Table of Contents

Les simulations dynamiques des véhicules sont devenues indispensables au développement de véhicules autonomes, servant de base à la création de systèmes autoconducteurs plus sûrs, plus efficaces et plus fiables.Ces simulations sont essentielles parce que les essais sur route des véhicules autonomes sont coûteux, rendant les environnements virtuels d'essais critiques pour faire progresser la technologie de conduite autonome.

Le rôle critique des simulations dynamiques des véhicules dans le développement autonome des véhicules

Les simulations dynamiques de véhicules offrent un environnement virtuel complet où les ingénieurs peuvent analyser et optimiser tous les aspects de la performance du véhicule.Ces outils sophistiqués permettent aux équipes de développement de modéliser des interactions complexes entre les systèmes de véhicules, les conditions routières, les facteurs environnementaux et les algorithmes de conduite autonomes sans avoir besoin d'un prototypage physique étendu.

Compte tenu des préoccupations en matière de sécurité et des coûts élevés associés aux essais de conduite autonomes dans le monde réel, les techniques de simulation à haute fidélité sont devenues cruciales pour faire progresser les capacités des systèmes autonomes.

Les plateformes de simulation modernes vont bien au-delà de la simple modélisation de véhicules. Elles intègrent des moteurs physiques détaillés, des simulations de capteurs, des modèles de trafic et des conditions environnementales pour créer des scénarios d'essais réalistes. Le développement de véhicules autonomes nécessite une formation et des essais à l'échelle sur des cas de bords de longe, de nouvelles routes et des conditions changeantes, sans attendre de les rencontrer sur les routes publiques, et la simulation de capteurs à haute fidélité comble cette lacune en rejouant les journaux de capteurs du monde réel comme des scènes 3D.

Comprendre les principes fondamentaux de la dynamique des véhicules

La dynamique du véhicule englobe l'étude de la façon dont les véhicules réagissent aux entrées, aux conditions routières et aux forces extérieures du conducteur. Dans le contexte des véhicules autonomes, la compréhension de ces dynamiques est cruciale parce que le système autonome doit prédire et contrôler le comportement du véhicule avec précision qui correspond ou dépasse les conducteurs humains.

Les principaux aspects de la dynamique du véhicule sont la dynamique longitudinale (accélération et freinage), la dynamique latérale (direction et virage), la dynamique verticale (comportement de suspension) et les interactions complexes entre ces systèmes. Les simulations doivent modéliser avec précision le comportement des pneus, le transfert de poids, les forces aérodynamiques, les caractéristiques du groupe motopropulseur et la géométrie de suspension pour obtenir des résultats significatifs.

Méthodes de simulation avancées pour les véhicules autonomes

Le domaine de la simulation autonome des véhicules a beaucoup évolué, en intégrant de multiples méthodologies pour aborder différents aspects du développement et des essais des véhicules.

Simulation basée sur la physique

Les simulations basées sur la physique constituent la base traditionnelle des essais de dynamique du véhicule.Ces simulations utilisent des modèles mathématiques dérivés des premiers principes de la physique pour prédire le comportement du véhicule.

Des fonctions de simulation dédiées aux capteurs et aux composants des projecteurs accélèrent et améliorent le développement et les essais de systèmes ADAS et autonomes, avec des capacités uniques de simulation en temps réel et en physique permettant aux utilisateurs de tester et d'optimiser en toute confiance leurs performances.

Simulation améliorée par l'IA et conduite de données

Les progrès récents dans l'intelligence artificielle et l'apprentissage machine ont révolutionné les capacités de simulation. Le modèle mondial Waymo représente un modèle générateur de frontière qui établit une nouvelle barre pour la simulation de conduite autonome hyperréaliste à grande échelle. Ces simulations à moteur AI peuvent générer des scénarios réalistes basés sur de grandes quantités de données de conduite réelles.

Une connaissance mondiale solide acquise lors de la pré-formation sur un ensemble de vidéos extrêmement vaste et varié permet d'explorer des situations qui n'ont jamais été directement observées par les flottes, et grâce à la post-formation spécialisée, cette vaste connaissance mondiale est transférée de la vidéo 2D dans des sorties lidar 3D uniques à des suites matérielles spécifiques.

Systèmes de simulation en boucle fermée

Les simulateurs basés sur la synthèse de vue nouvelle permettent de tester les modèles de conduite autonomes de manière totalement fermée, comblant ainsi l'écart entre les données réelles et l'évaluation interactive. Les simulations en boucle fermée permettent au système de conduite autonome d'interagir dynamiquement avec l'environnement virtuel, où les actions du véhicule influencent les états futurs de la simulation.

