Best practice di ingegneria per gli algoritmi di validazione virtuale dei veicoli autonomi

Utilizza modelli e scenari virtuali: dalla rappresentazione fedele di scenari di guida alla definizione di traiettorie ottimali e strategie di controllo.

Una delle principali sfide nello sviluppo di sistemi ADAS (Advanced Driver-Assistance Systems) e veicoli autonomi è rappresentata dalla validazione dei metodi e algoritmi per la percezione, pianificazione e controllo. Il rilevamento dei dati relativi all’ambiente e allo scenario di guida viene effettuato attraverso molteplici sensori e le immagini della telecamera, combinati insieme in modo corretto. Le reti di deep learning vengono formate sulla base dei dati di test di prova. È necessario, inoltre, considerare un'ampia varietà di scenari di traffico al fine di garantire una copertura sufficiente. Questi scenari vengono utilizzati, inoltre, per validare la sicurezza degli algoritmi di controllo.

Grazie alla validazione e ai test virtuali è possibile soddisfare questi requisiti in tempi ragionevoli. Viene creato un framework virtuale che include la rappresentazione dei sensori e lo scenario di traffico, insieme alla dinamica realistica del veicolo.

In questo webinar, i nostri esperti presenteranno e illustreranno i diversi passaggi, dal rilevamento dell'ambiente fino alla definizione e al tracciamento della giusta traiettoria del veicolo, coprendo i seguenti argomenti:

• Scenari virtuali per ampliare la copertura e migliorare il controllo della sicurezza
• Principali requisiti del framework di test virtuali
• Come raggiungere un buon equilibrio tra tutti i parametri inclusi comfort, prestazioni, risparmio di carburante, ecc.

• Ulteriori informazioni sullo sviluppo dei controlli, la verifica e la validazione nella progettazione di automobili
• Cosa si intende per validazione virtuale?
• Ulteriori informazioni su come validare e testare virtualmente i sistemi ADAS durante le prime fasi di sviluppo