自动驾驶功能已成为道路交通不可或缺的一部分。但是，在车辆上路之前需要进行广泛的测试。这些通常仍然在真实的道路和试验场上进行。然而，测试也越来越多地以虚拟方式进行。
人工智能和机器学习方法也正在进入测量和测试技术。最迟从自动驾驶级别 3 开始，整车厂对 ADAS 系统中的故障承担责任风险。这不可避免地导致了新的保护方式。纯虚拟测试早已建立，这也要归功于更好、更准确的车辆和环境模型。然而，许多复杂的电子设备和传感器的行为还不能以足够的精度进行建模。
关于基于人工智能的方法有很多讨论，特别是在自动驾驶方面。很明显，如果没有这些方法，它将无法工作。然而，同样清楚的是，使用工具对自学习算法进行确定性验证是必要的。
越来越多的传感器和传感器融合正在定义现代汽车。为了处理来自传感器、摄像头、激光雷达和雷达的大量数据，合适的测试系统需要提供什么？
它从高精度测量设备开始，这些设备可用于验证传感器的基本功能：例如，天线的特性、发射器或接收器模块的特性、与传感器软件的连接、抗干扰的鲁棒性。需要能够测试整个系统的专用解决方案来保护传感器功能本身。
有关宏观交通状况和周围环境的信息与高度自动驾驶汽车相关。示例包括道路工程的实时更新、来自基础设施的拥堵信息或车辆与基础设施之间基于 V2X 的通信，例如交通信号灯阶段或车辆之间的直接通信。
由于软件在当今车辆中的比例不成比例地增加，测试解决方案必须能够保证该软件的功能和安全性。一方面，这包括在实验室中对自动驾驶场景进行完整而详细的测试——关键词数字孪生。另一方面，必须保证所有通信接口的功能性和针对网络攻击的安全性。所有这些要求正逐渐被全球和区域标准和法规正式化。
现在的挑战是恢复对系统的信心，扭转目前限制甚至禁止自动驾驶汽车的趋势。
