概述
在當前汽車系統測試中，隨著自動駕駛（ADS）和高級駕駛輔助系統（ADAS）的快速發展，車輛軟件的復雜性不斷增加。為了應對上述場景測試中的復雜性，經緯恒潤研發了OrienLink數據回灌模塊（包括開環和閉環回灌），顯著提升了SiL和HiL測試可靠性和有效性，特別是在早期研發階段和冒煙測試階段。本文重點介紹了目標級開環回灌、閉環回灌和傳感器級別開環回灌的應用，以及感知閉環回灌的發展。
圖1 仿真測試系統概覽
SiL/HiL測試痛點及OrienLink數據回灌系統介紹
盡管SiL/HiL測試具備諸多優勢，但由于依賴仿真數據，確保這些數據的真實性和準確性成為一項關鍵挑戰。仿真系統需要對車輛動力學、傳感器輸入和環境條件等大量基礎數據進行模擬。然而，仿真與現實世界之間仍然存在顯著的差距，這種差距可能影響SiL/HiL測試的可靠性，使得評估結果難以準確反映系統的真實狀態。
為了彌補SiL/HiL測試中的不足，開發團隊通常還會結合實車隨機測試和場地測試進行驗證。這些測試方法在真實環境中運行，能夠提供更精確的結果。然而，由于這些測試方法往往耗時且成本高昂，在早期開發階段和后期冒煙測試階段的應用受到限制。
為了解決上述問題，我們在汽車軟件測試中引入了基于數據的開環/閉環回灌測試系統——OrienLink Data Replay Module。閉環回灌測試系統通過實時的真實數據反饋和狀態機模型優化，能夠實現車輛軟件設計、測試與驗證的高效循環[2]。例如，在規控測試中，Reactive-Replay方法利用歷史障礙物級別的感知數據對系統進行動態調整和優化。閉環仿真系統能夠在仿真過程中實時調整車輛和環境模型，確保仿真結果更接近實際情況。圖2展示了開環回灌結果與實際采集結果的對比分析報告，進一步驗證了該方法的有效性。
圖2 AEB/FCW開環回灌結果分析
數據回灌系統既可以用于SiL，基于云端的高算力，大存儲做并行仿真，也可以用于HiL測試，進行更真實的半實物仿真。同時，還可以用于多控制器系統聯合測試。其整體架構如圖3所示。
圖3 數據回灌整體架構
OrienLink Data Replay Module的主要特征包括：
· 支持規控和感知的開環/閉環回灌：靈活處理不同類型的回灌驗證，覆蓋關鍵系統。
· 支持場景泛化：通過約束隨機驗證（CRV）技術，擴展測試場景，提升驗證覆蓋度。
· 快速集成：能夠快速與HiL系統和云平臺SiL集成，高精度時鐘系統確保數據同步。
· 自動化測試評估：內置多年測試經驗和準則，支持快速、自動化的測試評估。
· 兼容多種傳感器和總線協議：適應不同系統組件的測試需求。
· 支持全流程測試管理系統集成：與測試管理系統和DevOps集成，實現測試全過程的追溯和優化。
感知閉環發展
基于AI智能體和視角合成技術（Novel View Synthesis）的感知閉環回灌系統代表了下一代仿真系統的發展方向。該系統通過加工真實傳感器采集的場景，并將其實時回灌至算法或控制器中，實現智能體與被測對象的實時交互閉環。與此同時，系統還能泛化各種可能的場景，從而顯著提高測試驗證的覆蓋度。
以下視頻為當前經緯恒潤OrienLink團隊基于以上技術的結果展示：
十字路口結果展示
參考文獻
· 經緯恒潤OrienLink 云平臺介紹：https://zhuanlan.zhihu.com/p/649653378
· OrienLink 場景泛化算法介紹：https://zhuanlan.zhihu.com/p/700280072
如需了解更多信息，請點擊鏈接，回看經緯恒潤8月22日在線研討會《如何提高仿真測試的真實性和覆蓋度》
