Fahrsimulator und VR: Wie Forscher und Autohersteller Virtual Road Testing nutzen (2026)

Automotive engineers and researchers have been using driving simulators since the 1980s, but the capabilities available in 2026 bear little resemblance to the early fixed-rig systems that could only approximate vehicle handling on simplified track models. Today's driver-in-the-loop simulators combine nine-degree-of-freedom motion platforms, sub-millimetre-accurate road surface models derived from real LiDAR surveys, and real-time vehicle dynamics solvers that replicate the feel of a specific car's suspension, steering, and powertrain with enough fidelity that development engineers use them to make production tuning decisions before a physical prototype exists.

Kraftfahrzeugingenieure und Forscher nutzen seit den 1980er Jahren Fahrsimulationen, doch die Möglichkeiten, die 2026 zur Verfügung stehen, ähneln kaum den frühen statischen Systemen, die das Fahrzeugverhalten nur auf vereinfachten Streckenmodellen approximieren konnten. Die heutigen Fahrer-in-der-Schleife-Simulationen kombinieren neun-achsen-Bewegungsplattformen, sub-millimeter-genaue Straßenoberflächenmodelle aus echten LiDAR-Vermessungen und Echtzeit-Fahrzeugdynamiklöser, die das Verhalten der Aufhängung, Lenkung und des Antriebsstrangs eines bestimmten Autos mit ausreichender Genauigkeit nachbilden, sodass Entwicklungsingenieure damit Entscheidungen zur Serien-Abstimmung treffen können, bevor ein physischer Prototyp existiert.

The applications extend well beyond vehicle dynamics engineering. Automotive OEMs use driving simulators to validate ADAS algorithms against thousands of parametric scenario variants that would be impractical or dangerous to test on public roads. HMI research teams use fixed-base simulator rigs to study how drivers interact with instrument clusters, head-up displays, and voice interfaces without the confounding variables of real traffic. Safety researchers use simulators to study driver fatigue, distraction behavior, and responses to autonomous vehicle takeover requests in controlled conditions. Driver training programs for emergency services and commercial vehicle operators use high-fidelity fixed-base or motion rigs to prepare drivers for extreme conditions before live exposure.

Die Anwendungen gehen weit über die Fahrzeugdynamik-Entwicklung hinaus. Automobilhersteller nutzen Fahrsimulationen zur Validierung von ADAS-Algorithmen gegen Tausende parametrischer Szenario-Varianten, die auf öffentlichen Straßen unpraktisch oder gefährlich zu testen wären. HMI-Forschungsteams nutzen stationäre Simulator-Rigs, um zu untersuchen, wie Fahrer mit Kombiinstrumenten, Head-Up-Displays und Sprachschnittstellen interagieren, ohne die störenden Variablen des realen Verkehrs. Sicherheitsforscher nutzen Simulationen, um Fahrerermüdung, Ablenkungsverhalten und Reaktionen auf Übernahmeanforderungen von autonomen Fahrzeugen unter kontrollierten Bedingungen zu untersuchen. Fahrerausbildungsprogramme für Einsatzkräfte und Nutzfahrzeugfahrer nutzen hochauflösende stationäre oder Bewegungs-Rigs, um Fahrer auf extreme Bedingungen vorzubereiten, bevor sie ihnen live ausgesetzt sind.

This guide covers the main application areas where driving simulators and VR are used across automotive R&D and driver training, how fixed-base and motion-based platforms differ, the role of hardware-in-the-loop simulation in ADAS development, and the companies - VI-grade, rFpro, and Ansible Motion - building the infrastructure that most OEM simulator programs run on.

Dieser Leitfaden behandelt die Hauptanwendungsbereiche, in denen Fahrsimulationen und VR in der Automobil-F&E und Fahrerausbildung eingesetzt werden, wie sich stationäre und bewegungsgestützte Plattformen unterscheiden, die Rolle der Hardware-in-the-Loop-Simulation in der ADAS-Entwicklung und die Unternehmen - VI-grade, rFpro und Ansible Motion - die die Infrastruktur aufbauen, auf der die meisten OEM-Simulatorprogramme laufen.

Vehicle Dynamics Development Before the Prototype Exists

Fahrzeugdynamik-Entwicklung vor dem Prototyp

Developing the suspension, steering, and powertrain character of a new vehicle platform traditionally required iterating on physical prototypes - building a mule, driving it at the proving ground, returning to the engineering office with subjective feedback and objective data, modifying the hardware, and repeating the cycle. Each iteration costs time and money, and the number of iterations possible within a development program is constrained by both. Driver-in-the-loop simulation compresses this cycle by allowing engineers to modify virtual suspension parameters and immediately evaluate the effect with a real driver on a simulated road surface, without building a single physical component.

