廣告
搶占智能駕駛“智高點(diǎn)”，仿真測試或?qū)⑹潜貍涞摹凹铀賱?/h1>
2024-07-08 09:51:23· 來源：焉知汽車
在智能駕駛系統(tǒng)的開發(fā)中，參考V模型開發(fā)流程，仿真測試通常包含多個階段：MIL（模型在環(huán)）—— 用于驗(yàn)證理論模型，軟件在環(huán)（SIL）—— 測試軟件組件，硬件在環(huán)（HIL）—— 集成硬件組件進(jìn)行測試，車輛在環(huán)（VIL）—— 模擬車輛與環(huán)境的交互，以及實(shí)車道路測試（包括封閉場地和開放道路）。
自動駕駛系統(tǒng)開發(fā)V字流程
V模型的左半邊代表開發(fā)階段，此階段仿真測試作為開發(fā)的一部分，主要用于驗(yàn)證設(shè)計的可行性和性能。在這個階段，常用的仿真測試手段包括MIL和SIL，它們幫助工程師在早期發(fā)現(xiàn)潛在的設(shè)計問題。
V模型的右半邊代表量產(chǎn)測試階段。在此階段，仿真測試主要用于回歸測試和性能評估，以確保產(chǎn)品在生產(chǎn)過程中保持質(zhì)量的一致性，并為產(chǎn)品交付和量產(chǎn)做準(zhǔn)備。在這個階段，常用的仿真測試手段包括HIL、VIL以及實(shí)車道路測試，這些測試手段能夠提供更接近實(shí)際運(yùn)行條件的評估。
在整個V模型過程中，仿真測試扮演著至關(guān)重要的角色，它不僅在開發(fā)階段幫助驗(yàn)證設(shè)計，而且在量產(chǎn)測試階段確保產(chǎn)品質(zhì)量和性能。
1. MIL、SIL以及HIL之間的關(guān)聯(lián)
MIL、SIL和HIL屬于仿真測試的三種不同手段，用在車輛系統(tǒng)開發(fā)的不同階段，并且具有不同的目的。這三種測試手段相互補(bǔ)充，確保車輛系統(tǒng)的開發(fā)在各個關(guān)鍵階段都經(jīng)過了嚴(yán)格的測試和驗(yàn)證，進(jìn)而有效地提高系統(tǒng)的整體質(zhì)量和性能，降低開發(fā)風(fēng)險，并加快產(chǎn)品上市的時間。
昆易電子算法事業(yè)部總經(jīng)理方志剛講到：“從理論上來講，在早期開發(fā)階段，開發(fā)人員通常先使用Simulink等圖形化編程環(huán)境來設(shè)計和實(shí)現(xiàn)算法模型，然后通過仿真執(zhí)行這些模型，以驗(yàn)證它們的行為是否符合預(yù)期，這就是所謂的MIL階段。
“一旦模型通過MIL驗(yàn)證，下一步是將Simulink模型轉(zhuǎn)換成可執(zhí)行的C代碼。這個過程稱為自動代碼生成。然后，軟件開發(fā)團(tuán)隊再將生成的C代碼編譯成適用于x86架構(gòu)服務(wù)器的可執(zhí)行程序，進(jìn)行SIL測試，以驗(yàn)證軟件組件在X86系統(tǒng)環(huán)境中的功能正確性。”
與運(yùn)行SIL測試的x86架構(gòu)服務(wù)器不同，汽車控制器更多的是使用ARM架構(gòu)及專用的硬件加速芯片。因此，在SIL測試完成后，C代碼需要針對目標(biāo)控制器的硬件架構(gòu)（如ARM）進(jìn)行重新編譯和優(yōu)化，以生成可在控制器上運(yùn)行的可執(zhí)行程序，才能進(jìn)行HIL測試。
另外，他還指出，“如果在SIL或HIL測試中發(fā)現(xiàn)問題，可能需要回到Simulink模型進(jìn)行修改，然后重復(fù)代碼生成和測試過程。同時，在開發(fā)過程中需要考慮軟件在不同平臺（x86和ARM）上的兼容性和性能。”
雖然MIL和SIL測試更多地關(guān)注功能的實(shí)現(xiàn)和驗(yàn)證，但它們也都涉及到初步的性能評估。同樣，HIL測試雖然更側(cè)重于性能方面的驗(yàn)證，但也必須確保硬件集成后的功能正確性?？傊?，所有這些測試都是為了確保最終系統(tǒng)在功能和性能方面都能滿足設(shè)計規(guī)范和用戶需求。
MIL/SIL/HIL三者的應(yīng)用階段和目的
正常來講，對于智能駕駛系統(tǒng)開發(fā)，仿真測試也需要貫穿整個V模型開發(fā)和測試的全流程。但是，當(dāng)前主流的仿真技術(shù)平臺尚不能提供貫穿整個流程的全棧式仿真測試能力。因此，在智能駕駛領(lǐng)域，行業(yè)內(nèi)也未能夠嚴(yán)格遵循V模型的流程進(jìn)行仿真測試驗(yàn)證。
亦佩捷(IPG)汽車設(shè)備(上海)有限公司總經(jīng)理黃曉介紹說：“在智能駕駛領(lǐng)域，多數(shù)主機(jī)廠很難做MIL和SIL，主要原因在于，對于不是全棧自研的主機(jī)廠，他們沒有供應(yīng)商的Sensor模型、算法模型，甚至是Simulink模型，因此主機(jī)廠沒有辦法做MIL。
“另外，雖然理論上做SIL（包括云上SIL）的效率最高，但現(xiàn)在的客戶大部分是從HIL開始做；SIL難做的主要原因就是主機(jī)廠與供應(yīng)商之間、供應(yīng)商A與供應(yīng)商B之間，都無法無縫提供參數(shù)、算法和接口的開放。
“不同類型的企業(yè)以及針對不同系統(tǒng)層級做SIL所關(guān)注的點(diǎn)都不一樣。供應(yīng)商自己也可以做SIL，但供應(yīng)商做的SIL只能是針對其自己的產(chǎn)品，沒辦法做整個系統(tǒng)的SIL，因?yàn)橹鳈C(jī)廠的車輛動力學(xué)模型也不太可能對他們開放。比如攝像頭模組廠商針對攝像頭模組本身也可以做SIL，但他們關(guān)注點(diǎn)可能在攝像頭本身的性能和可靠性怎么樣，比如識別率、圖像質(zhì)量以及噪聲和干擾等，而不會關(guān)注具體的智駕功能?！?
