場景仿真與驗證的案例
自動駕駛驗證的多重場景仿真
了解先進駕駛輔助系統和自動駕駛系統是否已充分測試
先進駕駛輔助系統和自動駕駛車輛的驗證和確認框架，將數據管理、測試自動化和結果后處理功能融合到無縫工作流中
汽車不能只在特定用例下驗證合格，而在異常情況下卻依賴駕駛員接管。隨著自動化程度的不斷提升，測試用例的數量顯著增加。
為了構建驗證和確認框架來實現不同交通狀況的大量仿真以確認整車性能，需要解決兩方面關鍵要素：測試自動化工具鏈與車輛的準確虛擬表示、傳感器與環境。
注冊參觀看此網絡研討會，了解將數據管理、測試自動化和結果后處理功能融合在一起的無縫工作流。
探索：
融合了幾種產品（Simcenter Prescan、HEEDS 和 Amesim）的無縫工作流
能夠自動創建和執行的場景和多種仿真
高度細化且準確的場景創建
點擊鏈接 獲取完整內容：http://avz6v7gw1lfs7v7u.mikecrm.com/9hNbL9z
展開 面向自動駕駛車輛驗證的抽象仿真場景生成
目前的自動駕駛車輛驗證方法，如陰影驅動或基于注釋圖像的測試，成本高，速度慢。因此，建模與仿真是實現自動駕駛車輛驗證目標必不可少的工具。
本文提出了一種用于自動駕駛車輛驗證的抽象仿真場景生成框架。
場景和相關斷言由基于矩陣的語義語言定義，并在仿真中轉化為測試場景。該框架允許設計所有可能的道路拓撲并驗證生成的場景。框架中生成的場景為其他平臺中可能的罕見條件擴展測試提供了基本事實。這項工作有四個主要貢獻：
開發了一種模擬方法，在生成場景時使用語義語言定義場景。
提出了一種在模擬中用每種可能的線或曲線組合組成道路的方法，這對于實現真實道路的建模至關重要。
定義了一種方法，將不同車道數的路段相互縫合，而不會在模擬中產生錯誤。
為建議方法中的每個附加路段提出了一種自我驗證方法，這對模擬效率至關重要。
目前的大多數方法都是針對整車堆棧進行測試，從場景感知和理解到在場景中做出行動決策。在我們的方法中，我們主要關注決策步驟。換言之，我們的方法旨在測試被測AV的決策，在任何其他條件下都沒有任何問題。這個焦點決定了仿真平臺。該框架需要對物理世界進行簡單的建模，而不需要對環境條件進行詳細描述。為此，選擇MATLAB作為仿真平臺。MATLAB ADAS工具箱將場景中的參與者簡單地表示為方框。
圖1顯示了模擬框架組件的分解。中間的灰色區域是AV的大腦，通過輸入創建的場景運行。頂部的模塊定義了用戶如何與框架交互以生成場景。仿真框架從主程序開始，主程序有一定的調整和輸入選項。然后根據這些輸入隨機生成場景，并將其輸入到實際模型中。
展開 康謀分享 | 物理級傳感器仿真：破解自動駕駛長尾場景驗證難題
其優勢包括：
（1）跨平臺協同建模：格式通用，支持 ASAM OpenDRIVE、OpenSCENARIO、OSI 等；
（2）適用于感知仿真：雷達、攝像頭、LiDAR 均可引用同一材質庫；
（3）動態結構兼容：支持如車輪等運動部件的層次結構定義。
融合意義：物理建模所依賴的不只是參數，更是材料本身——OpenMATERIAL 3D 從源頭打通了場景物理真實與傳感建模之間的壁壘。
aiSim Archer：對全新OpenMATERIAL 標準 (ASAM OpenMATERIAL?3D)進行了實現。
05 物理建模與標準的行業協同
從鏡頭畸變模型、CMOS 噪聲鏈到 LiDAR 多回波和天氣衰減，物理級建模讓仿真的“數據表現”不再是肉眼看起來真，而是“行為上真實”。而標準化的材料規格，如 ASAM OpenMATERIAL 3D，更是將它推向行業共識。
這一切，最終目標都是構建一個“可信仿真”的閉環：真實物理參數驅動的模型 → 標準化定義的材料屬性 → 支持跨平臺共享與驗證 → 支撐自動駕駛場景真實測試與算法驗證。
