由于自動駕駛開發(fā)全棧技術(shù)和傳統(tǒng)嵌入式系統(tǒng)開發(fā)技術(shù)有許多不同之處，因此應對自動駕駛的測試技術(shù)也有很多進化，IPG Automotive為此提出了全新的測試技術(shù)架構(gòu)?？v觀這些差異中最突出的當屬數(shù)據(jù)的重要性，無論是基于場景的測試，還是基于機器學習的訓練，都需要大量的數(shù)據(jù)。為了能更加方便管理海量數(shù)據(jù)，VIRTO應運而生，去年IPG Automotive推出了全新的仿真數(shù)據(jù)管理和數(shù)據(jù)倉庫VIRTO。今年的Open House進一步展示了VIRTO在整個開發(fā)流程中的重要性，以及對未來的測試形態(tài)的展望。

1. 自動駕駛?cè)珬７抡鏈y試架構(gòu)

在仿真數(shù)據(jù)管理&數(shù)據(jù)倉庫的下一層是兩個自動駕駛開發(fā)全棧常用的技術(shù)或方法，分別是DevOps和MLOps。DevOps 是一種軟件開發(fā)方法，它強調(diào)開發(fā) (Dev) 和運維 (Ops) 團隊之間的協(xié)作和自動化，以實現(xiàn)更快、更頻繁的軟件交付。MLOps 是 DevOps 的擴展，專門針對機器學習 (ML) 模型的開發(fā)和部署。它將 DevOps 的原則和實踐應用于機器學習生命周期，從數(shù)據(jù)準備到模型訓練、部署和監(jiān)控。簡而言之，DevOps 側(cè)重于軟件開發(fā)的整個生命周期，而 MLOps 專注于機器學習模型的整個生命周期。

自動駕駛?cè)珬７抡鏈y試架構(gòu)

2. CarMaker的場景搭建和泛化

VIRTO不僅集成了這兩個方法，還為其打通了數(shù)據(jù)源，數(shù)據(jù)源分別來自仿真場景合成數(shù)據(jù)、采集數(shù)據(jù)和數(shù)字孿生數(shù)據(jù)。其中，仿真場景合成數(shù)據(jù)是基于CarMaker提供的，它的上游得益于CarMaker中豐富的環(huán)境和場景模型，同時還依賴于CarMaker的場景創(chuàng)建和泛化能力，可以通過PythonAPI自由控制場景中的每一個元素，比如道路周圍的元素和環(huán)境要素（如光照、霧等），以及動態(tài)交通元素，這樣就可以快速生成海量場景。

CarMaker生成合成數(shù)據(jù)

3. CarMaker的物理傳感器模型

除此之外，逼真的傳感器數(shù)據(jù)是保證合成數(shù)據(jù)質(zhì)量的重要因素。CarMaker目前已經(jīng)推出的攝像頭、毫米波、激光和超聲波物理模型可以保證各傳感器所輸出的原始信號均來自一致的三維環(huán)境，保證同步性。同時，物理傳感器的底層是基于Nvidia的顯卡技術(shù)，CarMaker通過開放GPU Coding interface以滿足用戶自定義信號輸出和嵌入自定義模型的可能性。

4. CarMaker的新標注工具

可配置的標注信息是合成數(shù)據(jù)的另一個關(guān)鍵要素，需要指出的是可配置的標注信息對模型訓練而言至關(guān)重要。IPG Automotive基于最新的高質(zhì)量渲染軟件MovieNX開發(fā)了全新的可配置標注工具，此工具可以讓用戶細致地標注每一個三維物體的每一個面，比老版本的標注工具有大大的質(zhì)量提升。

5. 數(shù)據(jù)生成

標注后的數(shù)據(jù)可通過數(shù)據(jù)集生成器可以傳輸或轉(zhuǎn)存成不同的數(shù)據(jù)集格式，同時傳感器原始數(shù)據(jù)也可以通過RSDS（原始信號數(shù)據(jù)流接口）傳輸給待測件。

合成數(shù)據(jù)自動生成和導出

最后，仿真合成數(shù)據(jù)允許工程師在虛擬環(huán)境中模擬各種駕駛條件和場景，從而測試汽車在極端或罕見情況下的表現(xiàn)。這種模擬測試不僅節(jié)省了時間和成本，而且可以覆蓋更廣泛的測試案例，包括那些在現(xiàn)實世界中難以復現(xiàn)的情況。通過仿真合成數(shù)據(jù)，可以對汽車的傳感器、控制系統(tǒng)和通信系統(tǒng)進行嚴格的測試。這有助于在開發(fā)前期就能夠發(fā)現(xiàn)潛在的設(shè)計缺陷和性能問題，從而減少開發(fā)后期的壓力。再者，仿真合成數(shù)據(jù)的可重復性和可控性為汽車功能測試提供了一致性和可靠性。這使得測試結(jié)果更加精確，有助于評估和比較不同設(shè)計方案的效果。