Thomas Goetzl是Keysight汽车和能源解决方案副总裁

未来不太遥不可及的汽车完全自动驾驶的车辆有望在汽车安全和运输效率方面取得巨大增长。但是为了履行这一诺言，汽车OEM必须超越当代的车辆自治水平。实现这一目标将需要克服一系列独特的挑战，用于测试高级驾驶员辅助系统（ADA）和自动驾驶系统中的汽车雷达传感器，以及开发用于培训算法的新方法，这些方法常规解决方案无法解决。

SAE International（以前是汽车工程师协会）定义了六个级别的车辆自主权，其中0级代表完全手动，5级代表完全自主。

当今最先进的自动驾驶汽车系统仅评估3级，这意味着他们能够在不干预的情况下做出一些决定，例如加速或制动。从第3级到5级将需要许多突破，包括缩小软件模拟和道路测试之间的差距，以及培训ADAS和自主驾驶算法到现实世界中的条件。

Keysight的最新创新，雷达场景模拟器（RSE），在弥合这些差距方面有很长的路要走。

软件仿真在自动驾驶汽车开发中起着重要作用。通过软件模拟环境可以帮助验证ADA和自动驾驶系统的功能。但是，仿真无法完全复制现实世界的驾驶条件或传感器响应不完善的潜力 - 完全自动驾驶的车辆将不可避免地要与之抗衡。

OEM依靠道路测试来验证ADA和自动驾驶系统，然后才能将其推向市场。尽管道路测试是并且将继续是开发过程的重要组成部分，但在控制环境条件的领域中，它耗时，昂贵且难以重复。仅依靠道路测试来开发足够可靠的车辆，可以在100％的时间内安全地驾驶城市和乡村道路。为了在现实的时间范围内进行开发，需要培训算法。

验证基于雷达的自主驾驶算法是至关重要的任务。传感器捕获有关道路和交通状况的信息，并将该信息提供给处理器和算法，使其能够决定车辆应如何应对任何给定情况。如果没有适当的培训，自动驾驶汽车就可以做出破坏驾驶员，乘客或行人安全的决定。

正如人们随着时间和经验而成为更好的驱动因素一样，自主驾驶系统可以提高他们通过时间和培训来应对现实世界驾驶条件的能力。实现5级自治将需要超过最佳人类驾驶员能力的复杂系统。

未经证实的ADA和自动驾驶系统的过早道路测试也会产生风险。OEM需要模拟现实世界情景的能力，以验证实际传感器，电子控制单元代码，人工智能等。

当前基于实验室的仿真解决方案不能提供真实世界驾驶场景的真实近似值。他们的视野有限，无法在距离不到4米的距离处解决对象。其中一些系统使用多个雷达目标模拟器，每个介绍点目标用于雷达传感器，并通过机械移动天线来模拟水平和垂直位置。这种机械自动化会减慢整体测试时间。其他解决方案创建了只有几个目标模拟器的天线墙，从而使对象能够出现在场景中的任何地方，但不同时出现。在静态或准静态环境中，这种方法可以通过少数目标以受机器人臂速度限制的速度横向移动的目标进行测试。

当前的模拟器最多只能模拟32个物体，包括车辆，基础设施，行人，障碍物和其他物体。这比在任何给定时间遇到的车辆可能遇到的车辆要少得多。测试雷达传感器针对有限数量的对象提供了驾驶场景的不完整视图，并掩盖了现实世界的复杂性。

为了将自主驾驶技术提高到4级和5级自主权，汽车OEM需要能够更快且距离更近的距离进行更多物体的解决方案。为了帮助弥合这些间隙，Keysight开发了一个专有的可伸缩仿真屏幕，该屏幕结合了数百个微型目标雷达模拟器，并可以在距离处最多可模拟高达512个物体，直至1.5米。结果是一个确定性的现实环境，用于实验室测试复杂场景，以前只能在道路上进行测试。

我们在Keysight为这些技术突破以及由此产生的雷达场景仿真器感到非常自豪，这是我们自动驱动仿真（ADE）平台的关键部分。我们认为，这项技术在弥合5级车辆自治的道路上的两个重要差距方面有很长的路要走，从而带来更安全，更有效的运输，而致命事故较少，交通浪费的时间更少。