====== Testimise infrastruktuur ======

Nagu varem mainitud, koosneb üldine V&V protsess testitava toote testimisest ODD-s. Tavaliselt tehakse seda mitme tehnikaga. Keskne paradigma on testi genereerimine, testi täitmine ja selgete korrektsuse kriteeriumide olemasolu.  Praegu on aktiivsed kolm peamist intelligentse testi genereerimise stiili: füüsiline testimine, reaalajas külvamine ja virtuaalne testimine.

  - Füüsiline testimine: tavaliselt on füüsiline skaleerimine funktsionaalsuse kontrollimiseks kõige kallim meetod. Tesla on aga ehitanud voolu, kus nende olemasolev autopark on suur hajutatud katsealus.  Seda sõidukiparki kasutades kasutab Tesla lähenemine autonoomsele sõidule keerulist andmekanalit ja süvaõppesüsteemi, mis on loodud suure hulga andurite andmete tõhusaks töötlemiseks.  Selles voos on juhi juhitud stsenaarium koostamisel ja õigsuse kriteeriumiks on juhi parandustegevus. Kulisside taga saab globaalset kontrollivoogu hallata suurte andmebaaside ja superarvutite (DoJo) abil. Seda metoodikat kasutades teab Tesla, et tema stsenaariumid kehtivad alati. Selle lähenemisviisiga on aga probleeme.  Esiteks liigub reaalne maailm uute ainulaadsete olukordade osas väga aeglaselt. Teiseks on nähtud stsenaariumid definitsiooni järgi väga palju seotud Tesla turuosaga, seega ei ennusta uusi olukordi.  Lõpuks on andmete kogumise, vea tuvastamise ja parandusmeetmete loomise protsess mittetriviaalne. Äärmisel juhul sarnaneb see protsess katkiste arvutite krahhilogide võtmisega, nende diagnoosimisega ja paranduste loomisega.
  - Real-World külvamine: teine ​​​​testide genereerimise rida on füüsiliste olukordade kasutamine edasise virtuaalse testimise seemnena. Saksamaal algatatud peamine projekt Pegasus võttis sellise lähenemisviisi. Projektis rõhutati stsenaariumipõhist testimismetoodikat, mis kasutas aluseks reaalsetes tingimustes vaadeldud andmeid. Teine sarnane jõupingutus tuleneb Warwicki ülikoolist, keskendudes katsekeskkondadele, ohutusanalüüsile, stsenaariumipõhisele testimisele ja turvalisele tehisintellektile.  Üks Warwicki panustest on ohutusbasseini stsenaariumide andmebaas. Andmebaasid ja külvimeetodid, eriti huvitavate olukordade puhul, pakuvad teatud väärtust, kuid loomulikult pole nende täielikkus selge. Lisaks on testide andmebaasid väga vastuvõtlikud AI-algoritmide liigsele optimeerimisele.
  - Virtuaalne testimine: Teine oluline panus oli ASAM OpenSCENARIO 2.0, mis on domeenispetsiifiline keel, mis on loodud täiustatud juhiabisüsteemide (ADAS) ja automatiseeritud juhtimissüsteemide (ADS) arendamiseks, testimiseks ja valideerimiseks. Kõrgetasemeline keel võimaldab stsenaariumi sümboolselt kõrgemal tasemel kirjeldada koos võimega kompositsioonireeglite järgi keerukamaks muutuda. Sümboolse aparaadi all on pseudojuhuslik testide genereerimine, mis võib stsenaariumi genereerimise protsessi skaleerida. Juhuslikkus pakub ka võimalust paljastada "tundmatu-tundmatu" vead.

Lisaks komponentide valideerimisele on pakutud lahendusi spetsiaalselt autonoomsete süsteemide jaoks, nagu UL 4600, "Autonoomsete toodete hindamise ohutuse standard".  Sarnaselt standardile ISO 26262/SOTIF keskendub UL 4600 ohutusriskidele kogu toote elutsükli jooksul ja tutvustab struktureeritud ohutusjuhtumi lähenemisviisi.  Selle metoodika tuum on dokumenteerida ja põhjendada, kuidas autonoomsed süsteemid vastavad ohutuseesmärkidele. Samuti rõhutab see paljude reaalsete stsenaariumide tuvastamise ja valideerimise tähtsust, sealhulgas äärmuslikud juhtumid ja haruldased sündmused. Samuti keskendutakse inimese ja masina interaktsioonide kaasamisele.   

