一輛造型優美的白色豐田 SUV 原型車，在該汽車制造商位于日本愛知縣的技術總部準備進行嚴格的試駕。工程師們安裝了設備，使機器人駕駛員能夠在蜿蜒的道路上準確評估車輛的駕駛性和性能，包括其高級駕駛輔助系統 (ADAS)。

實際上，在本次試駕中所經過的蜿蜒道路是一套精密的車輛在環仿真 (VILS) 系統，其設計目的在于評估 ADAS 及其他動態功能。一塊大型外部屏幕負責顯示三維場景，與此同時，實時駕駛仿真器會生成相應的運動、振動以及聲音。包括激光雷達和相機在內的傳感器提供了實時反饋。

豐田的 VILS，名為高級駕駛輔助系統實車仿真器 (ADAS-RCS)，使用聯合仿真模塊通過底盤測功機連接現實世界與虛擬世界。機器人駕駛數小時，檢查關鍵績效指標，以查找潛在弱點。然后，人工智能根據結果為解決這些弱點設定目標。

“仿真器的主要功能是能夠一次性進行多功能評估，”豐田汽車公司基于模型的開發 X-in-the-Loop 仿真團隊 (MBD XILS) 的車輛性能開發工程師宮田大樹表示，他同時也在基于模型的設計平臺團隊工作。他的團隊致力于通過針對性的仿真來優化車輛開發流程。實現精益化的車輛開發是其目標。

豐田的 ADAS-RCS 中逼真的虛擬環境，支持在各種復雜路面上進行測試，而這些路面在該汽車制造商的實體測試場中并不存在。然而，開發三維道路數據模型需要投入大量的時間和精力。為解決這一問題，該團隊最終采用 MATLAB 和 RoadRunner 來復現真實的外部場地行駛工況。

宮田說道：“我們之所以采用 RoadRunner，是因為它創建三維虛擬場景、讀取多樣化環境中的各種地圖數據，以及通過與 MATLAB 集成來分析這些數據的能力，都給我們留下了深刻的印象。”他補充道：“RoadRunner 能夠進行直觀的調整，這也是一個決定性因素。”

豐田團隊的 VILS 目前主要面向自適應巡航控制系統的測試，但工程師們也計劃將該模擬器用于車道循跡輔助、變道輔助、預碰撞安全系統以及其他新型高級安全功能的研發。

宮田表示：“ADAS-RCS 最近才進入運行階段。我們認為它在未來還有非常廣闊的應用前景。”

將危險路況測試前置

在過去，豐田的專業駕駛員，被稱為“大師”，需要在該汽車制造商位于日本的測試場上，耗費大量時間來評估車輛性能。由于設計上的限制，他們不得不在汽車開發流程的后期，才對最壞情況場景進行測試。天氣狀況會影響現場測試條件，常常導致需要重新測試，這給本已緊張的開發計劃帶來了更大壓力。

隨著高級駕駛輔助系統 (ADAS) 和軟件定義汽車的出現，汽車開發變得日益復雜。在豐田，工程師們正在將 ADAS 的道路測試前置，通過復現各種影響駕駛員反應、判斷和車輛操作的狀況來實現，例如，在交通繁忙時變道或是在曲折的山路上行駛。

宮田指出：“像天氣、行人及移動物體這類因素，是無法通過預設場景來完全捕捉的。快速發現并攻克此類邊緣場景，對于提升車輛的功能安全與網絡安全至關重要。”

豐田 VILS、ADAS-RCS 的架構圖。共有四個階段：虛擬環境、傳感器-車輛模型、底盤測功機和AI評估，每個階段都配有ADAS開發和測試的圖標說明。

視野受阻和盲區彎道構成了最大的技術挑戰。在傳統的純手動場景生成流程中，創建三維道路既費力又耗時，每條路段都需要耗費超過六個月的時間。此外，這些路線也無法在豐田的其他模擬器中使用，包括模型在環 (MIL) 和軟件在環 (SIL) 模擬器。

宮田說道：“豐田擁有各種不同的模擬器，如果為每一種都準備無法復用的專屬場景，將會產生巨大的成本。” 他的團隊需要一種更快速、更高效的方法。

在宮田擔任豐田汽車性能工程師的早期，他曾負責提升車輛的舒適性。他在開發一種測試發動機噪聲的方法時，首次接觸到了 MATLAB。他回憶道：“我加深了對信號處理的理解。得益于 MATLAB 及其工具箱，我才能夠專注于自己真正想做的事情。”

他最終選擇使用 MATLAB 和 RoadRunner，為 MBD XILS 小組的仿真平臺生成三維駕駛路線。團隊首先從 ZENRIN DataCom 的標準清晰度地圖數據段中，提取經度、緯度和高程數據，用于道路生成階段。

宮田憑借其在 MATLAB 方面的經驗，設計出一種方法，將道路生成所需的繁瑣數據預處理工作，包括生成道路傾斜坡度所需的點平滑和曲線擬合，實現了自動化。隨后，宮田使用 Automated Driving Toolbox 中的駕駛場景設計器，將地圖數據轉換為 OpenDRIVE 格式。

