自動駕駛聊的太多的都是實車道路驗證，牛如特斯拉、谷歌之類的國際公司，招兵買馬、壯大車隊，并聯(lián)合政府上路測試。因此才會出現(xiàn)各種中等級別的自動駕駛功能出現(xiàn)各種問題，也存在丟掉性命的風險。

由此，引發(fā)人們對于自動駕駛車輛量產(chǎn)進程的思考；雖說科技的進步不可避免的需要付出一定的代價，甚至是生命，但是科學家和工程師們希望能盡最大程度的避免事故、財產(chǎn)損失及人員傷亡。

鑒于ADAS控制器的復雜性，其與傳統(tǒng)控制器相比，對于時間精度要求高，對數(shù)據(jù)傳輸速度要求會更高。這也就是本公眾號在之前的文章會提到以太網(wǎng)和TSN的原因。同時，為了降低實車道驗證的風險，控制器開發(fā)的前期和Prototype的階段，OEM和Tire1也希望能進行自動駕駛場景搭建，進而在MIL、HIL、VIL這幾個階段可以依據(jù)場景進行模擬測試。

首先要求該場景建模軟件能提供各種車道和建筑，可以調(diào)整包括車道的道面摩擦系數(shù)、斜率、岔口及路基。

其次，對于不同天氣和大氣情況要能完美的體現(xiàn)，能將雨、雪、風、霧等氣候加載到模擬環(huán)境中，并對整體測試模型產(chǎn)生接近于現(xiàn)實的影響。

車輛本身需要引入各種不同的動力系統(tǒng)模型，支持各種底盤及調(diào)整駕駛習慣的參數(shù)；并能提供給客戶二次開發(fā)的界面，使得不同需求的工程師能組建適合自己工作的信息Console.

除此之外，道路上的行人，動物，自行車，摩托車等也需要進行模擬仿真，以此來實現(xiàn)現(xiàn)實生活中各種危險的情景；科學家和工程師的愿望是以接近100%的程度模擬車輛遇到的所有現(xiàn)實場景，進而測試控制器（算法、AI程序）的成熟度。