自動駕駛仿真主要是利用數(shù)學(xué)建模的方式將實際應(yīng)用場景進(jìn)行數(shù)字化還原，建立一個盡可能接近真實世界的系統(tǒng)模型，無需實車直接通過軟件便可實現(xiàn)對自動駕駛系統(tǒng)及算法的測試驗證目的。
 

不過，是德科技也指出，軟件測試雖然有非常高的效率，但是面對真實應(yīng)用的環(huán)境，差距仍比較大，并且技術(shù)挑戰(zhàn)也比較高。
 

總體來看，現(xiàn)階段自動駕駛仿真挑戰(zhàn)主要有三大方面，一是對現(xiàn)實世界的模擬程度，二是場景庫的構(gòu)造，三是仿真與算法的迭代部署及提升，難度都不容小覷。

那么，如何去平衡這些矛盾？換句話說，如何取代繁復(fù)的實車路測，建立一套優(yōu)秀的仿真環(huán)境，能夠精確完成自動駕駛功能和安全等驗證，從而真正保障自動駕駛的順利落地？
 

對此，是德科技以AI技術(shù)在汽車應(yīng)用領(lǐng)域中的測試場景為例，在現(xiàn)場展示了一套智能網(wǎng)聯(lián)駕駛仿真測試解決方案——由無線綜測儀UXM以及GNSS信號模擬器組成，支持4G/5G/C-V2X以及一致性測試，同時支持物理層、協(xié)議層以及應(yīng)用層測試，上層場景搭載IPG的CarMaker軟件，支持開閉環(huán)測試、Day 1/2標(biāo)準(zhǔn)場景及自定義場景。
 

此外，該方案支持搭載Nordsys WaveBee系統(tǒng)，整個系統(tǒng)包括開發(fā)平臺、車載單元、路邊單元(ITS 站)、仿真、可視化和分析等功能。
 

當(dāng)然，在仿真環(huán)境的搭建過程中，各種傳感器信號的模擬也是一大難點(diǎn)，如V2X、毫米波雷達(dá)、激光雷達(dá)等。作為智能駕駛汽車的“眼睛”，傳感器對周圍環(huán)境信息的感知能力對高級自動駕駛至關(guān)重要。
 

目前行業(yè)關(guān)于自動駕駛?cè)杂泻芏嗟募夹g(shù)路徑尚未確定，且都是在感知層面。比如特斯拉堅定“純視覺”感知路線，新款Model 3移除了所有雷達(dá)，日前博世也放棄了激光雷達(dá)的研發(fā)等。而無論是哪種傳感器，從仿真角度看，理論上涉及對物理信號進(jìn)行仿真、對原始信號進(jìn)行仿真和對傳感器目標(biāo)進(jìn)行仿真三個層級。
 

是德科技也表示，不同的公司可能會采取不同的技術(shù)路線。是德科技作為一家以軟件為中心，并不斷強(qiáng)化設(shè)計、仿真和測試能力的公司，主要還是與客戶一起不斷地去預(yù)測技術(shù)的發(fā)展，提供不同的解決方案，助力其在不同的技術(shù)下都能完成這樣的測試。
 

據(jù)Marie Hattar介紹，是德科技推出的雷達(dá)場景模擬器可以同時模擬512個目標(biāo)的雷達(dá)場景，進(jìn)而去模擬汽車?yán)锩娌煌瑐鞲衅鞯倪\(yùn)作方式。這對未來自動駕駛汽車測試的重要性不言而喻。
 

值得一提的是，在本年度技術(shù)盛會上，是德科技現(xiàn)場也展示了一個黑科技平臺——雷達(dá)場景模擬器，可以達(dá)到目標(biāo)信號的實時仿真。該仿真器最小探測距離可達(dá)到1.5米，能包攬道路上難以仿真的一些危險場景，并且也具備針對多個目標(biāo)同時反射的特性等。