验证高度自愿化车辆(HAVs)的安适性是一项强大的自愿驾驶寻事。HAV安适验证计谋仅仅基于原始的道道测试是不成行的。固然模仿和应用边际案例场景能够助助下降验证本钱，但即使不采用验证数据汇集和安适认识的更精致的见识，仅应用这些本领不太可以为完全安顿供给足够的确保。验证办法能够通过应用高保真度测试来显式验证低保真度测试的假设和简化，而不光仅是得到低保真度测试结果的抽样复制，从而取得鼎新。分手众个测试方向能够通过分手需求的验证经过、境遇模子的充沛性、自治确切性、自治结实性和测试场景的牢靠性来供给助助。看待具有隐式计划和需求的自助办法，如机械进修练习数据集，正在紧要构造中作战侦查点能够助助确保车辆正在确切的来因下通过确切的测试。这些规矩能够抬高证实HAV安适性的功用和功用，行动搜罗驱动测试和性命周期监控以及阶段性验证方针（用于昭着治理验证不确定性的）的一部门。

只管面对着跨学科的强大寻事，高自愿化车辆(HAVs)的大范围安顿好似迫正在眉睫。目前，还没有就验证这些车辆的非古板软件方面的安适性的本领计谋告竣广泛共鸣。研商到NHTSA（国家公道交通安适治理局）对自愿车辆本领安适的非禁锢办法，好似只须拓荒团队以为他们的车辆盘算好了，就会安顿很众HAV，然后他们就会看到民众道道上的景况奈何。尽管试点安顿的事项产生率低到能够担当的水准，但仍存正在一个题目：有限范围的安顿能否确切预测更大范围安顿的安适性，以及随之而来的软件更新。

咱们常常看到云云的声明：累积道道里程将验证HAV体系的安适性，奇特是正在试图描绘拓荒职业发达的景况下。尽管提到了其他花样的验证，对这个大旨更完全的商酌依然目标于着重夸大测试的效力。然而，尽管应用紧闭的车道和高牢靠性的模仿，正在安顿之进取行的车辆水准测试的数目也是有束缚的。

本文的鸿沟是验证需求超越ISO 26262范例，并夸大SAE 4级自治。第4级HAV只需求正在指定的运转计划域(ODD)内实行自助操作，这就避免了体系正在特定的条款下运转。

一种超越里程积攒的HAV自助安适验证办法优劣常可取的。最好，它还应当基于一个伪制的办法，搜罗简直的，可测试的安适方向和哀求。本文提出了少许办法来抬高HAV有用性，从而取得一个更合理的安适论证。分层的验证环节能够助助支撑云云一个结论，即HAV体系是可担当的安适的，尽管正在没有一律原则的自愿效用的古板效用需求集的景况下也是这样。

只管这些念法是基于某些界限的现有实习，然则HAV本领的希奇性和HAV贸易化的速率促使咱们对奈何行使这些念法来治理和下降HAV安顿的危机实行明显、同一的描绘。

安适:没有酿成耗费的无意事项的不对理危机。4级HAV耗费事务搜罗可以因为HAV计划缺陷或操作毛病而导致的断命。看待最初的HAV安顿，民众策略会对可以组成合理危机的评估爆发影响。

机械进修(ML):正在体系计划中应用概括进修的一种办法，此中运转时体系应用进修经过的结果来实施算法操作(比方，运转具有预先策动的权值的深度卷积神经收集)。本文假设正在验证之前权重是固定的。验证正在运转时窜改权重或以其他体例进修的动态自符合ML体系赶过了本文的鸿沟。

管理很众潜正在的计划和杀青缺陷能够，并且应当通过应用已作战的安适圭臬，如ISO 26262来达成。看待那些尽管是一个完善职业的体系也可以不行供给一律安适的效用的界限，能够应用[9]来遮盖预期效用的安适性(SOTIF)的新圭臬。SOTIF圭臬可以供给一种办法来管理具有统计有用效用的函数，比方基于雷达的故障检测函数。如[10]中所商酌的，还必需办理针对基于MLB的体系的其他题目。总的来说，正在效用性安适办法中，凭据V模子实行验证的样板题目是ML体系效用对人是不透后的。这使得可跟踪性题目实施可跟踪性认识的职员不行认识计划工件。

咱们并没有凭据V模子试验计划到测试的可跟踪性办法，相反，咱们摸索了以测试为中央的办法正在ISO 26262和SOTIF圭臬的本质行使鸿沟以外能够做什么，这些圭臬并不是为ML验证计划的。

正在自愿驾驶汽车原型计划中，道道测试连续是要点。机械人界限要紧依赖于确切寰宇的测试，以便领略机械人需求什么特质。然而，跟着汽车从原型过渡到出产，验证办法必需变得愈加完全。

将HAV安适论证一律作战正在累积道道里程的根蒂上是验证安适的一种不切本质的办法。这种办法需求大宗的里程才略得出可托的统计数据。除此以外，累积的道道测试证据的有用性也会跟着软件的蜕化而受到潜正在的危害，无论是对练习数据的更新，新行径的增加，依旧仅仅是一个安适补丁。

行动一个本质题目，即使正在数十亿英里的道道测试和模仿后，数据显示HAV没有抵达预期的安适方向，会产生什么?拓荒团队(或者他们应当)正在挖掘任何侦查到的缺陷后，实行此外的十几亿英里的道道测试吗?或者团队只是修补那些容易复制的bug，测试几英里，然后布告获胜，然后不绝安顿?来自墟市角逐的广大压力的实际将奈何影响团队对结果的阐明和验证办法?

