【編者按】
2021年7月20日，第九屆EEVIA年度中國電子ICT媒體論壇暨2021產(chǎn)業(yè)和技術(shù)展望研討會在深圳順利召開。會議邀請了來自ADI、英飛凌、艾邁斯歐司朗、NI、Qorvo、安謀科技、伏達半導體等多家公司的技術(shù)專家和高層管理者分享自家公司最新的技術(shù)與產(chǎn)品，與在場行業(yè)媒體和業(yè)內(nèi)工程師共同探討產(chǎn)業(yè)發(fā)展現(xiàn)狀，共話半導體產(chǎn)業(yè)新未來。
作為一家擁有40多年歷史的納斯達克上市公司，NI每年在研發(fā)上的投入超過20%。汽車是NI業(yè)務體系中一個重要的事業(yè)部，國內(nèi)較為知名的造車新勢力目前都是NI的主要大客戶。在本次會議上，NI資深汽車行業(yè)客戶經(jīng)理郭堉先生為觀眾帶來了題為《平臺化測試方案應對無限自動駕駛測試場景》的主題演講。
NI資深汽車行業(yè)客戶經(jīng)理 郭堉先生
郭堉首先介紹了?自動駕駛測試在目前所面臨的挑戰(zhàn)。“講到挑戰(zhàn)，就必須提到目前非常流行的汽車行業(yè)三大零愿景：零事故、零排放、零損耗。對零事故和零損耗這兩大愿景，我們的技術(shù)就顯得非常重要，因為我們需要ADAS里面的傳感器，包括激光雷達等感知技術(shù)，幫助我們實現(xiàn)L2到L4級的自動駕駛，以及識別目標物，從而做避障。” 郭堉指出。
目前自動化駕駛有四個趨勢：第一，電子電氣結(jié)構(gòu)從原來的傳感器都有ECU演變到后續(xù)都用中央域控制器進行處理；第二，目前的法規(guī)還不是特別完善，對于國內(nèi)來講，場景庫搭建也不是非常完善；第三，軟件定義汽車，軟件的投入和軟件的測試非常重要；最后，AI和深度學習，這一部分主要就是部署在ADAS里面的一些算法，通過真實的道路場景，不斷優(yōu)化ADAS的算法，然后更好地識別目標物，從而使安全性有更大的提升，消費者也會更加信賴NI的全自動駕駛的模式。
圖 源：易維訊
由上述趨勢帶來的測試挑戰(zhàn)有四點：第一，測試的復雜度日益增加；第二，自動化測試的硬件和軟件需要有不斷的迭代和更新，包括提供完整的工具鏈，幫助工程師最大化工作效率，不需要一直學習新的工具；第三，非常緊迫的測試開發(fā)流程和周期，郭堉表示，NI的汽車業(yè)務在未來會越來越朝著消費類電子的模式去發(fā)展，隨著造車新勢力的不斷增加，公司需要快速做驗證的平臺來最大化測試效率；第四，更多的仿真“目前消費者對特斯拉的自動駕駛安全性還是有存很大的疑慮，我們需要很多真實的場景不斷地訓練算法。如果部署很多車隊，讓它去跑真實的道路，要花費的成本和時間無法想象，所以我們就需要構(gòu)建一個非常高保真度的軟件測試環(huán)境，去訓練AI的算法，幫助我們識別目標物，從而達到避障和主動駕駛的功能。” 郭堉解釋道，“產(chǎn)品的復雜度日益增加，汽車價格一直在降。所以我們必須采用新的測試方法，改變整個測試思路，不同于傳統(tǒng)汽車的測試，我們對于ADAS全新的技術(shù)框架，需要找到一個新的測試方法。”
下圖是常見的一個V字型汽車測試研發(fā)和驗證流程，左邊為設(shè)計環(huán)節(jié)，從最底層系統(tǒng)的要求，慢慢部署到每一個子部件的研發(fā)，主要會依賴于軟件（包括原型驗證的環(huán)節(jié)），右邊是從部件的測試，再上升到整車級的，比如NVH可靠性的測試。“以往都是更多精力投入在右邊的測試環(huán)節(jié)，尤其是整車測試，但是隨著ADAS技術(shù)的不斷完善，我們更需要的是左邊，測試需求向左移，我們需要更多進行軟件測試，提高測試效率。” 郭堉講道。
接下來，郭堉為大家分析了自動駕駛測試的現(xiàn)狀和未來。
上圖是NI在5月份邀請很多公司的測試總監(jiān)、測試主管做的問卷調(diào)查。問卷結(jié)論顯示大家共同的需求是通過仿真測試提高效率。
為什么目前還不能達到未來的狀態(tài)呢？郭堉指出了主要的幾個難點：
缺少高保真度的模型和場景。“沒有這個高保真度的模型和場景，我們無法去媲美真實采集到的道路狀況，我們通過仿真的方法沒有辦法保證ADAS汽車路面上和場景中跑的結(jié)果一樣。” 郭堉講道。
目前很多廠商之間的鏈路沒有打通，需要很多工程師去打通各個廠商之間的鏈路，從而測試的流程和工具鏈需要重新進行學習，不同的廠商需要學習不同的硬件。
