǎn)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(dòng)機(jī)最優(yōu)工況特性的混動(dòng)策略，使得整車在WLTC實(shí)驗(yàn)中取得更低的油耗。