据报道，由埼玉大学Takuya Azumi教授领导的联合研究团队与日立安斯泰莫株式会社合作，构建了一个基于云的自动驾驶系统跨平台追踪评估平台。该平台旨在解决AUTOSAR AP与ROS 2共存时难以追踪完整数据流及识别处理延迟的行业痛点。
在自动驾驶系统向“软件定义”转型的背景下，开发过程往往涉及多个特性各异的软件平台。其中，AUTOSAR自适应平台（AUTOSAR AP）在汽车行业中得到广泛应用，而开源的机器人操作系统2（ROS 2）则为研究与早期开发构建了丰富的生态系统。融合这些平台的优势正变得愈发重要，但当两者共存于同一自动驾驶系统时，追踪完整的数据流并识别跨平台边界的处理延迟发生位置，依然是一项挑战。
此前，业内曾开发出一种名为CART（结合AUTOSAR AP与ROS 2的追踪框架）的追踪框架，旨在整合来自这两个平台的追踪信息。然而，据盖世汽车10月9日报道，该框架此前的评估仅限于小规模的应用配置。实际的自动驾驶系统涉及众多协同工作的软件组件，同时需处理海量传感器数据；而在负载规模和复杂度接近实际自动驾驶软件的情况下，CART能否提供有效的端到端延迟分析，此前尚无定论。因此，构建一个更贴近实际开发环境的评估体系至关重要，这有助于在软件部署至实车之前的快速原型开发阶段识别性能瓶颈。
为此，埼玉大学与日立安斯泰莫展开合作，旨在验证统一的端到端追踪技术能否应用于具有实际规模和复杂度的自动驾驶系统。该团队构建了一个基于云的评估平台，集成了CART工具与高保真自动驾驶仿真器CARLA、基于ROS 2的自动驾驶软件栈以及AUTOSAR AP。在该平台中，由CARLA生成的点云传感器数据经由ROS 2和AUTOSAR AP进行目标检测，检测结果随后反馈给Autoware以生成车辆控制指令。
针对此次合作，各方主要聚焦于技术验证层面的客观成果。据原始信息源披露，利用该环境，研究人员实现了对预期端到端通信拓扑的100%覆盖重建，观测到约33 Hz的点云接收回调频率，并在低追踪开销下分析了跨越ROS 2与AUTOSAR AP边界的延迟。这一结果成功展示了在实际规模的混合自动驾驶软件环境中进行统一端到端性能分析的可行性。目前，暂无相关企业或机构就该评估平台的后续商业化应用发表进一步的公开评论。
从已知影响来看，这项研究成果为自动驾驶软件开发提供了重要的测试工具支撑。随着车辆日益向“软件定义”转型，跨平台软件架构的复杂性不断增加。该平台能够在软件部署至实车之前的快速原型开发阶段帮助识别性能瓶颈，有望降低开发风险并提升系统可靠性。对于汽车行业而言，如何在保证严格时间限制内处理海量传感器数据并生成车辆控制指令，是自动驾驶落地的核心难题之一，而该评估平台为解决跨平台延迟问题提供了一种经过验证的技术路径。
在最新进展方面，这项题为“Evaluation Platform for Tracing of Autonomous Driving System Combined AUTOSAR AP and ROS 2”（结合AUTOSAR AP与ROS 2的自动驾驶系统追踪评估平台）的研究成果已于8月6日正式发表在期刊《IEEE Open Journal of the Industrial Electronics Society》上。论文的发表标志着该跨平台追踪评估技术获得了学术界的认可。至于该平台未来是否会被进一步集成至量产车型的开发流程中，或有更多企业参与扩大测试规模，截至发稿仍有待确认。
以上信息综合自盖世汽车等来源，截至10月9日。