为什么在开发过程中不安全的自动驾驶汽车系统无法通过。
MSC软件Luca Castignani博士
2月，McAfee揭露了路试与自动驾驶汽车传感器实际性能之间惊人的差距。在一个演示中，迈克菲使用一条胶带将一个特斯拉汽车欺骗，使其在35英里/小时的区域内加速到85英里/小时。
使用类似的图像识别系统，此类故障可能会影响4000万辆汽车。更麻烦的是，困扰自动驾驶汽车系统的许多其他潜在缺陷也有可能被暴露。那么，为什么在设计，工程和预生产期间仍然无法发现这种严重的安全缺陷？
答案很复杂，但部分原因在于真实世界中发生的事件，而这些事件根本无法通过真实世界的道路测试来涵盖。自动驾驶汽车制造商称之为“边缘情况”的事故，例如用胶带纸改变速度标志，这种罕见的情况是自动驾驶汽车不太可能在道路测试中遇到，但实际上可能会发生。
自主系统可能无法理解其训练数据范围之外的情况，因此人类可以轻松应对的极端情况可能会愚弄自主驾驶系统。例如，如果您在欧洲的路标上训练系统并将车辆出口到美国，则必须确保它能够理解不同的国家交通法规。
需对经过训练以识别英语道路标志的自动驾驶系统进行培训，以便可以识别日语的等效标志。也许并不那么难-但是在另一个国家对相同的交通信号灯进行不同的解释时会发生什么呢？在美国，您可以在红灯亮时向右转，但在意大利，驾驶员会希望有额外的灯来过滤向右转的交通。
为了确保车辆能够应对所有已知情况，必须考虑区域差异。如果通过路测来解决，地区差异将要求在每个出口国精心策划测试活动，从而迅速使该方法不可行。总是会出现诸如道路标志反映在隧道中或交通信号灯故障的场景，车辆在路试中从未见过这种情况，但可能会使自动驾驶系统在现实世界中蒙蔽。
但是，路测可以帮助发现异常情况。有什么比在雨中开车穿过隧道来看看自动潜水系统如何应对更现实的呢？具有讽刺意味的是，问题是不可能在一周后复制相同的条件（天气，交通等）来测试更新后的系统是否能够提供所需的响应。现实世界中没有两个道路条件或危害是完全相同的。但是，虚拟测试可以复制完全相同的方案，以验证系统的安全响应。
例如，VIRES VTD软件用于通过模拟场景来测试高级驾驶员辅助系统（ADAS）和自动驾驶系统，以便制造商和技术公司可以测试车辆及其组件系统。为了测试自动驾驶汽车，公司使用该软件通过导入路测的3D扫描来复制已知情况。但是开发人员还可以测试他们设计的边缘案例-从暴风雪中的麋鹿到繁忙的城市中的电车穿越交通。
仿真还可以帮助公司确定应如何设计V2I基础架构和V2V网络系统。这样的基础设施为自动驾驶汽车的安全性带来了广阔的前景，因为带有传感器的车辆之间的通信有效地为车辆计算机提供了更多的输入，为自动驾驶汽车提供了更多的数据以供决策。同样，这种额外的输入带来了必须教AI解释的新的复杂性。
培训是无人驾驶汽车测试与常规工程快速不同的地方。车辆动力学工程师可以在规定的条件下模拟车辆的响应，以确定悬架的改进是否改善了操控性–原因和结果。但是，要测试AI算法的响应方式，我们必须创建一个多样化的虚拟世界，将其暴露于尽可能多的场景中-从全天候感知到交通情况，再到相关的车辆错误。在云中同时运行数千个模拟，可以每天检查数百万英里的汽车行为，以识别可以向自动驾驶系统传授新知识并证明其在所有情况下均能正常工作的独特场景。
然而，要为车辆提供多样化的数据集，就需要可互操作的仿真软件，因此，时间会花在高价值任务上，例如设计和测试新方案，而不是转换数据。领先的汽车制造商现在正在采用开放标准，例如ASAM OpenDRIVE，OpenCRG和OpenScenario，它们可以使软件，ADAS和机械工程功能进行协作。诸如此类的举措正在减少整个供应链的开发和测试障碍。
开放标准应扩展到道路测量和地图，以便数据生产者，行业利益相关者和开发人员可以轻松共享它们，以加快技术和法规的发展。开放标准将使访问公共调查或许可商业数据，访问大型基础数据集以及代表全球道路和环境状况的更多样化数据变得更加容易。尽管测试结果可能受到严格保护的IP，但我们可能希望看到更多OEM合作来捕获道路数据并避免重新发明轮子。这种合作将使OEM厂商将其资源集中在研究和设计有效的测试策略上，以提高其产品的安全性和舒适性。
将安全的无人驾驶汽车推向市场是一项巨大的技术挑战，而我们为实现这一目标付出了自己而不是几十年的努力。开放标准为硅谷和斯图加特的自动驾驶汽车开发商提供了加速研发的机会&D拥有比他们希望孤立的更多的数据和更多的方案多样性。开放标准已经在促进整个供应链中系统和硬件的有效测试。也许最重要的是，开放标准为公路代理机构生成数据，认证机构和保险提供商与行业同步进步，将自动驾驶汽车推向我们的道路提供了急需的通用语言。
