2026年6月工业和信息化部正式发布《智能网联汽车组合驾驶辅助系统安全要求》L2级组合驾驶辅助系统与L3级自动驾驶正式迎来强制性准入门槛。与此同时GB/T 47025-2026《智能网联汽车自动驾驶功能仿真试验方法及要求》已正式实施将仿真试验纳入自动驾驶功能验证体系对仿真可信度评估提出了明确的规范性要求。仿真结果“可信不可信”不再是一个技术讨论题而是关乎产品能否通过准入的必答题。当仿真测试从可选项升级为核心基础设施它的价值便取决于地基是否牢固。本文将围绕IPG Automotive的CarMaker仿真可信度体系从宏观方法论→具体落点→物理根基三个层次系统梳理面向L2/L3准入的仿真可信度验证路径。仿真可信度的宏观方法论智能驾驶仿真测试的规模正在指数级增长。随着仿真技术从动力学验证一路演进到物理传感器仿真乃至生成式AI随之而来的根本性问题是仿真结果到底可不可信仿真认证的法规趋势仿真支撑法规认证已成为明确的行业趋势。无论是欧盟还是中国都在加速构建驾驶自动化系统的法规体系。从L2到L4仿真测试在法规认证中的权重越来越高。但请注意仿真认证绝非跑一遍仿真就能交差。以UNECE R171和中国国标为例两者虽准许使用仿真支撑法规认证但同时要求对仿真可信度进行系统化评估——从建模管理到工具验证再到结果确认每一个环节都必须有据可查、有迹可循。工具基石CarMaker通过ISO 26262 ASIL D认证作为先进的仿真平台CarMaker已通过ISO 26262功能安全认证符合ASIL D等级要求工具置信度达到TCL3级——这是安全关键MIL/SIL/HIL仿真的最高等级标准。这意味着CarMaker本身已经是一个经过权威认证的合规工具为仿真可信度评估提供了坚实的工具层面基础。四维评估框架在IPG Automotive的方法论中仿真可信度是一套系统化的四维评估框架1. 建模与仿真管理VIRTO负责数据追踪与文档管理2. 建模与仿真分析适用范围评估3. 建模与仿真验证CarMaker已获权威认证4. 建模与仿真确认仿真可信度评估流程。四个维度环环相扣共同构成从模型建得对不对到仿真结果能不能用的完整论证链条。全流程一致性在CarMaker的可信度体系中虚拟样车与数字孪生均需通过可靠的确认流程来保证模型与真实车辆行为的一致性。依据ISO标准体系CarMaker建立分层对标方法覆盖从基础合理性校验到高动态工况的全场景验证。更重要的是CarMaker确保了开发全流程的持续性——从MIL 到 SIL 到 HIL从测试台架到驾驶模拟器到实车验证全程使用相同的软件、相同的测试场景、相同的评价矩阵。这种端到端的一致性确保了仿真结果在整个开发流程中的完整性与可追溯性。宏观方法论回答了“体系怎么建”的问题。接下来我们聚焦一个具体的工程落点传感器模型的可信度如何保障AI赋能摄像头置信度评估在智能驾驶仿真测试中有一个基础但却常常被忽略的问题你的虚拟摄像头看到的世界和真实摄像头一样吗在CarMaker的可信度框架中摄像头标定正是模型保真度维度中最基础也最关键的环节之一。如果虚拟摄像头的投影几何与真实摄像头之间存在偏差感知算法在仿真中的一切表现都将失去参考价值。传统标定的痛点摄像头参数安装位置、角度、视场角、畸变系数等需与真实器件精细对齐。传统方式依赖工程师手动调参、肉眼对比高阶智驾通常配备11个以上摄像头完全标定耗时长达一周。更关键的是标定质量缺乏客观量化标准“好不好”全凭主观判断且过程无系统化参数记录回溯困难。基于CarMaker的自动化标定工具针对这一痛点我们基于CarMaker开发了Camera Calibration Tool将传统人工标定转化为全自动、可量化、可部署的AI工程流程。这套工具以真实摄像头拍摄的标定板照片为Ground Truth通过视觉检测算法实时识别仿真画面中的标定板特征再由AI智能优化引擎自动迭代摄像头参数使仿真投影逐步逼近真实成像最终以像素级误差量化标定质量。在优化策略上工具采用“Explore-Then-Refine”两阶段引擎Explore阶段通过多起点并行探索在大范围参数空间中定位优势区域Refine阶段进行精细收敛优化引擎根据得分变化趋势自适应调整搜索步长。