AlpaSim est un cadre de simulation ouvert pour les tests en boucle fermée, construit sur une architecture microservice centrée autour de l'exécution qui orchestre toute l'activité de simulation, permettant aux utilisateurs de brancher des modèles de pilotes et des rendus, d'exécuter chaque service dans un processus séparé, et d'assigner des services à différents GPU.

Plateformes et outils de simulation de pointe

L'industrie autonome du véhicule repose sur un écosystème diversifié de plateformes de simulation, chacune offrant des capacités uniques adaptées à des besoins de développement spécifiques.

Solutions de simulation commerciale

Applied Intuition fournit des outils de simulation qui permettent aux développeurs de créer des environnements virtuels pour tester des systèmes autonomes, en améliorant la sécurité et l'efficacité, avec des produits utilisés par de nombreux constructeurs automobiles mondiaux pour simuler des scénarios de conduite et valider les performances du véhicule.

Ansys Autonome Vehicle Simulation fournit une solution conçue spécifiquement pour soutenir le développement, les essais et la validation de technologies de conduite automatisées sûres, en économisant beaucoup de temps et de coûts par rapport aux méthodes traditionnelles de développement et d'essai en permettant l'exercice de piles de logiciels AV/ADAS dans une boucle fermée avec des données synthétiques précises.

rFpro est un logiciel de simulation de conduite que les équipes de course et les constructeurs automobiles utilisent pour les systèmes d'assistance au conducteur avancés et l'analyse dynamique du véhicule, offrant des simulations de haute fidélité pour évaluer le comportement du véhicule dans diverses conditions.

Cadres de simulation à source ouverte

CARLA est un simulateur open source pour la recherche autonome sur la conduite qui a été développé depuis le début pour soutenir le développement, la formation et la validation de systèmes de conduite autonomes. La nature ouverte de la plateforme en a fait un choix populaire pour la recherche académique et les équipes de développement plus petites.

CARLA fournit des actifs numériques ouverts, y compris des aménagements urbains, des bâtiments et des véhicules créés à des fins de conduite autonome et pouvant être utilisés librement, avec la plate-forme de simulation supportant des spécifications flexibles des suites de capteurs, des conditions environnementales, le contrôle total de tous les acteurs statiques et dynamiques, et la production de cartes.

AlpaSim est un cadre de simulation entièrement ouvert et complet pour le développement d'AV haute fidélité, offrant une modélisation réaliste des capteurs, une dynamique de trafic configurable et des environnements d'essai en boucle fermée évolutive, permettant une validation rapide et un affinement des politiques.

Plateformes de simulation spécialisées

MORAI offre une plateforme de simulation en réalité pour les véhicules autonomes construits avec une carte HD et un moteur physique puissant, comblant l'écart entre le monde réel et les environnements de test de simulation, fournissant tous les éléments clés pour vérifier tout système autonome. Cette plateforme met l'accent sur la création de jumeaux numériques qui représentent avec précision les environnements réels.

Différentes plateformes excellent dans différents domaines : certaines se concentrent sur la fidélité de la simulation de capteurs, d'autres sur la complexité de la modélisation du trafic et d'autres encore sur l'efficacité de calcul pour les essais à grande échelle.

Applications globales dans le développement de véhicules autonomes

Les simulations dynamiques du véhicule remplissent de multiples fonctions critiques tout au long du cycle de vie du développement autonome du véhicule, depuis la validation initiale du concept jusqu'au déploiement de la production et à l'amélioration continue.

Contrôler le développement et le raffinage de l'algorithme

Les simulations fournissent l'environnement idéal pour développer et régler ces algorithmes sur de nombreux scénarios. Les ingénieurs peuvent rapidement itérer sur des stratégies de contrôle, tester différentes approches de planification de trajectoire, d'optimisation de trajectoire et de stabilisation du véhicule.

L'environnement de simulation permet de mesurer avec précision les mesures de performance du système de contrôle, telles que les erreurs de suivi, le temps de réponse et les marges de stabilité.

Fusion de capteurs et essai de perception

Ansys offre une capacité de simulation de capteur de véhicule autonome complète qui comprend la conception et le développement de lidar, radar et caméra. La simulation de capteur précise est cruciale parce que les véhicules autonomes dépendent de multiples modalités de capteur pour percevoir leur environnement.

