Более века автопроизводители совершенствовались в проектировании машин, которые менялись медленно. Разработка новой модели занимала годы. Выбор аппаратного обеспечения фиксировался на ранних этапах. Тестирование проходило по во многом предсказуемому пути. Как только автомобиль покидал завод, его возможности оставались практически неизменными.
Программно-определяемые транспортные средства меняют эту модель.
Современные автомобили все чаще полагаются на централизованные вычисления, подключенные сервисы, передовые системы помощи водителю и программное обеспечение, которое можно обновлять на протяжении всего жизненного цикла автомобиля.
Это меняет источники конкурентных преимуществ в автомобильной индустрии.
Мощность двигателя и управляемость по-прежнему важны. Но вычислительная архитектура, качество программного обеспечения и способность разрабатывать, валидировать и улучшать возможности автомобиля на протяжении всего его жизненного цикла теперь значат гораздо больше, чем раньше.
Volvo Cars расширяет сотрудничество с NVIDIA в области технологий автоматизированного вождения. Mercedes-Benz объединяет свою архитектуру MB.OS с вычислительными технологиями NVIDIA для будущих автомобилей. General Motors также использует технологии NVIDIA в разработке автомобилей, производстве и робототехнике.
Эти партнерства указывают на более масштабный сдвиг. Автомобили превращаются в вычислительные системы, которые к тому же умеют передвигаться.
Это создает сложную инженерную задачу. Программное обеспечение может меняться быстро. Процессы верификации и валидации в автомобилестроении должны поспевать за этими изменениями, не снижая уверенности в поведении автомобиля.
Проблема тестирования и валидации становится все масштабнее
Традиционная программа разработки автомобиля могла в значительной степени опираться на прототипы, испытательные треки и поэтапную валидацию перед началом производства.
Это становится сложнее, когда тысячи программных функций взаимодействуют внутри подключенного автомобиля.
Стоит изменить одну часть, и последствия могут проявиться в самом неожиданном месте.
Изменение одной программной функции может затронуть другие компоненты, использующие общие данные или вычислительные ресурсы. Функция помощи водителю должна работать корректно не только на сухом шоссе при дневном свете, но и на различных дорогах, при любых погодных условиях, в разных дорожных ситуациях и при разном поведении водителя.
Физические испытания остаются необходимыми. Однако они экономически не могут охватить все возможные комбинации условий.
Тестирование больше не может проводиться только на определенных этапах. Валидация должна стать частью самого процесса разработки.
Это смещает задачу с тестирования автомобиля на контрольных этапах к постоянному поиску ответа на более сложный вопрос: как поведет себя это программное обеспечение в условиях, которые мы еще не тестировали?
Симуляция становится центральным звеном
NVIDIA Omniverse предоставляет среду для симуляции и разработки цифровых двойников. Cosmos расширяет эти возможности до моделирования мира и синтетических данных. Alpamayo ориентирована на логику автономного вождения и оценку сложных решений при вождении. NVIDIA Halos представляет собой более широкую систему автомобильной безопасности. Она объединяет симуляцию и физические испытания, помогая разработчикам формировать измеримые и прослеживаемые доказательства безопасности для систем автоматизированного вождения.
Эти технологии решают разные инженерные задачи. Но главная возможность заключается в их объединении.
Вместо того чтобы инженеры вручную определяли каждый тест, запускали его и изучали результаты, программные агенты могли бы взять на себя большую часть этого цикла.
Они могли бы интерпретировать требования, предлагать сценарии тестирования, инициировать симуляции, выявлять сбои и указывать инженерам на случаи, требующие более пристального внимания. NVIDIA Agent Toolkit и открытые модели Nemotron могут поддерживать логику и координацию в рамках этих рабочих процессов.
Инженеры по-прежнему играют центральную роль. Инженерная оценка и подтверждение безопасности не могут быть делегированы.
Тестируйте редкие случаи, а не только рутинные
Это наиболее важно для граничных случаев.
Реальные дороги создают комбинации условий, которые инженерным командам трудно воспроизвести по запросу.
Необычное освещение. Плохая видимость. Неожиданная разметка или планировка дорог. Конфликтные траектории движения транспортных средств и пешеходов. Изменения в ПО, которые кажутся безобидными, пока не вступят во взаимодействие с чем-то непредвиденным.
Симуляция позволяет инженерам изучать эти условия на ранних этапах, не дожидаясь возможности воспроизвести их физически.
