仿真第一是自动驾驶汽车测试的新标准

再多的实际道路测试也无法保证自动驾驶汽车的安全。工程师们已经意识到，仅仅依靠道路测试的速度太慢、成本太高、范围有限，无法覆盖自动驾驶汽车可能面临的无数风险场景。大型开发商已经在大规模使用仿真 。例如，Waymo 的无人驾驶汽车已在公共道路上行驶了 2000 多万英里，但其成本却高达数百亿美元。 数百亿英里英里的虚拟试驾。这种仿真"的方法已成为自动驾驶汽车验证的新标准，在上路部署之前就实现了安全高效的开发。我们认为，在自动驾驶汽车开发的每个阶段，仿真 都必须放在首位。只有将软件在环 （SIL）和硬件软件在环 （HIL）测试相结合的高保真实时仿真 策略，才能让工程师在受控的虚拟环境中锻炼自主系统，及早发现问题，并最终更快地交付更安全的车辆。

自动驾驶汽车需要的不仅仅是物理测试

实际道路测试永远是开发自动驾驶汽车的重要组成部分，但仅靠实际道路测试是远远不够的。实际道路不可能让自动驾驶系统面对每一种危险或罕见的情况。依赖物理测试的局限性给自动驾驶汽车开发带来了严重的痛点。主要缺点包括

• 场景覆盖面有限：证明自动驾驶汽车的安全性可能需要 数亿甚至数十亿英里的行驶里程，这在实践中是不可能实现的目标。
• 安全隐患：许多危险的故障场景（传感器故障、险些发生碰撞）在公共道路上重现风险太大，导致关键的边缘情况无法测试。
• 测试成本高：每英里的道路测试都需要原型、安全驾驶员、燃料和维护，因此成本远高于在软件中运行相同的场景。
• 迭代周期慢：等待罕见条件（暴风雪或特定的交通堵塞）可能会使测试延迟数月，而仿真 可以在需要时立即创建这些条件。
• 缺乏可重复性：没有两个路测是完全相同的，因此在模拟器之外几乎不可能重现特定场景或错误进行调试。

简而言之，仅靠物理测试会留下太多未知数。工程师需要一种方法来安全地探索那些在交通中测试不切实际或有危险的 "假设 "情况。这就是仿真 变得不可或缺的原因。

只有仿真 才能安全地测试无数的边缘情况

仿真提供了一个虚拟试验场，可安全地演练几乎不可能完成的场景。 几乎不可能的场景进行安全演练。极端天气、不可预知的行人以及传感器的突然故障都可以在软件中重现，对人员或设备不造成任何风险。

同样重要的是，虚拟测试可以对边缘性能进行彻底、可重复的验证。工程师可以数千次地运行紧急制动场景，改变车辆速度、间距和反应时间，以确保人工智能始终避免碰撞。这种深度测试在测试轨道上根本无法实现。因此，领先的自动驾驶汽车开发商依靠仿真来完成大部分测试工作也就不足为奇了。 例如，Waymo 的车辆已经积累了数百亿英里的虚拟里程，远远超过在实际道路上积累的 2000 万英里。在软件中将系统暴露于百万分之一的事故中，可以让开发人员对其安全性有统计上的信心。仿真甚至可以包含在现实生活中无法尝试的灾难性市场活动 （如传感器故障或网络攻击），确保车辆能够应对各种故障模式。

仿真先行测试可加速开发并降低风险

采用仿真的方法从根本上加快了自动驾驶汽车的开发周期，同时也降低了风险。在物理原型上路之前先进行大量的虚拟测试，可以让工程团队更快地进行迭代，避免后期出现代价高昂的意外情况。这种方法有几个具体优势：

早期问题识别

尽早将仿真 引入流程，可以让您在设计缺陷和软件错误在实际车辆中出现问题之前及早发现。工程师可以在新的自动驾驶算法编写完成后立即通过 SIL 仿真来运行这些算法，从而暴露出其弱点，而无需等待实物汽车。这种早期反馈意味着在发现问题时，可以更快（更便宜）地解决问题。从根本上说，测试已经进入了早期开发阶段，因此当汽车原型制造出来时，其软件已经经过了无数场景的检验。这就大大降低了危险缺陷漏网的几率。