NI大中華區(qū)智駕業(yè)務(wù)發(fā)展經(jīng)理王帥則從另外一個維度談到：“SIL測試通?？梢栽诒镜貑螜C(jī)或基于服務(wù)器的云仿真環(huán)境中進(jìn)行，而HIL測試則基于真實(shí)的ECU硬件。這兩種測試方法在實(shí)時性方面存在顯著差異。HIL測試要求仿真環(huán)境必須以與實(shí)際傳感器相同的幀率/速率提供輸入，例如，如果攝像頭的幀率是30fps，HIL測試中的仿真軟件也必須以30fps的幀率向控制器提供輸入，以確保測試的實(shí)時性。
“相比之下，SIL測試提供了更大的靈活性。在SIL測試中，可以進(jìn)行加速或減速測試，仿真軟件可以以不同的幀率（如100fps或1fps）輸入給控制器，這在早期開發(fā)階段或算法迭代中非常有用。
“此外，SIL測試由于其與開發(fā)端的接近性，以及與軟件迭代的緊密關(guān)聯(lián)，使得它在軟件開發(fā)的早期階段尤為重要。然而，隨著系統(tǒng)開發(fā)的進(jìn)展，HIL測試的實(shí)時性優(yōu)勢變得尤為關(guān)鍵，尤其是在集成和驗(yàn)證硬件與軟件的交互環(huán)節(jié)。”
“SIL測試有助于快速迭代和早期問題發(fā)現(xiàn)，而HIL測試則確保了在實(shí)際硬件環(huán)境中的系統(tǒng)性能和安全性。目前行業(yè)上基本還是幾種仿真測試手段相互結(jié)合使用的一個狀態(tài)。”
總之，在V模型的每個開發(fā)階段都有其側(cè)重點(diǎn)和階段目標(biāo)。仿真測試的實(shí)現(xiàn)需要結(jié)合階段目標(biāo)來進(jìn)行，每個階段的測試場景和仿真策略都會根據(jù)測試目標(biāo)的需求來選擇。
2.低階智駕與高階智駕在仿真測試需求上的差異
在仿真測試中，低階智能駕駛功能通常是基于一系列設(shè)計好的測試用例進(jìn)行測試。測試用例可以簡單理解為片段式的場景，是從相關(guān)駕駛情境中提取的關(guān)鍵部分，用以測試特定功能，并且測試評價標(biāo)準(zhǔn)相對簡單。
同時，低階智能駕駛的仿真測試主要集中在對規(guī)控算法的驗(yàn)證上。由于感知信號經(jīng)過處理后會轉(zhuǎn)換成object list，這種結(jié)構(gòu)化的數(shù)據(jù)簡化了對傳感器模型的仿真要求。
然而，高階智能駕駛功能涉及車輛在復(fù)雜環(huán)境下的感知、決策和控制，比如在一個六岔路口對周邊的行人和車輛進(jìn)行感知與規(guī)避。因此，主機(jī)廠在做仿真測試的時候，不僅要應(yīng)對“后半段”的規(guī)控，還要對“前半段”的感知進(jìn)行仿真測試。
高階智能駕駛系統(tǒng)的架構(gòu)復(fù)雜性，接口多樣性，以及高頻次的軟件更新迭代需求，為仿真測試系統(tǒng)的設(shè)計和維護(hù)帶來了一系列的挑戰(zhàn)。
黃曉認(rèn)為，最好能有一個統(tǒng)一的測試平臺來管理各系統(tǒng)的接口，而不是使用不同的軟件來管理不同的接口。“只有統(tǒng)一了，在維護(hù)層面才能為企業(yè)提供更多便利性?！?
“目前來看，仿真測試還主要偏向于功能測試。因?yàn)楣δ軠y試給客戶帶來的效用和幫助更直觀。他們可以快速通過仿真搭建測試場景，能夠高效、快捷驗(yàn)證系統(tǒng)功能是否達(dá)標(biāo)?！?
他還提到，如果主機(jī)廠想驗(yàn)收供應(yīng)商的交付質(zhì)量，除了功能測試，還需要考察性能是否達(dá)標(biāo)?！暗菍τ谛阅軠y試，則需要花更多的力氣去搭建高精度的模型，我覺得目前在高精度的場景建模和傳感器建模上都還存在挑戰(zhàn)?！?
在系統(tǒng)的開發(fā)過程中，蘇州智行眾維（IAE）研發(fā)副總高彪表示，“高階智駕與低階智駕在仿真測試的需求上確實(shí)存在顯著的區(qū)別，這些區(qū)別主要體現(xiàn)在測試場景范圍以及測試評價上?！?
低階功能的仿真測試重點(diǎn)在于車輛在特定條件下的響應(yīng)，如檢測車道線、前車距離變化等。測試場景所需要覆蓋的路況和工況相對較為簡單，測試評價多依賴于成熟的測試標(biāo)準(zhǔn)。
而高階功能的測試場景需要根據(jù)智駕功能ODD覆蓋不同的路況、天氣環(huán)境和邊緣情況，測試場景里程及場景多樣性和覆蓋度至關(guān)重要。尤其是當(dāng)智能駕駛功能突破L2跨越到L3以后，“安全責(zé)任人”的角色也將發(fā)生轉(zhuǎn)變，測試評價將會更關(guān)注累計安全行駛里程。
低階智駕功能仿真測試VS高階智駕功能仿真測試
總體而言，低階智能駕駛功能的開發(fā)和測試主要依賴于基于測試用例的測試方法。這種方法側(cè)重于驗(yàn)證特定功能在預(yù)定義條件下的行為和性能。相比之下，高階智能駕駛功能的開發(fā)和測試則趨向于采用基于場景的測試方法，這種方法更加關(guān)注在復(fù)雜多變的交通環(huán)境中系統(tǒng)的整體表現(xiàn)。
3. 高階智駕仿真測試方案：純視覺VS多傳感器融合
目前，依據(jù)感知傳感器配置的不同，高階智駕方案大致可以劃分為兩大類：純視覺方案和多傳感器融合方案；而國內(nèi)主流車企的高階智能駕駛方案多傾向于采用多傳感器融合方案，具體的融合級別可能因企業(yè)的技術(shù)路線和產(chǎn)品需求而有所不同。
隨著深度學(xué)習(xí)技術(shù)在智能駕駛領(lǐng)域的發(fā)展和應(yīng)用，BEV+ Transformer方案已經(jīng)成為當(dāng)下高階智駕感知方案的主流選擇。BEV+Transformer 最開始是在特斯拉的純視覺方案上率先應(yīng)用。緊接著，國內(nèi)的企業(yè)又在此基礎(chǔ)上做了一些調(diào)整和適配，應(yīng)用在了多傳感器融合方案上。
BEV+Transformer 技術(shù)的核心優(yōu)勢在于其能夠在 BEV 空間中進(jìn)行有效的多模態(tài)數(shù)據(jù)融合和處理，提高感知性能。它可以根據(jù)不同的需求和場景與前融合、中融合或后融合方案結(jié)合使用，并不是嚴(yán)格限定于特定的融合方案。但目前，BEV+Transformer 技術(shù)更常見于前融合和中融合方案中。
BEV+Transformer 架構(gòu)應(yīng)用在不同融合方案
與純視覺方案相比，多傳感器融合方案由于配置了更多種類和數(shù)量的傳感器，因此在進(jìn)行HIL仿真測試時，對計算能力的需求顯著增加。此外，不同傳感器的數(shù)據(jù)幀率可能存在差異，這要求仿真系統(tǒng)中的多種傳感器模型和模擬器必須實(shí)現(xiàn)精確的數(shù)據(jù)同步，增加了仿真過程的復(fù)雜性。
黃曉表示， 在高階智駕方案中，通常會采用前融合方案，在控制器內(nèi)對傳感器傳輸過來的原始數(shù)據(jù)進(jìn)行融合。
