一站式 ADAS 測試平台：含 HIL 模擬與實車驗證方案
AEB 要「撞」幾次，才敢說沒問題？危險與極端場景不可能靠實車一一驗證。我們提供基於場景的 ADAS 測試解決方案，整合了雷達、攝影機與光達的感測器模擬。透過在虛擬環境中重現危險路況與邊緣案例 (Corner Cases)，我們協助您在實車測試前，充分驗證演算法的安全性與效能。
ADAS 感知與決策的 SIL-to-HIL 驗證工具鏈
這條鏈要解決的核心問題，是「危險與極端場景無法靠實車一一驗證」。做法是先在虛擬環境把場景與感測器訊號生成出來（SIL），把演算法測到穩，再把同一套測試資產閉迴路接到真實 ECU 硬體上（HIL）——虛擬與實體共用同一份場景，不必重做兩次。
物理級虛擬場景模擬：生成逼真的 3D 交通環境，以及雷達、攝影機、光達的感測器原始訊號 (Raw Data)，在零風險的虛擬環境重現危險路況與邊緣案例 (Corner Cases)。
核心整合平台：以模擬介面與獨立執行的 DYNA4 耦合，精準同步影像、車輛動態與匯流排資料，執行 ADAS 功能的閉迴路 (Closed-Loop) 測試。
高頻寬測量與校正介面：即時存取雷達與攝影機控制器的內部資料，讓感知演算法的中間結果可被觀測、標定與驗證。
模組化 I/O 硬體：連接 ECU 實體 I/O、整合電源管理與故障注入，把 SIL 的測試資產無縫延伸成完整的 HIL 環境。
- 危險路況與邊緣案例 (Corner Cases) 在虛擬環境重現，不必拿實車去冒險
- 影像、車輛動態與匯流排資料精準同步，避免訊號時差造成的誤判
- SIL 與 HIL 共用同一套測試場景與資產，開發到驗證不必重做兩次
- 感知控制器的內部資料可即時觀測與標定，問題定位更快
為什麼這樣架：技術判斷與往前一步
什麼是 ADAS 測試與驗證？
ADAS (先進駕駛輔助系統) 依賴複雜的感測器融合與決策演算法。測試與驗證旨在通過虛擬模擬與實路測試，確保系統在各種交通場景、天候條件與邊緣案例 (Corner Cases) 下，皆能做出正確且安全的反應。
核心功能與技術優勢
虛擬場景高保真模擬
利用 DYNA4 建構逼真的 3D 交通環境與道路模型，實現零風險的場景測試。
多感測器融合模擬
支援雷達、攝影機、光達的物理級模型及 Raw Data 注入，驗證感測器融合演算法。
SIL 到 HIL 的閉迴路驗證
從模型階段的軟體在環測試，到硬體階段的即時閉迴路驗證，共用同一套測試資產。
歐特莫夫的技術服務流程
我們致力於為客戶提供從設計、開發到驗證的全方位測試解決方案，涵蓋硬體整合與軟體開發，協助您構建高效的汽車電子測試環境。
客製化測試系統整合
針對客戶的具體需求，我們提供完整的硬體測試系統規劃與建置：
- ・測試系統硬體整合：依據需求訂製設計機櫃，整合 VT System 與 VN 系列介面卡。
- ・第三方設備整合：將電源管理、I/O 控制及第三方硬體設備無縫整合至測試系統中。
模擬模型與軟體開發
- ・殘餘匯流排模型開發：基於 CANoe 平台，開發精確的殘餘匯流排模擬並進行 I/O 介面匹配。
- ・即時虛擬測試模型：開發適用於即時環境的虛擬測試模型，確保模擬與實際車輛行為一致。
- ・自動化測試開發：編寫測試腳本，並建置自動化測試系統，大幅提升驗證效率。
ADAS 虛擬場景與感測器模擬
針對自駕車與輔助駕駛系統，我們導入先進的 DYNA4 技術：
- ・動態場景模擬：利用 DYNA4 Studio 創建包含車輛、行人、交通號誌的複雜虛擬路況。
- ・GPU 感測器模擬：透過 DYNAanimation 實現攝影機、雷達等感測器的物理級模擬與視訊注入。
- ・ADAS 資料管理：支援 ASAM OSI 標準，整合 Object List 與 CAPL/C# API，實現精確的資料管控。
SIL 與 HIL 的無縫整合
我們打通了軟體在環（SIL）與硬體在環（HIL）的測試邊界：
- ・SIL 功能軟體測試：在純軟體環境下驗證功能程式碼與被測對象。
- ・HIL ECU 測試：將模擬環境與真實 ECU 硬體連接，進行嚴苛的即時驗證。
常見問題
ADAS 測試一定要有實車嗎？
不一定。大部分感知與決策的驗證都能在 DYNA4 建構的虛擬場景中完成，尤其是危險路況與邊緣案例 (Corner Cases)；實車測試留給最終確認，能大幅降低風險與成本。
SIL 和 HIL 要分別建置兩套測試環境嗎？
不用。本方案讓 SIL（軟體在環）與 HIL（硬體在環）共用同一套測試場景與資產，從模型階段到硬體階段無縫銜接，避免重複開發，也讓兩階段的結果可以互相對照。
怎麼確保虛擬模擬的結果可信？
DYNA4 生成物理級的感測器原始訊號 (Raw Data)，並採用 ASAM OSI 開放介面標準；CANoe 精準同步影像、動態與匯流排資料，讓虛擬驗證的結果能對應到真實車輛行為，而不是只在理想條件下成立。
這套方案支援哪些感測器？
支援雷達、攝影機與光達的物理級模型與 Raw Data 注入，適合驗證多感測器融合 (Sensor Fusion) 的感知演算法。