另外，中國還沒有出臺非常明確的法規(guī)，特別是中國特定的場景庫。現(xiàn)在所有的場景庫很多都是從歐美來的，中國急需搭建自己的高保真仿真庫。
“下圖是非常典型的做ADAS測試驗證的工作流程，左邊是動態(tài)的數(shù)據(jù)。我們需要把它用一套系統(tǒng)錄制下來，錄制的越真實，數(shù)據(jù)可靠性越高。錄制完數(shù)據(jù)后，首先要打標簽，打標簽完后，就可以對數(shù)據(jù)進行重構(gòu)。這里就要提到數(shù)據(jù)孿生的技術(shù)，我們可以把這個重構(gòu)的數(shù)據(jù)通過軟件重構(gòu)為一個虛擬的場景，這個場景要求的可靠性是比較高的。另外我們可以把這個數(shù)據(jù)進行數(shù)據(jù)管理，然后進行測試。之后把這個數(shù)據(jù)和高保真場景一起進行硬件在環(huán)仿真，最后加上硬件，再進行硬件在環(huán)仿真。” 郭堉介紹道。
首先是數(shù)字孿生和仿真測試，數(shù)字孿生是目前非常火的概念。以谷歌為例，Waymo一天之內(nèi)可以跑2000萬英里的路程，Waymo是做L4的自動化駕駛的公司，它必須要一天之內(nèi)跑大量的數(shù)據(jù)，驗證它的算法是可靠的。花費大量的時間和金錢，用幾千輛車去跑是不現(xiàn)實的。因此，99.9%的測試都是通過仿真進行，仿真測試的數(shù)據(jù)可靠性就變得十分重要。如何保證數(shù)據(jù)是真實的，可以跟真實的道路匹配，并且可以給傳感器一個真實的反饋，就是上文提及的挑戰(zhàn)。
NI在今年正式宣布收購了monoDrive公司，可以通過monoDrive的數(shù)據(jù)進行數(shù)據(jù)重構(gòu)和孿生。下圖是一張效果圖，上面一張圖是在美國奧斯汀實際錄制的場景，下面一張圖是通過monoDrive進行數(shù)字孿生，重構(gòu)的一個高保真度的場景。“因為我們手工去創(chuàng)建這樣的場景是非常費時費力，而且還不是真實的道路情況，沒有辦法還原一個真實的道路情況。monoDrive可以把樹葉、欄桿、地面上的標志圖形完整地復現(xiàn)出來。目前只有monoDrive這個軟件可以做到。” 郭堉表示。
除了道路狀態(tài)，monoDrive也可以仿真出天氣，包括路面的一些積水狀況。“我們這個monoDrive軟件可以強大到把路燈、垃圾筒表面的參數(shù)系數(shù)，反射系數(shù)都實時地表現(xiàn)出來，甚至日落黃昏。中國幅員遼闊，每個地方都仿真的難度很大，我們需要這樣一個套件，快速地幫助我們創(chuàng)建中國的場景，這樣才可以去驗證算法，非常快速地迭代ADAS的算法。” 郭堉說道。
光有仿真不夠，NI也用軟件平臺做道路實時數(shù)據(jù)。目前特斯拉都是用攝像頭，但是現(xiàn)在絕大部分OEM廠會有毫米波雷達、激光雷達、超聲波雷達等傳感器。當下很多的算力可以支持12路的攝像頭，甚至是高清攝像頭，所以對錄制的要求會有造成諸多挑戰(zhàn)，其中包括硬件接口。只有這些數(shù)據(jù)都是同步被記錄下來，才是真實有效。由于數(shù)據(jù)量巨大，NI提供了PXI平臺，把所有數(shù)據(jù)保存下來，并且支持把大量數(shù)據(jù)上云端，比如跨國公司的子公司要把數(shù)據(jù)重復利用，NI就可以將其上傳到微軟云等。
另外值得一提的就是硬件在環(huán)仿真（HIL）。“我們要測的對象一般都是ECU里面的控制部分，或者ECU里面的算法。我們就需要去模仿外圍的設(shè)備,讓ECU以為連接的是真實的電機。比如說我們用軟件可以導入模型，這些模型的來源也是我們非常看中的，用數(shù)學的方式去表達。NI就提供了這樣一個硬件，包括FPGA的板卡，比如說我們的電機模型需要非常快的響應，F(xiàn)PGA板卡就可以提供納秒級的運算，把模型給部署到FPGA的可編程門陣列的板卡里面。編輯到系統(tǒng)里面可以達到毫秒級的運算，就可以跑車輛動力學模型，就可以真實的反饋車輛在虛擬場景中如何運轉(zhuǎn)。接下來連到DUT，這就是用AI完整的鏈路和平臺，包括軟件去實現(xiàn)的一個框架。” 郭堉為大家講解道。
演講最后，郭堉表示，NI不僅基于自己的硬件和軟件可以做一些測試，同樣會支持友商的接口，所以NI是開放的公司，提供各種豐富的接口，作為連接者，去連接不同友商、不同協(xié)議、不同廠商的場景仿真軟件，一起攜手給客戶提供整個交鑰匙的方案。