Физически обоснованные модели могут воспроизводить аспекты реального мира. Синтетические данные позволяют расширить спектр ситуаций, доступных для разработки. Для подходящих рабочих нагрузок суррогатные модели могут ускорить вычисления, которые в противном случае потребовали бы значительного времени.
Цель не в том, чтобы заменить дорожные испытания.
Цель состоит в том, чтобы расширить покрытие тестами на ранних этапах, быстрее находить проблемы и принимать более обоснованные решения о том, что еще требует физических испытаний перед выпуском.
Компьютер важен так же, как и код.
Платформы, такие как NVIDIA DRIVE AGX Thor, поддерживают все более централизованные вычисления в автомобиле. Сценарий, который работает в симуляции, все равно требует тестирования на соответствующем целевом оборудовании. Тайминги, использование памяти и тепловые ограничения могут изменить результат.
Виртуальная симуляция электронных блоков управления (ECU) также позволяет перенести отдельные функциональные, регрессионные тесты, тесты на внедрение неисправностей и проверку ПО ECU на более ранние этапы разработки, снижая зависимость от физических стендов hardware-in-the-loop (HiL). Тестирование HiL и испытания на уровне автомобиля остаются необходимыми для интеграции, проверки таймингов и обеспечения безопасности. Есть и другая сторона проблемы: программно-определяемые транспортные средства продолжают меняться и после ввода в эксплуатацию.
Каждое значимое изменение программного обеспечения ставит простой вопрос: что нужно протестировать повторно?
То же самое относится к обновлениям по воздуху (OTA) перед их отправкой на автомобили, которые уже находятся в эксплуатации. Запуск всех имеющихся тестов после каждого изменения был бы дорогим и медленным процессом. Запуск слишком малого количества тестов создает риски.
Поэтому производителям крайне важно понимать зависимости между программными компонентами, функциями автомобиля, требованиями и результатами предыдущих тестов. Это зависит от чего-то менее эффектного, чем автономное вождение, но не менее важного: дисциплинированной работы с инженерными данными.
Требования, результаты симуляций, изменения в ПО и свидетельства тестирования часто хранятся в разных системах. Их объединение через общие структуры данных, происхождение и прослеживаемость делает валидацию более целенаправленной.
Если инженеры точно знают, что изменилось и что от этого зависит, они могут сосредоточить тестирование там, где кроется риск.
От автоматизации тестирования к интеллектуальной валидации
Наша платформа призвана устранить этот разрыв. Предложение сочетает в себе наш опыт в автомобильном инжиниринге с вычислительными технологиями, симуляциями и автомобильными решениями NVIDIA. Цель состоит в том, чтобы связать требования, генерацию сценариев, оркестрацию тестов, симуляцию и прослеживаемые доказательства валидации, а не рассматривать их как разрозненные инженерные задачи.
Такой же подход может поддерживать как разработку новых автомобилей, так и регрессионное тестирование на основе рисков перед последующими выпусками программного обеспечения.
Открытость также будет иметь значение
У автопроизводителей есть веские причины осторожно относиться к тому, где они размещают инженерные знания, данные об автомобилях и интеллектуальную собственность.
Подход NVIDIA с открытыми моделями, включая такие технологии, как Nemotron, Cosmos и Alpamayo, может дать производителям больше возможностей для адаптации моделей и инженерных рабочих процессов под свои требования в соответствии с условиями лицензирования.
Это важно, потому что автопроизводителям нужно не просто более «умное» программное обеспечение.
Им нужен контроль над тем, как оно разрабатывается, тестируется и управляется.
Конкурентный вопрос меняется вместе с этим.
Победителями на рынке программно-определяемых транспортных средств станут не просто те производители, которые быстрее всех выпускают новые функции. Скорость без уверенности порождает свои проблемы. Преимущество будет у тех компаний, которые смогут быстро изменять программное обеспечение автомобиля, понимать последствия этих изменений и предоставлять убедительные доказательства того, что оно работает должным образом еще до выпуска. На протяжении десятилетий автомобилестроение было сосредоточено на доказательстве того, что автомобиль готов покинуть завод.
Программно-определяемый автомобиль меняет этот стандарт.
Уверенность теперь должна быть установлена на протяжении всей разработки и подтверждаться каждый раз, когда выпускаются значительные обновления программного обеспечения.
Возможность проста: проводите валидацию раньше, тестируйте то, что действительно важно, и создавайте доказательную базу для каждого релиза.












