[首發(fā)于智駕最前沿微信公眾號]在自動駕駛系統(tǒng)的開發(fā)過程中，驗證環(huán)節(jié)的權(quán)重不斷提升，因為它直接關(guān)系到系統(tǒng)的安全性、穩(wěn)定性和最終能否合法上路。整個驗證體系主要由兩大部分構(gòu)成：仿真驗證與實車路試。仿真驗證依賴虛擬環(huán)境對感知、決策與控制等模塊進(jìn)行海量測試，而路試則通過真實道路環(huán)境驗證系統(tǒng)在自然狀態(tài)下的表現(xiàn)。如何在二者之間找到合理的比例，不僅影響驗證的效率和效果，還將直接決定項目的時間成本、技術(shù)風(fēng)險和合規(guī)進(jìn)程。

自動駕駛開發(fā)面臨的最大挑戰(zhàn)之一是長尾問題，也就是系統(tǒng)需要面對極其稀有但對安全有重大影響的邊緣場景。傳統(tǒng)駕駛環(huán)境雖然日?？梢?，但真正威脅駕駛安全的情形往往隱藏在罕見的交互邏輯中，比如一輛電瓶車突然從盲區(qū)駛出、一名兒童在夜間街角奔跑、卡車急轉(zhuǎn)彎帶來的遮擋陰影等都屬于長尾問題。這些長尾場景在路測中極難遇見，還需依靠仿真系統(tǒng)構(gòu)造出來，才能驗證系統(tǒng)在極限條件下的魯棒性。這正是仿真驗證具備不可替代地位的根本原因。

仿真驗證的最大技術(shù)優(yōu)勢在于“可控性”和“規(guī)模化”。目前業(yè)界主流的仿真平臺如CARLA、LGSVL、IPG Carmaker、百度Apollo Simulation、Waymo Simulation Engine等，都可以構(gòu)建可編程的測試環(huán)境，支持傳感器數(shù)據(jù)建模、交通參與者行為腳本生成、交通規(guī)則設(shè)定、光照與天氣變化等，使開發(fā)者能夠系統(tǒng)性地測試復(fù)雜行為鏈。仿真平臺還支持“并行測試”與“回放測試”，即可以在集群服務(wù)器上并行運行成千上萬個測試任務(wù)，或?qū)v史事故場景進(jìn)行逐幀還原并進(jìn)行干預(yù)控制。而真實路試每次只能覆蓋一個時間段、一個車輛狀態(tài)和一個隨機(jī)事件的組合，效率遠(yuǎn)遠(yuǎn)不及仿真。

但是仿真不是萬能的，其局限性主要體現(xiàn)在物理真實性不足和感知建模的復(fù)雜度上。自動駕駛依賴傳感器如攝像頭、激光雷達(dá)、毫米波雷達(dá)等進(jìn)行環(huán)境感知，而仿真中的感知數(shù)據(jù)往往采用簡化模型。即使是高清渲染引擎，也難以真實還原攝像頭的曝光瑕疵、鏡頭畸變、雨雪污漬遮擋等問題，而激光雷達(dá)的回波能量衰減、多路徑反射干擾等細(xì)節(jié)更是極難建模。正因如此，仿真環(huán)境中可能“看得清”的目標(biāo)，在實車路試中卻可能完全識別失敗。此外，傳感器之間的融合誤差、控制執(zhí)行器的響應(yīng)延遲等也無法完全依靠仿真評估。這些必須依賴實車路試才能觀察到真實反應(yīng)。

因此，真正合理的做法是將仿真驗證用于大規(guī)模測試覆蓋率分析，發(fā)現(xiàn)系統(tǒng)設(shè)計缺陷與性能邊界，而路試則用于驗證系統(tǒng)在現(xiàn)實復(fù)雜環(huán)境中的“實戰(zhàn)表現(xiàn)”。在整個驗證閉環(huán)中，仿真應(yīng)作為驗證的主力承擔(dān)者，用以覆蓋絕大多數(shù)正常與邊緣場景，約占70%～85%；而路試則作為最終驗證手段，用以確認(rèn)系統(tǒng)能否穩(wěn)健運行在物理世界中，約占15%～30%。這種分工既能夠充分發(fā)揮仿真的效率優(yōu)勢，又能保證系統(tǒng)在物理現(xiàn)實中的落地可靠性。

在不同研發(fā)階段，這一比例會有所動態(tài)調(diào)整。系統(tǒng)初期開發(fā)階段，算法迭代頻繁、架構(gòu)未穩(wěn)定，優(yōu)先使用仿真進(jìn)行快速試錯，此時仿真驗證占比往往高達(dá)90%，甚至更高，僅進(jìn)行少量的封閉場地測試或簡化路試以驗證感知硬件是否工作正常。隨著系統(tǒng)日趨成熟，功能接口趨于穩(wěn)定，驗證的重點從“能不能跑”轉(zhuǎn)向“跑得好不好”，系統(tǒng)需逐步進(jìn)入復(fù)雜路況測試階段，仿真與路試比例開始收斂，逐步趨近于7:3。在最終認(rèn)證階段或向監(jiān)管機(jī)構(gòu)提交安全報告前，往往需要大量路試數(shù)據(jù)，包括不同城市、不同天氣與時段下的運行結(jié)果，這時路試占比會短暫提升，但依舊不會超過50%。