Millist testimise infrastruktuuri on vaja nende erinevate metoodikate jaoks?

Autode füüsilise testimise aluseks on kokkupõrketestide, teemuutuste ja ilmastikumõjude katsetamise võimalused.   Need on üldiselt privaatsetel ja jagatud testradadel üle maailma. autonoomia nimel, 
Andurite, katseradade ja virtuaalse simulatsiooni teemade ümber on tekkinud mitu taset testimise infrastruktuuri.  
 
{{:en:safeav:avt:3m-anechoic-chamber.jpg?600|}}
Joonis: Kajakamber

Andurite jaoks on oluline varustus:
- Kajatud kambrid: neid kambreid iseloomustab kajatu (kajavaba) sisemus, mis tähendab, et need on loodud heli või elektromagnetlainete täielikuks neelamiseks, et kõrvaldada peegeldused seintelt, laest ja mõnikord ka põrandalt.
- Fully Anechoic Chambers (FAC): nende kambrite kõik sisepinnad (seinad, lagi ja põrand) on kaetud RF-i neelavate materjalidega, luues peegeldusteta keskkonna. Need sobivad ideaalselt ülitäpseks mõõtmiseks, nagu antenni testimine või olukordades, kus on vaja vaba ruumi.
- Poolkajakambrid (SAC): seda tüüpi seinad ja lagi on kaetud imavate materjalidega, samas kui põrand jääb peegeldavaks (sageli metallist alusplaat). See peegeldav põrand aitab simuleerida reaalseid keskkondi, näiteks maapinnal töötavaid seadmeid. Üldise EMC (elektromagnetilise ühilduvuse) testimiseks kasutatakse tavaliselt poolkajakambreid.
- RF-varjestatud ruumid (Faraday puurid): need on kinnised ruumid, mis on ette nähtud elektromagnetilise kiirguse sisenemise või väljumise blokeerimiseks. Need on ehitatud juhtiva varjestusega (tavaliselt vasest või muudest metallidest) seinte, lae ja põranda ümber, mis minimeerib elektromagnetiliste häirete (EMI) sisenemist või väljumist. Need on paljude EMI testimisseadmete põhikomponent.
- Reverberatsioonikambrid: need kambrid kasutavad statistiliselt ühtlase elektromagnetvälja loomiseks tahtlikult kambris resonantse ja peegeldusi. Need võivad mahutada suuremaid ja keerukamaid testimise seadistusi ning on eriti kasulikud häirekindluse testimisel, kus seade puutub kokku kõigist suundadest pärit häiretega. Nende jõudlust saab aga madalamatel sagedustel piirata. 

{{:en:safeav:avt:zalazone_drone_0.jpg?600|}}
Joonis: Zalazone autonoomne katserada

Testradade osas on traditsioonilisi katseradasid, mida kasutati mehaaniliseks testimiseks, laiendatud autonoomia funktsioonide testimiseks. Hiljutine näide ülaloleval joonisel on ZalaZONE, Ungaris asuv suur testrada.  ZalaZONE integreerib nii tavapärase sõidukite testimise infrastruktuuri kui ka järgmise põlvkonna nutika mobiilsuse funktsioonid. Üks selle silmapaistvamaid komponente on Smart City Zone, mis simuleerib reaalset linnakeskkonda ristmike, ringristmike, ülekäiguradade ja ühistranspordi stsenaariumitega. See võimaldab kontrollida linnatasandi autonoomiat, V2X-suhtlust ja AI-põhiseid mobiilsuslahendusi kontrollitud, kuid realistlikus keskkonnas. Rajatis sisaldab spetsiaalset maantee- ja maateede lõiku, mis toetab suurema kiirusega autonoomsete funktsioonide hindamist, nagu adaptiivne püsikiiruse hoidja, sõidurea hoidmine ja ohutu möödasõit. Kiire ovaal võimaldab autonoomsete või ühendatud sõidukite jaoks pikaajalist vastupidavustesti ja ühtlast kiiruskatset. Dünaamiline platvorm pakub tasast ja avatud ruumi sõidukite dünaamika testimiseks, nagu automaatne hädapidurdus, kõrvalepõiklemine ja trajektoori planeerimine, samas kui nii märjal kui ka kuival juhitavuse rajad võimaldavad katsetamist erinevatel hõõrdepindadel kriitiliste stsenaariumide korral. ZalaZONE on varustatud ka täiustatud V2X ja 5G taristuga, sealhulgas teeäärsete üksuste (RSU-de) ja äärearvutussüsteemidega, et võimaldada reaalajas sidet ja andmevahetust sõidukite ja infrastruktuuri vahel – see on koostöö juhtimise ja andurite valideerimise jaoks ülioluline. Lisaks toetab maastikuosa maasturite, sõjaväesõidukite ja veoautode testimist ebatasases maastikus. Rajatist täiendavad EMC-testimise võimalused ja kliimakontrolliga testimiskambrite plaanid, mis suurendavad selle toetust keskkonna- ja regulatiivsetele testimistele.
ZalaZONE pakub ka integratsiooni simulatsiooni- ja digitaalsete kaksikkeskkondadega. Selliste platvormide kaudu nagu IPG CarMaker ja AVL tööriistad, saavad arendajad paralleelselt rajal oleva valideerimisega läbi viia tarkvara-in-the-loop (SIL) ja riistvara-in-the-loop (HIL) testimist.  
 
