Valdivia Sample

重塑未来自动驾驶的情景分析

IAV Valdivia Sample（场景罗盘）是IAV仿真工具链中有关数据驱动的开发和验证的场景空间分析工具，主要功能是利用AI技术通过自动化迭代的方法不断探寻ADAS/AD算法的薄弱场景，并同时过滤低相关性场景，借此实现对算法在整个高维场景空间的表现有细致的认知，而不用运行大量的场景仿真，节约时间和成本。作为结果，训练而成的AI模型可以辅助工程师进行如全局/局部/二阶敏感性分析，可靠性分析，异常检测等高级分析，也可以用于算法能力的可视化展示（平行坐标图，箱线图等等）。IAV  Valdivia  Sample分析的结果也是SOTIF分析的重要参考依据，对于L3及以上高阶自动驾驶功能的方向提供依据。​

生成可复现的结果

IAV Valdivia Sample 使用科学合理的方法和最先进的概率机器学习模型。通过这种方式，IAV Valdivia Sample 提供了一个透明的过程和可理解的决策。

节省时间和降低成本

该软件提供了通过减少模拟次数、计算时间和所需许可证数量来减少您的测试工作量高达 80% 的可能性，显著提高了效率。

支持本地或云端部署

IAV Valdivia Sample 通过 REST API 集成到完全自动化的测试环境（SiL 或 HiL），我们可以帮助你在云端部署使用该工具，您也可以选择作为软件即服务使用（SaaS）。

用例适用于众多行业

最初设计用于 ADAS 领域的工具，在有限资源下进行高效测试以评估风险，也可以在需要高效建模方法来开发或批准复杂系统的任何地方使用 - 例如，在能源行业或航空业。

它是如何工作的？

 IAV Valdivia Sample本质上使用了一种监督式的机器学习模型，采用概率元模型和主动学习方法，能够根据需求通过迭代的形式挑选关键样本。它首先使用统计技术生成测试场景，用少量的样本数据来实现广泛的覆盖。随后，人工智能会分析这些测试的结果，以找出哪些场景的特征组合会导致关键结果，例如低日照角度和湿滑道路的组合。最后，它迭代地生成系统的关键场景并依次分析其数据。每次迭代都可以揭示更多的弱点并更好地理解系统。这个过程超越了传统的优化和测试计划方法（以蒙特卡罗采样为代表的大量随机试验），而是使用概率元模型和自适应的实验设计（自适应重要性采样）。最终，概率模型可以用来计算关键场景的概率，这为安全关键系统的发布决策提供了一个可衡量的基础。

 联系人Contact: kailun.liu@iav.de

IAV Vega

利用IAV Vega自动驾驶场景平台提高自动驾驶仿真验证的效率

 IAV Vega是一个用于ADAS测试的仿真资源和任务管理平台。我们利用性能优良的数据库系统和前后端系统对开发中涉及到的仿真场景进行生成，储存，泛化，仿真测试和结果分析，支持L1-L4多等级的自动驾驶功能测试和放行的需求。平台主要包括以下几个部分：

1.     场景库：各种驾驶情况和环境条件的集合，支持导入、编辑、标签、筛选、批量管理等操作。

2.     软件在环（SiL）：允许开发者在模拟环境中测试多类控制算法和软件。

3.     自动化测试软件：允许开发者在不同的驾驶场景下自动测试他们的自动驾驶系统。

4.     仿真软件：提供了一个类似于真实世界的虚拟环境，用于自动驾驶软件的运行。

我们可以根据您的需求，将平台部署在您的私有云上并配置相关云资源，来加速并行仿真的速度。

 联系人：kangkang.zhou@iav.de