而將這些關鍵模塊實現并集成于仿真平臺中（即 aiSim 所專注的），才是落地這一周期驗證環路的技術核心。
具體的 Raw 圖參數調教示例、LiDAR 參數配置樣板或圖示優化建議可獲取
展開 一文了解面向無人駕駛感知系統的仿真驗證技術
所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是，當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術，可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 
開關旋鈕復合操作可靠性測試：從場景模擬到性能驗證
而專業的測試設備，能全面模擬各類場景，為產品質量保駕護航。
在環境適應性測試中，高低溫濕熱試驗箱可模擬 40℃、95% 濕度的潮濕環境及 - 30℃超低溫環境，搭配高速攝像設備，能捕捉旋鈕復合操作時的表現與形變，分析環境對其性能的影響。三軸振動臺則可模擬汽車行駛等場景的振動，測試旋鈕在振動下復合操作的可靠性。
結構耐久性測試方面，復合疲勞測試機能設定旋轉角度、按壓力度等參數，以特定頻率進行數萬次循環操作，結合扭矩傳感器和響應時間測試儀，實時監測性能變化，精準判定失效臨界點。針對不同材質，還有專業設備檢測鍍層磨損、阻尼脂流失及彈性元件微觀裂紋。
全自動扭力試驗機WH-1301-T
交互安全性測試中，力控設備可模擬側向力、突然軸向壓力等非預期操作，測試防誤觸能力。
這些測試設備從多維度全面驗證多模式旋鈕的復合操作可靠性，為企業優化產品設計、提升品質提供有力支持，助力產品在市場中更具競爭力。
全自動荷重試驗機WH-1207-XY
多模式旋鈕的復合操作可靠性，是產品用戶體驗與安全性能的核心保障。從環境適應性到結構耐久性，從交互安全性到信號穩定性，全面的測試體系不僅能暴露設計缺陷，更能為材料選擇、結構優化、工藝改進提供數據支撐。隨著旋鈕功能向智能化、集成化發展，復合操作的測試標準也將不斷升級，最終實現 “旋轉精準、按壓可靠、協同無間” 的終極目標。
現代汽車人機交互系統對多功能控制的需求日益增長，多模式旋鈕（集成按壓+旋轉功能）因其節省空間、操作直觀等優勢，已成為中控系統的關鍵部件。為確保這類旋鈕的長期可靠性，必須進行系統性測試。多模式旋鈕的復合操作可靠性需從機械耐久性、電子信號、環境適應性、用戶體驗四個維度綜合驗證。
展開 【技術貼】AVL Scenario Designer：面向自動駕駛功能開發、測試和驗證的場景編輯工具
自動駕駛功能開發和驗證面臨著諸多挑戰，其中之一就是“如何預測不可預測的事件”。因為在真實駕駛環境下可能出現不可預測的場景，那么對于ADAS/AD控制器，就需要盡可能多的場景來進行驗證和“訓練”。而虛擬開發和測試也是被工業界、學術界和立法界廣泛認可的應對方案。采用仿真方式對真實世界進行模擬，通過代表性的關鍵場景進行預測，并結合先進的數據分析算法，能夠有效地提高真實場景的覆蓋率。
▲ 圖1：自動駕駛相關規范和標準
將真實世界轉化為虛擬世界是一項非常復雜而繁瑣的任務，世界各國和各個組織為此提供了相關標準和規范，其中被業內廣泛熟知和認可的是ASAM的Open X系列標準，該標準對自動駕駛道路和場景的描述被命名為OpenDRIVE和OpenSCENARIO，該標準采用分層的方式描述真實道路場景。其中，OpenDRIVE定義了場景的靜態部分：包括道路的拓撲結構、車道、交通標志、交通燈等；OpenSCENARIO定義了場景的動態部分：如車輛的運動、行人的走動等。
▲ 圖2：OpenDRIVE及OpenSCENARIO