Die Entwicklung des Charakters der Aufhängung, Lenkung und des Antriebsstrangs einer neuen Fahrzeugplattform erforderte traditionell die Iteration an physischen Prototypen – einen Testträger bauen, ihn auf dem Testgelände fahren, mit subjektivem Feedback und objektiven Daten ins Konstruktionsbüro zurückkehren, die Hardware modifizieren und den Zyklus wiederholen. Jede Iteration kostet Zeit und Geld, und die Anzahl der möglichen Iterationen innerhalb eines Entwicklungsprogramms ist durch beide begrenzt. Die Fahrer-in-der-Schleife-Simulation verdichtet diesen Zyklus, indem sie es Ingenieuren ermöglicht, virtuelle Aufhängungsparameter zu ändern und die Auswirkungen mit einem echten Fahrer auf einer simulierten Straßenoberfläche sofort zu bewerten, ohne eine einzige physische Komponente zu bauen.

rFpro, an AB Dynamics company, has become the automotive industry's dominant road environment software platform for this use case. Its road surface models are built from real-world LiDAR scans of proving grounds and public roads at sub-millimetre accuracy, meaning that the micro-texture of a specific tarmac surface - the feature that drives the tyre's actual contact patch behavior - is reproduced faithfully enough for tyre model validation. Engineers at companies using rFpro can drive a virtual vehicle over a digital replica of the Nurburgring or the Millbrook Proving Ground and be confident that the tyre behavior matches what would happen on the real surface.

rFpro, ein Unternehmen von AB Dynamics, ist zur dominierenden Straßenumgebungs-Softwareplattform der Automobilindustrie für diesen Anwendungsfall geworden. Seine Straßenoberflächenmodelle werden aus echten LiDAR-Scans von Testgeländen und öffentlichen Straßen mit sub-millimeter-Genauigkeit erstellt, was bedeutet, dass die Mikrotextur einer bestimmten Asphaltoberfläche – das Merkmal, das das tatsächliche Reifenkontaktflächenverhalten antreibt – mit ausreichender Treue reproduziert wird, um die Reifenmodell-Validierung durchzuführen. Ingenieure bei Unternehmen, die rFpro nutzen, können ein virtuelles Fahrzeug über ein digitales Abbild des Nürburgrings oder des Millbrook Proving Ground fahren und darauf vertrauen, dass das Reifenverhalten dem entspricht, was auf der echten Oberfläche passieren würde.

VI-grade, part of Hottinger Brueel and Kjaer's Virtual Test Division, supplies the physical simulator hardware that most of the world's high-fidelity DIL programs run on. The DiM series ranges from static cockpit configurations to the DiM250 DYNAMIC - a nine-degrees-of-freedom motion simulator with large-amplitude linear rail motion combined with a hexapod - capable of reproducing the onset cues from braking, cornering, and road surface irregularities with enough fidelity for NVH tuning and subjective ride quality assessment. Confirmed DiM clients include Ferrari, Lamborghini, McLaren, Mercedes-AMG, Porsche Engineering, Stellantis, Tesla, Volkswagen, and Volvo Cars.

VI-grade, Teil der Virtual Test Division von Hottinger Brueel and Kjaer, liefert die physische Simulator-Hardware, auf der die meisten hochauflösenden DIL-Programme der Welt laufen. Die DiM-Serie reicht von statischen Cockpit-Konfigurationen bis zum DiM250 DYNAMIC – einem Bewegungssimulator mit neun Freiheitsgraden mit großamplitudiger Linearschienenbewegung kombiniert mit einem Hexapod – in der Lage, die Einsatzhinweise von Bremsen, Kurvenfahrten und Straßenunregelmäßigkeiten mit ausreichender Genauigkeit für NVH-Abstimmung und subjektive Fahrkomfortbewertung zu reproduzieren. Bestätigte DiM-Kunden sind Ferrari, Lamborghini, McLaren, Mercedes-AMG, Porsche Engineering, Stellantis, Tesla, Volkswagen und Volvo Cars.

Ansible Motion, ein im Vereinigten Königreich ansässiger DIL-Spezialist, hat seine Strategy Series-Simulatoren am oberen Ende des Motion-Platform-Marktes positioniert, mit einem kinematischen Design, das für die Onset-Cueing-Treue optimiert ist, die für das Fahrdynamik-Feeling am wichtigsten ist, anstatt die rohe Bewegungsamplitude zu maximieren. Ansible Motion-Simulatoren werden an mehreren europäischen OEM- und Motorsport-Einrichtungen für die Federungsabstimmung und Reifenentwicklung eingesetzt, wo das subjektive Feeling, das durch das Lenkrad und den Sitz übertragen wird, die primäre Testausgabe ist.

ADAS- und Testung von Algorithmen autonomer Fahrzeuge

Die Entwicklung von Advanced Driver Assistance Systems (ADAS) erfordert Testabdeckung über Szenarioräume, die zu groß, zu gefährlich oder zu teuer sind, um mit physischen Fahrzeugtests abgedeckt zu werden. Ein Fußgängererkennsystem muss gegen Hunderte von Kombinationen aus Fußgängerposition, Geschwindigkeit, Sichtbedingungen, Fahrzeuggeschwindigkeit und Straßengeometrie validiert werden – plus die seltenen, aber sicherheitskritischen Grenzfälle, in denen sich die Standardbedingungen auf unerwartete Weise kombinieren. Echte Testfahrten können repräsentative Szenarien erfassen, können aber nicht effizient die parametrische Abdeckung generieren, die die ISO 26262-Funktionssicherheitsvalidierung erfordert.

