01
验证范围
从单项算法到整车系统的测试闭环
自动驾驶软件仿真验证覆盖感知、定位、预测、规划与控制模块。团队可以使用真实采集数据、参数化交通参与者和边界条件构建测试任务，并将每次运行结果与软件版本、配置文件和测试指标关联。
- 输入道路采集数据、传感器模型、地图与场景参数
- 执行回放测试、闭环仿真、SIL/HIL 及实车联调
- 输出指标报告、异常片段、问题定位线索与版本记录
支持软件版本与测试结果关联
软件关系图
测试输入、算法运行与结果分析相互贯通
从数据准备到报告复盘，每个节点都保留可追溯信息，方便研发团队判断问题来自输入、算法还是运行环境。
一条可回看的验证链
场景、地图、传感器模型、软件镜像和指标配置共同构成测试任务。任务完成后，结果可按模块、版本和场景维度进行对比。
数据—算法—结果输入 01
道路与地图
静态道路、动态交通和定位参考
输入 02
传感器模型
视场、噪声、遮挡与时序参数
运行 03
算法容器
感知、规划、控制模块及依赖
运行 04
测试执行器
批量任务、闭环交互与日志采集
分析 05
指标计算
安全、效率、舒适性与时延指标
输出 06
结果报告
异常片段、趋势变化与复盘记录
适配场景
不同道路任务，共用一套测试逻辑
根据道路开放程度、运行速度、交通复杂度和传感器组合调整测试参数，形成适合项目阶段的验证方案。
开放道路回放
针对城市路口、变道、加塞、非机动车混行等复杂片段，观察感知稳定性与规划决策连续性。
园区低速运行
验证行人密集、道路边界不规则和临时障碍物条件下的避让、停车与任务调度。
商用车路线测试
结合固定线路、长时间运行和载荷变化，关注定位漂移、能耗相关策略与异常恢复。
封闭场地极限场景
在可控环境中复现紧急制动、遮挡目标和低附着路面等难以频繁采集的测试条件。
可信验证信息
让测试结果具备工程判断依据
测试不是单纯追求通过率，而是明确测试边界、记录运行条件，并让异常能够被复现和分析。
记录维度
软件镜像与配置逐次关联
场景参数与地图版本完整保留
运行日志与输出轨迹统一归档
指标阈值与判定规则可配置
验证方式
支持模块级测试、系统级闭环测试、软件在环、硬件在环、数据回放和实车对照。测试维度可覆盖目标检测、定位误差、轨迹偏差、规划时延、控制平顺性与异常接管等内容，具体配置根据车辆平台和项目阶段确定。
技术问答
自动驾驶仿真测试验证常见问题
针对数据接入、测试环境和结果使用方式，整理研发团队常见的技术问题。
通常需要道路采集数据、地图或道路拓扑、传感器标定信息、车辆参数及待测试软件模块。数据格式和准备范围可根据现有工具链与测试目标进行确认。
软件在环主要验证算法逻辑和系统行为，执行速度快、适合批量回归；硬件在环会接入真实车载计算单元，可进一步观察算力占用、通信时延、接口行为和异常恢复。
可以。通过统一场景描述、时间戳、车辆参数和指标定义，可将仿真输出与实车日志进行对齐，比较轨迹、目标、决策和控制结果，识别模型与真实环境之间的差异。
每项测试任务可关联软件镜像、配置文件、场景版本、指标规则和运行时间。研发人员能够按提交版本查看通过情况、异常变化及历史复盘记录。
接入方式取决于现有工具的数据协议、容器方式、消息接口和计算平台环境。项目沟通时会先确认数据流、输入输出定义与运行约束，再制定适配范围。
技术沟通
为自动驾驶软件建立可复用的验证体系
告诉我们车辆类型、软件模块、现有数据和测试目标，技术团队将围绕仿真、联调与实车验证给出沟通建议。