中文 英语

如何测试自治车辆

新技术,方法和流动将被要求保证自动驾驶汽车是安全的。

人气

通过凯文福图和ed sperling

该比赛正在开发测试自治车辆的方式,以证明他们在大多数道路状况下是安全的,但这已经结果比最初想到的要困难得多。

自主车辆技术本身仍处于各种发展阶段,汽车制造商努力通过障碍物和环境的手套引导车轮上的机器人来指导机器人。测试所有技术,并保持稳定的变化流,已成为一个重大挑战。

在问题中:

•测试需要在组件的整个生命周期内保持一致,这意味着测试供应商需要在特定时间段内提交对特定产品的测试设备。这是对仍在开发早期阶段的技术的大量投资。
•自治车辆中的芯片需要在各种各样的有时恶劣的环境条件下持续十年或更长时间。然而,到目前为止,道路上没有完全自主车辆,所以如何随着时间的推移进行,完全基于模拟。仍在开发测试方案以包括实际测试加模拟。
•推出了更快的通信标准,测试将从部件的物理测试移动到物理和超空气测试的组合,这将需要确保通信速度足以保证安全性。

"有很多组件的开发周期都相当长,"该公司V93000电源、模拟和微控制器解决方案业务开发总监Derek Floyd表示效果显著。“对于任何新的设计,你都需要测试硅,验证它,并将其发送给客户,然后经过12到18个月的现场试验,他们才真正接受产品。这就是为什么他们不会同时把车里的所有东西都换掉。它分阶段使用多个部件。但是你仍然要维护测试设备和过程10年。所以你需要面对许多具有较长开发周期的组件。”

当车辆越来越自主时,这变得更加复杂。

“你需要验证技术达到5级的技术,”Floyd说。“您还必须了解哪些供应商正在使用哪些产品。对于汽车,您需要每个产品的两组或三个供应商。“

测试流动本身也必须改变,这将在供应链中产生重大中断。

“两件事并行发生,”营销和销售高级经理Anil Bhalla说天使测试系统。“首先,使用自动测试流程,您可以为半导体进行正常的测试流程,并加入温度冷,热和环境 - 然后添加质量的多个插入。结果是您最终有一个非常复杂和昂贵的测试流程。与此单独分开,某些汽车零件正在移动到下节点和高级封装,并且当前测试无法覆盖所有这些。使用ATPG的7nm设备,您只会覆盖大约85%。这意味着有数数十亿个晶体管没有被测试。如果这些晶体管处于关键路径,那就是一个大问题。“

直到几年前,汽车公司还被认为是技术的晚期接受者。但随着汽车中电子内容数量的增长,以及汽车制造商一致推动自动驾驶,这种情况已经发生了显著变化。

Bhalla说:“所以现在你还必须为系统级测试添加一个流程,因为你需要达到零缺陷。”“但这里有太多的动力,你会看到人们开始在测试上进行创新。我们在从pc转向游戏以及手机时便看到了这一点。测试流绝对是其中的一部分。”

新方法
Lidar等新技术还为汽车测试添加了一些新的曲折。

“利达的挑战是测量当前和权力的绘制,”半导体的首席营销人员大卫大厅说国家文书。“对于LiDAR,如果你长时间集成电源,散热很高,所以解决方案是使用脉冲方法。但随着脉冲宽度越来越窄,峰值功率也会越来越高。”

他说,最新版本的激光雷达是在亚微秒范围内,这意味着扫描速度已经从毫秒转移到微秒。

自动车辆中的大部分技术仍在开发中,这意味着无法通过驾驶数百万英里来测试可靠性。但是关于所执行的一些模拟的可靠性而不是道路测试存在疑问。

“在您在机器人拿到机器人之前,您可以在模拟中进行很多模拟,”GM巡航工程师Chris Broaddus说。“这可能需要五分钟,而在该领域的半天。你如何在该领域进行回归测试?但是有一个问题是关于汽车是否有效,它是否会为所有汽车工作?“

它是否适用于所有航线?那么各种自动驾驶汽车呢?空客A3自动驾驶系统主管阿恩•施托舍克(Arne Stoschek)表示,一种解决方案可能是大幅限制无人机等自动驾驶车辆的行驶路线。

“如果你在纽约跑了一个自主出租车,你必须覆盖一个合理的地区,”Stoschek说。“但这是一个区域问题,这是一个非常艰难的问题。但是,如果您正在使用点对点连接,如果它只是旧金山或圣何塞的一个位置,那就是更容易的。使用点对点连接,您可以为业务案例和安全原因选择它,您可以完全模拟并模拟它并拥有它。与拥有超过1000万居民的拥挤区域 - 居民的任何拥挤的地区城市 - 问题是如何扩展并产生客户的验收。“