在純視覺智能駕駛方案中，攝像頭的配置數(shù)量通常在7到11個左右，分辨率在2MP~8MP。由于攝像頭捕獲的原始數(shù)據(jù)是高分辨率視頻流，因此在仿真環(huán)境中對算力的需求尤為突出。為了處理這些大量的圖像數(shù)據(jù)，通常需要部署多個配備高性能顯卡的服務(wù)器，以提供必要的計算能力支撐。
另外，他還指出，“在進(jìn)行多傳感器融合方案的仿真測試時，確保不同傳感器之間的數(shù)據(jù)同步是一個復(fù)雜的問題。從軟件的角度來看，需要實(shí)現(xiàn)精確的時鐘同步和數(shù)據(jù)融合算法；從硬件的角度來看，可能需要特定的硬件支持和接口來實(shí)現(xiàn)傳感器之間的同步。此外，為了滿足實(shí)時性要求，整個仿真系統(tǒng)的效率也是一個重要考慮因素，包括數(shù)據(jù)傳輸速度、處理速度和計算資源的優(yōu)化。因此，設(shè)計一個能夠滿足這些要求的仿真測試系統(tǒng)面臨著技術(shù)和工程上的多重挑戰(zhàn)。"
在多傳感器融合方案中，確保數(shù)據(jù)傳輸?shù)耐酱_實(shí)是一個不小的挑戰(zhàn)。方志剛解釋說“首先，仿真軟件生成的各個傳感器信號在時間上可能存在差異，這可能是由于仿真模型的計算延遲或數(shù)據(jù)處理方法的不同造成的。其次，不同傳感器的數(shù)據(jù)傳輸速度也有所不同。例如，毫米波雷達(dá)的數(shù)據(jù)量相對較小，可能很快就能傳輸完成；而激光雷達(dá)和攝像頭由于數(shù)據(jù)量大，傳輸時間可能需要幾毫秒甚至幾十毫秒。
“此外，各個傳感器處理的幀率/頻率也各不相同。例如，激光雷達(dá)可能是10Hz，攝像頭可能是30Hz，毫米波雷達(dá)可能是13Hz。這些不同的幀率/頻率進(jìn)一步增加了數(shù)據(jù)同步的復(fù)雜性。
“因此，解決多傳感器數(shù)據(jù)傳輸同步的問題需要綜合考慮傳感器的特性、數(shù)據(jù)傳輸速度、處理幀率以及同步機(jī)制的設(shè)計。這可能涉及到算法優(yōu)化、硬件升級、通信協(xié)議改進(jìn)等多個方面?！?
另外，在高階智駕多傳感器融合方案的仿真測試中，確保融合效果的準(zhǔn)確性也是一個關(guān)鍵挑戰(zhàn)。王帥指出，為了提高融合效果，必須提供高質(zhì)量的傳感器仿真數(shù)據(jù)。這意味著仿真的數(shù)據(jù)不僅要真實(shí)反映傳感器的特性，還要具有高度的同步性。在當(dāng)前主流的BEV感知架構(gòu)方案中，這一點(diǎn)尤為重要。例如，不同攝像頭提供的數(shù)據(jù)之間的時間差通常應(yīng)控制在1毫秒以內(nèi)，以確保數(shù)據(jù)的實(shí)時性和一致性。只有當(dāng)后端處理模塊接收到這樣高質(zhì)量且高度同步的數(shù)據(jù)時，融合的結(jié)果才能更加精確，從而提高智能駕駛系統(tǒng)的感知能力和決策質(zhì)量。
除此之外，高彪還提到了一點(diǎn)：相對傳感器的場景可靠性，即場景模型構(gòu)建的其中一項準(zhǔn)則是保證傳感器數(shù)據(jù)的準(zhǔn)確性，針對多種傳感器的情況下，在場景構(gòu)建時也需要考慮不同類型的傳感器特性。
因?yàn)槊糠N傳感器都有其獨(dú)特的特性，如攝像頭提供的是圖像信息，毫米波雷達(dá)提供的主要是距離和速度信息，激光雷達(dá)主要提供點(diǎn)云信息。
并且，不同類型傳感器需要考慮的失效模式也有很大的不同，需要場景模型中考慮去包含冗余和容錯機(jī)制，以確保系統(tǒng)的魯棒性。
另外，不同傳感器對環(huán)境條件的適應(yīng)性不同。例如，攝像頭受到光照變化的影響比較大，而激光雷達(dá)受到雨霧的干擾比較大，場景模型需要考慮這些環(huán)境因素對每類傳感器的影響。
總之，相比于純視覺方案，多傳感器融合方案因?yàn)樯婕暗膫鞲衅鞣N類和數(shù)量較多，隨之涉及到的傳感器協(xié)議類型越多，傳感器之間的同步機(jī)制和校驗(yàn)機(jī)制要求也越高。
4. 高階智駕在仿真測試上存在的挑戰(zhàn)
1）場景覆蓋度和仿真置信度問題
高階智駕仿真測試對于場景庫和測試用例需求，主要體現(xiàn)在以下幾個方面：
高覆蓋度：強(qiáng)調(diào)場景庫盡可能覆蓋ODD內(nèi)的駕駛場景，確保測試框架從基本功能驗(yàn)證擴(kuò)展至高階復(fù)雜挑戰(zhàn)的全面審視，包括但不限于常見駕駛情境、極端氣候條件、低頻出現(xiàn)的邊緣情況，形成一套由淺入深、循序漸進(jìn)的測試體系，以驗(yàn)證系統(tǒng)在各類工況下的穩(wěn)定性和可靠性。
高真實(shí)性：在構(gòu)建測試用例時，要求仿真環(huán)節(jié)總的交通參與者（包括行人、其他車輛等）不僅在物理行為上遵循真實(shí)世界的規(guī)律，還需在運(yùn)動軌跡、交互邏輯上體現(xiàn)自然性和多樣性，確保測試數(shù)據(jù)與實(shí)際情況高度吻合。
高復(fù)雜性：在設(shè)計測試用例時，同時并發(fā)多個交通參與者的動態(tài)行為，包括但不限于隨機(jī)路徑選擇、非線性速度變化、緊急避險動作等，旨在創(chuàng)造高度復(fù)雜且難以預(yù)測的交互場景。
可重復(fù)性：要求測試用例能在一致的測試條件下被重復(fù)執(zhí)行，確保每個測試用例均可進(jìn)行回歸測試。
黃曉認(rèn)為當(dāng)前高階智駕仿真測試所面臨最主要的兩個問題是場景覆蓋度和仿真置信度的問題。 對于場景覆蓋度，主要是指Corner cases覆蓋度的問題，這些場景在我們?nèi)粘ｑ{駛中很少被碰到。雖然通過仿真手段可以非?？焖俚孬@取或制作一些Corner cases 場景，可以去復(fù)現(xiàn)，并不斷的迭代。但仿真和測試之間還存在一個巨大的鴻溝，那就是仿真置信度的問題。
那么，仿真置信度不高又是哪些原因造成的呢？黃曉表示，仿真置信度問題主要來自兩個方面：首先，仿真軟件本身建模的問題。傳統(tǒng)動力學(xué)模型置信度還可以，但是物理傳感器模型、環(huán)境模型、天氣模型、道路模型、交通流模型置信度如何，以及整個綜合起來形成一個鏈條后，他們的加權(quán)置信度又會是多少？目前行業(yè)里還沒有太多的驗(yàn)證案例。
其次，用戶應(yīng)用仿真測試的經(jīng)驗(yàn)和能力問題。比如一家整車廠在做車輛動力學(xué)模型的時候，愿意花多少時間，愿意投入多少人，用哪個部門來做，不同部門的之間的溝通效率如何，都會影響到車輛動力學(xué)模型最終的置信度。
最后，他建議到：“業(yè)界應(yīng)合力搭建仿真場景平臺，并且全行業(yè)努力提升并驗(yàn)證仿真的置信度，這對于行業(yè)的長遠(yuǎn)發(fā)展將會是很大的助力?！?
