自动驾驶软件主要可分为三大核心部分:感知融合、规划决策和执行控制。进行自动驾驶软件的测试，实质上是针对这三大核心环节及底层基础软件进行深入细致的测试工作。

2024年3月12日，在第五届软件定义汽车论坛暨AUTOSAR中国日上，dSPACE自动驾驶业务负责人张子恒谈到，站在整个测试系统的层面而言，根据整个系统被测对象不同，可以分为开环系统和闭环系统。其中，在进行开环数据回放时，行业内主要面临四大核心痛点。

首先，处理海量的数据带宽是一大挑战，尤其是传感器产生的带宽高达30-40G/秒，这要求我们必须拥有高效的数据处理能力。其次，数据的同步性至关重要。第三，回放数据需要进行接口还原，这是一个复杂而精细的过程。最后，回注过程中可能遇到控制器或感知算法底层软件的校验问题。如果不对底层软件或回注数据进行适当的二次修改，可能会导致报错，进而影响整个测试过程的顺利进行。针对这些痛点，dSPACE提供了全面而高效的解决方案。

dSPACE自动驾驶业务负责人

以下为演讲内容整理:

dSPACE成立于1988年，是世界领先的仿真验证供应商，主要业务覆盖车联网、自动驾驶及电动化领域的研发验证。截至今年年初，我们在全球有超2600名员工，其中工程师和软件专家占比75-80%。

深耕行业三十余年，我们与时俱进，针对自动驾驶也有了相关的解决方案。下图是自动驾驶分级测试流程图，可以将自动驾驶的软件分为感知融合、规划决策、执行控制，我们在对自动驾驶进行软件测试时实际上就是对这三部分以及底层基础软件做相关测试。

图源:演讲嘉宾素材

基于此，我们如果需要对感知融合算法做测试，就可以将原始的传感器技术数据注入，该数据可以为仿真数据，也可以是路采的数据。如果需要对规划决策做测试，无需注入原始传感器数据，只需要注入目标列表的数据，观察其相关反应。

从整个测试系统层面看，我们可以根据系统被测对象的不同将其分为开环系统和闭环系统。开环系统是对感知融合的算法做相关测试，其逻辑是将路采的传感器数据注入给自动驾驶的感知融合算法，评估其结果。用真实的路采数据做数据回放和数据注入可以100%还原路上的真实情况，可靠性较高。

开环数据回放系统框图如下。我们在服务器上有大量原始数据以及标注好的数据，将原始的传感器数据回注到待测系统上，随后会输出感知融合结果。将感知融合结果与标注好的数据进行对比就可以知道其测试是否准确。

图源:演讲嘉宾素材

当前行业做开环的数据回放有四大痛点。第一，做数据回放时会面临海量的数据带宽，传感器带宽约达30-40G/秒。第二，需要考虑数据的同步性。第三，需要对回放的数据做接口还原。第四，在做回注时有些控制器和感知算法里的底层软件可能有校验，有时会报错。

针对以上问题，我们有自己的解决方案。在该解决方案中，它既是一个Hil系统，也是一个开环的Cil系统。

图源:演讲嘉宾素材

我们在服务器或云上有大量原始数据，有专门的回放数据去拉取。根据这些数据类型的不同，会将其分发到不同的硬件系统上，如视频数据会被分发到传感器接口ESA硬件上，总线数据会被分发到实时机上，两者同步后，会被注入待测的控制器，控制器上的算法即感知融合的算法，也就是待测的算法。

dSPACE数据回放测试解决方案

如果要做开环的Cil，我们的待测系统只有感知算法的软件，此时可以将前面所提到的所有软件、硬件以及实时机切换成虚拟的ESA，完成从开环的Hil到开环的CiL一键切换。但只做这种开环数据回放是远远不够的。

首先，如果只做开环的数据回放，其测试覆盖度很大程度上取决于路采数据。第二，开环的数据只能对感知融合算法做测试。如果我们需要对感知融合进行规划决策以及执行控制，甚至是对内部的底软一起做测试，就需要将传感器数据做一个仿真，形成闭环系统。我们针对闭环仿真系统也有一套解决方案。

无论是做Cil、 Hil还是云仿真，我们都将其分为三个阶段。第一阶段是准备阶段。针对做场景的仿真，我们有专门的场景仿真软件，可以做动力学以及传感器的仿真。如果是做Hil，所有的软件都会被运行在Hil的平台上；如果是做Cil，所有的软件只需被运行在我们的软件在环平台上即可；如果是做云仿真，只需要把所有软件上云。