Le flux de travail de simulation AV de NVIDIA permet de reconstruire en 3D des environnements à grande échelle à partir de données de capteurs enregistrées pour rendre de nouvelles vues de capteurs, et des modèles mondiaux pour introduire des variations contrôlées dans la simulation de capteurs, y compris l'éclairage, la météo et la géolocalisation.

Les simulations peuvent modéliser les caractéristiques des capteurs, notamment le champ de vision, la résolution, les caractéristiques sonores et les modes de défaillance. Cela permet aux développeurs de comprendre comment les limitations des capteurs affectent les performances de perception et de concevoir des algorithmes de fusion robustes qui peuvent gérer les entrées de capteurs dégradées.

Validation de la sécurité et essais de cas de bord

L'une des applications les plus utiles de la simulation est l'essai de véhicules autonomes dans des scénarios rares, dangereux ou de bord qui seraient peu pratiques ou non éthiques pour tester dans le monde réel. La simulation peut générer pratiquement n'importe quelle scène – de la conduite régulière, quotidienne, aux scénarios rares et à longue queue – à travers plusieurs modalités de capteur.

NVIDIA offre le plus grand ensemble de données ouvertes pour AV qui contient plus de 1700 heures de données de conduite collectées dans la plus large gamme de géographies et de conditions, couvrant des cas rares et complexes de bord réel essentiel pour faire avancer les architectures de raisonnement. Ces ensembles de données permettent de tester de manière complète comment les systèmes autonomes répondent à des situations inhabituelles.

Les simulations peuvent explorer systématiquement les limites de la sécurité de fonctionnement, en identifiant les conditions où les systèmes autonomes pourraient échouer ou fonctionner de façon peu optimale. Cette identification proactive des modes de défaillance permet aux ingénieurs de renforcer les systèmes avant le déploiement réel.

Stabilité et optimisation de la manipulation du véhicule

Les simulations dynamiques des véhicules sont excellentes pour analyser et optimiser les caractéristiques de stabilité et de manutention. Les ingénieurs peuvent évaluer comment les véhicules autonomes réagissent aux manœuvres d'urgence, aux conditions routières défavorables et aux scénarios météorologiques difficiles.

La technologie de pointe du véhicule électrique permet de contrôler le couple des roues de manière indépendante, offrant une occasion unique d'améliorer la stabilité et la manutention du véhicule par le biais du vecteur de couple, avec des contrôleurs MPC offrant une capacité d'adaptation supérieure à des conditions de route variables, permettant d'améliorer jusqu'à 35 % la stabilité en lacet et de réduire les oscillations transitoires, ce qui valide l'efficacité du contrôle avancé du vecteur de couple pour améliorer les performances dynamiques.

Les simulations permettent une analyse détaillée du comportement du véhicule pendant la manipulation des limites, y compris les caractéristiques du sous-virage et du survirage, la résistance au renversement et la stabilité pendant les prises combinées de freinage et de direction.

Environnements d'essais multimodaux

L'évaluation des logiciels à travers un éventail de modalités de test, y compris le modèle dans la boucle (MIL), le logiciel dans la boucle (SIL) et le matériel dans la boucle (HIL) avec une méthodologie de test multidomaines permet une évaluation complète du comportement du système avec des modèles de simulation corrélés aux résultats du monde réel.

Cette progression de tests purement virtuels à des tests intégrés au matériel offre des niveaux croissants de réalisme et de confiance. Les tests MIL valident les algorithmes dans les premières étapes de développement, les tests SIL évaluent les piles logicielles complètes, et les tests HIL intègrent le matériel réel du véhicule pour vérifier les performances réelles.

Avantages importants du développement fondé sur la simulation

L'adoption de simulations de dynamique des véhicules dans le développement autonome des véhicules offre des avantages substantiels dans plusieurs dimensions du processus de développement.

Réduction dramatique des coûts

Les essais physiques des véhicules autonomes nécessitent des investissements importants dans les véhicules d'essai, les instruments, les installations d'essai et le personnel.Les capacités de simulation réduisent le temps et le coût des essais physiques.

La simulation de capteurs basée sur la physique peut remplacer 80 % des essais de conduite sur route, les OEM et les Tiers pouvant compter sur des données numériques éprouvées et fiables pour compléter les séances de conduite réelles et la couverture des cas de bord. Cette réduction spectaculaire des exigences de tests physiques se traduit directement par des coûts de développement moins élevés et un délai de commercialisation plus rapide.

Les simulations réduisent également les coûts associés aux dommages causés aux véhicules lors des essais, des assurances et de la logistique de gestion des grands parcs d'essais. La capacité de faire des milliers de tests en parallèle sur l'infrastructure informatique est beaucoup plus rentable que le maintien d'une capacité d'essais physiques équivalente.