路試與仿真驗證的結(jié)合并非簡單的比例問題，更關(guān)鍵的是要形成一個完整的驗證閉環(huán)。其中，基于場景的驗證（Scenario-Based Testing）是核心方法，首先通過場景采集與分類構(gòu)建覆蓋性強(qiáng)的場景庫（Scene Library），隨后使用場景建模語言（如OpenSCENARIO）將其還原到仿真環(huán)境中進(jìn)行高密度驗證，當(dāng)仿真發(fā)現(xiàn)系統(tǒng)可能存在功能邊界或安全隱患時，再根據(jù)這些高風(fēng)險場景選擇性地進(jìn)行定向路試。反之，若在真實路測中發(fā)現(xiàn)失敗場景，則需回傳至仿真平臺進(jìn)行復(fù)現(xiàn)與多版本對比分析。這種“場景驅(qū)動+驗證閉環(huán)”的方法，正成為智能駕駛測試的主流。

當(dāng)前主流企業(yè)構(gòu)建的驗證體系大致包括五大層級，第一層是“離線數(shù)據(jù)回放”，即通過采集歷史駕駛數(shù)據(jù)進(jìn)行感知與決策模塊的回放測試，驗證軟件對現(xiàn)實場景的解釋能力；第二層是“虛擬仿真閉環(huán)”，在仿真環(huán)境中接入完整的傳感器模擬與車輛動力學(xué)模型，實現(xiàn)感知-決策-控制的全鏈路測試；第三層是“硬件在環(huán)”（HIL），即將仿真平臺與真實控制器（如ECU、VPU）連接，檢驗其響應(yīng)速度與控制邏輯；第四層是“封閉場地測試”，主要在試車場對已知場景進(jìn)行驗證；第五層才是“公開道路測試”，讓系統(tǒng)在自然條件中接受全面挑戰(zhàn)。在這一結(jié)構(gòu)下，前兩層由仿真主導(dǎo)，后三層由路試主導(dǎo)。合理的比例調(diào)度，依賴對每一層級測試目的與手段的清晰認(rèn)識。

不同類型的自動駕駛系統(tǒng)對驗證比例的需求也不盡相同。L2/L2+級別的駕駛輔助系統(tǒng)主要依賴視覺和雷達(dá)，工作場景以高速巡航、自動跟車、車道保持為主，所涉及的行為決策相對簡單，仿真系統(tǒng)可以很好地覆蓋大多數(shù)驗證場景；而L3以上系統(tǒng)需要面對如變道禮讓、交通燈識別、行人判斷等復(fù)雜交互，行為不確定性大，系統(tǒng)對感知精度、時序管理和動態(tài)決策的要求更高，對物理傳感器建模精度也提出更高要求，此時仿真雖然依然是主力，但必須結(jié)合大量實車驗證才能建立信任度。L4系統(tǒng)甚至可能在某些特定場景中取消駕駛員監(jiān)控責(zé)任，對安全驗證的標(biāo)準(zhǔn)接近航空級別，其路試投入比L2系統(tǒng)要高得多，但整體比例仍然建議控制在30%以內(nèi)。

監(jiān)管體系的演進(jìn)也進(jìn)一步推動了仿真在驗證體系中的中心地位。中國工信部牽頭制定的《智能網(wǎng)聯(lián)汽車道路測試與示范應(yīng)用管理規(guī)范》就要求道路測試安全性自我聲明應(yīng)隨同以下證明材料（（八）道路測試主體自行開展的模擬仿真測試與測試區(qū)（場）等特定區(qū)域?qū)嵻嚋y試的說明材料）提交至省、市級政府相關(guān)主管部門。未來，隨著“場景覆蓋率評估”工具與“場景數(shù)據(jù)庫共享平臺”的建設(shè)完善，行業(yè)有望形成一套更標(biāo)準(zhǔn)化的仿真-實車協(xié)同驗證規(guī)范，進(jìn)一步推動仿真驗證成為主流。

由此可見，自動駕駛系統(tǒng)的驗證過程是一個典型的“仿真為主，路試為輔”的動態(tài)過程。仿真驗證以其規(guī)模優(yōu)勢、可控性與高效性，在驗證體系中占據(jù)主導(dǎo)，特別適合覆蓋海量正常與邊緣場景；而路試則以其真實性與不可預(yù)測性，為系統(tǒng)提供最后一道保險，驗證其在現(xiàn)實世界的穩(wěn)定性與安全性。合理的比例應(yīng)根據(jù)開發(fā)階段、功能等級、預(yù)算安排和風(fēng)險容忍度動態(tài)調(diào)整，將仿真與路試的比例控制在70%～85%與15%～30%之間，或是當(dāng)前最為合理的選擇。只有實現(xiàn)二者的優(yōu)勢互補，自動駕駛才能真正走向大規(guī)模商用的安全彼岸。

審核編輯 黃宇