关于场景的准备我们提供了三种方式。首先，我们有专门的场景仿真和场景准备软件去进行场景手中搭建。通过这种手中搭建可以获取任意需要的场景，但其人工成本会稍高。二是根据路采得到的数据，首先做一个AI的场景提取，提取完成后去做场景的生成、场景的抽象描述以及场景的泛化。第三，市面上有许多基于Open系列格式售卖场景库的公司，我们支持这种第三方场景库的导入，可以导进我们的工具链做场景的仿真以及场景的泛化。

第二阶段是仿真阶段。这一阶段需要考虑仿真引擎是什么。我们的仿真引擎主要有两种，一是车辆动力学交通流仿真，二是传感器的仿真。针对车辆的动力学交通流仿真，我们的软件比较成熟，国内外许多主机厂都有这套dSPACE软件。

针对传感器仿真，由于要做L3以上的自动驾驶，传感器的逼真度十分重要。对此我们有一个传感器仿真方案，名为Areader。这一方案不是所谓的战略模型，而是基于数学模型的真实、高保真的传感器仿真引擎，可以对摄像头、毫米波雷达、集装雷达做高保真的物理仿真。

整个环境中除传感器外，还有许多物理材质属性库。雷达发出一个信号打在不同的材质上所反射回来的波是不一样的。比如打在沥青的路面和塑料的路面上所反射回来的信号就有所不同。如果要做感知或传感器算法的开发，就不能忽视该差异。因此我们在仿真软件中内置了一个材料属性库，以更逼真地还原传感器的属性及行为。

完成场景准备、车辆动力学仿真以及传感器仿真后，就需要考虑待测的是什么问题。如果是做Hil，我们的待测系统就是真实的控制器，上面会有各种各样的算法；如果是做Cil，还需要额外再做一个步骤，是虚拟的控制器。由于早期没有硬件的控制器，我们需要在早期贴合真实的情况下去做测试。基于此我们也提供了控制器虚拟化方案。无论是怎样的控制器，我们都可以做虚拟化。

以CP-AUTOSAR为例，我们可以将其分为应用层、RTE以及下面的基础软件层、MCAL和OS层。我们在做虚拟化时，会根据芯片类型的不同虚拟下面的MCAL以及OS。根据用户的不同测试需求，我们也可以提供不同的虚拟化程度方案。

图源:演讲嘉宾素材

用户如果只需要做上层的应用层软件测试，我们可以将应用层以下的部分全部虚拟化，用户只需要专注上层软件做测试即可。用户如果需要对一些诊断协议或通信协议做相关测试，我们就提供第二级虚拟化方案，将下面的OS、MCAL以及部分基础软件虚拟化，其他部分则是用户的待测软件。此外，还有完全虚拟化方案，我们虚拟一个OS以及Meco，上面所有部分都是用户的待测软件。

完成场景仿真、车辆动力学仿真以及传感器仿真后，我们会提供一键生成虚拟ECU的选项，用户只需给我们提供点O、点C或X-mali的文件，就可以完成控制器的一键虚拟化。

前面所提到的所有软件，无论是场景仿真、动力学仿真还是传感器仿真，在dSPACE都是一脉相承的，我们的Cil、Hil以及云仿真，所有软件都可以通用。如果客户前期做了Cil，用户所写的各种测试应用力在后面的Hil中都可以进行复用。

dSPACE云仿真，云回放方案

Cil和Hil一次只能跑一个测试应用力，如果想并行跑多个测试应用力，就需要购买ladres或多台Hil机器。如果做云仿真，就可以利用云上近乎无限资源去做并发的高性能测试，无论是开环的测试、开环的仿真还是闭环的仿真，都可以将其放在云上完成仿真加速以及并发测试。

总体而言，Cil、 Hil和云仿真都有准备、仿真以及验证三个阶段，同时还需要准备一个仿真核心。

我们的仿真软件有诸多优点。首先，它是通过了ISO626认证的。如果用这套工具做相关测试，后期在做认证的过程中，可以避免许多麻烦。云仿真除了可以做并发的测试外，还可以帮助多团队、跨地域进行协同工作，并且其研发逻辑、测试逻辑比较符合互联网CICD以及多团队协作开发理念。

如果需要做简单的追控算法云仿真，我们只需要在doc里部署仿真以及车辆动力学的仿真和待测对象，就可以完成一个简单的追控算法云仿真。如果是做比较复杂的感知追控，闭环的系统仿真，就需要用到doc，在doc里部署不同的仿真核心。

有用户用我们的的云仿真工具做了场景仿真。如果是做Cil或Hil， 1分钟大约只能跑3-4条测试应用力。但用dSPACE的云仿真去做闭环测试，用多个测试节点，极大地提高了测试效率，缩短测试时间，1分钟完成了120条测试应用力的部署。如果我们有更多的仿真核心和云计算资源，可以在1分钟内完成更多测试应用力，极大提升用户的开发效率。