“駕駛場景設計器非常方便，它讓我能夠比預期更快地完成我想做的工作。”他說道。

生成貼近現實的周邊環境

生成道路之后，工程師們利用 RoadRunner 來構建周邊環境。這時，團隊遇到了俯仰問題。乍一看，交互式編輯器中的道路似乎很平滑，但當宮田在模擬器中沿路行駛時，車輛卻像在崎嶇不平的道路上一樣上下顛簸。RoadRunner 根據 OpenDRIVE 文件創建了道路，但由于道路連接處的海拔高度不連續，導致路面出現了厘米級的顛簸。

宮田在 MATLAB 中創建道路時，對高程信息使用了多項式近似法，但使用 RoadRunner Scene Builder 則避免了類似的顛簸問題。他說道：“現在我們能夠以更高的效率和更強的可擴展性來生成道路模型了。”

當宮田將高程數據添加到模擬器中，并帶著同事進行試駕時，又出現了另一個問題。顯示器上前方可見的道路，似乎漂浮在點綴著稀疏卷云的明亮藍天中。

事實證明，問題在于某些地點缺少海拔數據。這些數字高程數據源自日本國土地理院，該機構負責日本全國的勘測與地圖繪制工作。然而，團隊當時使用的一款第三方工具，在所選的地圖數據段中，將河流處的海拔高度顯示為 -9,999。為解決這個問題，宮田再次求助于 MATLAB。

他的團隊創建了一個工具，該工具能將高程數據與影像數據相結合，并將其轉換為拼接融合后的 GeoTIFF 格式，以供 RoadRunner 使用。在新的高程數據準備就緒后，宮田在 RoadRunner 的圖形用戶界面中，將注意力集中在了一個特定的地圖區域。他將圖像拖放到地面上，檢查其貼合度，然后添加了 OpenDRIVE 道路數據。只需幾次簡單的點擊，他就添加了虛線將道路變成了雙車道，進行了一些微調，并粘貼了高程信息。

宮田說道：“RoadRunner 的圖形用戶界面非常直觀。面對像這樣棘手的情況，可以很輕松地進行調整。”

最后一步是通過 RoadRunner Scenario 中的視頻回放來檢查道路的生成效果。一個按鈕提供了無人機視角的 360 度鳥瞰圖，另一個按鈕則允許團隊從駕駛員的視角來觀察道路。這一次，ADAS-RCS 終于呈現出了精確傾斜的區域和連綿起伏的山景。道路懸浮的問題不復存在。為連綿起伏的地形添加陰影和細節，營造出了一個更逼真的環境。

宮田說道：“如果沒有 RoadRunner，創建這些虛擬路段將會耗費我們巨大的時間和精力。” 宮田估計，他的團隊若要創建類似的駕駛場景，至少需要長達六個月的時間。

擴展精益車輛開發

過去宮田的團隊需要一天以上才能創建的新三維路段，現在不到 30 分鐘就能完成。RoadRunner 提升了團隊的整體效率。

宮田解釋道：“能夠輸出適用于各種模擬器的格式，例如 OpenDRIVE 和 OpenSceneGraph，這極大地降低了場景生成成本。這是一個巨大的優勢。”

接下來，他所在的小組計劃進一步實現 VILS 流程的自動化和精益化。他們還計劃與量產開發團隊合作，將仿真的優勢帶給他們。Miyata 認為，讓更多人來使用這項技術，發現問題并進行改進，是至關重要的。

在 MATLAB EXPO 日本用戶大會的演講中，宮田探討了擴展開發的問題。他重點介紹了 MATLAB 實時腳本、App 設計工具 和 MATLAB Compiler 如何幫助部署代碼，以供多用戶處理地理信息系統數據。他表示，使用 Git 可以實現版本控制，并根據用戶需求進行定制化。他接著說道，實時腳本還可以在 JupyterLab 等環境中編寫易于理解的操作手冊，從而實現用戶友好的應用程序部署。

自那次 EXPO 活動后，他的團隊利用免費的可編輯全球地圖 OpenStreetMap 擴展了仿真器的功能，用以復現被稱為“豆腐塊建筑”的簡單建筑物，這個名字源于長方形的豆腐塊。豐田還有一個專門負責生成高精度資產的部門。宮田表示，ADAS-RCS 項目激勵了他們去探索利用這些資源的新方法。

利用 ADAS-RCS 將公共道路駕駛評估前置的工作，目前仍處于驗證階段，但宮田和他的同事們預計，這最終將使進行實際試駕所需的天數減少約70%。

該小組未來的計劃包括：利用從現場采集的點云數據，通過人工智能 在 RoadRunner 中對建筑物資產進行自動分類和放置。他們也正在探索混合現實技術的應用。

宮田說道：“此外，我們已經取得了長足的進步，成功地利用 RoadRunner Scenario 引入了真實的交通流。沒有逼真的仿真環境，就無法對 ADAS 進行全面的測試。”

在為仿真環境構建數字資產的過程中，團隊處理了許多具有挑戰性的案例。擁有功能強大且易于使用的工具是必不可少的。

他繼續說道：“如果我們能有效地利用數字資產，我們期望 ADAS-RCS 和 XILS 能夠再上一個新臺階。將其部署為工具鏈將成為可能，從而改進整個車輛開發流程。”