概述
在当前汽车系统测试中，随着自动驾驶（ADS）和高级驾驶辅助系统（ADAS）的快速发展，车辆软件的复杂性不断增加。为了应对上述场景测试中的复杂性，经纬恒润研发了OrienLink数据回灌模块（包括开环和闭环回灌），显著提升了SiL和HiL测试可靠性和有效性，特别是在早期研发阶段和冒烟测试阶段。本文重点介绍了目标级开环回灌、闭环回灌和传感器级别开环回灌的应用，以及感知闭环回灌的发展。
图1 仿真测试系统概览
SiL/HiL测试痛点及OrienLink数据回灌系统介绍
尽管SiL/HiL测试具备诸多优势，但由于依赖仿真数据，确保这些数据的真实性和准确性成为一项关键挑战。仿真系统需要对车辆动力学、传感器输入和环境条件等大量基础数据进行模拟。然而，仿真与现实世界之间仍然存在显著的差距，这种差距可能影响SiL/HiL测试的可靠性，使得评估结果难以准确反映系统的真实状态。
为了弥补SiL/HiL测试中的不足，开发团队通常还会结合实车随机测试和场地测试进行验证。这些测试方法在真实环境中运行，能够提供更精确的结果。然而，由于这些测试方法往往耗时且成本高昂，在早期开发阶段和后期冒烟测试阶段的应用受到限制。
为了解决上述问题，我们在汽车软件测试中引入了基于数据的开环/闭环回灌测试系统——OrienLink Data Replay Module。闭环回灌测试系统通过实时的真实数据反馈和状态机模型优化，能够实现车辆软件设计、测试与验证的高效循环[2]。例如，在规控测试中，Reactive-Replay方法利用历史障碍物级别的感知数据对系统进行动态调整和优化。闭环仿真系统能够在仿真过程中实时调整车辆和环境模型，确保仿真结果更接近实际情况。图2展示了开环回灌结果与实际采集结果的对比分析报告，进一步验证了该方法的有效性。
图2 AEB/FCW开环回灌结果分析
数据回灌系统既可以用于SiL，基于云端的高算力，大存储做并行仿真，也可以用于HiL测试，进行更真实的半实物仿真。同时，还可以用于多控制器系统联合测试。其整体架构如图3所示。
图3 数据回灌整体架构
OrienLink Data Replay Module的主要特征包括：
· 支持规控和感知的开环/闭环回灌：灵活处理不同类型的回灌验证，覆盖关键系统。
· 支持场景泛化：通过约束随机验证（CRV）技术，扩展测试场景，提升验证覆盖度。
· 快速集成：能够快速与HiL系统和云平台SiL集成，高精度时钟系统确保数据同步。
· 自动化测试评估：内置多年测试经验和准则，支持快速、自动化的测试评估。
· 兼容多种传感器和总线协议：适应不同系统组件的测试需求。
· 支持全流程测试管理系统集成：与测试管理系统和DevOps集成，实现测试全过程的追溯和优化。
感知闭环发展
基于AI智能体和视角合成技术（Novel View Synthesis）的感知闭环回灌系统代表了下一代仿真系统的发展方向。该系统通过加工真实传感器采集的场景，并将其实时回灌至算法或控制器中，实现智能体与被测对象的实时交互闭环。与此同时，系统还能泛化各种可能的场景，从而显著提高测试验证的覆盖度。
以下视频为当前经纬恒润OrienLink团队基于以上技术的结果展示：
十字路口结果展示
参考文献
· 经纬恒润OrienLink 云平台介绍：https://zhuanlan.zhihu.com/p/649653378
· OrienLink 场景泛化算法介绍：https://zhuanlan.zhihu.com/p/700280072
如需了解更多信息，请点击链接，回看经纬恒润8月22日在线研讨会《如何提高仿真测试的真实性和覆盖度》
