设计一种自动驾驶汽车测试的新方法

自动驾驶汽车的实现越来越成为可能。行业专家预测，到2060年，我们道路上大约四分之三的车辆将完全自主驾驶。在英国，政府雄心勃勃地希望该国在自动驾驶汽车领域发挥主导作用，并相信未来17年英国工业将价值280亿英镑。因此，已经创建了测试实践规则，并且不断的尝试着试验。

然而，为了使AVs的愿景成为现实，OEM和Tier 1供应商正在应用尖端技术来解决当今计算机、工程、软件开发和算法设计中的一些重大问题。对于测试工程师来说，同样的创新被证明是极具挑战性的。这意味着要针对所有新想法的未知因素进行测试:未知的规则、未知的技术、未知的体系结构，甚至是由神经网络创建的未知算法，而不是由软件工程师开发的逐行代码。

1F

算法是一个黑盒子

自动驾驶汽车成为现实的唯一途径是通过机器学习应用。车辆可能会遇到无数种可能的情况；然而，将算法硬编码成功地处理所有问题是不现实的。相反，大量的数据集和人类对驾驶场景的反应一起被记录下来，然后将这些输入到神经网络中。

总的来说，这使测试工程师的工作更加困难。算法现在是一个黑盒子，这需要更广泛的测试，因为您不了解测试场景的代码。相反，为了确保算法正常运行，工程师需要针对几乎所有可能的场景进行测试。

此外，随着训练数据集的变化，一切都需要重新测试。因为代码是动态的，并且随着数据集的更新而演进，你没有能力隔离代码的部分。

测试组织没有更多的时间来运行这些测试。汽车公司为竞相将产品推向市场，也缩短了测试时间。为了解决这个问题，测试工程师转向机器学习来定义测试用例，使他们在有限的测试时间内获得最大的测试覆盖率。他们甚至使用它来识别包含错误的代码段。

测试组织通过将机器学习与可以远程控制和配置的软件定义测试机架相结合的方式来有效地最大化这一点。这使世界各地的团队能够每周七天、每天24小时地运行测试并访问相同的测试资源。

2F

汽车竞争架构

随着技术的发展和成本的竞争，设计工程师不断更新自主系统，包括新的和不同的传感器类型。更复杂的是，随着5G无线电技术的推出，云计算将满足海量数据流对带宽的需求。

这为测试工程师创造了更灵活的需求，没有人知道将来会有多少传感器安装在自动驾驶汽车上。测试系统必须适应变化，这样才能添加更多的摄像头或雷达传感器，并采用新的传感器类型，如激光雷达。

选择现成的测试体系结构处理这些不断变化的车辆拓扑。通过一个平台的系统，新功能很容易集成到现有的系统设计中，测试供应商把新技术和I/O集成到市场上。

3F

合作推动创新

汽车公司不再仅仅是机械和电气工程方面的专家。他们现在需要成为雷达、机器视觉、马达控制、电池化学、大数据分析和机器学习方面的专家。因此，行业需要跨汽车供应商、OEM、集成商、政府和测试供应商协作，提出有参考价值的解决方案。

然而，合作也带来了挑战。例如，OEM何时以及是否对整车安全负有法律责任，对供应商所做的测试有多少信任，以及需要重做多少测试。在法律责任之外，即使供应商在法律上有过错，OEM厂商也会担心质量和品牌形象。再次提出一个问题，到底需要进行多少冗余测试?

车辆架构在不断发展和变化，迫使测试工程师适应新的I/O和最适合每种架构的测试技术。