同样的原则适用于无人机和汽车。虽然真实世界的测试仍然是黄金标准,但模拟更快。他们变得更加容易实现。例如,NVIDIA引入了一种名为Drive Constellation的基于云的仿真服务,包括模拟汽车的传感器和额外技术来模拟操作汽车的软件堆栈。该硬件IN-in-Loop平台周期每秒30次,以确保模拟数据和模拟软件使用现实数据正确运行,以产生可靠的期望车辆在道路上运行的程度。

ANSYS,SIEMENS,MOBILYYE和初创公司(如METAMOTO)引入或更新了类似的服务,其中大部分都强调测试系统本身的功能和集成。是否实际上可以确定自动车辆是否在道路上使用自动车辆是安全的。

仿真和验证系统非常擅长在芯片组或硬件冲突中发现缺陷,并且非常擅长减少现实世界道路测试里程的数量,以确保AV中的所有传感器和控制系统有效地一起工作,Carnegie Mellon University的电气计算机工程副教授菲利普·克湾曼经常发布关于他对自治车辆安全测试和验证的研究。

这通常符合美国规则的安全安全,主要关注车辆中设备的机械运行以及如何在碰撞中进行响应。但联邦机动车安全标准(FMVSS.)和标准如ISO 26262.Koopman表示,这涵盖车辆中的电子系统的安全性,不认为设备将对车辆的行为进行控制或防止崩溃。

运输部门正在遵循汽车制造商的领先地位,以涵盖自治车辆,但到目前为止他们主要希望豁免对需要方向盘的现有规则 - 可能不适用于自动车辆。克料曼说,美国需要推进其以确保自治车辆可以安全运行的方式涵盖自主的法规,以确保自动车辆可以安全运行。

最近的一项研究称,应该要求自动驾驶汽车通过一项测试,以提供它们在道路上运行的安全程度的准确图像出版物由Srikanth讽刺,德克萨斯州A&M大学的计算机科学家和机械工程副教授。他的研究包括自动驾驶汽车的开发和安全关键功能,如使用激光雷达检测路标。萨里帕里写道,反复比较人类和自动驾驶汽车在处理相同模拟场景时的表现,可以很好地反映出自动驾驶汽车的道路判断能力与人类相比有多差。

根据ATUL PRAKASH,大学ATUL PRAKASH,大学ATUL PRAKASH,甚至越来越多地表明,甚至对比较试验的许多重复甚至越来越多的比较试验越来越可能表现出自主车辆如何执行,而不是提供100%的确定性。密歇根州。他的研究显示了易受伤害的自主车辆是如何破坏的,甚至可以像添加涂鸦一样简单,这使得停止迹象是AVS不可见的。

普拉卡什说:“如果有些东西没有通过测试,那显然是个问题,但如果通过了,你仍然不能确定。”“这并不是说数据没有用,而是有很多问题,比如它如何处理传感器脏了或工作不正常的故障情况,软件更新——这些都是常规的事情,但仍然可能是一个挑战。”


图。1:针对LISA-CNN和GTSRB-CNN的物理对抗实例的样品。来源:深度学习视觉分类的鲁棒物理世界攻击,由密歇根大学的研究人员;华盛顿大学;加利福尼亚大学伯克利;萨姆研究美国;石溪大学。

街头标志很容易针对性,可以对毫无戒心的AVS提供大量影响,使用它们谈判交通。

Koopman表示,制作AVS Safe的唯一方法是定义定义AV如何安全运行的局限性和要求,然后测试AVS的行为。

“遗憾的是,监管机构正在飞行盲目,”战略分析的汽车联系行动实践总监Roger Lanctot说。“他们没有参考评估这些系统。有一些关于你必须驾驶汽车的争论,以产生算法洞察力,以便是可证实的.999信心水平,并且今天没有证明权限能够这样做。“

Lanctot说,德国技术监督机构TÜV SÜD正试图制定一些指导方针,但其认证的具体内容以及它们如何与欧盟其他国家和美国的监管机构的分散位置相关联尚不清楚。

创建绩效标准的一个主要努力是草案ISO 21448.作为现有标准的现有标准,可以解决有助于车辆的安全操作的电子系统,而不是无论电力系统本身是否安全运行。然而,如果已接受,即使是那种要求只涵盖了先进的驾驶员辅助系统(ADAS)的某些方面,而不是完全自主。

Generic testing without guidelines may raise the probability that an AV is safe, but don’t allow for rules that define specific priorities about things an AV should never do, rather than empirical tests that make that behavior less likely but don’t rule it out entirely.

