提高自动驾驶汽车安全标准

作者: 是德科技汽车和能源解决方案副总裁Thomas Goetzl

在不远的将来，全自动驾驶汽车有望大幅提升汽车安全和交通运输效率。然而，要实现这一目标，汽车原始设备制造商必须在当前的汽车自动驾驶等级上更进一步。为了实现这一跨越他们需要攻克与高级驾驶辅助系统（ADAS）和自动驾驶系统中汽车雷达传感器测试相关的一系列独特挑战，并开发新方法来训练传统解决方案无法胜任的算法。

国际汽车工程学会（原美国汽车工程学会）将自动驾驶分成了六个等级，其中 L0 级代表完全由驾驶员控制，L5 级代表全自动驾驶。

当今最先进的自动驾驶汽车系统仅仅达到了 L3 级，这一等级意味着车辆能够在无需人工干预的情况下做出加速或制动等决策。从 L3 级到 L5 级需要在许多方面实现突破，包括弥合软件仿真与道路测试之间的差距，以及在真实条件下训练 ADAS 和自动驾驶算法。

是德科技最新推出的雷达场景仿真器（RSE）非常有助于弥合这些差距。

软件仿真在自动驾驶汽车开发过程中发挥着重要作用。通过软件仿真环境有助于制造商验证 ADAS 和自动驾驶系统的能力。但是，仿真无法完全复制现实中的驾驶条件或传感器可能出现的响应失常状况，这些都是全自动驾驶汽车不可避免要应对的问题。

在将 ADAS 和自动驾驶系统推向市场之前，原始设备制造商通过道路测试来验证它们的可靠性。虽然道路测试现在并将继续是开发过程中至关重要且不可或缺的一部分，但就控制环境条件而言，它不仅要耗费大量时间，还成本高昂且难以重复。如果只依靠道路测试，开发出在任何时间都能安全地行驶在城市和农村道路上的可靠车辆可能需要好几十年。要想在相对现实的时间期限内完成开发，训练算法必不可少。

验证基于雷达的自动驾驶算法是一项至关重要的任务。传感器采集与道路和交通状况有关的信息，并将这些信息提供给处理器和算法，以便它们做出车辆在指定情况下应当如何响应的决策。如果没有经过适当的培训，自动驾驶汽车做出的决策可能会危及驾乘人员或行人的安全。

成为一名优秀的驾驶员往往需要时间和经验的沉淀。自动驾驶系统也需要通过长时间培训来提高它们应对现实驾驶条件的能力。实现 L5 级自动驾驶需要依靠复杂的系统，这些系统的能力应超越最优秀的人类驾驶员。

过早对未经验证的 ADAS 和自动驾驶系统进行道路测试也存在风险。OEM 需要能够仿真真实场景，对实际采用的传感器、电子控制单元代码、人工智能等部分进行验证。

当前基于实验室的仿真解决方案无法提供与现实情况相接近的驾驶场景。它们的视场有限，无法分辨距离小于 4 米的对象。有些系统使用多个雷达目标仿真器（RTS），每个 RTS 都向雷达传感器呈现多个点目标，并通过机械移动天线来仿真水平位置和垂直位置。这种机械式的自动化操作会延缓整体测试速度。其他解决方案只采用少数几个目标仿真器形成一面天线墙，对象可能出现在场景中的任何位置，但它们不能同时出现。在静态或准静态环境下，这种方法可以测试横向移动的少数几个目标，但受到机械臂速度的限制。

当前的仿真器最多只能仿真 32 个对象，包括车辆、基础设施、行人、障碍物和其他对象。这远低于在道路上行驶的车辆随时可能遇到的对象数量。在测试雷达传感器时，如果对象数量有限，则无法反映完整的驾驶场景，无法重现真实环境中的复杂情况。

为了将自动驾驶技术提升到 L4 级和 L5 级，汽车 OEM 需要能在更近距离更快渲染更多物体的解决方案。为了满足这一需求，是德科技开发了一款专用可扩展仿真屏幕。这块屏幕由几百个微型目标雷达仿真器组成，能够仿真最多 512 个距离近至 1.5 米的对象。因此，该仿真屏幕可以呈现出一个确定性的真实环境，用于在实验室测试以前只能在道路上测试的复杂场景。

是德科技非常自豪地在这些技术领域取得了突破，并由此推出雷达场景仿真器产品。该产品是是德科技开发的自动驾驶仿真（ADE）平台的关键组成部分。我们相信，这项技术能够减少道路交通伤亡事故，缓解交通拥堵状况，实现更安全、更高效的道路交通，从而缩短通往 L5 级自动驾驶的距离。