软件在环（SIL）测试方案及康谋aiSim实现路径

软件在环（SIL）测试是自动驾驶算法研发的核心验证环节，通过构建虚拟测试环境，实现算法的闭环验证，解决传统测试模式中存在的效率瓶颈，为算法迭代提供可靠支撑。在自动驾驶研发实践中，普遍存在HiL台架资源紧张、调试成本高、接口适配复杂、算法早期验证困难等问题，而成熟的SIL测试方案可有效破解上述困境。康谋aiSim仿真平台所构建的SIL测试体系，是针对这些痛点的解决方案之一，其核心是通过本地与云端结合的架构，实现自动驾驶算法全流程验证。

一、自动驾驶SIL测试的核心痛点

传统自动驾驶测试中，HiL台架因造价高昂、数量有限，易出现测试排队拥堵现象，影响研发进度；算法迭代过程中，需同步升级或部署硬件驱动环境，导致调试效率低下；不同算法框架、信号格式的集成适配流程繁琐，增加研发工作量；在模型层、算法逻辑层早期阶段，缺乏高保真虚拟环境，无法实现算法闭环验证，易导致缺陷遗漏。

二、康谋SIL测试体系的架构与核心功能

康谋SIL测试体系基于aiSim灵活开放架构构建，支持Python、Simulink、Shell等开发语言，涵盖Application、Simulation、Vehicle、Sensor、Map、Scenario等核心模块，通过TCP/IP、UDP等通信协议，实现感知、规划、控制等算法的闭环验证，形成本地测试与云端扩展相结合的完整生态，适配不同研发阶段的测试需求。

图1：康谋端到端仿真与验证方案体系

（一）本地化SIL测试功能

本地化SIL测试主要服务于工程师日常调试场景，核心功能包括：

• 开放接口支持：提供全面的API与SDK接口，支持用户自定义封装算法输入输出，无需改动底层引擎，可与现有开发环境、算法框架及自动化测试方案深度集成。
• 渲染与数据解耦：传感器信号与仿真数据接口独立于渲染引擎，可作为独立模块嵌入客户现有控制栈，提升集成便捷性与系统稳定性。
• 高效调试能力：本地桌面环境支持分钟级编译、单步调试、断点设置与变量追踪，可100%确定性复现复杂场景，助力快速定位算法缺陷。
• 自动化测试：支持通过脚本一键驱动仿真，自动运行测试场景并完成批量回归测试，减少重复性工作。

（二）云端SIL测试功能

云端SIL测试基于容器化架构的aiSim云端平台，将本地验证流程扩展至云端，适配大规模测试需求，核心功能包括：

• 大规模并行仿真：采用云原生弹性架构，可同时处理海量测试场景，提升测试吞吐量。
• CI/CD集成：与CI/CD流程深度融合，实现“代码即测试”的全自动化流程，适配算法快速迭代需求。
• 便捷访问：采用Web端一体化操作，无需安装额外软件，可随时随地访问测试平台。

三、康谋SIL测试方案的技术特点

（一）高保真仿真

集成物理级渲染引擎，可实时呈现车辆动态、复杂环境交互及精确的传感器响应，满足感知、规控算法闭环测试需求；支持测试报告插件，自动生成关键指标曲线，可导出并对比多轮测试结果，助力数据资产沉淀与验证知识库构建。

（二）SiL与HiL无缝衔接

采用标准化接口与统一仿真环境，SiL阶段验证通过的模型、场景、测试用例，可零修改、零成本迁移至HiL测试平台；兼容NI、Simulink、FMU、ASAM等行业标准软硬件生态，可构建从模型开发到硬件验证的端到端测试路径。

（三）评估体系适配性

支持接入客户自有评估与指标体系，自动生成多维度性能报告，便于参数对比与算法优化效果量化。

四、SIL测试方案的应用价值

SIL测试方案可有效缩短自动驾驶算法研发周期，降低对HiL台架等硬件资源的依赖，减少调试与集成成本；通过早期算法验证，提前排查缺陷，提升系统可靠性与安全性。康谋aiSim构建的SIL测试体系，结合本地与云端优势，可满足小规模日常调试与大规模量产验证等不同场景需求。

软件在环测试方案的选择，需重点考量架构开放性、仿真高保真度、生态兼容性及部署灵活性。康谋aiSim的SIL测试体系，凭借模块化设计、高效迭代能力及全生态兼容特点，可作为自动驾驶算法SIL测试的实现方案之一。

审核编辑 黄宇