新時代汽車款式各式各樣，智能，電動，等等，那么有幾個小伙伴知道汽車本身的知識呢，我相信很多小伙伴都不會很關注這些，那么小編收集到了關于一個汽車動態知識跟大家分享，希望大家看了有所幫助。

　　嵌入式軟件的作用對于自動駕駛車輛來說是至關重要的，因為它控制車輛如何感知環境，車載計算機收集實時數據，這些數據被系統用來做出決策依據，向底盤執行系統提供即時命令反饋，并最小化風險。

　　傳統的ISO 26262標準規定仿真的作用在驗證系統行為中是至關重要的，并建議在各級進行仿真。模擬的優點是測試是可重復的，并且它支持超過性能/耐久性極限和危險情況的測試能力。

　　ISO 26262提出了用于進行軟件安全需求驗證的環內模型(MIL)、環內軟件(SIL)和環內硬件(HIL)仿真。但由于缺乏仿真和測試資源，標準仿真技術可能不足以滿足所需的測試量。

　　對于自動駕駛來說，仿真測試將是技術驗證、支撐系統培訓、測試和驗證的基礎技術，尤其是基于深度機器學習的系統來說，它是“必須的”，有利于在技術部署之前帶來一些急需的驗證和信心。

　　幾乎所有的OEM公司都把連接和自動駕駛放在未來十年戰略的前沿和中心，然而，要證明這些優勢，需要OEM公司積累大量自動駕駛的測試里程。仿真可以允許OEM和其他自動駕駛技術開發人員在罕見和潛在危險的情況下測試他們的系統，而不會造成可能的真實事故。

　　理論角度，要積累數百億英里以對自動駕駛系統有信心，將需要在10年內部署至少300萬輛自動駕駛車輛進行里程測試。過去幾年，Waymo通過他們的Carcraft模擬軟件，在一天的模擬中覆蓋了2009年到2018年間他們的車輛所覆蓋的里程數。

　　根據Waymo最新發布的數據，在過去幾年公司完成了25個城市，不同時間、不同氣候、不同道路的1000萬英里實際道路測試；而目前公司每天虛擬測試里程就可以達到1000萬英里。按照計劃，到10月底，Waymo的虛擬測試里程已經突破70億英里。

　　目前，Waymo虛擬車隊部署有25000輛車，在谷歌的數據中心每天運行24個小時。

　　現在，全球有不少仿真測試平臺工具，如NVIDIA和AIMotive，都把仿真測試作為其自動駕駛解決方案的一部分，而像Cognata和Metamoto這樣的專業工具供應商也正在幫助廠商簡化將仿真集成到自動駕駛車輛開發工作流程中。

　　在近日NVIDIA提交的一份自愿性自動駕駛安全評估報告中，特別提及從收集數據到訓練，再到仿真，來構建自動駕駛車載硬件來保證開發測試的盡可能安全。

　　由于Nvidia在仿真中提供了虛擬安全驗證，它的安全報告描述了這些系統在車輛到公共道路上開始測試之前建立安全算法中所起的作用。

　　“模擬使我們能夠確保系統的安全性，證明技術，并建立與公眾的信任。”NVIDIA相關技術負責人表示，我們將能夠捕捉到很多我們無法捕捉到的東西，或者這些東西需要永遠在現實世界中才能看到。

　　目前，仿真模擬被用來回放車輛在現實世界中收集的傳感器數據，并驗證自動駕駛軟件能否合理地處理棘手的情況。例如，一輛測試車的攝像頭可以記錄夜間過街行人的視頻。軟件開發人員可以在每次更新軟件時使用該視頻，以驗證該軟件仍然正確地檢測到行人。

　　而類似Waymo的更為先進的模擬器Carcraft，能夠建立整個道路網絡，其中自動駕駛測試車輛被許多其他車輛，自行車，和行人包圍。工程師可以使用這些虛擬世界來測試和重新測試特定場景。

　　此外，越來越多的自動駕駛初創公司也在打造自己的虛擬仿真測試平臺。

　　沒有模擬器的自動駕駛開發人員今后可能甚至無法生存——這是必不可少的。在仿真平臺上訓練模型，然后用真實數據對它們進行微調，這大大減少了需要完整訓練模型的真實數據量。

　　去年，微軟開源了一個用于模擬測試安全性的高擬真的人工智能系統AirSim研究項目，能夠利用AI技術，提供逼真的環境，模擬交通工具的動力和傳感，幫助研究人員和開發者構建安全的自動駕駛系統。

　　此外，AirSim的更新版不僅包含車輛模擬、新的場景，還提供簡化編程的 API 以及即插即用的代碼，研究人員和開發者可以針對特定的需求創建所需要的場景，還可以利用 AirSim 的拓展性添加新的傳感器、車輛，甚至使用不同的物理引擎。

　　AID是奧迪（Audi）的全資子公司，擁有自動駕駛測試車隊，這些車輛運行著來自以色列人工智能和深度學習公司Cognata的自動駕駛車輛仿真平臺。該平臺負責人表示，目前社會對自動駕駛安全問題和效率的容忍度為零。為了實現這些目標，仿真是并行于擴展道路試驗大規模開發和驗證自動駕駛的關鍵技術。

　　通過與Cognata的這種多年的合作，AID選擇了實施大規模的基于云的模擬解決方案，實現端到端的仿真測試，并將支持自動駕駛車輛的整個產品生命周期。

　　AID的CTO Alex Haag表示，從他們的角度來看，仿真是開發和測試自動駕駛系統技術的關鍵部分。按照業內此前的說法，需要80億至110億英里的道路試驗來證明自動駕駛車輛的安全性達到可信任的水平。

　　隨著模擬測試工具的不斷成熟，這條開發路徑越來越類似于在傳統半導體行業使用的電子設計自動化（EDA）工具。EDA軟件始于學術界，后來被半導體制造商采納以加速芯片開發。

　　EDA技術就是以計算機為工具，設計者在EDA軟件平臺上，用硬件描述語言VerilogHDL完成設計文件，然后由計算機自動地完成邏輯編譯、化簡、分割、綜合、優化、布局、布線和仿真，直至對于特定目標芯片的適配編譯、邏輯映射和編程下載等工作。

　　從1981年開始，電子設計自動化逐漸開始商業化。最終，獨立的公司，如Cadence和Mutor圖形出現，為芯片制造商提供EDA軟件。

　　類似地，可以設想，未來自動駕駛車輛仿真軟件也有可能從自動駕駛公司構建的內部解決方案轉變為獨立公司創建的產品。

　　這或許會成為未來自動駕駛技術初創公司的一條出路。