自主系统仿真的复杂性，验证转向云端

　　随着汽车行业努力提高安全性并实现高级自动驾驶的优势，证明电子车辆控件将安全执行的复杂性呈爆炸性增长。因此，仿真在验证安全性方面的作用正在扩大，促使许多工具提供商转向可扩展的基于云的架构，这些架构可并行运行操作以缩短分析时间。
　　汽车制造商和Tier 1s已经认识到模拟作为使无数自动驾驶的软件和硬件元素协同工作的不可或缺的工具的价值。高水平的自动驾驶要求车辆控件＂了解＂许多复杂的外部元素，而这些元素比常规的车载系统（例如发动机控件）具有更多的变量。摄像头，雷达和激光雷达必须监视行人，车辆和高速公路标记。
　　一句话：并行化
　　随着数量激增的传感器为做出关键驾驶决策的电子控件提供输入，管理模拟和验证操作中涉及的海量数据变得越来越耗时。验证传感器和控制功能的运行与设计要验证的系统一样重要。
　　＂人们谈论更好的激光雷达或人工智能，说它们将解决自动驾驶汽车的问题，＂ Metamoto业务发展负责人杰夫·布莱克本说。＂我们认为，将性能良好的自动驾驶汽车推向市场的关键技术将是仿真。处理模拟的最佳方法是使用基于云的可大规模扩展的工具，该工具可以并行运行许多模拟。＂
　　像Metamoto和Cognata这样的新兴公司都在采用这种可扩展的，基于云的方法，从而赢得了拥护者。他们说，这种方法与传统设计软件供应商所使用的体系结构根本不同。许多一级和OEM厂商都在使用云进行仿真，尽管一些主要参与者正在使用专有云。使用可以放置在任何地方的计算机服务器，工程团队可以同时进行多个虚拟测试。
　　科涅塔（Cognata）战略与政策总监海克基·莱恩（Heikki Lane）表示：＂当您查看功能需求的数量以及自动驾驶系统要做的事情时，它已经超越了传统技术的功能。＂ ＂云允许访问提供几乎无限的扩展。当客户迁移到云中时，他们可以并行化操作，而无需串行运行。＂
　　当然，传统的开发软件供应商并没有停滞不前。他们在增强现有工具的同时，还顺应了并行架构的趋势。传统的工作站和本地数据中心将仍然是建模，仿真和验证的中心工具，但是它们被更加并行化的架构所扩展。
　　西门子数字工业软件公司自动驾驶计划负责人Matthieu Worm表示：＂我们在感知算法开发方面做了大量工作，正在寻找加快计算速度的方法。＂我们还在为集群环境和云环境开发更多软件。＂
　　模拟中的所有活动都强调了确定自动驾驶技术是否能在最复杂的驾驶情况下提供安全性的复杂性。尽管设计工具可以生成精确模拟实际操作的高度逼真的测试，但即使是模拟软件供应商也认为虚拟测试不会消除物理驾驶测试。
　　莱恩说：＂我认为身体测试不会减少，它们可能会增长。＂ ＂除此之外，模拟的数量将继续增长。＂
　　这些模拟现在远远超出了车辆。达索（Dassault）和西门子（Siemens）等传统供应商解决了从硅片到智能城市规划的广泛移动性。这种广泛的影响力甚至可以扩展到交通信号灯等道路系统。
　　＂从芯片到城市，我们首先要模拟设计中使用的芯片，然后采用这些芯片和建筑系统，然后再进入城市层面，＂ Worm说。＂在城市一级，我们是基础设施设备的大型供应商。＂
　　测试通用性至关重要
　　对于在确保自动驾驶汽车安全性方面承担任务的人员而言，在多种驾驶情况下测试多种类型车辆的复杂性提出了重大挑战。许多参与开发和验证的人认为，需要一些通用测试作为确定车辆系统是否安全运行的基础。
　　＂进行可重复的测试很重要，＂Worm说。＂每个人都需要对不同的车辆进行相同的测试。
　　对通用测试的需求扩展到了车辆认证的关键法规方面。国家公路交通安全管理局。（NHTSA）与业界合作，以确保所有车辆均使用相同的标准进行测试。考虑到确保车辆在各种情况下都能很好地响应的复杂性，没有任何一套测试可以保证完全的安全性，但是几乎没有标准测试可以用来证明基本能力。
　　＂如果要将模拟作为车辆验证过程的一部分，我认为您必须拥有一个已达成共识的方案库，＂布莱克本说。＂我不认为NHTSA可以开发出一种用于自动驾驶的测试技术，而且NHTSA不会让汽车公司对车辆进行自我验证。＂
　　并非所有传感器输出都相等
　　在监管机构努力应对车辆安全方面的同时，工程团队也在努力创建这些安全系统。模拟传感器突出了所出现的挑战。
　　如今，大多数传感器模块实际上都是黑匣子，可为汽车制造商和供应商提供有关物体的信息，并发送对决策至关重要的电子控制信息。缺乏有关输出的信息，使得仿真供应商很难知道他们是否准确地代表了传感器的输出。大多数传感器供应商一直不愿透露他们使用的代码，但情况可能会有所变化。
　　布莱克本说：＂我们有兴趣拍摄给定数量的场景，看看我们的模型在输出方面是否能给我们带来相同的结果。＂ ＂我们与雷达，摄像机和激光雷达提供商有正式和非正式的关系，我们要求他们提供一个方案，然后我们将这些方案中的原始数据发送给他们，并要求他们将其与实际数据进行比较。这是一个反复的过程。＂
　　与自主技术的大多数发展方面一样，有许多细微之处可以改变虚拟传感器输出和物理传感器输出。例如，天气条件是照相机的一个因素。激光雷达增加了从目标反射的光线，带来了许多额外的参数。
　　布莱克本说：＂使用激光雷达，有时会遗漏一些东西，那就是您需要知道光束是撞击湿的还是干燥的表面，无论是行人还是金属。＂ ＂该软件需要考虑材料特性。＂
　　人工智能将是重要的元素，它可以帮助工具提供商开发测试并帮助系统开发人员改善其数据收集和分析技术；人工智能可以帮助公司构建测试场景，帮助他们改变条件并创建在现实世界中可能难以运行的测试。
　　当AI在车辆系统中使用时，它将对负责验证安全性的人员提出许多挑战，因为AI对刺激的反应会根据条件而变化，这意味着更多潜在变量。再次，公司可能会聚在一起创建一些标准方案，以测试该技术的输出以确定其安全性。