自动驾驶车辆算法虚拟验证的工程最佳实践

先进驾驶辅助系统 (ADAS) 和自动驾驶车辆开发的一项主要挑战就在于预测、规划和控制方法与算法的验证。环境和驾驶场景识别通过正确融合传感器和摄像机图像进行。深度学习网络根据试驾数据接受训练。其中必须考虑各种各样的交通场景，从而确保覆盖足够的范围。这些场景还用于验证控制算法的安全性。

虚拟验证和试验用于在合理的时间范围内实现这些要求。经常需要创建虚拟框架，包括传感器和交通环境的表示以及真实车辆动力学。

在本场网络研讨会中，我们的专家将介绍并解释从环境传感到定义和追踪适当车辆轨迹的不同步骤。其中包括：

• 扩展覆盖范围的虚拟场景并改进安全性验证
• 虚拟试验框架的主要需求
• 如何实现所有属性之间的最佳平衡，包括舒适度、性能和节油等。