← Back

Peux-tu te présenter en quelques mots ?

Je m’appelle Alex GRANDJEAN et je travaille chez AVSimulation depuis 6 ans, en tant que chef de produit et chef de projet. Je suis un expert en scénarisation, simulation de trafic et HPC. Je suis impliqué depuis plus de 4 ans dans des projets collaboratifs SVA et 3SA en partenariat avec IRT SystemX pour définir de nouvelles méthodologies basées sur la simulation afin de démontrer que les véhicules autonomes sont sûrs.

Peux-tu nous donner une définition rapide de la simulation massive ?

 

Tout d’abord, vous devez comprendre pourquoi les simulations massives sont indispensables au développement des véhicules autonomes et des ADAS.
Le développement des ADAS doit prouver la sécurité de ces systèmes en les simulant sur des millions de kilomètres, dans tous les cas possibles (par des changements de météo, de routes, de marquages, de véhicules, etc.)
La seule façon d’y parvenir est d’utiliser la simulation, et de l’optimiser en faisant tourner des millions de simulations en parallèle, sur une infrastructure dédiée. Cela vous permet de ne plus dépendre d’une seule station de travail ou d’un seul simulateur de conduite. Bien entendu, vous devez adapter votre infrastructure de simulation à la simulation massive.

Quelles sont les différentes étapes de la simulation massive ?

 

Tout commence par l’ODD (Operational Design Domain) qui va définir toutes les situations que la fonction autonome devra gérer. Cela permettra de sélectionner dans le catalogue de simulation, quelles scènes et quel scénario doivent être intégrés dans le plan de test : autoroute/route de campagne, situations avec voiture/piéton/camion, etc. L’ODD, ainsi que les objectifs de sécurité, permettront également d‘identifier les plages de paramètres qui seront sélectionnées. Par exemple, si l’on se concentre uniquement sur une navette autonome évoluant sur route restreinte, la gamme de vitesse peut être limitée à moins de 50 km/h.
Ensuite, il y a un certain nombre d’étapes pour réaliser une simulation massive :

Tout d’abord, vous devez préparer vos données. Par exemple, le véhicule que vous voulez utiliser ; quel ADAS vous voulez tester sur votre véhicule ; quel scénario et quel environnement virtuel seront utilisés pour le test. Pour le scénario, nous avons développé des modèles de scénario pour chaque famille qui contient de nombreux paramètres qui peuvent être modifiés à chaque étape : vitesse du véhicule ego ou du participant, conditions météorologiques, courbure de la route, dangerosité des manœuvres, etc.

Ensuite, vous créerez votre plan de test en sélectionnant le scénario approprié et, pour chaque paramètre, les plages à couvrir. Comme la combinaison pure de tous ces paramètres conduit souvent à une explosion combinatoire, une méthode statistique pour explorer ce vaste espace multidimensionnel est souvent nécessaire. Cela aidera à le réduire et à générer des millions de cas de test, en créant une variabilité dans les paramètres (par exemple la météo, la vitesse ou les caractéristiques des autres véhicules, le marquage au sol, etc.).

Ensuite, si vous voulez simuler vos millions de scénarios en un temps raisonnable, une parallélisation massive du calcul sur une infrastructure HPC locale ou en cloud est obligatoire.

Enfin, vous analyserez les résultats de votre plan de test pour voir si votre ADAS a bien fonctionné dans toutes les situations. Cette analyse vous aidera à comprendre quelles situations ou combinaisons de paramètres votre ADAS ne peut pas gérer.
Si tous les tests ne sont pas réussis, le système doit être amélioré et les étapes précédentes doivent être répétées jusqu’à ce que l’analyse montre que tous les tests sont réussis.

Quelles sont les options d’analyse disponibles après l’exécution de tests de simulation massifs ?

 

Comme je l’ai mentionné précédemment, vous avez besoin de différents degrés d’analyse lorsqu’une simulation est exécutée. Tout d’abord, vous voulez savoir rapidement si votre système a bien fonctionné ou échoué sur tous les scénarios que vous avez simulés. Cela vous permet d’examiner de plus près ces cas spécifiques, car vous devez comprendre pourquoi le système a échoué. Par exemple, il se peut que les paramètres d’entrée aient été saisis au mauvais endroit et que le système ne puisse pas fonctionner correctement. Il est très important d’analyser plus en détail tous les paramètres et les sorties du système pour comprendre quelle fonction du système a échoué.

