自動駕駛測試挑戰很多：數字孿生與仿真測試最為關鍵

2021-08-10 17:35

郭堉說,自動駕駛測試有三大部分:傳感器采集道路數據信息;數字孿生與仿真測試;硬件在環HIL。其中,數字孿生與仿真測試最為關鍵。

文︱立厷

圖︱NI

如果沒記錯,早在2015年,大陸集團(Continental)就提出以無事故“零愿景(Vision Zero)”為目標最終實現自動駕駛;2017年,博世(Bosch)將“零事故、零排放、零擔憂”的“三零愿景”作為未來核心目標;同年6月,采埃孚(ZF)再次強調以“零愿景”戰略打造汽車行業歷經百年的領先供應商。不用說,“零愿景”都是由Tier 1推動的。

汽車“零愿景”

今天,消費者對自動駕駛的興趣日益濃厚,主機廠和Tier 1都在積極布局自動駕駛技術,ADAS也已成為技術攻關的關鍵,技術的迭代需要不斷測試,如何加快測試速度、節約測試成本越來越受到關注。

自動駕駛測試挑戰很多

電動汽車多了三電:電池、電機、電控,少了發動機、變速箱和底盤,應該說比傳統汽車的結構簡單了,但是動力系統以外的各種功能卻比之前復雜很多。特別是要實現自動駕駛,從L2到L3,再到更高級別的L4,所需要測試的場景數量呈幾何倍數增長,讓汽車系統復雜性陡然增加,給自動駕駛測試帶來了最大挑戰。與此同時,測試需求更是瞬息之間千變萬化,留給專業人員的測試時間越來越緊迫。

挑戰測試機構的趨勢

在自動駕駛驗證測試流程中,獲取真實場景非常關鍵,必須利用道路采集的真實數據進行數據重構,包括使用數字孿生技術手段重建完整的高保真度道路駕駛場景,再通過平臺及完整的軟件工具鏈對數據進行硬件仿真測試,最后還要生態圈攜手克服測試挑戰。

在成本方面,電動汽車功能越來越多,價格卻逐年下降,對測試成本也有很大影響。隨著汽車復雜度的增加,汽車測試成本隨之增加,如果不改變傳統測試策略,可能難以達到預期的盈利目標。

系統復雜度、測試成本和整車價格的關系

因此,我們必須采用新的測試方法,改變傳統汽車的測試思路,例如對ADAS使用全新的技術框架,找到一個新的測試方法。

省錢神器仿真測試

NI(美國國家儀器)資深汽車行業客戶經理郭堉表示,最常見的汽車研發測試和驗證流程是一個V字型,左邊是設計環節,從最底層系統部署到每一個子部件研發,主要依賴于軟件,包括原型驗證環節;右邊是從部件測試上升到整車級,如NVH(噪聲、振動與聲振粗糙度)可靠性測試。以往是把更多精力放在右邊測試環節,尤其是整車測試。隨著ADAS技術的不斷完善,我們更需要的是左邊,測試需求向左移,用更多軟件測試來提高測試效率。

汽車研發測試和驗證流程

5月份對測試總監、測試主管做的問卷調查顯示,目前所有測試手段還是基于硬件測試或真實道路測試。對于仿真測試,很多客戶驗證出來的數據不是特別可靠,但未來共同的需求是通過仿真測試來加快測試進程。

仿真測試問卷調查

之所以目前還不能達到未來的目標,主要有以下難點:

缺少高保真度的模型和場景,無法媲美真實采集的道路狀況,或保證ADAS在路面和場景中跑的結果一樣。

目前很多廠商之間的鏈路沒有打通,工程師需要做很多這方面的工作,測試流程和工具鏈需要重新學習,需要學習不同廠商不同硬件。

沒有出臺非常明確的法規,特別是中國,現在的場景庫很多都是歐美來的,急需搭建中國自己的高保真仿真庫。

典型ADAS測試驗證工作流程中左邊是動態數據,需要用一套系統把它錄制下來,錄制越真實,數據可靠性越高。錄制的數據首先要打標簽,之后對數據進行重構。這里要用到數字孿生技術,通過軟件把數據重構為一個可靠性比較高的虛擬場景。另外,還需要管理數據,然后再進行測試。最后對數據和高保真場景一起進行硬件在環(HIL)仿真。