Keysight stellt neue Lösung Radar Scene Emulator vor, um den Weg zu vollständig autonomen Fahrzeugen zu beschleunigen

Automotive OEMs profitieren von der Emulation einer kompletten Szene, um komplexe, reale Szenarien im Labor zu testen.

Böblingen, 16. Dezember 2021 – Keysight Technologies hat den Radar Scene Emulator vorgestellt, der es Automobilherstellern ermöglicht, komplexe, reale Fahrszenarien im Labor zu testen und so die Gesamtgeschwindigkeit der Tests zu erhöhen. Die Emulation von vollständigen Szenen im Labor ist entscheidend für die Entwicklung von robusten Radarsensoren und Algorithmen, die für die Realisierung von fortschrittlichen Fahrerassistenzsystemen (ADAS) und autonomen Fahrfunktionen (AD) erforderlich sind. Der Full-Scene-Emulator von Keysight kombiniert Hunderte von Miniatur-HF-Frontends zu einem skalierbaren Emulationsschirm, der bis zu 512 Objekte und Entfernungen von lediglich 1,5 Metern darstellen kann. Automobilunternehmen wissen, wie komplex der Test von Algorithmen für das autonome Fahren ist und welche Sicherheitsfragen auf dem Spiel stehen. Der Keysight Radar Scene Emulator nutzt ein vollständiges Szenen-Rendering, das Nah- und Fernziele über ein breites, kontinuierliches Sichtfeld (Field of View, FOV) emuliert, und ermöglicht es Anwendern, Automotive-Radarsensoren, die in autonome Fahrsysteme integriert sind, mit hochkomplexen Multi-Target-Szenen schnell zu testen. Der Radar Scene Emulator von Keysight verwendet eine patentierte Technologie, die von einem auf die Objekterfassung ausgerichteten Ansatz mittels Zielsimulation zur Emulation von Verkehrsszenen übergeht und den Automotive OEMs die folgenden Hauptvorteile bietet: Das große Bild sehen: Der Radar Scene Emulator ermöglicht es Radarsensoren, mit einem breiteren, kontinuierlichen Sichtfeld mehr zu sehen und unterstützt sowohl nahe als auch ferne Ziele. Dies beseitigt die Lücken im Sichtfeld eines Radars und ermöglicht ein besseres Training der Algorithmen zur Erkennung und Unterscheidung mehrerer Objekte in dichten, komplexen Szenen. Infolgedessen können autonome Fahrzeuge ihre Entscheidungen auf der Grundlage des gesamten Bildes treffen und nicht nur auf der Grundlage dessen, was die Testgeräte sehen. Die Komplexität der realen Welt testen: Das Testen von Radarsensoren gegen eine begrenzte Anzahl von Zielen bietet eine unvollständige Ansicht von Fahrszenarien und verschleiert die Komplexität der realen Welt. Der Radar Scene Emulator von Keysight ermöglicht es OEMs, reale Fahrszenen im Labor mit Variationen der Verkehrsdichte, Geschwindigkeit, Entfernung und Gesamtzahl der Ziele zu simulieren. Die Tests können frühzeitig für gängige Szenen und Extremfälle abgeschlossen werden, während das Risiko minimiert wird. Das Lernen beschleunigen: Der Radar Scene Emulator von Keysight bietet eine deterministische, reale Umgebung für Labortests komplexer Szenen, die heute nur auf der Straße getestet werden können. Sein Testansatz ermöglicht es OEMs, den Lernprozess von ADAS/AD-Algorithmen erheblich zu beschleunigen, indem Szenarien mit komplexen, reproduzierbaren Szenen mit hoher Dichte, mit stehenden oder sich bewegenden Objekten und variierenden Umgebungsmerkmalen früher getestet werden, während Ineffizienzen durch manuelle oder robotergestützte Automatisierung beseitigt werden. Die Auflösung der Szene verbessern: Die Fähigkeit, zwischen Hindernissen auf der Straße zu unterscheiden, muss getestet werden, um einen reibungslosen und schnellen Übergang zu autonomen Fahrzeugen zu ermöglichen (d. h. Autonomie der Stufen 4 und 5, wie von der Society of Automotive Engineers SAE vorgesehen). Keysight schließt diese Technologielücke mit Punktwolken (Mehrfachreflexionen pro Objekt), die die Auflösung für jedes Objekt verbessern.   „Der Radar Scene Emulator von Keysight bietet Automobilherstellern eine bahnbrechende Lösung, die die Straße durch Rendering vollständiger Szenen ins Labor bringt“, sagte Thomas Götzl, Vice President und General Manager der Keysight Business Unit Automotive & Energy Solutions. „Die Vision von vollständig autonomen Fahrzeugen rückt immer näher, und wir freuen uns, dass wir diese Vision schneller zur Realität werden lassen können.“ Der Radar Scene Emulator von Keysight ist Teil der ADE-Plattform (Autonomous Drive Emulation) des Unternehmens, die im Rahmen einer mehrjährigen Zusammenarbeit zwischen Keysight, IPG Automotive und Nordsys entstanden ist. Die ADE-Plattform trainiert ADAS- und AD-Software durch die Wiedergabe vordefinierter Anwendungsfälle, die zeitsynchronisierte Eingaben auf die tatsächlichen Sensoren und Subsysteme in einem Fahrzeug anwenden, wie z. B. das globale Satellitennavigationssystem (GNSS), Vehicle to Everything (V2X), Kamera und Radar. Als offene Plattform ermöglicht ADE den Automobilherstellern und ihren Partnern, sich auf die Entwicklung und Prüfung von ADAS/AD-Systemen und -Algorithmen zu konzentrieren, einschließlich Sensorfusion und Entscheidungsalgorithmen. Automobilhersteller können die Plattform in kommerzielle 3D-Modellierung, Hardware-in-the-Loop- (HIL-) Systeme und bestehende Test- und Simulationsumgebungen integrieren.

Über Keysight Technologies Keysight bietet moderne Design- und Validierungslösungen, die dazu beitragen, Innovationen zu beschleunigen und so die Welt zu vernetzen und sicherer zu machen. Keysights Engagement für Geschwindigkeit und Präzision erstreckt sich auf softwaregesteuerte Erkenntnisse und Analysen, die die Technologieprodukte von morgen über den gesamten Entwicklungslebenszyklus hinweg schneller auf den Markt bringen, in der Design-Simulation, der Prototypen-Validierung, der automatisierten Softwareprüfung, der Fertigungsanalyse und der Optimierung der Netzwerkleistung und -transparenz in Unternehmens-, Service-Provider- und Cloud-Umgebungen. Unsere Kunden kommen aus den Bereichen Kommunikation und Industrie, Luft- und Raumfahrt, Verteidigung, Automobil, Energie, Halbleiter und allgemeine Elektronik. Keysight erzielte im Geschäftsjahr 2021 einen Umsatz von 4,9 Mrd. US-Dollar. Für weitere Informationen über Keysight Technologies (NYSE: KEYS) besuchen Sie uns unter www.keysight.com.