Vous devez également vérifier la couverture de votre test et vérifier si vous avez vraiment exploré en détail tous les paramètres possibles de votre espace de définition. Ainsi, vous pouvez répondre à la question de savoir si vous avez effectué suffisamment de tests sur votre système ou non.

Peux-tu nous dire quels outils sont nécessaires pour l’utiliser et à quoi servent-ils ?

 

Pour chaque étape de la simulation massive présentée précédemment, il existe deux logiciels dédiés dans les produits AVSimulation.

Pour préparer vos modèles (véhicule, capteur, routes), créer le scénario et interfacer le système AD/ADAS, SCANeR studio est l’outil parfait. Il vous aidera à tout configurer et à vérifier que tout fonctionne bien sur quelques scénarios.

Ensuite, pour générer votre plan de test, avec génération de variabilité basée sur des contraintes, vous avez besoin de SCANeR explore. Il vous permettra de définir la meilleure stratégie pour explorer le large espace de combinaison possible avec des méthodes statistiques avancées.
Pour exécuter la simulation réelle dans une infrastructure en cloud dédiée – comme Azure, AWS, Alibaba -, vous pouvez utiliser SCANeR compute et toutes les applications qui l’accompagnent.

Enfin, pour analyser les données de simulation, vous pouvez également utiliser les résultats fournis par l’API de SCANeR compute et SCANeR studio pour utiliser différentes technologies.
Bientôt, la nouvelle plateforme de simulation massive que nous sommes en train de développer, permettra d’exécuter toutes ces tâches à partir d’une seule interface web.

Qu’est-ce que l’API et à quoi sert-elle dans la simulation massive ?

 

L’acronyme API signifie Application Programming Interface. Elle est généralement utilisée pour connecter différents outils. Par exemple, de nombreux utilisateurs du logiciel SCANeR disposant d’une chaîne d’outils différents pour effectuer une simulation massive ont leurs propres outils pour des étapes spécifiques. Ils ont besoin de connecter leurs outils à d’autres et d’effectuer un cycle complet de simulation massive. Le produit AVSimulation fournit une API pour se connecter à SCANeR. L’API permet également de personnaliser ou d’étendre les capacités de nos outils : par exemple, vous pouvez définir vos propres méthodes statistiques dans SCANeR, explorer ou connecter votre propre plateforme de calcul.

Nous avons déjà déployé avec succès des simulations massives sur Microsoft Azure, AWS, Alibaba.

Y a-t-il une limite au nombre de tests simultanés ?

 

Pas vraiment ! La seule limite est l’infrastructure que vous pouvez construire et le budget dont vous disposez pour effectuer toutes les simulations. Vous pouvez effectuer autant de simulations que vous le souhaitez sur une plateforme en cloud. Le point important est de comprendre ce que vous simulez et testez, afin d’éviter les calculs inutiles.

Peux-tu nous donner un exemple de projet récent où la simulation massive a été utilisée ?

 

 

Renault est un bon exemple de client utilisant la simulation massive. SCANeR -studio, explore et compute-, le logiciel d’AVSimulation est la colonne vertébrale de la simulation massive pour la plateforme de validation ADAS, calculant en continu des millions de kilomètres pour valider leurs systèmes.
Ce projet montre que la simulation massive réduit considérablement le nombre de tests physiques, le temps de mise sur le marché, les coûts des tests et le nombre de prototypes de véhicules physiques.

Un mot pour la fin ?

 

La simulation massive est une révolution dans le processus de validation et de développement des véhicules pour les ADAS et les véhicules autonomes. Elle ouvre réellement une nouvelle voie dans l’utilisation de la simulation pour ces derniers. Grâce au cloud, nous pouvons très rapidement allouer des milliers de nœuds de calcul qui permettront d’exécuter des millions de tests en quelques minutes.

Nous commençons la simulation massive pour la validation ADAS, mais nous pouvons imaginer de nombreuses autres applications pour ces outils et cette plateforme, comme la génération d’ensembles de données pour l’apprentissage automatique, par exemple. Il y a encore beaucoup de choses à penser et à construire avec cette nouvelle approche de la simulation, et nous ne sommes pas à court d’idées.