Cycles de développement accélérés

La simulation permet une itération rapide qui serait impossible avec des tests physiques seuls. Les ingénieurs peuvent tester des modifications aux algorithmes de contrôle, aux configurations de capteurs ou aux paramètres du véhicule et observer immédiatement les résultats.

L'échantillonnage automatique peut réduire le nombre de simulations requises par 100x avec un algorithme qui dépasse l'échantillonnage dense naïf traditionnel. Les techniques d'échantillonnage avancées garantissent que les tests se concentrent sur les scénarios les plus instructifs, maximisant la valeur de chaque simulation.

La capacité de faire des simulations en continu, y compris du jour au lendemain et le week-end, permet de développer des systèmes de simulation en continu. Les plateformes de simulation basées sur le cloud permettent une parallélisation massive, en exécutant simultanément des milliers de scénarios pour comprimer les délais de test qui pourraient prendre des années en semaines ou des mois.

Sécurité accrue grâce à des essais complets

Le plus important avantage de la simulation est peut-être la capacité de tester les véhicules autonomes avant d'interagir avec le trafic réel. Le conducteur navigue des milliards de miles dans des mondes virtuels, maîtrisant des scénarios complexes bien avant qu'il ne les rencontre sur les routes publiques.

Les ingénieurs peuvent évaluer la réponse des véhicules à des scénarios tels que des défaillances de freins, des pannes de pneus, des obstacles soudains ou d'autres véhicules qui se comportent de façon imprévisible. Ce test complet renforce la confiance dans la sécurité du système avant le déploiement réel.

Les essais et les vérifications dans un environnement sûr, rentable et évolutif permettent de faire simultanément plusieurs simulations, ce qui permet de tester et d'évaluer différents scénarios en parallèle. Cette évolutivité garantit que les systèmes autonomes sont validés en profondeur dans un éventail complet de conditions.

Tests de conditions rares et extrêmes

L'un des avantages uniques de la simulation est la capacité de tester des conditions rares, difficiles à reproduire ou impossibles à tester en toute sécurité dans le monde réel. Les simulations peuvent modéliser des conditions météorologiques extrêmes, des scénarios de circulation inhabituels, des défaillances de capteurs et d'autres cas de bord qui pourraient se produire seulement une fois sur des millions de miles de conduite.

La récréation virtuelle de toute condition de conduite réelle permet de tester des systèmes dans des conditions de circulation, de terrain, de météo et d'éclairage variables. Cette couverture complète garantit que les véhicules autonomes sont préparés pour toute la gamme des conditions qu'ils pourraient rencontrer en déploiement.

Les ingénieurs peuvent également tester des scénarios qui seraient contraires à l'éthique ou illégaux à créer dans le monde réel, comme les piétons entrant soudainement sur la route ou d'autres véhicules fonctionnant à des feux rouges. Comprendre le comportement du système dans ces situations critiques est essentiel pour assurer la sécurité.

Amélioration de la collaboration et de la documentation

Les plates-formes de simulation offrent un environnement commun où les équipes multidisciplinaires peuvent collaborer efficacement. Les ingénieurs en logiciels, les spécialistes des systèmes de contrôle, les ingénieurs de sécurité et les experts en dynamique des véhicules peuvent tous travailler dans le même cadre de simulation, facilitant ainsi la communication et l'intégration.

Chaque simulation peut être enregistrée et rejouée, fournissant une piste d'audit pour la conformité réglementaire et permettant une analyse détaillée du comportement du système. Cette documentation est inestimable pour comprendre le rendement du système et démontrer la sécurité aux organismes de réglementation et aux intervenants.

Intégration avec le système de contrôle du matériel dans la boucle

Bien que les simulations purement virtuelles offrent une valeur énorme, l'intégration du matériel physique par le biais des tests du matériel dans la boucle (HIL) représente un pont critique entre la simulation et le déploiement réel.

Comprendre les essais HIL

Les essais HIL permettent de connecter les unités de commande réelles du véhicule, les capteurs ou d'autres composants matériels à l'environnement de simulation, leur permettant ainsi d'interagir avec les modèles et scénarios virtuels du véhicule.

Cette approche combine la flexibilité et la sécurité de la simulation avec le réalisme du comportement matériel réel. Elle permet de détecter des problèmes qui ne peuvent pas apparaître dans les tests purement logiciels, tels que les problèmes de synchronisation, les erreurs de communication ou les comportements spécifiques au matériel.