面對真實場景的復雜性，OpenSCENARIO定義了大量物體及動作描述性元素（Scenarios, Roads, Objects, Actors, Catalogs, Properties, Triggers, Actions, Events, Maneuvers, Routing, Trajectory etc.），這些元素在XML語言環境下組織形成完整的場景描述文件。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 如何閉環自動駕駛仿真場景，實現從“重建”到“可用”？
一、引言
在自動駕駛技術飛速發展的當下，高精度、高保真的仿真場景構建成為關鍵。3D Gaussian Splatting（3DGS）憑借高效渲染與逼真場景還原能力，逐漸成為三維重建與仿真領域的焦點。然而，實際應用中，如何將多源異構數據高效轉化為可用的 3DGS 場景，如何保障場景與真實環境的一致性，成為了行業難題。
針對3DGS 落地自動駕駛仿真的核心痛點， aiSim 打造從原始數據標準化到高保真仿真驗證的全流程方案：用 aiData 工具鏈讓多源數據有序協同；借算法組合保障場景高度逼真；以 GGSR 渲染器實現 “高效 + 真實” 渲染閉環；并能自由配置暴雨、夜晚等環境，模擬多模態傳感器，疊加虛擬交通流，覆蓋自動駕駛極端測試工況。
二、3DGS 底層技術剖析
3DGS 是一種基于 3D 高斯分布的三維場景表示方法，其核心在于將場景中的對象轉化為多個 3D 高斯點，每個高斯點就像一個攜帶豐富信息的 “數據膠囊”，囊括了位置、協方差矩陣和不透明度等關鍵信息 ，以此勾勒復雜場景的幾何輪廓與光照特性。
從構建流程來看，3DGS 首先借助 SfM（Structure from Motion）技術開啟數據預處理征程。該技術通過對多視角圖像的分析，校準相機位置并精準恢復其內部和外部參數，進而生成稀疏點云，為后續的場景構建搭建起基礎框架?；谶@些稀疏點云，一組 3D 高斯點被初始化，每個高斯點的位置、協方差矩陣和不透明度等初始值得以設定。
在訓練階段，3DGS 不斷對高斯點的位置、形狀和不透明度進行精細調校。3DGS 創新性地采用自適應密度控制策略，在每次反向傳播后，去除那些對場景表達貢獻較小的不重要高斯點，并依據場景細節的需求對高斯點進行分裂或克隆操作 。
對比傳統的神經輻射場（NeRF）方法，3DGS 凸顯優勢。
展開 5G仿真解決方案 | 通信場景仿真與探索
統一界面、統一接口，從部件級仿真設計、信道場景建模到系統級鏈路建模分析與優化，從而滿足5G新通信的設計需求，為5G通信系統級通信鏈路仿真提供了無縫工作流程，為廣大的5G從業者提供了便利的解決方案，為5G信道場景仿真開啟了全新的應用領域。
仿真APP—面向特定場景的專用仿真工具
仿真APP，是基于自主通用多物理場仿真平臺Simdroid無代碼化封裝，面向特定場景的專用仿真工具?？晒袒?em>仿真模型、流程、知識、經驗等，通過仿真APP商店—Simapps實現云端部署與在線應用，為各行各業提供仿真支持。仿真APP能輔助產品研發，也能提供產品使用場景的仿真分析，幫助用戶科學合理地使用產品。賦能合作：
https://www.simapps.com/v2/ad/app
仿真APP的特點與價值
1、固化工業知識&仿真模型：
具象化工程實踐與仿真知識，形成行業化、專業化、場景化應用
2、參數化、全自動，基于瀏覽器操作、簡單易用
移動端、桌面端，輸入參數在線計算，即可獲得專業仿真結果
3、賦能工業品：
每一個仿真APP都是每一個產品物理實體的數字孿生體
4、可視化仿真開發環境：
無需掌握編程語言，圖形化交互界面，無代碼化便捷完成仿真APP開發工作
仿真APP賦能千行百業
