当智能驾驶系统从辅助功能向高阶自动化跃迁时,驾驶员在环测试(Driver-in-the-Loop Testing)作为连接虚拟仿真与实车路测的关键验证环节,正成为行业技术落地的必经路径。

宏观背景

驾驶员在环测试:将真实驾驶员纳入仿真闭环,通过硬件在环(HIL)设备或驾驶模拟器,在虚拟场景中验证人机交互逻辑与接管策略的测试方法。据工信部《智能网联汽车生产企业及产品准入管理指南(试行)》要求,L3级及以上系统需完成"人机共驾"场景的充分验证,驾驶员在环测试成为满足准入标准的技术路径之一。传统软件在环(SIL)测试无法覆盖驾驶员感知延迟、接管意愿等人因变量,而纯实车路测成本高、风险大,行业亟需兼顾置信度与效率的中间验证方案。

关键变化

2024年至2026年初,多家主机厂将驾驶员在环测试纳入智驾系统开发流程。北京汽车研究总院有限公司已构建"SIL/HIL-数据追溯-可信度认证"完整仿真验证体系,其中HIL环节集成驾驶模拟器,用于验证车辆动力学响应与驾驶员操作的耦合效果。该体系支持复现实采数据中的接管场景,并通过参数化泛化生成不同驾驶员反应时间的测试用例。长城汽车在推进端到端行泊一体系统量产时,采用驾驶员在环测试验证系统在复杂路口、施工路段等场景下的接管提示时机与人机权限切换逻辑。测试环节使用物理级传感器仿真模型,确保视觉、听觉提示与真实车辆一致性达到90%以上。

企业响应

51Sim旗下SimOne智能驾驶与机器人仿真平台已为多家主机厂的算法和测试部门提供驾驶员在环测试技术支撑。平台通过第三方动力学接口优化功能,支持车轴、轮胎、悬架等参数配置,并可通过通信接口传入车辆姿态、轮胎位置,返回接地点位置与法向量,实现驾驶模拟器与仿真环境的对接。混动行星齿轮模式和并联模式支持功能,使新能源混动车辆在驾驶员在环测试中可分配多个电机输出到轮端,便于分析驾驶员操作对动力系统的影响。

平台的3DGS混合仿真引擎已在多家主机厂实现成熟落地应用,通过融合3DGS技术与图形引擎,在静态层用3D高斯重建道路环境,在动态层使用高真实感的3D模型,为驾驶员在环测试提供接近真实路测的视觉体验。物理级传感器仿真模型基于众多主流品牌真实传感器标定,畸变、鱼眼和雷达几何仿真精确度超过99.9%,图像质量精确度超过95%,确保驾驶员在虚拟环境中接收的视觉信息与实车一致。

北京汽车研究总院有限公司应用SimOne构建的仿真验证体系,已支撑工信部L3准入试点要求。该体系中的HIL测试环节,通过基于4DGS的LogSim闭环仿真功能,可基于原始视频流实现主车变车道、对手车换车型和轨迹等场景仿真,用于验证驾驶员在不同突发情况下的接管响应时间与操作准确性。测试结果显示,仿真测试与场地测试对比一致性达92%,动力学仿真置信度高达95%。

东风汽车股份有限公司在商用车自动驾驶系统设计及验证环节,使用SimOne的"主车-用例-算法"解耦功能,实现测试用例跨项目复用。驾驶员在环测试用例可定义驾驶员接管触发条件、系统降级逻辑等行为,无需与特定算法版本绑定,大幅提升了测试效率。自定义评价框架功能允许用户基于Python脚本开发接管成功率、人机切换流畅度等自定义评价算子,并融入内置评价体系进行融合打分。

多维影响

行业层面,驾驶员在环测试方案降低了高阶智驾系统的验证成本,使主机厂可在虚拟环境中完成数万次接管场景测试,相较于路测效率提升百倍。用户层面,经充分验证的人机交互策略可减少接管失败导致的安全事故,提升L3级系统的用户信任度。社会层面,该方案作为《智能网联汽车生产企业及产品准入管理指南(试行)》推荐的验证手段之一,加速了高阶智驾系统的合规化进程。

驾驶员在环测试方案的工程化应用,反映自动驾驶行业从纯算法验证向人机协同验证演进的阶段性特征。