同时历史参数池与写回保护机制确保每一次迭代质量不退化自动化带来的双重价值效率层面标定从“工程师全程值守”变为“机器自主运行”可在夜间或非工作时段运行支持多机并行部署项目周期压缩空间显著。质量层面每次标定输出综合得分由多块标定板的RMSE、漏检率和最大误差加权计算精度可量化至“角点偏差在2像素以内”。所有参数轨迹与验证结果自动归档为合规审查提供可追溯依据。传感器模型的置信度得到了保障但仿真可信度还有另一个同等重要的支柱—— 车辆自身的运动是否真实CarMaker车辆动力学模型在智能驾驶闭环仿真中控制算法并不是直接作用于车辆而是通过转向、驱动和制动执行器影响整车运动。如果车辆动力学模型过于理想化即使控制算法输出完全一致最终车辆轨迹也可能与真实车辆存在明显偏差。因此高保真的车辆动力学模型不仅决定车辆运动是否真实更是整个智能驾驶虚拟验证体系可信度的重要基础。多自由度整车动力学建模CarMaker能够建立覆盖纵向、横向、垂向以及俯仰、侧倾和横摆等多自由度的整车动力学模型真实描述车辆在各种驾驶工况下的运动响应。模型能够准确计算车辆质心运动、轮胎受力变化以及车身姿态变化使仿真结果更加接近实车表现为路径跟踪、自动变道、避障等功能提供可靠的动力学基础。车辆绕桩仿真CarMaker的核心能力降本增效相比传统依赖大量实车测试的开发模式通过高保真的车辆动力学模型可以在开发早期完成大量算法验证提前发现控制策略问题减少实车调试次数显著降低研发成本可重复性与安全性虚拟仿真具有良好的可重复性能够快速复现极端工况和危险场景实现大规模自动化回归测试提高验证效率。全流程一致性依托统一的车辆动力学模型能够实现MIL、SIL、HIL及VIL等多层级开发流程之间的数据一致性促进模型复用缩短智能驾驶系统开发周期。MIL、SIL、HIL及VIL等多层级开发流程对于L2/L3智能驾驶而言CarMaker不仅是一套车辆动力学仿真软件更是连接控制算法、传感器模型、场景模型与实车测试的重要桥梁。从实车数据到闭环验证CarMaker的车辆仿真建模遵循一条清晰的工程路径车辆仿真建模流程在采集整车参数搭建动力学模型后通过实车测试数据迭代优化模型精度完成可信度校验后集成控制算法与待测部件最终搭建虚拟闭环环境开展L2/L3 自动驾驶功能仿真验证。虚拟仿真可大幅减少实车上路测试频次缩短整车智驾开发周期降低试验成本与安全风险。车辆横纵向测试工况模型结果展示按照上述建模与验证流程完成基础被动车辆模型搭建后结合实车场地测试数据开展模型标定并采用独立工况对模型进行验证。通过将相同测试工况在CarMaker中进行回放对车辆关键动态响应进行对比分析以评估车辆动力学模型对真实车辆行为的复现能力如图所示。实车测试与仿真数据对比本文选取车速Vehicle Speed、横向加速度Lateral Acceleration和横摆角速度Yaw Rate三项典型指标进行对比验证。从对比结果可以看出仿真模型虚线能够较好地跟随实车实线测试曲线在响应趋势、峰值特性及动态变化过程等方面保持较高一致性说明建立的车辆动力学模型能够有效复现真实车辆的动态特性。仿真可信方能准入CarMaker已通过ISO 26262认证VIRTO可信度管理平台与完整的ISO标准对标体系共同构成了仿真可信度评估的方法论与工具链。AI自动化标定工具的引入则进一步将传感器模型的标定精度从主观经验升级为客观量化指标。从感知到运动从方法论到工程落地CarMaker让仿真验证的置信度实现了端到端的工程化保障。当智能驾驶从L2辅助驾驶迈向L3有条件自动驾驶汽车研发模式正经历从“以实车测试为主”向“虚拟仿真实车验证”融合发展的转变。面对指数级增长的测试需求与日益临近的法规节点高可信仿真体系已成为智能驾驶开发的核心竞争力更是通往准入大门的必经之路。想要深入了解如果您对CarMaker仿真可信度体系感兴趣希望获得更详细的技术讲解与演示欢迎扫码填写问卷。我们将根据反馈安排一场专属Workshop与您深度分享。扫描识别二维码报名