MulticoreWare

移动和交通

自动驾驶汽车测试的挑战和进展

2024年06月5

介绍

随着自动驾驶汽车(AV)的兴起,汽车行业正在经历一场深刻的变革,其特征是集成了先进的人工智能算法、复杂的传感器系统和尖端的通信技术。这些智能系统具有彻底改变交通的巨大潜力,有望提高安全性、效率和可访问性。然而,确保其可靠性和安全性存在重大障碍。这篇文章深入探讨了自动驾驶汽车测试中的复杂挑战和突破性进展。

挑战

自动驾驶汽车(AV)开发中最困难的挑战之一是进行全面和现实的测试。与人类驾驶的车辆不同,自动驾驶汽车依赖于复杂的算法和传感器进行导航,这使得传统的测试方法不足以捕捉现实驾驶中遇到的各种场景。这包括意外的道路状况、不可预测的行人行为和异常的天气模式。以下是一些关键挑战:

  1. 环境多样性: 雨、雪、雾和不同光强等天气条件会显著影响传感器性能。自动驾驶汽车必须在各种天气情况下进行严格测试,以确保其鲁棒性和安全性。
  2. 不断发展的安全基准: 随着安全标准的发展,新的挑战也随之出现。汽车工程师学会(SAE International)是移动标准制定的全球领导者,在定义这些标准、推进测试方法和推动开发人员不断创新方面发挥着至关重要的作用,所有这些都是为了确保未来车辆越来越安全。
  3. 验证难题: 验证自动驾驶汽车的安全性和可靠性是一个复杂的难题。传统的开发流程是为有人监督的关键系统而设计的,对于全自动驾驶汽车来说是不够的。需要新的方法,如模拟、数据驱动的安全分析、形式验证和基于场景的测试,来保证这些自动驾驶系统的安全性。
  4. 边缘案例: 现实世界充满了不可预测的情况。自动驾驶汽车可能会遇到未经训练的情况,比如一个孩子跑到街上追球。因此系统必须足够稳健,以安全地处理这些意外事件。这需要在罕见和不寻常的情况下进行广泛的测试,以提高飞行器适应意外情况的能力。

前方之路——驶向未来

安全性在自动驾驶汽车中至关重要,需要新的评估方法来彻底测试这些系统如何应对意外情况和边缘情况。监管机构正在寻求标准化和全面的测试方法,以批准自动驾驶汽车在公共道路上行驶,确保其符合安全和性能标准。

1. 自动驾驶(NATM)的新评估/测试方法

这种方法提出了一种多方面的测试策略。它利用多种技术,包括场景目录、模拟、跟踪测试、真实世界测试和审计,全面评估不同情况下的AV性能。NATM被Waymo和宝马等主要自动驾驶汽车公司以及欧洲NCAP等监管机构使用。

  • 场景目录: 经过精心策划的驾驶场景集,涵盖了不同的情况(高速公路驾驶、城市街道、意外障碍),根据现实世界的数据和新出现的挑战不断更新。
  • 模拟: 由先进的物理引擎和传感器模拟工具驱动的高度逼真的虚拟环境,实现了可扩展且经济高效的测试。
  • 轨道测试: 利用复杂的遥测和监控系统,在封闭轨道上进行真实世界的测试,以评估受控条件下的飞行器性能。
  • 真实世界测试: 在人工监督下进行道路测试,在真实世界的情况下收集数据,结合各种天气条件和交通模式。
  • 审计: 由独立的第三方专家对系统的开发过程、安全措施以及是否符合行业标准进行严格评估。

2. 半自动化系统

半自动化系统在全球范围内越来越多地用于车辆,特别是在美国、欧洲和亚洲等发达市场。这些系统在提供驾驶员辅助的同时需要持续的人工监督,并已被证明在提高道路安全方面是有效的。公路安全保险协会(IIHS)建议采用以下关键特征来提高安全性:

  • 驾驶员监控系统(DMS): 利用摄像头和近红外传感器检测驾驶员的嗜睡、分心或注意力不集中,并采用先进的算法进行准确评估。
  • 注意力辅助系统: 根据个人驾驶行为,使用包括听觉和视觉提示在内的及时和持续的警报,使驾驶员保持专注并专注于道路。
  • 自动应急响应系统: 如果驾驶员未能响应警报或丧失能力,该系统可以接管车辆的控制并使其安全停车,并具有冗余的故障安全机制以提高可靠性。
  • 透明无缝的切换系统:清晰的通信和直观的界面有助于在需要时从自动驾驶模式平稳过渡到手动控制,并实时监控驾驶员的准备情况。

这些要素对于通过降低与驾驶员相关的风险和改善驾驶行为来最大限度地降低风险和确保部分自动驾驶车辆的安全运行至关重要。

结论

自动驾驶新评估/测试方法(NATM)等新标准正在应对测试自动驾驶汽车的复杂挑战。虽然完全自主还远未大规模公开,但具有驾驶员监控系统和自动应急响应等高级功能的部分自动化系统正在引领潮流。通过优先考虑安全、协作和测试方法的持续改进,我们可以释放自动驾驶汽车的潜力,改变我们的交通格局。

我们如何提供帮助?

在MulticoreWare,我们处于应对这些挑战的最前沿,利用我们多样化的专业知识来解决这些调整。

  1. 我们有能力确保高质量的汽车软件开发,如ASPICE,并提供ISO26262功能安全(FuSa)合规性。
  2. 我们在最先进的工业雷达方面的先进知识对于自动驾驶汽车感知堆栈至关重要。
  3. 我们专注于在边缘设备/汽车DSP、GPU和NPU上量化和部署高级神经网络模型。
  4. 我们擅长雷达信号处理和3D传感信号处理,以增强基于相机的感知并确保系统的鲁棒性。

我们致力于推进自动驾驶汽车的开发和测试,为汽车行业建立新的安全和创新标准。给我们写信 info@multicorewareinc.com

Share Via

Explore More

Mar 28 2025

用 Perfalign 解锁 AI 性能分析与优化

在人工智能和机器学习领域,跨不同硬件平台优化性能是一项关键挑战。开发者和人工智能工程师经常面临复杂模型可视化、性能瓶颈分析以及工作负载微调以提高效率的难题。Perfalign 旨在通过提供先进、直观的 AI 软件栈开发和优化工具包来解决这些挑战。

Read more
Mar 25 2025

Gen AI 如何改变流媒体和广播行业的视频增强功能?

开发者经常面临跨平台移植应用程序的挑战。无论是从 x86 过渡到 ARM 或 RISC-V CPU,还是将工作负载迁移到新架构的 AI 加速器,这个过程都绝非易事。虽然移植看似只是重新编译或进行少量代码调整的简单操作,但实际情况远比这复杂得多,尤其是在 HPC 领域。

从架构差异到性能瓶颈,移植应用程序需要具备硬件架构、系统集成、性能优化和平台特定调优方面的深厚专业知识。本篇博文探讨了为什么移植应用程序不仅仅是一项“直接迁移”的任务,以及如何采用结构化、专业知识驱动的方法克服挑战。

Read more
Mar 14 2025

跨架构移植应用程序为何如此艰难

开发者经常面临跨平台移植应用程序的挑战。无论是从 x86 过渡到 ARM 或 RISC-V CPU,还是将工作负载迁移到新架构的 AI 加速器,这个过程都绝非易事。虽然移植看似只是重新编译或进行少量代码调整的简单操作,但实际情况远比这复杂得多,尤其是在 HPC 领域。

从架构差异到性能瓶颈,移植应用程序需要具备硬件架构、系统集成、性能优化和平台特定调优方面的深厚专业知识。本篇博文探讨了为什么移植应用程序不仅仅是一项“直接迁移”的任务,以及如何采用结构化、专业知识驱动的方法克服挑战。

Read more

GET IN TOUCH