Exigences de simulation en temps réel

La capacité unique en temps réel d'AVxcelerate permet de tirer parti des essais virtuels dans le logiciel en boucle (SiL) ou matériel en boucle (HiL) après l'avancement des cycles de conception. La simulation en temps réel est essentielle pour les essais HIL car les composants matériels fonctionnent à des vitesses réelles du véhicule et doivent recevoir des entrées et produire des sorties avec un calendrier réaliste.

Pour obtenir des performances en temps réel, il faut optimiser soigneusement les modèles de simulation et utiliser efficacement les ressources informatiques. Les systèmes HIL modernes utilisent des plateformes informatiques spécialisées en temps réel qui peuvent exécuter des modèles de dynamique complexes de véhicules à des taux de 1000 Hz ou plus, assurant une représentation précise du comportement du véhicule.

Intégration avec les flux de travail de développement

La co-simulation avec ROS, l'importation de modèles CAO et SIG, et l'intégration avec des outils comme Simulink, Python et contrôleurs temps réel rendent facile la connexion des composants logiciels et matériels en un seul flux de travail de test cohérent. Cette capacité d'intégration est cruciale pour le développement de véhicules autonomes modernes, qui implique divers outils et plateformes.

L'intégration sans soudure permet des tests continus tout au long du processus de développement. Au fur et à mesure que les logiciels et le matériel évoluent, ils peuvent être validés en continu à l'aide du même ensemble complet de scénarios de test, garantissant que les changements n'introduisent pas de régressions ou de comportements inattendus.

Technologie numérique jumelée pour les véhicules autonomes

La technologie numérique à double usage représente une application avancée de la simulation dynamique du véhicule, créant des répliques virtuelles de véhicules physiques qui peuvent être utilisés pour le développement, les essais et l'optimisation continue.

Concept et mise en œuvre

Cette technologie simule efficacement les conditions réelles, permettant aux véhicules de tester et de valider en toute sécurité à travers un jumeau numérique avant qu'ils ne soient prêts à rouler. Un jumeau numérique est plus qu'un modèle de simulation.

Les jumelles numériques peuvent intégrer des données issues du fonctionnement réel du véhicule, mettre à jour et affiner en permanence leurs modèles en fonction des performances réelles. Cela crée une boucle de rétroaction où l'expérience réelle améliore la précision de la simulation, et les idées de simulation guident l'optimisation réelle.

Applications dans la gestion de la flotte

Pour les organisations qui déploient des flottes de véhicules autonomes, les jumelles numériques permettent une gestion et une optimisation sophistiquées de la flotte. Chaque véhicule de la flotte peut avoir un jumeau numérique correspondant qui suit son état, prédit les besoins de maintenance et permet de tester les mises à jour logicielles avant le déploiement sur des véhicules physiques.

Les ingénieurs peuvent recréer les conditions exactes qui ont conduit à un problème dans l'environnement numérique jumelé, permettant une enquête détaillée sans perturber les opérations de la flotte.

Tendances et orientations futures

Le domaine de la simulation dynamique du véhicule continue d'évoluer rapidement, à la suite des progrès de la puissance informatique, de l'intelligence artificielle et de notre compréhension des exigences des véhicules autonomes.

Simulation génératrice alimentée par l'IA

NVIDIA est le premier à publier un modèle ouvert de VLA pour le raisonnement destiné à relever les défis de conduite autonome à longue queue, avec la famille Alpamayo, comprenant des outils de simulation et des ensembles de données permettant le développement de véhicules qui perçoivent, raisonnent et agissent avec un jugement humain.

Le modèle mondial Waymo offre une forte capacité de contrôle de simulation grâce à trois mécanismes principaux : le contrôle de l'action, le contrôle de la mise en page et le contrôle de la langue. Ce niveau de contrôle permet aux ingénieurs de spécifier précisément les scénarios qu'ils souhaitent tester, tandis que l'IA génère des implémentations réalistes de ces scénarios.

Simulation basée sur le nuage à l'échelle

Les modèles d'IA sont testés dans de nombreux scénarios dans NVIDIA Omniverse avec Cosmos, avec des bibliothèques Omniverse et des modèles de la Fondation mondiale Cosmos permettant de reconstruire et d'améliorer la simulation interactive à partir de données de capteur du monde réel, de physique et de comportement de modèles, et de générer des données de capteur physiquement précises et diverses pour accélérer le développement AV.

Les plateformes basées sur le cloud facilitent également la collaboration entre les équipes géographiquement réparties et permettent aux petites organisations d'accéder à des capacités de simulation qui seraient prohibitivement coûteuses à construire en interne.

