電子發燒友網報道（文/黃晶晶）近來，特斯拉、蔚來等廠商的自動駕駛都出現了一些事故，自動駕駛不僅是一項新的汽車功能，對于汽車駕駛的測試也提出了挑戰。在這里，我們看看NI資深汽車行業客戶經理郭堉分享的關于“平臺化測試方案應對無限自動駕駛測試場景”這個話題的觀點和解決方案。

自動駕駛的現狀與挑戰

我們知道汽車行業的三大愿意是零事故、零排放、零損耗。郭堉表示，我們的半導體技術起到非常關鍵的作用，例如激光雷達等感知技術幫助我們實現L2到L4級的自動駕駛。

目前自動駕駛主要有四個趨勢，一是電子電氣結構，從原來的傳感器都有ECU，到現在用中央域控制器進行處理，這個會帶來很多的新挑戰。二是目前的汽車法規不是特別完善，我們的場景庫拾建也不完善，這會給新的測試需求帶來挑戰。三是軟件定義汽車，例如特斯拉的OTA技術，通過軟件的投入和測試會顯得非常重要。四是AI和深度學習，部署在ADAS里的算法通過真實的道路場景去不斷優化這些算法，從而提升安全性，令消費者擁有更好的自動駕駛體驗。

郭堉解析，在這個V字型汽車測試研發和驗證流程中，左邊是設計環節，從最底層系統的要求，慢慢部署到每一個子部件的研發，左邊主要依賴于軟件，包括原型驗證的環節。右邊是從部件的測試，再上升到整車級的，比如NVH可靠性的測試。但以往都是更多精力投入在右邊的測試環節，尤其是整車測試，但是我們隨著ADAS技術的不斷完善，更需要的是左邊，也就是測試需求向左移，我們需要更多進行軟件測試，提高測試效率。

由此帶來的測試挑戰在于測試的復雜度日益增加，自動化測試硬件和軟件需要不斷迭代更新，包括提供完整的工具鏈。另外，測試開發流程的效率需要加強。因為今后汽車會向消費電子的模式去發展，就需要快速的驗證平臺，最大化測試效率。此外，還有更多的仿真。我們需要很多真實的場景不斷地訓練算法，如果部署很多車隊，讓它去跑真實的道路，要花費的成本和時間無法想象，因此我們就需要構建一個高保真度的軟件測試環境，去訓練AI的算法，識別目標物，從而達到避障和主動駕駛的功能等。

目前99.9%的測試都是通過仿真進行，那么仿真測試的數據可靠性就非常重要，怎么保證數據是真實的，可以跟真實的道路匹配，并且給傳感器一個真實的反饋。

NI在今年正式宣布收購了monoDrive公司，可以通過monoDrive的數據進行數據重構和孿生。郭堉分析，在實際效果中，我們看到，下圖是在美國奧斯汀實際錄制的場景，我們通過monoDrive進行數字孿生，重構為一個非常高保真度的場景，比如對面來車，可以還原出來，monoDrive可以把樹葉、欄桿、地面上的標志圖形完整地復現出來。目前只有monoDrive這個軟件可以做到。

另外不僅是道路的狀態，monoDrive也可以仿真天氣狀況，包括路面積水，路面積水狀況會影響我們反射的條件，這些反射條件會影響到傳感器的功能。monoDrive軟件甚至可以把路燈、垃圾筒表面、日落黃昏的參數系數、反射系數實時仿真出來。

道路信息記錄， 傳感器數據采集

NI也用軟件平臺做道路實時數據的記錄，目前很多算力可以支持12路攝像頭，甚至是高清攝像頭，只有這些數據都是同步被記錄下來，才是真實有效的。而對錄制的要求會有很多的挑戰，其中包括很多硬件接口。此外，我們面對的數據量是非常大的，NI提供了PXI平臺，硬件上具有豐富的接口，不僅支持攝像頭接口，還有車載以太網等，能夠保存所有數據，支持上傳云端，可進行數據壓縮、數據管理、數據回放等。

數據回放與硬件在環（HIL）

一般來說，測試對象是ECU里面的控制或算法，那就需要去模仿外圍的設備，讓ECU以為連接的是真實的電機。郭堉解析，NI提供包括FPGA板卡這樣的硬件，用軟件導入模型，部署到FPGA里面，FPGA板卡提供納秒級的運算。編輯到系統里面可以達到毫秒級的運算，就可以跑車輛動力學模型，真實的反饋車輛在虛擬場景中如何運轉。然后連到DUT，這就是用AI完整的鏈路和平臺，包括軟件去實現的一個框架。

NI的軟硬件平臺可以做到從研發開始到最后的生產部署，都用同樣的工具鏈去實現，對于一個工程師來講，就不需要去學習各種廠商不同的接口，學習各種廠商的硬件平臺的操作，學習新的軟件。用NI的平臺就可以實現整個從研發到部署的流程。

如今，NI攜手合作伙伴建立起強大的生態圈，合作伙伴包括云端的AWS、微軟云等等，以及眾多的集成商伙伴。在汽車行業的生態鏈中，NI不僅基于自己的硬件和軟件進行測試，也支持友商的接口，以開放的姿態，連接不同友商，不同協議，不同廠商的場景仿真軟件，一起攜手為客戶提供交鑰匙的解決方案。

原文標題：特斯拉事故頻發背后，自動駕駛測試能幫什么忙？

文章出處：【微信公眾號：電子發燒友網】歡迎添加關注！文章轉載請注明出處。
責任編輯:pj