自动驾驶系统现实差距的多模态评估

仿真测试是自动驾驶系统（ADS）开发的基石，可在多种驾驶场景下提供安全且可扩展的评估。然而，仿真行为与真实世界行为之间的差异（即现实差距）对测试结果向部署系统的可迁移性提出了挑战。本文提出了一项全面的实证研究，比较了四种代表性的测试模态：软件在环、车辆在环、混合现实以及完全的真实世界测试。使用配备真实传感器（摄像头和 LiDAR）的小型物理车辆及其数字孪生，我们实现了每种设置，并在包含真实障碍物、道路拓扑和室内环境的多种室内驾驶场景中评估了两种 ADS 架构（模块化和端到端）。我们系统地评估了每种测试模态在现实差距的三个维度上的影响：执行、感知和行为保真度。结果表明，虽然 SiL 和 ViL 设置简化了真实世界动力学和传感的关键方面，但 MR 测试在不牺牲安全性或控制性的前提下提高了感知真实感。重要的是，我们识别了故障未能在不同测试模态间迁移的条件，并分离了导致这些差异的差距的潜在维度。我们的发现为每种模态各自的优势和局限性提供了可操作的见解，并为更稳健、可迁移的自动驾驶系统验证勾勒了路径。