Intégration du raisonnement et de l'explicabilité

Alpamayo 1 est le premier modèle de VLA de raisonnement en chaîne de pensée conçu pour la communauté de recherche AV, avec une architecture de 10 milliards de paramètres qui utilise l'entrée vidéo pour générer des trajectoires en parallèle avec des traces de raisonnement, montrant la logique derrière chaque décision.Cette capacité répond à l'un des défis critiques dans le développement autonome des véhicules – comprendre pourquoi le système prend des décisions particulières.

L'IA dans la simulation permet aux ingénieurs de comprendre non seulement ce que fait le système autonome, mais pourquoi il fait des choix spécifiques.Cette transparence est cruciale pour déboguer, optimiser et renforcer la confiance dans les systèmes autonomes parmi les régulateurs et le public.

Normalisation et interopérabilité

AVxcelerate fournit une architecture ouverte qui relie Ansys simulation à tout simulateur de conduite et chaîne d'outils que vous choisissez, comme IPG Automotive CarMaker ou Carla. À mesure que l'industrie mûrit, l'accent est mis de plus en plus sur la normalisation et l'interopérabilité entre les différentes plates-formes et outils de simulation.

Les normes industrielles permettent aux organisations d'utiliser les meilleurs outils de reproduction pour différents aspects de la simulation tout en maintenant une intégration transparente. Cette flexibilité est importante car aucune plateforme n'excelle à tous les aspects de la simulation autonome du véhicule.

Modélisation améliorée des capteurs

Les futures plateformes de simulation seront dotées de modèles de capteurs de plus en plus sophistiqués qui captent des effets subtils comme la dégradation des capteurs au fil du temps, les interférences entre capteurs et l'impact de la contamination environnementale.

La simulation avancée des capteurs intégrera également les nouvelles technologies de capteurs à mesure qu'elles seront disponibles, assurant ainsi que les capacités de simulation suivent le rythme de l'innovation matérielle, notamment les systèmes lidar de nouvelle génération, les technologies radar avancées et les nouvelles modalités de détection.

Défis et limites

Si les simulations de dynamique des véhicules offrent une valeur énorme, il est important de comprendre leurs limites et les défis qui subsistent pour rendre les simulations pleinement représentatives des conditions réelles.

Fidélité et écart de réalité de simulation

Les simulateurs classiques offrent une évaluation en boucle fermée, mais présentent toujours un écart de domaine par rapport au monde réel, tandis que les ensembles de données de conduite hors ligne permettent d'éviter cet écart, mais peinent à fournir une évaluation en boucle fermée.

Aucune simulation ne peut parfaitement reproduire tous les aspects de la conduite réelle. Des effets subtils comme l'usure des pneus, les variations de surface de la route et les interactions complexes entre les systèmes de véhicules peuvent ne pas être entièrement capturés dans les modèles de simulation.

Exigences informatiques

Les simulations à haute fidélité, en particulier celles qui intègrent des modèles de capteurs détaillés et des scénarios de trafic complexes, nécessitent des ressources informatiques considérables. La simulation en temps réel pour les essais HIL exige du matériel spécialisé capable d'exécuter des modèles complexes à des taux élevés.

Si le cloud computing aide à réduire l'évolutivité, le coût de la mise en œuvre de vastes campagnes de simulation peut encore être important. Les organisations doivent équilibrer la fidélité de la simulation par rapport aux coûts de calcul, en utilisant des modèles simplifiés le cas échéant et en réservant une simulation haute fidélité pour des scénarios critiques.

Validation et étalonnage du modèle

Les modèles de simulation doivent être validés par rapport aux données réelles pour en garantir l'exactitude.Ce processus de validation nécessite des essais approfondis pour recueillir des données pour l'étalonnage et la vérification des modèles. La qualité des résultats de simulation dépend directement de la qualité des modèles sous-jacents et des données utilisées pour les développer.

À mesure que les véhicules et les systèmes autonomes évoluent, les modèles de simulation doivent être continuellement mis à jour et validés.

Couverture et exhaustivité des scénarios

Si les simulations permettent de tester des scénarios bien plus nombreux que les essais physiques, il reste difficile de garantir une couverture complète de tous les scénarios possibles. L'espace de scénarios pour les véhicules autonomes est en fait infini et la détermination des scénarios les plus critiques pour les essais nécessite une analyse minutieuse et une expertise du domaine.

Des techniques avancées comme l'échantillonnage adaptatif et la production de scénarios aident à relever ce défi, mais il y a toujours un risque que des cas de bord importants pourraient être manqués.

