Avant la simulation, la validation des nouveaux syst\u00e8mes en test (v\u00e9hicules complets, lois de commande ADAS, phares, etc.) se faisait uniquement par des tests physiques. Cela signifiait que nous d\u00e9ployions plusieurs versions de prototypes sur une piste afin de nous assurer que le comportement \u00e9tait celui attendu. <\/p>\n
L’objectif de ces tests physiques<\/strong> est d’am\u00e9liorer la qualit\u00e9 et les performances des syst\u00e8mes en r\u00e9alisant diverses situations de conduite dans des conditions sp\u00e9cifiques. Pour ce faire, chaque \u00e9quipe de projet souhaite optimiser les co\u00fbts et r\u00e9duire les d\u00e9lais de la phase de d\u00e9veloppement, tout en essayant d’acc\u00e9l\u00e9rer les tests et la validation, tout en garantissant la s\u00e9curit\u00e9 des employ\u00e9s et des utilisateurs. <\/p><\/blockquote>\n
D’autre part, la simulation a apport\u00e9 de nouveaux d\u00e9fis et possibilit\u00e9s depuis les ann\u00e9es 90. La simulation aide les constructeurs automobiles, les \u00e9quipementiers, les centres de recherche et d’autres acteurs \u00e0 d\u00e9velopper et \u00e0 acc\u00e9l\u00e9rer les syst\u00e8mes et mod\u00e8les de mobilit\u00e9 num\u00e9rique en diversifiant les situations de conduite possibles (plus d’acteurs, diff\u00e9rentes routes, etc.). Pour augmenter la vitesse des campagnes de tests et de validation, ainsi que pour assurer la s\u00e9curit\u00e9 des employ\u00e9s, la simulation permet l’utilisation de simulateurs de conduite. Elle facilite \u00e9galement la cr\u00e9ation de prototypes \u00e0 chaque \u00e9tape de la conception (de MiL \u00e0 ViL) pour am\u00e9liorer les performances et la qualit\u00e9 des syst\u00e8mes, notamment en permettant de faire des choix technologiques et\/ou ergonomiques plus pertinents d\u00e8s le d\u00e9but du projet.
Depuis plus de 30 ans, les \u00e9quipes d’AVSimulation d\u00e9veloppent un outil de simulation pour r\u00e9pondre \u00e0 ces enjeux. Gr\u00e2ce \u00e0 SCANeR, vous pouvez r\u00e9pliquer des jumeaux num\u00e9riques de vos syst\u00e8mes sous test (SUT) et b\u00e9n\u00e9ficier d’un environnement riche et repr\u00e9sentatif pour les valider de mani\u00e8re it\u00e9rative en boucles ouvertes et\/ou ferm\u00e9es dans de nombreux domaines de l’industrie automobile. Par exemple, pour le d\u00e9veloppement d’un nouveau syst\u00e8me de phare, les cycles de d\u00e9veloppement ne sont plus bas\u00e9s sur les saisons, car la simulation permet aux utilisateurs de contr\u00f4ler l’environnement. Si vous devez effectuer des tests de conduite de nuit (ou sous la pluie), vous n’avez plus \u00e0 attendre des conditions m\u00e9t\u00e9orologiques sp\u00e9cifiques ; les \u00e9quipes de phares peuvent tester, valider et r\u00e9gler leurs syst\u00e8mes en plein jour !<\/strong> L’efficacit\u00e9, l’\u00e9blouissement ou le confort peuvent \u00eatre mesur\u00e9s dans la simulation (et\/ou dans un simulateur de conduite). Cela permet \u00e9galement de tester des situations d’urgence ou complexes, en \u00e9vitant tout risque et en mesurant les r\u00e9actions du testeur sur une route ouverte. Enfin, le d\u00e9veloppement de prototypes, qui repr\u00e9sente un investissement \u00e9lev\u00e9 (compte tenu du faible nombre cr\u00e9\u00e9s) dans un projet, peut \u00eatre r\u00e9duit gr\u00e2ce \u00e0 la simulation. Pour un projet de phare, nous mesurons une r\u00e9duction de 3 \u00e0 5 maquettes gr\u00e2ce au pack Headlight pour SCANeR<\/a>, et seule la derni\u00e8re est utilis\u00e9e pour valider les outils de montage et les performances. Cela affecte directement le retour sur investissement (ROI) du projet, avec une r\u00e9duction des co\u00fbts de 600 000 \u00e0 1 million d’euros. Cela est \u00e9galement vrai pour d’autres syst\u00e8mes composant un v\u00e9hicule. Par exemple, les tests ADAS effectu\u00e9s lors d’une campagne NCAP peuvent \u00e9galement \u00eatre optimis\u00e9s. La photo ci-dessous montre l’exp\u00e9rience de Renault avec SCANeR et son pack NCAP Regulation<\/a>. Lorsqu’on utilise la simulation, la d\u00e9tection des probl\u00e8mes interm\u00e9diaires et le r\u00e9glage du syst\u00e8me se font avant le d\u00e9ploiement d’un prototype, ce qui peut conduire \u00e0 un premier test r\u00e9ussi sur piste (sachant que le co\u00fbt d’une campagne EuroNCAP compl\u00e8te est d’environ 350 000 \u20ac). Les r\u00e9glementations de test ont \u00e9galement \u00e9volu\u00e9 ces derni\u00e8res ann\u00e9es. De bons exemples sont les sc\u00e9narios SOTIF qui n\u00e9cessitent des \u00ab\u00a0sc\u00e9narios inconnus\u00a0\u00bb. Une mani\u00e8re de d\u00e9couvrir ces \u00ab\u00a0sc\u00e9narios inconnus\u00a0\u00bb est de faire fonctionner des millions de sc\u00e9narios en parall\u00e8le et de modifier les valeurs des diff\u00e9rents param\u00e8tres du test. Le pack Massive Simulation pour SCANeR<\/a> aide \u00e0 d\u00e9ployer une architecture cloud pour SCANeR. L’architecture cloud permet l’utilisation d’une version en ligne de commande de SCANeR, ce qui permet de l’utiliser avec une configuration mat\u00e9rielle minimale et \u00e9galement d’ex\u00e9cuter rapidement des sc\u00e9narios SCANeR en parall\u00e8le pour tester une large gamme de valeurs pour chaque param\u00e8tre. Il a \u00e9t\u00e9 math\u00e9matiquement prouv\u00e9 [cf.