2）路采數(shù)據(jù)的通用性問題
某工具鏈公司的仿真負(fù)責(zé)人曾經(jīng)提到，在用真實(shí)道路數(shù)據(jù)做仿真的情況下，一旦傳感器的位置或者型號有變更，這一組數(shù)據(jù)的價值就會降低，甚至“作廢”。也可以用神經(jīng)網(wǎng)絡(luò)對真實(shí)道路數(shù)據(jù)做調(diào)參，這種調(diào)參的智能化程度會更高一些，但可控性會比較弱。
當(dāng)前，由于真實(shí)世界數(shù)據(jù)的復(fù)雜性和多樣性，合成數(shù)據(jù)只能在部分情況下替代真實(shí)數(shù)據(jù)，高階智駕仿真測試對路采的真實(shí)數(shù)據(jù)的依懶性還非常大。因此，路采數(shù)據(jù)通用性的問題，勢必會給高階智駕仿真測試的向前推進(jìn)帶來比較大的阻礙。
高彪解釋說 ：“路采數(shù)據(jù)的通用性能力的強(qiáng)弱直接取決于測試中數(shù)據(jù)的使用策略。目前大部分企業(yè)在使用真實(shí)路采數(shù)據(jù)時，只是將路采數(shù)據(jù)按照域控制器的數(shù)據(jù)接口要求處理后進(jìn)行數(shù)據(jù)回灌。這種使用方法確實(shí)對傳感器安裝位置、安裝角度、型號，甚至車輛尺寸存在嚴(yán)格的一致性要求，一旦某個要素出現(xiàn)變更，測試數(shù)據(jù)就不再滿足測試要求。
“為了進(jìn)一步挖掘真實(shí)道路數(shù)據(jù)的應(yīng)用，將路采數(shù)據(jù)重構(gòu)為仿真測試場景，結(jié)合仿真工具，通過仿真建模調(diào)整傳感器參數(shù)配置、安裝位置、車輛型號等，實(shí)現(xiàn)路采數(shù)據(jù)的高通用性?！?
3）法規(guī)和標(biāo)準(zhǔn)方面的問題
有業(yè)內(nèi)人士提到，高階智駕準(zhǔn)入仍存在巨大法規(guī)空白，短期內(nèi)尚不能實(shí)現(xiàn)大規(guī)模的公開道路測試，絕大多數(shù)的測試將會在仿真環(huán)境中完成。然而，智能駕駛仿真測試在法規(guī)與標(biāo)準(zhǔn)上仍存在缺失，尤其是針對高階智能駕駛的仿真測試，缺乏統(tǒng)一的測試標(biāo)準(zhǔn)和評價體系。
高階智駕技術(shù)的復(fù)雜性和安全性要求遠(yuǎn)高于傳統(tǒng)的駕駛輔助系統(tǒng)，因此需要大量且深入的測試來確保其在公共道路上的安全性和可靠性。目前的公開道路測試受到區(qū)域性、成本、時間周期等方面的限制，這促使行業(yè)尋求并依賴仿真測試手段，同時也將推動仿真測試成為確保智駕系統(tǒng)安全準(zhǔn)入和量產(chǎn)的關(guān)鍵環(huán)節(jié)。
在高階智駕準(zhǔn)入的問題上，高彪認(rèn)為，車企在完善開發(fā)和測試流程的過程中，需要考慮與仿真更加緊密的結(jié)合，在不同的開發(fā)階段更多地運(yùn)用仿真進(jìn)行V&V驗(yàn)證，從而縮短整體的開發(fā)驗(yàn)證周期并降低測試成本。
另外，他還提到：“在法規(guī)制定和政府監(jiān)管方面，也可以合理運(yùn)用仿真測評手段，以提升安全監(jiān)管目標(biāo)。對于仿真工具及場景庫來講，合理提升仿真的真實(shí)性以覆蓋更廣的測試需求，同時擴(kuò)展有效場景數(shù)據(jù)實(shí)現(xiàn)更高的場景覆蓋度是一直以來我們的目標(biāo)?！?
5. 高階智駕出海與仿真測試
據(jù)中汽協(xié)公布的汽車出口數(shù)據(jù)顯示，2023年，我國全年累計汽車出口491萬輛，其中傳統(tǒng)燃油汽車出口370.7萬輛，占比為75.5%。同時，大多數(shù)車輛所搭載的智能駕駛功能依然還是傳統(tǒng)的低階ADAS功能。
隨著國內(nèi)汽車需求的逐漸趨向于飽和，以及價格戰(zhàn)的加劇，國內(nèi)汽車行業(yè)紛紛將目光轉(zhuǎn)向海外，將“內(nèi)卷”逐漸化為“外卷”。對于中國車企而言，在向海外推廣產(chǎn)品的時候，智能化是其主打的“標(biāo)簽”之一。因此，車企必然也希望能夠?qū)⒏唠A智駕功能向海外推廣。
對仿真測試行業(yè)而言，針對海外當(dāng)?shù)氐姆抡鏈y試市場的需求將會大大增加。高彪提議，國內(nèi)車企需要進(jìn)行大量的具有海外當(dāng)?shù)靥厣姆抡鏈y試以確保其智能駕駛系統(tǒng)在不同國家和地區(qū)的交通環(huán)境和法規(guī)要求下的安全性和可靠性，對應(yīng)仿真測試場景就要相應(yīng)適配海外當(dāng)?shù)氐慕煌?biāo)志、道路規(guī)格、駕駛習(xí)慣和相關(guān)法規(guī)等。他們作為仿真測試企業(yè)，會提供定制化的測試方案，以幫助車企實(shí)現(xiàn)產(chǎn)品的快速本土化。
“除了需求增加，仿真測試行業(yè)也面臨著不同國家數(shù)據(jù)合規(guī)的政策問題，同時仿真測試企業(yè)可能會與國際同行進(jìn)行更多的合作和競爭，參與或推動相關(guān)測試標(biāo)準(zhǔn)和協(xié)議的制定，以實(shí)現(xiàn)國際市場的互操作性和統(tǒng)一標(biāo)準(zhǔn)，推動行業(yè)整體水平的提升。”他補(bǔ)充說到。
總之，高階智駕功能的出海為仿真測試行業(yè)既帶來了機(jī)遇，也帶來了挑戰(zhàn)。國內(nèi)仿真測試行業(yè)需要不斷創(chuàng)新和進(jìn)步，以適應(yīng)和滿足全球化市場的需求，進(jìn)而幫助中國車企將高階智駕技術(shù)更快地推向海外市場。