相較于傳統CAE仿真軟件，Simapps實現了仿真APP的云端部署和在線應用，用戶無需理解仿真操作系統和開發過程，也不需要安裝任何仿真軟件，只需登陸Simapps就可以實現在線仿真計算，更加靈活、輕巧、易用。廣大制造企業用戶可以零門檻低成本、跨平臺跨終端、隨時隨地使用仿真APP，提升產品設計效率，降低研發成本，縮短研發周期。 同時，仿真APP也可編譯成可執行文件（exe格式），可脫離軟件平臺在任意電腦端使用。仿真APP賦能每一個工業品，助力企業提升產品競爭力。
展開 自動駕駛虛擬仿真技術（三）：仿真測試場景數據格式
表 2 動態仿真場景要素
環境要素
屬性
光照
強度、顏色、方位
霧/霾
能見度、范圍、濕度、密度、反射衰減
雨雪
降水量、濕度、反射衰減
風
強度、方向
云
相對位置
可以看出，環境場景數據相當復雜，目前行業內尚無通用的環境場景數據格式，在后續的OpenSCENARIO標準中計劃納入該部分數據。
自動駕駛虛擬仿真技術（一）：自動駕駛虛擬仿真概述
自動駕駛虛擬仿真技術（二）：仿真測試場景設計
設計仿真 | 直播預告-場景仿真在智能LED大燈測試中的應用實踐
海克斯康工業軟件VTD作為智能駕駛車輛（系統）虛擬仿真測試全棧式解決方案提供商，為智能LED大燈的開發和測試提供了以虛擬場景為基礎的仿真測試，可滿足算法開發不同階段測試需求，實現SIL/HIL等在環測試系統的構建，有效地提升了智能大燈的開發效率，降低產品的測試成本。
本期直播海克斯康講堂請到了技術專家謝錦程為我們帶來場景仿真在智能LED大燈測試中的應用實踐，從智能LED大燈的測試原理、解決方案到實際應用等方面展開詳細講解，歡迎預約報名！
2月29日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
?? 智能LED大燈技術在當前智能化車輛中的應用
?? 基于VTD的智能LED大燈仿真測試原理及解決方案
謝錦程
?？怂箍倒I軟件技術專家
具有豐富的智能駕駛車輛在環測試系統開發與調試工作經驗，負責基于VTD的智能駕駛仿真解決方案以及相關二次開發工作。
展開 雷達場景仿真測試如何助力自動駕駛研發？
在這個過程中，仿真測試是新技術研發必不可少的環節。針對目前自動駕駛研發中，對于真實仿真場景測試的需求，是德科技推出了雷達場景仿真器，用于雷達傳感器和算法研發。汽車制造商可以在實驗室中測試復雜的真實場景，從而加快自動駕駛研發進程。
是德科技雷達場景仿真器
傳統測試方法存在的問題
任何一項自動駕駛新技術，在正式投放市場之前，都必須通過大量測試來驗證其性能和可靠性。通常，業內常用的測試方法有兩種。一是，基于軟件仿真，在實驗室進行場景模擬。二是，通過實際的道路測試，獲得真實數據。這兩種測試方法各有優缺點。前者，測試效率非常高，但是虛擬數據很難代表真實場景。后者，測試場景真實，但是測試效率及測試成本都不甚理想。尤其，一些涉及人身安全的特殊場景，如車輛橫穿馬路、逆行等，在實際的路測中很難構建。
對此，是德科技汽車與新能源事業部大中華區業務拓展經理祝曉悅認為：“不管是用純軟件的還是用真實的道路測試，都會體現出比較多的局限性。理想的解決方案是，軟件測試中加入更多的真實元素，也就是把更多實車場景搬到實驗室里面進行測試，只要有合適的工具能足夠精確地模擬實際道路場景就可以了。”
若要將真實道路場景搬進實驗室進行仿真測試，其難點在于如何讓車輛更真實地看到道路場景。就傳感器而言，就是要讓攝像頭或雷達真實地探測到所有的目標信息，從而準確地傳遞給ECU，通過算法做出執行判斷。
當前的雷達傳感器測試方案，有些使用多個雷達目標仿真器（RTS），每個 RTS 都向雷達傳感器呈現多個點目標，并通過機械移動天線來仿真水平位置和垂直位置，這種機械式的自動化操作延緩了整體測試速度。
展開 