{{:en:safeav:avt:carla.jpg?600|}}
Joonis: Carla Simulator

Lõpuks tehakse suur osa simulatsioonist virtuaalselt. Simulatsioon mängib autonoomsete sõidukite (AV-de) väljatöötamisel ja valideerimisel kriitilist rolli, võimaldades arendajatel katsetada taju-, planeerimis- ja juhtimissüsteeme mitmesugustes stsenaariumides ilma füüsilise riskita. Kõige silmapaistvamate tööriistade hulgas on CARLA, avatud lähtekoodiga simulaator, mis on loodud akadeemiliseks ja teaduslikuks kasutamiseks, mis on tuntud oma realistliku linnakeskkonna, erinevate andurite (LiDAR, radar, kaamerad) toe ja ROS-iga integreerimise poolest. Seda kasutatakse laialdaselt AV-de prototüüpide loomiseks ja õppimiseks.  Äripinnal on "rFpro" juhtiv valik originaalseadmete tootjate ja Tier-1 tarnijate jaoks, pakkudes fotorealistlikku keskkonda ja täpset andurite modelleerimist submillimeetrise täpsusega, mis on oluline andurite liitalgoritmide valideerimiseks. Sarnaselt pakuvad "IPG CarMaker" ja "dSPACE ASM" võimsaid suletud ahelaga keskkondi, mis sobivad ideaalselt sõiduki dünaamika ja ADAS-i funktsioonide testimiseks, eriti riistvara-in-the-loop (HIL) ja tarkvara-in-the-loop (SIL) seadistustes. Need tööriistad on tihedalt integreeritud MATLAB/Simulinki ja reaalajas riistvaraga manustatud kontrolltestimiseks. Suuremahuliste ja ohutuskriitiliste simulatsioonide jaoks eelistatakse selliseid platvorme nagu "VIRES VTD" ja "Applied Intuition", kuna need vastavad tööstusstandarditele, nagu ASAM OpenX ja ISO 26262, ning nende võime modelleerida tuhandeid äärmuslikke stsenaariume. Omniverse'i platvormile ehitatud "NVIDIA DRIVE Sim" kasutatakse sünteetiliste andmete genereerimiseks närvivõrkude ja digitaalsete kaksikute treenimiseks ja valideerimiseks, pakkudes GPU-kiirendatud realismi, mis aitab tajusüsteemi testida. Lõpuks täidavad simulaatorid, nagu "Cognata" ja "MathWorksi automatiseeritud sõiduriistade kast" niši, kuid kriitilist rolli – Cognata pakub linna mastaabis keskkondi stsenaariumide testimiseks ja ohutuse valideerimiseks, samas kui MathWorksi tööriistu kasutatakse laialdaselt algoritmide väljatöötamiseks ja prototüüpide juhtimiseks, eriti akadeemilistes ringkondades ja varases faasis. Igal simulaatoril on konkreetne fookus – mõned seavad prioriteediks andurite realistlikkuse, teised täieliku süsteemiintegratsiooni või suuremahulise stsenaariumi genereerimise – nii et valik sõltub sellest, kas eesmärk on uurimistöö, reaalajas kontrolli testimine või kasutuselevõtu ohutuse valideerimine.