在智能駕駛系統(tǒng)的開發(fā)中，參考V模型開發(fā)流程，仿真測試通常包含多個階段：MIL（模型在環(huán)）—— 用于驗(yàn)證理論模型，軟件在環(huán)（SIL）—— 測試軟件組件，硬件在環(huán)（HIL）—— 集成硬件組件進(jìn)行測試，車輛在環(huán)（VIL）—— 模擬車輛與環(huán)境的交互，以及實(shí)車道路測試（包括封閉場地和開放道路）。
自動駕駛系統(tǒng)開發(fā)V字流程
V模型的左半邊代表開發(fā)階段，此階段仿真測試作為開發(fā)的一部分，主要用于驗(yàn)證設(shè)計的可行性和性能。在這個階段，常用的仿真測試手段包括MIL和SIL，它們幫助工程師在早期發(fā)現(xiàn)潛在的設(shè)計問題。
V模型的右半邊代表量產(chǎn)測試階段。在此階段，仿真測試主要用于回歸測試和性能評估，以確保產(chǎn)品在生產(chǎn)過程中保持質(zhì)量的一致性，并為產(chǎn)品交付和量產(chǎn)做準(zhǔn)備。在這個階段，常用的仿真測試手段包括HIL、VIL以及實(shí)車道路測試，這些測試手段能夠提供更接近實(shí)際運(yùn)行條件的評估。
在整個V模型過程中，仿真測試扮演著至關(guān)重要的角色，它不僅在開發(fā)階段幫助驗(yàn)證設(shè)計，而且在量產(chǎn)測試階段確保產(chǎn)品質(zhì)量和性能。
1. MIL、SIL以及HIL之間的關(guān)聯(lián)
MIL、SIL和HIL屬于仿真測試的三種不同手段，用在車輛系統(tǒng)開發(fā)的不同階段，并且具有不同的目的。這三種測試手段相互補(bǔ)充，確保車輛系統(tǒng)的開發(fā)在各個關(guān)鍵階段都經(jīng)過了嚴(yán)格的測試和驗(yàn)證，進(jìn)而有效地提高系統(tǒng)的整體質(zhì)量和性能，降低開發(fā)風(fēng)險，并加快產(chǎn)品上市的時間。
昆易電子算法事業(yè)部總經(jīng)理方志剛講到：“從理論上來講，在早期開發(fā)階段，開發(fā)人員通常先使用Simulink等圖形化編程環(huán)境來設(shè)計和實(shí)現(xiàn)算法模型，然后通過仿真執(zhí)行這些模型，以驗(yàn)證它們的行為是否符合預(yù)期，這就是所謂的MIL階段。
“一旦模型通過MIL驗(yàn)證，下一步是將Simulink模型轉(zhuǎn)換成可執(zhí)行的C代碼。這個過程稱為自動代碼生成。然后，軟件開發(fā)團(tuán)隊再將生成的C代碼編譯成適用于x86架構(gòu)服務(wù)器的可執(zhí)行程序，進(jìn)行SIL測試，以驗(yàn)證軟件組件在X86系統(tǒng)環(huán)境中的功能正確性。”
與運(yùn)行SIL測試的x86架構(gòu)服務(wù)器不同，汽車控制器更多的是使用ARM架構(gòu)及專用的硬件加速芯片。因此，在SIL測試完成后，C代碼需要針對目標(biāo)控制器的硬件架構(gòu)（如ARM）進(jìn)行重新編譯和優(yōu)化，以生成可在控制器上運(yùn)行的可執(zhí)行程序，才能進(jìn)行HIL測試。
另外，他還指出，“如果在SIL或HIL測試中發(fā)現(xiàn)問題，可能需要回到Simulink模型進(jìn)行修改，然后重復(fù)代碼生成和測試過程。同時，在開發(fā)過程中需要考慮軟件在不同平臺（x86和ARM）上的兼容性和性能。”
雖然MIL和SIL測試更多地關(guān)注功能的實(shí)現(xiàn)和驗(yàn)證，但它們也都涉及到初步的性能評估。同樣，HIL測試雖然更側(cè)重于性能方面的驗(yàn)證，但也必須確保硬件集成后的功能正確性?？傊?，所有這些測試都是為了確保最終系統(tǒng)在功能和性能方面都能滿足設(shè)計規(guī)范和用戶需求。
MIL/SIL/HIL三者的應(yīng)用階段和目的
正常來講，對于智能駕駛系統(tǒng)開發(fā)，仿真測試也需要貫穿整個V模型開發(fā)和測試的全流程。但是，當(dāng)前主流的仿真技術(shù)平臺尚不能提供貫穿整個流程的全棧式仿真測試能力。因此，在智能駕駛領(lǐng)域，行業(yè)內(nèi)也未能夠嚴(yán)格遵循V模型的流程進(jìn)行仿真測試驗(yàn)證。
亦佩捷(IPG)汽車設(shè)備(上海)有限公司總經(jīng)理黃曉介紹說：“在智能駕駛領(lǐng)域，多數(shù)主機(jī)廠很難做MIL和SIL，主要原因在于，對于不是全棧自研的主機(jī)廠，他們沒有供應(yīng)商的Sensor模型、算法模型，甚至是Simulink模型，因此主機(jī)廠沒有辦法做MIL。
“另外，雖然理論上做SIL（包括云上SIL）的效率最高，但現(xiàn)在的客戶大部分是從HIL開始做；SIL難做的主要原因就是主機(jī)廠與供應(yīng)商之間、供應(yīng)商A與供應(yīng)商B之間，都無法無縫提供參數(shù)、算法和接口的開放。
“不同類型的企業(yè)以及針對不同系統(tǒng)層級做SIL所關(guān)注的點(diǎn)都不一樣。供應(yīng)商自己也可以做SIL，但供應(yīng)商做的SIL只能是針對其自己的產(chǎn)品，沒辦法做整個系統(tǒng)的SIL，因?yàn)橹鳈C(jī)廠的車輛動力學(xué)模型也不太可能對他們開放。比如攝像頭模組廠商針對攝像頭模組本身也可以做SIL，但他們關(guān)注點(diǎn)可能在攝像頭本身的性能和可靠性怎么樣，比如識別率、圖像質(zhì)量以及噪聲和干擾等，而不會關(guān)注具體的智駕功能?！?