Pratiques exemplaires pour la mise en oeuvre des programmes de simulation

Les organisations qui développent des véhicules autonomes peuvent maximiser la valeur de la simulation en suivant les pratiques exemplaires établies et en tirant les leçons de l'expérience de l'industrie.

Établir des objectifs clairs et des critères

Les programmes de simulation réussis doivent commencer par des objectifs clairs. Les organisations devraient définir ce qu'elles veulent réaliser par simulation, qu'il s'agisse de valider la sécurité, d'optimiser le rendement, de réduire les coûts de développement ou d'accélérer le commercialisation.

Les mesures peuvent comprendre le nombre de scénarios testés, la couverture du domaine de la conception opérationnelle, la corrélation entre la simulation et les résultats réels, ou la réduction des exigences en matière de tests physiques.

Investir dans le développement et la validation de modèles

Les organisations devraient investir dans le développement de modèles dynamiques de véhicules, de modèles de capteurs et de modèles environnementaux de haute qualité, qui comprennent à la fois le développement initial du modèle et la validation et le raffinement continus basés sur des données du monde réel.

La validation des modèles devrait être systématique et documentée, en comparant les prévisions de simulation aux mesures réelles dans diverses conditions. Comprendre la précision et les limites des modèles permet une utilisation appropriée des résultats de simulation dans la prise de décision.

Intégrer la simulation tout au long du développement

La simulation ne devrait pas être une activité isolée mais plutôt intégrée tout au long du processus de développement. L'évaluation du concept en début de phase, l'optimisation de la conception détaillée, la validation des logiciels et la vérification avant déploiement devraient toutes tirer parti des capacités de simulation.

Cette intégration exige la collaboration de spécialistes de la simulation et d'autres disciplines du génie. La création d'équipes interfonctionnelles qui comprennent une expertise en simulation garantit que les capacités de simulation sont utilisées efficacement et que les résultats de la simulation éclairent les décisions de conception.

Équilibre Fidélité et efficacité

Les organisations devraient élaborer un portefeuille de modèles de simulation à différents niveaux de fidélité, en utilisant des modèles plus simples pour l'itération et l'exploration rapides, et en réservant des modèles à haute fidélité pour une validation détaillée et des scénarios critiques.

Cette approche à plusieurs niveaux permet une utilisation efficace des ressources informatiques et du temps d'ingénierie. Les modèles simples peuvent fonctionner rapidement et permettre une exploration étendue de l'espace de conception, tandis que les modèles détaillés fournissent confiance dans les conceptions finales.

Outils et normes de l'industrie

Au lieu de tout construire à partir de zéro, les organisations devraient tirer parti des plateformes de simulation établies et des normes de l'industrie. Les outils de simulation commerciaux et de source ouverte incarnent des années de développement et de validation, fournissant des capacités qui seraient coûteuses et qui prendraient du temps à reproduire.

La participation à l'élaboration de normes industrielles et à l'adoption d'interfaces et de formats de données communs facilite la collaboration et permet l'utilisation d'outils complémentaires de différents fournisseurs.

Tenir à jour une documentation complète

Les activités de simulation devraient être documentées de façon approfondie, y compris les hypothèses du modèle, les résultats de validation, les scénarios d'essai et les résultats de simulation.

Les outils de documentation automatisés et les plateformes de gestion de simulation peuvent aider à tenir des dossiers complets sans imposer un fardeau excessif aux équipes d'ingénierie.

Considérations réglementaires et validation de la sécurité

À mesure que les véhicules autonomes se dirigent vers le déploiement commercial, les cadres réglementaires évoluent pour répondre aux exigences de validation de la sécurité. La simulation joue un rôle crucial dans la démonstration de la sécurité aux organismes de réglementation et au public.

Simulation dans les cas de sécurité

Les cas de sécurité pour les véhicules autonomes reposent de plus en plus sur des preuves de simulation pour démontrer que les systèmes répondent aux exigences de sécurité. La simulation permet des essais sur une gamme complète de scénarios, y compris des événements rares qui pourraient ne pas être rencontrés lors d'essais limités dans le monde réel.

Les organismes de réglementation élaborent des cadres pour accepter les données probantes de simulation, y compris les exigences relatives à la validation des modèles, à la couverture des scénarios et à la corrélation avec les résultats réels.