“创造几何的模拟汽车将不得不回应焦点,以便在那样的情况下,”Koopman说。“即使您可以测试各种可能的场景,也不能保证软件不会在下雨时尝试在随机杀死您,并且有一个日食。这不是测试的目的。“


图2:自动驾驶汽车验证和验证周期所需的测试场景数。资料来源:门托,西门子公司。

根据Norman Chang,CTO的难度地看到机器学习应用程序的难以让机器学习应用程序做出故障排除或预测更加困难ansys.。“深度的性质神经网络这就像一个黑匣子;如果你需要解决任何东西,那么在里面发生了什么,这并不容易,“张说。

应该有一个更明确的指导,但科技提供商别无选择,只能采用最普遍的解决方案,目前正在模拟公路里程,并产生足够的内容来从每一个可想到的角度测试AVS。

4级或5级自治车辆之前有足够的时间来开发标准和方法来测试它们,而且仿真测试确实提供了更多的数据,可以帮助改进机器学习软件在AVS中的方式做出决策,所以。

“在10年内,如果你在车里没有人开车,你甚至不会想到它,”张说。“现在模拟正在推动我们能力的信封。”

在我哔哔声之前走近千米
在2016年兰德公司(Rand Corp)的一辆汽车中,人们对自动驾驶汽车需要进行数百万英里的真实或虚拟测试这一假设进行了描述和量化。学习, whose conclusion that autonomous vehicles would have to be driven millions or billions of miles to demonstrate basic safety to consumers who won’t trust an autonomous vehicle to drive without clear evidence that it is at least 10 times less likely to be involved in a fatal crash than an average human.

兰德公司的报告总结说,要想让它发挥作用,技术供应商必须想出创新的方法,在不浪费时间和资源的情况下驾驶数百万英里。这就是模拟测试的用途。

“没有模拟,建模或其他证明安全方法,因此联邦指南尚未回答这一难题并不奇怪,”读了一个跟进原来的兰德报告它认为,自动驾驶汽车可以减少高达90%的交通事故死亡人数的预期可能被夸大了,但无论如何,辅助驾驶可能减少的公路事故死亡人数应该足以激励人们继续前进。

“即使自主车队驱动了1000万英里,仍然无法借鉴有关安全性和可靠性的统计结论,”该研究和兰德的高级统计学家共同作者苏珊M. Paddock说。

在1月轮询根据数据移动提供商Solace对1500人进行的在线调查,57%的人表示即使成本不是问题,他们也不会购买自动驾驶汽车。49%的受访者表示,他们可能会依赖车道监视器/警告或盲点探测器等安全传感器;35%的人说导航提示是他们最信任的声音提示。但40%的人表示,他们不相信汽车会自动对交通做出反应,配备自动刹车或其他司机协助。

对于真正的自主权的演变将缓慢并充满了逐渐更具更具能力的驾驶员辅助系统版本,这应该通过熟悉驾驶和建立消费者信任,说ANSYS'Chang。

这可能需要数年。

该公司业务发展副总裁阿努什·莫汉达斯(Anush Mohandass)表示:“归根结底,交通事故和死亡人数必须下降10倍。NetSpeed系统。“但如果自动驾驶汽车的伤亡人数从4万增加到1万,就会引起强烈抗议。我需要看到道路测试的硬数据,才能知道它是否有效,而且在我的环境中,因为一个地方的条件与另一个地方的条件相差很大。但这正是理性和非理性的用武之地。我的理性大脑告诉我虚拟或模拟测试和真实的测试一样好。但我真的会让我的孩子坐一辆只在虚拟空间测试过的车吗?没有。”

相关案例
以太网驾驶
随着传感器数据爆炸的体积爆炸,汽车的通信系统正在重新成立。
技术讲座:ISO 26262深入研究
在汽车电子市场中获得坚实的立足点是必需的。
ISO 26262统计数据
技术谈判:安全标准的统计支撑。
自动驾驶汽车法规
芯片制造商将继续受益,但它将是一条漫长的道路,直到自动车辆主宰道路
自动芯片内置安全性
自动驾驶要求芯片、子系统和系统有更高的安全性——而这仅仅是开始。



1评论

Sadath细哔叽 说:

作为一个QA工程师,对自动驾驶汽车感兴趣,这是有用的信息。感谢您分享此有趣文章。我很恼火

留下一个回复


(注意:此名称将被公开显示)