NI大中華區(qū)智駕業(yè)務(wù)發(fā)展經(jīng)理王帥則從另外一個維度談到：“SIL測試通?？梢栽诒镜貑螜C(jī)或基于服務(wù)器的云仿真環(huán)境中進(jìn)行，而HIL測試則基于真實(shí)的ECU硬件。這兩種測試方法在實(shí)時性方面存在顯著差異。HIL測試要求仿真環(huán)境必須以與實(shí)際傳感器相同的幀率/速率提供輸入，例如，如果攝像頭的幀率是30fps，HIL測試中的仿真軟件也必須以30fps的幀率向控制器提供輸入，以確保測試的實(shí)時性。
“相比之下，SIL測試提供了更大的靈活性。在SIL測試中，可以進(jìn)行加速或減速測試，仿真軟件可以以不同的幀率（如100fps或1fps）輸入給控制器，這在早期開發(fā)階段或算法迭代中非常有用。
“此外，SIL測試由于其與開發(fā)端的接近性，以及與軟件迭代的緊密關(guān)聯(lián)，使得它在軟件開發(fā)的早期階段尤為重要。然而，隨著系統(tǒng)開發(fā)的進(jìn)展，HIL測試的實(shí)時性優(yōu)勢變得尤為關(guān)鍵，尤其是在集成和驗(yàn)證硬件與軟件的交互環(huán)節(jié)。”
“SIL測試有助于快速迭代和早期問題發(fā)現(xiàn)，而HIL測試則確保了在實(shí)際硬件環(huán)境中的系統(tǒng)性能和安全性。目前行業(yè)上基本還是幾種仿真測試手段相互結(jié)合使用的一個狀態(tài)。”
總之，在V模型的每個開發(fā)階段都有其側(cè)重點(diǎn)和階段目標(biāo)。仿真測試的實(shí)現(xiàn)需要結(jié)合階段目標(biāo)來進(jìn)行，每個階段的測試場景和仿真策略都會根據(jù)測試目標(biāo)的需求來選擇。
2.低階智駕與高階智駕在仿真測試需求上的差異
在仿真測試中，低階智能駕駛功能通常是基于一系列設(shè)計好的測試用例進(jìn)行測試。測試用例可以簡單理解為片段式的場景，是從相關(guān)駕駛情境中提取的關(guān)鍵部分，用以測試特定功能，并且測試評價標(biāo)準(zhǔn)相對簡單。
同時，低階智能駕駛的仿真測試主要集中在對規(guī)控算法的驗(yàn)證上。由于感知信號經(jīng)過處理后會轉(zhuǎn)換成object list，這種結(jié)構(gòu)化的數(shù)據(jù)簡化了對傳感器模型的仿真要求。
然而，高階智能駕駛功能涉及車輛在復(fù)雜環(huán)境下的感知、決策和控制，比如在一個六岔路口對周邊的行人和車輛進(jìn)行感知與規(guī)避。因此，主機(jī)廠在做仿真測試的時候，不僅要應(yīng)對“后半段”的規(guī)控，還要對“前半段”的感知進(jìn)行仿真測試。
高階智能駕駛系統(tǒng)的架構(gòu)復(fù)雜性，接口多樣性，以及高頻次的軟件更新迭代需求，為仿真測試系統(tǒng)的設(shè)計和維護(hù)帶來了一系列的挑戰(zhàn)。
黃曉認(rèn)為，最好能有一個統(tǒng)一的測試平臺來管理各系統(tǒng)的接口，而不是使用不同的軟件來管理不同的接口。“只有統(tǒng)一了，在維護(hù)層面才能為企業(yè)提供更多便利性?！?
“目前來看，仿真測試還主要偏向于功能測試。因?yàn)楣δ軠y試給客戶帶來的效用和幫助更直觀。他們可以快速通過仿真搭建測試場景，能夠高效、快捷驗(yàn)證系統(tǒng)功能是否達(dá)標(biāo)?！?
他還提到，如果主機(jī)廠想驗(yàn)收供應(yīng)商的交付質(zhì)量，除了功能測試，還需要考察性能是否達(dá)標(biāo)?！暗菍τ谛阅軠y試，則需要花更多的力氣去搭建高精度的模型，我覺得目前在高精度的場景建模和傳感器建模上都還存在挑戰(zhàn)?！?
在系統(tǒng)的開發(fā)過程中，蘇州智行眾維（IAE）研發(fā)副總高彪表示，“高階智駕與低階智駕在仿真測試的需求上確實(shí)存在顯著的區(qū)別，這些區(qū)別主要體現(xiàn)在測試場景范圍以及測試評價上?！?
低階功能的仿真測試重點(diǎn)在于車輛在特定條件下的響應(yīng)，如檢測車道線、前車距離變化等。測試場景所需要覆蓋的路況和工況相對較為簡單，測試評價多依賴于成熟的測試標(biāo)準(zhǔn)。
而高階功能的測試場景需要根據(jù)智駕功能ODD覆蓋不同的路況、天氣環(huán)境和邊緣情況，測試場景里程及場景多樣性和覆蓋度至關(guān)重要。尤其是當(dāng)智能駕駛功能突破L2跨越到L3以后，“安全責(zé)任人”的角色也將發(fā)生轉(zhuǎn)變，測試評價將會更關(guān)注累計安全行駛里程。
低階智駕功能仿真測試VS高階智駕功能仿真測試
總體而言，低階智能駕駛功能的開發(fā)和測試主要依賴于基于測試用例的測試方法。這種方法側(cè)重于驗(yàn)證特定功能在預(yù)定義條件下的行為和性能。相比之下，高階智能駕駛功能的開發(fā)和測試則趨向于采用基于場景的測試方法，這種方法更加關(guān)注在復(fù)雜多變的交通環(huán)境中系統(tǒng)的整體表現(xiàn)。
3. 高階智駕仿真測試方案：純視覺VS多傳感器融合
目前，依據(jù)感知傳感器配置的不同，高階智駕方案大致可以劃分為兩大類：純視覺方案和多傳感器融合方案；而國內(nèi)主流車企的高階智能駕駛方案多傾向于采用多傳感器融合方案，具體的融合級別可能因企業(yè)的技術(shù)路線和產(chǎn)品需求而有所不同。
隨著深度學(xué)習(xí)技術(shù)在智能駕駛領(lǐng)域的發(fā)展和應(yīng)用，BEV+ Transformer方案已經(jīng)成為當(dāng)下高階智駕感知方案的主流選擇。BEV+Transformer 最開始是在特斯拉的純視覺方案上率先應(yīng)用。緊接著，國內(nèi)的企業(yè)又在此基礎(chǔ)上做了一些調(diào)整和適配，應(yīng)用在了多傳感器融合方案上。
BEV+Transformer 技術(shù)的核心優(yōu)勢在于其能夠在 BEV 空間中進(jìn)行有效的多模態(tài)數(shù)據(jù)融合和處理，提高感知性能。它可以根據(jù)不同的需求和場景與前融合、中融合或后融合方案結(jié)合使用，并不是嚴(yán)格限定于特定的融合方案。但目前，BEV+Transformer 技術(shù)更常見于前融合和中融合方案中。
BEV+Transformer 架構(gòu)應(yīng)用在不同融合方案
與純視覺方案相比，多傳感器融合方案由于配置了更多種類和數(shù)量的傳感器，因此在進(jìn)行HIL仿真測試時，對計算能力的需求顯著增加。此外，不同傳感器的數(shù)據(jù)幀率可能存在差異，這要求仿真系統(tǒng)中的多種傳感器模型和模擬器必須實(shí)現(xiàn)精確的數(shù)據(jù)同步，增加了仿真過程的復(fù)雜性。
黃曉表示， 在高階智駕方案中，通常會采用前融合方案，在控制器內(nèi)對傳感器傳輸過來的原始數(shù)據(jù)進(jìn)行融合。
