先进仿真技术精准建模车辆动力学与轮胎流场

自动驾驶汽车（AV）乃至高级驾驶辅助系统（ADAS）车辆，依赖多传感器数据——多摄像头、激光雷达、毫米波雷达、有时声纳。处理来自该传感器阵列的数据流，是巨大且关键任务。所有数据必须实时转化为信息，用于安全驾驶，至少媲美完美人类驾驶员。“路上人类驾驶员需警惕周围、与其他驾驶员互动、做决策。像人类驾驶员，AV 也应感知、互动、决策。进而，AV 应与乘客建立良好关系。”¹ 这些功能依赖人工智能（AI）同化不同传感器数据并融合，瞬间成像车辆及其动态环境——称作传感器融合。汽车用最优 AI 采用深度神经网络（DNN）。模拟人脑处理信息方式，DNN 通过经验学习驾驶真实世界，而非程序员告知做什么。DNN

随着COVID-19病例全国增加，城市官员面临防控感染传播与支持商业的艰难平衡。斯坦福大学计算机模型以其创作者希望的方式展示流动性和接触模式，有望帮助社区领导者决策。 斯坦福团队表示，其模型的特异性可作为官员的宝贵工具，模拟揭示了场所限制容量开放时，新增感染与销售损失之间的权衡。 主要结论：根据模型（及上方斯坦福大学视频），将入住率上限限制在最大容量50%，经济仅损失5%-10%的客流量，但总感染数减少50%以上。 利用手机匿名大规模数据，斯坦福团队分析美国10大都会区（包括亚特兰大、达拉斯、纽约市——总计超9800万人）的移动模式。 计算机模型通过分析驱动感染风险的三因素，准确预测了春季这

自动驾驶上路前的三重测试体系 自动驾驶车辆上路前，需针对尽可能多场景测试。 仿真软件和基于模型的开发工具创建虚拟试驾环境。 HIL（硬件在环）测试将控制器真实信号连接到模拟现实的测试系统。如发动机ECU等控制器可被欺骗以为在成品车中。通过HIL，制造商能让车辆组件经历各种可能场景，无需真实路测成本。 当然，还有实际路测——既在开放道路也在封闭场地。 在Tech Briefs直播演示自动驾驶测试与仿真标准化中，读者向两位行业专家提问： 针对自动驾驶测试，仿真、闭场测试、公开道路测试各自扮演什么角色？ 阅读自动化测试厂商National Instruments交通研究设计总监Jamie Smi

随工业机器人技术多年改进，相关仿真软件也同步进步。以至于大多数机器人系统的前期编程现在通常先在仿真软件完成，再在实体机器人上实施。 用于机器人仿真的复杂软件程序在3D虚拟环境中复刻真实机器人条件。这些工具允许详细定制，提供可靠清晰的视图，展示机器人建成集成前如何运行。这让客户对投资如何支撑运营安心。 充分利用机器人仿真 在机器人仿真中，用户利用内置机器人模型设置自定义条件，模型包含真实机器人的所有动态限制，包括： 运动范围 速度 负载 仿真软件延伸至机器人详细组件，您可将末端工具3D模型与机器人配对。可施加精准负载以调整确认负载详情及相关机器人运动。 此外，仿真工具允许添加额外设备3D模型