<\/em> https:\/\/www.rand.org\/content\/dam\/rand\/pubs\/research_reports\/RR1400\/RR1478\/RAND_RR1478.pdf<\/em><\/a> ]<\/em> que pour un niveau d’autonomie \u00e9lev\u00e9, il est impossible de r\u00e9aliser un test physique pour chaque situation. Une mani\u00e8re de couvrir le maximum de situations est de laisser le syst\u00e8me parcourir des millions, voire des milliards de kilom\u00e8tres, ce qui est r\u00e9alisable gr\u00e2ce \u00e0 une plateforme de simulation massive. N\u00e9anmoins, la simulation ne sera jamais aussi fid\u00e8le que les tests r\u00e9els, ind\u00e9pendamment de la richesse d’un environnement num\u00e9rique. Il est toujours n\u00e9cessaire de proc\u00e9der \u00e0 un v\u00e9ritable test physique d’un syst\u00e8me complet ou partiel en raison des exigences de s\u00e9curit\u00e9 et de fiabilit\u00e9. La simulation et les tests r\u00e9els sont compl\u00e9mentaires !<\/strong> Il faut garder \u00e0 l’esprit que la simulation offre diff\u00e9rents niveaux de description pour les instances fonctionnelles ou physiques. Cela signifie que la simulation accomplit ce que nous attendons d’elle ; les calculs physiques ou optiques sont bas\u00e9s sur la description des mat\u00e9riaux. Cependant, certaines propri\u00e9t\u00e9s physiques, descriptions de mat\u00e9riaux, et\/ou certaines situations complexes de la r\u00e9alit\u00e9 ne peuvent pas \u00eatre simul\u00e9es en totalit\u00e9, ou ne peuvent pas \u00eatre mises en \u0153uvre en raison du caract\u00e8re al\u00e9atoire ou de la complexit\u00e9 de la repr\u00e9sentation (par exemple, les effets multiples d’une temp\u00eate de neige sur l’adh\u00e9rence, la visibilit\u00e9, l’accumulation d’eau, etc.). <\/p>\nAu-del\u00e0 de la phase de test d’un produit, la simulation doit s’accompagner de tests physiques pour corr\u00e9ler la v\u00e9racit\u00e9 des mod\u00e8les mis en \u0153uvre<\/strong><\/u>. En effet, la seule mani\u00e8re de num\u00e9riser une loi physique est de confronter les r\u00e9sultats de la simulation aux tests r\u00e9els sur le terrain pour s’assurer que l’environnement bas\u00e9 sur le mod\u00e8le est correct et fiable. <\/p><\/blockquote>\n
Un dernier sujet que nous n’avons pas encore abord\u00e9 concerne les nouveaux d\u00e9fis que posent les v\u00e9hicules autonomes. Pour les prochaines ann\u00e9es, l’industrie automobile devra assurer la continuit\u00e9 num\u00e9rique entre les logiciels, les mod\u00e8les et les v\u00e9hicules d\u00e9ploy\u00e9s sur la route. Les projets Vehicle-In-the-Loop men\u00e9s par AVSimulation depuis quelques ann\u00e9es sont des exemples de la mani\u00e8re dont l’\u00e9quipe d’AVSimulation rel\u00e8ve ces nouveaux d\u00e9fis.
Par exemple, AVSimulation et UTAC d\u00e9ploient une voiture compl\u00e8te, identique \u00e0 son jumeau num\u00e9rique dans SCANeR. Cette approche a \u00e9t\u00e9 utilis\u00e9e pour tester et valider une loi de commande ADAS ; l’id\u00e9e \u00e9tait de tromper les capteurs de la voiture avec des obstacles virtuels (pi\u00e9tons, infrastructures routi\u00e8res, etc.). La voiture sur la piste r\u00e9agit en fonction de ce que les capteurs ont d\u00e9tect\u00e9 virtuellement. Cela permet de tester des cas d’utilisation plus complexes avec davantage d’acteurs, un temps de conduite plus long, etc., et garantit la r\u00e9p\u00e9tabilit\u00e9 et la reproductibilit\u00e9 de ces situations complexes.<\/strong> <\/p>\n\n\n
\n Ces projets illustrent bien la compl\u00e9mentarit\u00e9 entre la simulation et les tests sur piste. La simulation est un nouvel outil qui aide \u00e0 acc\u00e9l\u00e9rer les campagnes de tests et offre plus de flexibilit\u00e9 pendant les phases de d\u00e9veloppement et de r\u00e9glage. Les r\u00e9sultats des projets montrent une r\u00e9duction des co\u00fbts et la capacit\u00e9 de simuler des situations connues et inconnues. Cependant, il est important de garder \u00e0 l’esprit que sans tests sur le terrain, la simulation ne peut pas \u00eatre totalement fiable, et que l’industrie n\u00e9cessitera toujours des tests r\u00e9els (que ce soit pour tester et valider les syst\u00e8mes ou pour valider la mod\u00e9lisation d’une loi physique). <\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n \u00c9crit par Ludovic Pfeffer.<\/span><\/p>\n