根本上，通盘其他行业的软件体系的效用安适验证都不是基于试用安顿，而是基于测试和其他能够由独立评估职员实行评估的验证办法。即使HAV行业期望听从这些先例，它将需求一种办法来作战一个别系的、可辩护的安适论证，能够由独立的一方实行评估，只管存正在很众怪异的验证寻事。

本质上，不成以实施足够的通俗体系级测试来确保性命要害体系的安适性。普通来说，这是由于汽车车队大白正在氛围中的期间太长，对性命安适的哀求又太庄苛，因此检测无法积攒足够的大白期间来证实安适性。

看待高速公道，测试不成行性题目的一个显露是，特地景况必需安适管理，但正在平常驾驶中相对少睹。道道测试是侦查偶尔产生的罕睹事务的一种无效办法。通过将它们配置为昭着计划的测试场景（比方，紧闭经过测试）能够加快对已知罕睹事务的大白。通过将测试用例的散布向更纷乱的已知场景倾斜，能够进一步加快评估。比方，Waymo除了道道测试次第外，还应用紧闭课程测试和遍及的模仿。

因为资源的束缚，尽管遮盖已知的场景也可以是具有寻事性的，即使它只涉及到应用物理车辆。基于软件的车辆仿真能够通过正在众台策动机上并行运转仿真来推广测试场景的遮盖鸿沟，但不成避免地会涉及保真度与运转时本钱之间的衡量，以及合于软件模子的完备性和确切性的题目。模仿不搜罗模仿未预念到的景况(比方，未知的安适联系的罕睹事务)的可以性。

影子形式驾驶和SAE 3级自愿驾驶安顿能够通过监督安顿的车队来添补对确切驾驶场景的大白，此中人类驾驶员担负安适。然而，正在三级体系中，人类驾驶员是否可以有用地监视安适存正在争议。

道道测试、紧闭经过测试、仿真和对人工体系的监控正在演示HAV安适性方面都具有紧急的名望。然而，为了同时有用和高效，它们应当以一种互补的体例机合起来。(咱们清楚到很众HAV拓荒职员都有纷乱但专用的验证办法。正在本文中，咱们假设一个俭省的里程策动基线办法来阐发这些题目。)

当被问及为什么用确切车辆实行道道测试比模仿测试更好时，一个样板的解答是它更确切。最终，正在实际寰宇中测试一辆确切的汽车是很紧急的。然则实际主义自身是对测试资源的无效的，而且最终是不成避免的。

仿真有用性的要害是具有符合实在切性(仿真牢靠性)来达成职业。有目共睹，通盘的模子都是失误的，但有些模子是有效的。因为模仿涉及体系模子、境遇模子和体系应用模子，所以没有模仿是完善的。

仿真的牢靠性水准是对体系行径实行简化和假设的水准。低保真度仿真往往通过应用简化的体系吐露(有时称为降阶模子)来神速实施，所以正在某种事理上是失误的。高牢靠性仿真往往更纷乱，实施起来也更高贵，然则蕴涵的简化和假设更少，所以失误更少。然则这两种模子都是有效的。

抬高测试功用的要害是要清楚到，并不是通盘的实际主义对通盘测试都有效。行动一个轻易的例子，模仿道面摩擦系数往往与确定策动机视觉技能是否能看到道上的孩子无合。(摩擦系数可以与车辆是否能实时泊车相合，但与特定的几何和境遇场景是否能检测到儿童无合。)无论测试是正在软件模仿中(通过对分别道面实行修模)，依旧正在模仿测试轨道场景中(通过正在停机坪上的沙子或冰)，都是这样。

有用的仿真的要害是不光要研商被验证的体系，还要研商体系和操作境遇的种种牢靠性模子所作的假设。所以，任何本质的验证都应当被看作是一系列分别笼统和牢靠性方针的模子。从这个角度看，紧闭经过测试是模仿的一种花样，由于尽管涉及的故障和车辆可以是确切的，场景也是模仿的。验证HAV安适性不光需求确保HAV体系模子十分确切，还需求验证用于创修测试方针和测试模仿的境遇和应用模子。

汽车测试网-创建于2008年，报道汽车测试本领与产物、趋向、动态等 接洽邮箱 marketing#auto-testing.net (把#改成@)