Approches d'essai basées sur des scénarios

De nombreux cadres réglementaires sont en train de se diriger vers des essais fondés sur des scénarios, où les véhicules autonomes doivent démontrer un comportement sécuritaire dans un ensemble défini de scénarios. La simulation est essentielle pour mettre en œuvre des essais fondés sur des scénarios à l'échelle, permettant une évaluation systématique à travers des milliers ou des millions de variations de scénarios.

Les organisations industrielles et les organismes de normalisation s'emploient à définir des catalogues complets de scénarios qui couvrent le domaine de la conception opérationnelle des véhicules autonomes, lesquels constituent une base commune pour la validation de la sécurité et l'approbation réglementaire.

Validation continue et apprentissage de la flotte

La validation de la sécurité ne se termine pas au déploiement. Comme les parcs de véhicules autonomes accumulent l'expérience du monde réel, les données doivent être réintroduites dans les modèles de simulation et les scénarios d'essai.

Les plates-formes de simulation qui peuvent intégrer des données sur la flotte et générer automatiquement des scénarios d'essai basés sur des expériences réelles seront de plus en plus importantes pour maintenir et démontrer la sécurité continue.

Adoption de l'industrie et impact sur le monde réel

La simulation de la dynamique des véhicules est passée d'un outil de recherche spécialisé à un élément courant du développement autonome des véhicules dans l'ensemble de l'industrie.

Adoption dans l'industrie automobile

Le marché des solutions de simulation de véhicules autonomes est propulsé par plusieurs conducteurs critiques, avec l'adoption croissante de systèmes d'assistance-conducteurs avancés (ADAS) et de véhicules autonomes catalysant la demande pour des environnements d'essais virtuels.

Cette adoption généralisée reflète la reconnaissance du fait que la simulation n'est pas facultative mais essentielle pour développer des véhicules autonomes sûrs et fiables dans des délais et des budgets raisonnables.

Incidence sur les délais de développement

La simulation a manifestement accéléré le développement de véhicules autonomes, et les projets qui auraient pris au moins une décennie en utilisant des méthodes de développement traditionnelles sont achevés dans une fraction de ce temps grâce à une utilisation intensive de la simulation.

Cette accélération vient de la capacité de tester en continu, d'identifier et de résoudre les problèmes tôt, et de valider les conceptions avant de s'engager sur des prototypes physiques coûteux. L'itération rapide permise par la simulation permet d'explorer des alternatives de conception et d'optimisation des performances.

Permettre de nouveaux modèles d'affaires

Les services de simulation en tant que service permettent aux organisations d'accéder à des capacités de simulation sophistiquées sans investissements importants en capital. Les marchés de données et de scénarios permettent le partage de scénarios d'essai et de données de validation dans l'ensemble de l'industrie.

Ces nouveaux modèles démocratisent l'accès aux capacités de simulation avancées, permettant aux petites organisations et startups de rivaliser avec les acteurs établis.

Conclusion

Les simulations dynamiques de véhicules sont devenues des outils indispensables au développement de véhicules autonomes, permettant aux ingénieurs d'optimiser les performances, de valider la sécurité et d'accélérer le développement de manière impossible par des essais physiques seuls.Des modèles basés sur la physique aux simulations génératrices à puissance d'IA, le domaine continue d'évoluer rapidement, offrant des capacités de plus en plus sophistiquées pour les essais et la validation.

Les avantages de la simulation, y compris la réduction spectaculaire des coûts, l'accélération des cycles de développement, l'amélioration de la sécurité grâce à des essais complets et la capacité de tester des conditions rares et extrêmes, en font une pierre angulaire du développement moderne d'un véhicule autonome.

Les organisations qui mettent en oeuvre efficacement des programmes de simulation, suivant les pratiques exemplaires en matière de développement, de validation et d'intégration des modèles tout au long du cycle de vie du développement, se positionnent pour réussir sur le marché concurrentiel des véhicules autonomes.

Alors que les véhicules autonomes passent de la recherche et du développement à un déploiement commercial généralisé, la simulation restera essentielle, non seulement pour le développement initial, mais aussi pour la validation continue, l'optimisation du parc automobile et l'assurance de la sécurité continue.L'avenir de la mobilité autonome est construit dans des mondes virtuels, où des millions de kilomètres de tests se produisent chaque jour, assurant que lorsque les véhicules autonomes prennent sur nos routes, ils le font avec des niveaux sans précédent de sécurité et de fiabilité.

Pour plus d'informations sur la technologie autonome des véhicules et les plates-formes de simulation, consultez les normes SAE International pour les systèmes de conduite automatisés et explorez les ressources de Administration nationale de la sécurité routière sur la sécurité automatisée des véhicules[.