在純視覺智能駕駛方案中，攝像頭的配置數(shù)量通常在7到11個左右，分辨率在2MP~8MP。由于攝像頭捕獲的原始數(shù)據(jù)是高分辨率視頻流，因此在仿真環(huán)境中對算力的需求尤為突出。為了處理這些大量的圖像數(shù)據(jù)，通常需要部署多個配備高性能顯卡的服務(wù)器，以提供必要的計算能力支撐。
另外，他還指出，“在進(jìn)行多傳感器融合方案的仿真測試時，確保不同傳感器之間的數(shù)據(jù)同步是一個復(fù)雜的問題。從軟件的角度來看，需要實(shí)現(xiàn)精確的時鐘同步和數(shù)據(jù)融合算法；從硬件的角度來看，可能需要特定的硬件支持和接口來實(shí)現(xiàn)傳感器之間的同步。此外，為了滿足實(shí)時性要求，整個仿真系統(tǒng)的效率也是一個重要考慮因素，包括數(shù)據(jù)傳輸速度、處理速度和計算資源的優(yōu)化。因此，設(shè)計一個能夠滿足這些要求的仿真測試系統(tǒng)面臨著技術(shù)和工程上的多重挑戰(zhàn)。"
在多傳感器融合方案中，確保數(shù)據(jù)傳輸?shù)耐酱_實(shí)是一個不小的挑戰(zhàn)。方志剛解釋說“首先，仿真軟件生成的各個傳感器信號在時間上可能存在差異，這可能是由于仿真模型的計算延遲或數(shù)據(jù)處理方法的不同造成的。其次，不同傳感器的數(shù)據(jù)傳輸速度也有所不同。例如，毫米波雷達(dá)的數(shù)據(jù)量相對較小，可能很快就能傳輸完成；而激光雷達(dá)和攝像頭由于數(shù)據(jù)量大，傳輸時間可能需要幾毫秒甚至幾十毫秒。
“此外，各個傳感器處理的幀率/頻率也各不相同。例如，激光雷達(dá)可能是10Hz，攝像頭可能是30Hz，毫米波雷達(dá)可能是13Hz。這些不同的幀率/頻率進(jìn)一步增加了數(shù)據(jù)同步的復(fù)雜性。
“因此，解決多傳感器數(shù)據(jù)傳輸同步的問題需要綜合考慮傳感器的特性、數(shù)據(jù)傳輸速度、處理幀率以及同步機(jī)制的設(shè)計。這可能涉及到算法優(yōu)化、硬件升級、通信協(xié)議改進(jìn)等多個方面?！?
另外，在高階智駕多傳感器融合方案的仿真測試中，確保融合效果的準(zhǔn)確性也是一個關(guān)鍵挑戰(zhàn)。王帥指出，為了提高融合效果，必須提供高質(zhì)量的傳感器仿真數(shù)據(jù)。這意味著仿真的數(shù)據(jù)不僅要真實(shí)反映傳感器的特性，還要具有高度的同步性。在當(dāng)前主流的BEV感知架構(gòu)方案中，這一點(diǎn)尤為重要。例如，不同攝像頭提供的數(shù)據(jù)之間的時間差通常應(yīng)控制在1毫秒以內(nèi)，以確保數(shù)據(jù)的實(shí)時性和一致性。只有當(dāng)后端處理模塊接收到這樣高質(zhì)量且高度同步的數(shù)據(jù)時，融合的結(jié)果才能更加精確，從而提高智能駕駛系統(tǒng)的感知能力和決策質(zhì)量。
除此之外，高彪還提到了一點(diǎn)：相對傳感器的場景可靠性，即場景模型構(gòu)建的其中一項準(zhǔn)則是保證傳感器數(shù)據(jù)的準(zhǔn)確性，針對多種傳感器的情況下，在場景構(gòu)建時也需要考慮不同類型的傳感器特性。
因?yàn)槊糠N傳感器都有其獨(dú)特的特性，如攝像頭提供的是圖像信息，毫米波雷達(dá)提供的主要是距離和速度信息，激光雷達(dá)主要提供點(diǎn)云信息。
并且，不同類型傳感器需要考慮的失效模式也有很大的不同，需要場景模型中考慮去包含冗余和容錯機(jī)制，以確保系統(tǒng)的魯棒性。
另外，不同傳感器對環(huán)境條件的適應(yīng)性不同。例如，攝像頭受到光照變化的影響比較大，而激光雷達(dá)受到雨霧的干擾比較大，場景模型需要考慮這些環(huán)境因素對每類傳感器的影響。
總之，相比于純視覺方案，多傳感器融合方案因?yàn)樯婕暗膫鞲衅鞣N類和數(shù)量較多，隨之涉及到的傳感器協(xié)議類型越多，傳感器之間的同步機(jī)制和校驗(yàn)機(jī)制要求也越高。
4. 高階智駕在仿真測試上存在的挑戰(zhàn)
1）場景覆蓋度和仿真置信度問題
高階智駕仿真測試對于場景庫和測試用例需求，主要體現(xiàn)在以下幾個方面：
高覆蓋度：強(qiáng)調(diào)場景庫盡可能覆蓋ODD內(nèi)的駕駛場景，確保測試框架從基本功能驗(yàn)證擴(kuò)展至高階復(fù)雜挑戰(zhàn)的全面審視，包括但不限于常見駕駛情境、極端氣候條件、低頻出現(xiàn)的邊緣情況，形成一套由淺入深、循序漸進(jìn)的測試體系，以驗(yàn)證系統(tǒng)在各類工況下的穩(wěn)定性和可靠性。
高真實(shí)性：在構(gòu)建測試用例時，要求仿真環(huán)節(jié)總的交通參與者（包括行人、其他車輛等）不僅在物理行為上遵循真實(shí)世界的規(guī)律，還需在運(yùn)動軌跡、交互邏輯上體現(xiàn)自然性和多樣性，確保測試數(shù)據(jù)與實(shí)際情況高度吻合。
高復(fù)雜性：在設(shè)計測試用例時，同時并發(fā)多個交通參與者的動態(tài)行為，包括但不限于隨機(jī)路徑選擇、非線性速度變化、緊急避險動作等，旨在創(chuàng)造高度復(fù)雜且難以預(yù)測的交互場景。
可重復(fù)性：要求測試用例能在一致的測試條件下被重復(fù)執(zhí)行，確保每個測試用例均可進(jìn)行回歸測試。
黃曉認(rèn)為當(dāng)前高階智駕仿真測試所面臨最主要的兩個問題是場景覆蓋度和仿真置信度的問題。 對于場景覆蓋度，主要是指Corner cases覆蓋度的問題，這些場景在我們?nèi)粘ｑ{駛中很少被碰到。雖然通過仿真手段可以非?？焖俚孬@取或制作一些Corner cases 場景，可以去復(fù)現(xiàn)，并不斷的迭代。但仿真和測試之間還存在一個巨大的鴻溝，那就是仿真置信度的問題。
那么，仿真置信度不高又是哪些原因造成的呢？黃曉表示，仿真置信度問題主要來自兩個方面：首先，仿真軟件本身建模的問題。傳統(tǒng)動力學(xué)模型置信度還可以，但是物理傳感器模型、環(huán)境模型、天氣模型、道路模型、交通流模型置信度如何，以及整個綜合起來形成一個鏈條后，他們的加權(quán)置信度又會是多少？目前行業(yè)里還沒有太多的驗(yàn)證案例。
其次，用戶應(yīng)用仿真測試的經(jīng)驗(yàn)和能力問題。比如一家整車廠在做車輛動力學(xué)模型的時候，愿意花多少時間，愿意投入多少人，用哪個部門來做，不同部門的之間的溝通效率如何，都會影響到車輛動力學(xué)模型最終的置信度。
最后，他建議到：“業(yè)界應(yīng)合力搭建仿真場景平臺，并且全行業(yè)努力提升并驗(yàn)證仿真的置信度，這對于行業(yè)的長遠(yuǎn)發(fā)展將會是很大的助力?！?
