軟件在環（SIL）測試是自動駕駛算法研發的核心驗證環節，通過構建虛擬測試環境，實現算法的閉環驗證，解決傳統測試模式中存在的效率瓶頸，為算法迭代提供可靠支撐。在自動駕駛研發實踐中，普遍存在HiL臺架資源緊張、調試成本高、接口適配復雜、算法早期驗證困難等問題，而成熟的SIL測試方案可有效破解上述困境。康謀aiSim仿真平臺所構建的SIL測試體系，是針對這些痛點的解決方案之一，其核心是通過本地與云端結合的架構，實現自動駕駛算法全流程驗證。

一、自動駕駛SIL測試的核心痛點

傳統自動駕駛測試中，HiL臺架因造價高昂、數量有限，易出現測試排隊擁堵現象，影響研發進度；算法迭代過程中，需同步升級或部署硬件驅動環境，導致調試效率低下；不同算法框架、信號格式的集成適配流程繁瑣，增加研發工作量；在模型層、算法邏輯層早期階段，缺乏高保真虛擬環境，無法實現算法閉環驗證，易導致缺陷遺漏。

二、康謀SIL測試體系的架構與核心功能

康謀SIL測試體系基于aiSim靈活開放架構構建，支持Python、Simulink、Shell等開發語言，涵蓋Application、Simulation、Vehicle、Sensor、Map、Scenario等核心模塊，通過TCP/IP、UDP等通信協議，實現感知、規劃、控制等算法的閉環驗證，形成本地測試與云端擴展相結合的完整生態，適配不同研發階段的測試需求。

圖1：康謀端到端仿真與驗證方案體系

（一）本地化SIL測試功能

本地化SIL測試主要服務于工程師日常調試場景，核心功能包括：

• 開放接口支持：提供全面的API與SDK接口，支持用戶自定義封裝算法輸入輸出，無需改動底層引擎，可與現有開發環境、算法框架及自動化測試方案深度集成。
• 渲染與數據解耦：傳感器信號與仿真數據接口獨立于渲染引擎，可作為獨立模塊嵌入客戶現有控制棧，提升集成便捷性與系統穩定性。
• 高效調試能力：本地桌面環境支持分鐘級編譯、單步調試、斷點設置與變量追蹤，可100%確定性復現復雜場景，助力快速定位算法缺陷。
• 自動化測試：支持通過腳本一鍵驅動仿真，自動運行測試場景并完成批量回歸測試，減少重復性工作。

（二）云端SIL測試功能

云端SIL測試基于容器化架構的aiSim云端平臺，將本地驗證流程擴展至云端，適配大規模測試需求，核心功能包括：

• 大規模并行仿真：采用云原生彈性架構，可同時處理海量測試場景，提升測試吞吐量。
• CI/CD集成：與CI/CD流程深度融合，實現“代碼即測試”的全自動化流程，適配算法快速迭代需求。
• 便捷訪問：采用Web端一體化操作，無需安裝額外軟件，可隨時隨地訪問測試平臺。

三、康謀SIL測試方案的技術特點

（一）高保真仿真

集成物理級渲染引擎，可實時呈現車輛動態、復雜環境交互及精確的傳感器響應，滿足感知、規控算法閉環測試需求；支持測試報告插件，自動生成關鍵指標曲線，可導出并對比多輪測試結果，助力數據資產沉淀與驗證知識庫構建。

（二）SiL與HiL無縫銜接

采用標準化接口與統一仿真環境，SiL階段驗證通過的模型、場景、測試用例，可零修改、零成本遷移至HiL測試平臺；兼容NI、Simulink、FMU、ASAM等行業標準軟硬件生態，可構建從模型開發到硬件驗證的端到端測試路徑。

（三）評估體系適配性

支持接入客戶自有評估與指標體系，自動生成多維度性能報告，便于參數對比與算法優化效果量化。

四、SIL測試方案的應用價值

SIL測試方案可有效縮短自動駕駛算法研發周期，降低對HiL臺架等硬件資源的依賴，減少調試與集成成本；通過早期算法驗證，提前排查缺陷，提升系統可靠性與安全性。康謀aiSim構建的SIL測試體系，結合本地與云端優勢，可滿足小規模日常調試與大規模量產驗證等不同場景需求。

軟件在環測試方案的選擇，需重點考量架構開放性、仿真高保真度、生態兼容性及部署靈活性。康謀aiSim的SIL測試體系，憑借模塊化設計、高效迭代能力及全生態兼容特點，可作為自動駕駛算法SIL測試的實現方案之一。

審核編輯 黃宇