更快的迭代周期

仿真允许比路面试验更快、更灵活的测试速度。 数百个在实验室里，数百种不同的场景可以在一夜之间完成，而这一过程在真正的汽车上需要数月时间。无需等待原型车或特定的天气条件。您可以根据需要随时仿真 任何条件，并在调整算法后在几分钟内重新运行测试。这大大压缩了开发时间。一项大学研究甚至展示了一种基于人工智能的仿真 方法，可将所需的道路测试里程减少 99.99%从而有效地将验证过程加快了一千倍。

降低开发风险和成本

虚拟测试能在公开道路试验之前发现许多问题，从而最大限度地降低现场测试中发生灾难性故障的风险。危险的边缘情况会在仿真中得到解决，因此当自动驾驶汽车最终在道路上遇到这些情况时，失败的可能性会大大降低，从而大大提高安全性并建立对技术的信任。此外，依靠仿真 还能大大降低开发成本。每模拟行驶一英里，实际测试车就不必行驶一英里，从而节省了燃料和人力。及早发现缺陷还能避免昂贵的返工，减少所需的原型车数量。简而言之，虚拟测试不仅能使自主开发更安全，还能节省时间和资源，避免在高速公路上反复试验，从而大大提高成本效益。

仿真 物理测试确保可靠的自主系统

虽然仿真 为自动驾驶汽车测试提供了基础，但它最好与有针对性的物理测试并行，以证明道路性能。最有效的验证策略是采用分层方法：首先进行大量仿真 ，然后进行受控赛道测试，最后进行有限的道路试验，以确认一切正常。例如，视听设备开发商 Motional就采用了这种模式。它要求在进入下一个阶段前，每个阶段都要经过验证，只有在通过数千个仿真 场景和封闭赛道测试后，才能在公共道路上部署汽车。在彻底的仿真 和赛道验证之后再进行道路试验，可确保自动驾驶汽车在虚拟环境中安全地应对最糟糕的情况。

这种综合方法能产生更可靠的自主系统。仿真能及早发现弱点，而物理测试则能对传感器性能和车辆动态等虚拟模型可能只能近似反映的问题进行最后的现实检验。道路和赛道测试的数据还可以反馈到仿真 模型的改进中，使其随着时间的推移变得更加精确。硬件在环等技术通过将实际组件（如自动驾驶计算机或传感器）连接到实时模拟器，在虚拟和现实领域之间架起了一座桥梁。这种设置将仿真 的可重复性和安全性与物理硬件的真实性相结合，验证了整个系统的可靠性能。首先使用仿真 ，然后有选择地进行路面测试，这样开发人员就能在对其安全性和性能有充分信心的情况下推出自动驾驶汽车。

OPAL-RT仿真测试解决方案

OPAL-RT的分层测试理念融合了广泛的仿真 和测量物理验证，在此基础上，OPAL-RT提供先进的实时仿真 平台，以实现真正的仿真 自动驾驶汽车开发方法。我们专注于高保真实时数字仿真器 和 HIL 测试设备，让您可以在实验室中复制复杂的驾驶场景，并根据这些场景测试车辆的控制系统。借助OPAL-RT开放式、可扩展的仿真 ，工程师可以将软件在环 和硬件软件在环 方法无缝集成到工作流程中，涵盖从早期算法设计到集成系统验证的方方面面。我们的工具使团队能够以亚毫秒级的精度建立从传感器输入到整车动力学的模型，在道路测试之前提供一个安全、可控的环境来挑战和完善自动驾驶系统。

这种对现实实时仿真 关注有助于开发团队更快地发现问题，更快地进行迭代，并满怀信心地进行创新。我们的解决方案旨在与行业标准的汽车开发平台协同工作，从而直接采用 "仿真战略。许多领先的汽车制造商、一级供应商和研究机构已经信赖这些仿真器 ，以加速其自动驾驶和高级驾驶辅助系统 (ADAS) 项目。使用OPAL-RT强大的实时仿真工具进行虚拟测试，可以帮助您减少对物理原型的依赖，最大限度地降低道路测试的风险，并更快地将更安全的自动驾驶汽车推向市场。随着仿真测试成为新的标准，OPAL-RT提供成熟的技术和专业知识，使您的自动驾驶汽车项目成为现实。