2）路采數(shù)據(jù)的通用性問題
某工具鏈公司的仿真負(fù)責(zé)人曾經(jīng)提到，在用真實(shí)道路數(shù)據(jù)做仿真的情況下，一旦傳感器的位置或者型號有變更，這一組數(shù)據(jù)的價值就會降低，甚至“作廢”。也可以用神經(jīng)網(wǎng)絡(luò)對真實(shí)道路數(shù)據(jù)做調(diào)參，這種調(diào)參的智能化程度會更高一些，但可控性會比較弱。
當(dāng)前，由于真實(shí)世界數(shù)據(jù)的復(fù)雜性和多樣性，合成數(shù)據(jù)只能在部分情況下替代真實(shí)數(shù)據(jù)，高階智駕仿真測試對路采的真實(shí)數(shù)據(jù)的依懶性還非常大。因此，路采數(shù)據(jù)通用性的問題，勢必會給高階智駕仿真測試的向前推進(jìn)帶來比較大的阻礙。
高彪解釋說 ：“路采數(shù)據(jù)的通用性能力的強(qiáng)弱直接取決于測試中數(shù)據(jù)的使用策略。目前大部分企業(yè)在使用真實(shí)路采數(shù)據(jù)時，只是將路采數(shù)據(jù)按照域控制器的數(shù)據(jù)接口要求處理后進(jìn)行數(shù)據(jù)回灌。這種使用方法確實(shí)對傳感器安裝位置、安裝角度、型號，甚至車輛尺寸存在嚴(yán)格的一致性要求，一旦某個要素出現(xiàn)變更，測試數(shù)據(jù)就不再滿足測試要求。
“為了進(jìn)一步挖掘真實(shí)道路數(shù)據(jù)的應(yīng)用，將路采數(shù)據(jù)重構(gòu)為仿真測試場景，結(jié)合仿真工具，通過仿真建模調(diào)整傳感器參數(shù)配置、安裝位置、車輛型號等，實(shí)現(xiàn)路采數(shù)據(jù)的高通用性?！?
3）法規(guī)和標(biāo)準(zhǔn)方面的問題
有業(yè)內(nèi)人士提到，高階智駕準(zhǔn)入仍存在巨大法規(guī)空白，短期內(nèi)尚不能實(shí)現(xiàn)大規(guī)模的公開道路測試，絕大多數(shù)的測試將會在仿真環(huán)境中完成。然而，智能駕駛仿真測試在法規(guī)與標(biāo)準(zhǔn)上仍存在缺失，尤其是針對高階智能駕駛的仿真測試，缺乏統(tǒng)一的測試標(biāo)準(zhǔn)和評價體系。
高階智駕技術(shù)的復(fù)雜性和安全性要求遠(yuǎn)高于傳統(tǒng)的駕駛輔助系統(tǒng)，因此需要大量且深入的測試來確保其在公共道路上的安全性和可靠性。目前的公開道路測試受到區(qū)域性、成本、時間周期等方面的限制，這促使行業(yè)尋求并依賴仿真測試手段，同時也將推動仿真測試成為確保智駕系統(tǒng)安全準(zhǔn)入和量產(chǎn)的關(guān)鍵環(huán)節(jié)。
在高階智駕準(zhǔn)入的問題上，高彪認(rèn)為，車企在完善開發(fā)和測試流程的過程中，需要考慮與仿真更加緊密的結(jié)合，在不同的開發(fā)階段更多地運(yùn)用仿真進(jìn)行V&V驗(yàn)證，從而縮短整體的開發(fā)驗(yàn)證周期并降低測試成本。
另外，他還提到：“在法規(guī)制定和政府監(jiān)管方面，也可以合理運(yùn)用仿真測評手段，以提升安全監(jiān)管目標(biāo)。對于仿真工具及場景庫來講，合理提升仿真的真實(shí)性以覆蓋更廣的測試需求，同時擴(kuò)展有效場景數(shù)據(jù)實(shí)現(xiàn)更高的場景覆蓋度是一直以來我們的目標(biāo)?！?
5. 高階智駕出海與仿真測試
據(jù)中汽協(xié)公布的汽車出口數(shù)據(jù)顯示，2023年，我國全年累計汽車出口491萬輛，其中傳統(tǒng)燃油汽車出口370.7萬輛，占比為75.5%。同時，大多數(shù)車輛所搭載的智能駕駛功能依然還是傳統(tǒng)的低階ADAS功能。
隨著國內(nèi)汽車需求的逐漸趨向于飽和，以及價格戰(zhàn)的加劇，國內(nèi)汽車行業(yè)紛紛將目光轉(zhuǎn)向海外，將“內(nèi)卷”逐漸化為“外卷”。對于中國車企而言，在向海外推廣產(chǎn)品的時候，智能化是其主打的“標(biāo)簽”之一。因此，車企必然也希望能夠?qū)⒏唠A智駕功能向海外推廣。
對仿真測試行業(yè)而言，針對海外當(dāng)?shù)氐姆抡鏈y試市場的需求將會大大增加。高彪提議，國內(nèi)車企需要進(jìn)行大量的具有海外當(dāng)?shù)靥厣姆抡鏈y試以確保其智能駕駛系統(tǒng)在不同國家和地區(qū)的交通環(huán)境和法規(guī)要求下的安全性和可靠性，對應(yīng)仿真測試場景就要相應(yīng)適配海外當(dāng)?shù)氐慕煌?biāo)志、道路規(guī)格、駕駛習(xí)慣和相關(guān)法規(guī)等。他們作為仿真測試企業(yè)，會提供定制化的測試方案，以幫助車企實(shí)現(xiàn)產(chǎn)品的快速本土化。
“除了需求增加，仿真測試行業(yè)也面臨著不同國家數(shù)據(jù)合規(guī)的政策問題，同時仿真測試企業(yè)可能會與國際同行進(jìn)行更多的合作和競爭，參與或推動相關(guān)測試標(biāo)準(zhǔn)和協(xié)議的制定，以實(shí)現(xiàn)國際市場的互操作性和統(tǒng)一標(biāo)準(zhǔn)，推動行業(yè)整體水平的提升。”他補(bǔ)充說到。
總之，高階智駕功能的出海為仿真測試行業(yè)既帶來了機(jī)遇，也帶來了挑戰(zhàn)。國內(nèi)仿真測試行業(yè)需要不斷創(chuàng)新和進(jìn)步，以適應(yīng)和滿足全球化市場的需求，進(jìn)而幫助中國車企將高階智駕技術(shù)更快地推向海外市場。
廣告 編輯推薦
最新資訊
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
-
電池耐久評價開始從“電池單體性能指標(biāo)”轉(zhuǎn)
2026-03-04 11:38