Fahrsimulation adressiert dies durch Software-in-the-Loop- und Hardware-in-the-Loop-Architekturen. In einer Software-in-the-Loop-Konfiguration empfängt der Wahrnehmungsalgorithmus synthetische Sensordaten, die vom Simulator generiert werden – Kamerabilder, Radarechos, LiDAR-Punktwolken – gerendert, um den Eigenschaften der Produktionssensorhardware zu entsprechen. Der Algorithmus verarbeitet diese Eingaben und seine Ausgaben werden auf erwartetes Verhalten über die gesamte Szenariomatrix überprüft. rFpro unterstützt diesen Workflow mit seinen Sensorsimulations-Plugins für große Produktionskamera- und Radarmodelle, was ermöglicht, dass dieselbe Straßenumgebung und dasselbe Szenarioskript über Tausende von parametrischen Varianten in einer Cloud-Batch-Testing-Pipeline über Nacht ausgeführt werden können.

Für Szenarien, in denen die Reaktion des Fahrers auf eine ADAS-Intervention Teil dessen ist, was evaluiert wird – eine Spurhaltewarnung, eine Notbremsenintervention oder eine Anfrage zur autonomen Übergabe – fügt die Driver-in-the-Loop-Konfiguration einen echten Menschen in den Test ein. Der Simulator präsentiert dem Fahrer das auslösende Szenario und zeichnet seine Reaktion auf, die sowohl die Zeitparameter der ADAS-Intervention als auch das HMI-Design der Warnung oder Benachrichtigung informiert. Diese Art von Forschung kann nicht in einer reinen Softwaresimulation durchgeführt werden, da die menschliche Verhaltensreaktion die zu untersuchende Variable ist.

HMI-Forschung und Fahrerverhaltensstudien

Human-Machine Interface (HMI)-Forschung behandelt, wie Fahrer mit Fahrzeuginnenraum-Technologie interagieren – Instrumententafeln, zentrale Displays, Head-up-Displays, Sprachschnittstellen und zunehmend die Übergabeschnittstellen zwischen manuellen und unterstützten oder automatisierten Fahrmodi. Festaufgestellte Fahrsimulationen bieten die kontrollierte Umgebung, die HMI-Forschung erfordert: eine standardisierte Fahrtaufgabe, stabile Sichtbedingungen und die Möglichkeit, identische Szenarien über verschiedene Testpersonen oder HMI-Konfigurationen hinweg ohne die Variabilität des echten Verkehrs wiederzugeben.

Die Fahrerverhaltenforschung erstreckt sich auf benachbarte Gebiete: Müdigkeits- und Schläfrigkeitserkennung, Ablenkung durch Sekundäraufgaben, Reaktionszzeitmessung und die Verhaltensreaktionen verschiedener Fahrergruppen auf neue Fahrsituationen. Universitäts-Verkehrsforschungsgruppen und OEM-Humanfaktoren-Teams nutzen festaufgestellte Simulator-Rigs für diese Arbeit und zeichnen Eye-Tracking, physiologische Signale und Fahrzeugreaktionsdaten neben der primären Fahrtaufgabe auf. Die Möglichkeit, Teilnehmer Sicherheitsszenarien auszusetzen – ein Fußgänger, der von zwischen parkenden Autos hervorkommt, plötzlich schlechtes Wetter, ein Fahrzeug, das davor steht – ohne echte Gefahr macht Simulation zur einzigen ethischen Methode zur Untersuchung von Fahrerreaktionen auf Ereignisse, die eine Notfallintervention erfordern.

Autonome Fahrzeugakzeptanzforschung und Fahrsimulation

Die Autonome Fahrzeugakzeptanzforschung hat eine dritte Kategorie von Fahrerverhaltensstudien hinzugefügt: das Verständnis dafür, wie Fahrer auf das Fahren in einem Fahrzeug reagieren, das sie nicht kontrollieren. Forscher nutzen Simulatorumgebungen, um den Fahrerkomfort während autonomer Fahrmanöver zu untersuchen, die Bedingungen, unter denen Insassen autonome Systeme unterbrechen oder deaktivieren, und die Gestaltung von Übernahmeanforderungsschnittstellen, die dem Fahrer ausreichend Zeit und Informationen geben, um die Kontrolle sicher wieder zu übernehmen. Diese Studien informieren die HMI-Spezifikationen von produktiven automatisierten Fahrzeugen Jahre, bevor die Fahrzeuge auf den Markt kommen.

Stationäre vs. bewegliche Fahrsimulator

Die Wahl zwischen einem stationären und einem beweglichen Fahrsimulator hängt direkt davon ab, ob die physikalische Empfindung der Fahrzeugbewegung eine Testvariable ist. Stationäre Simulatoren bieten eine kostengünstige Umgebung für HMI-Forschung, Ablenkungsstudien, Streckenvertrautheit, Verfahrenstraining und alle Anwendungen, bei denen die vestibulären Reaktionen des Fahrers auf G-Kräfte nicht das sind, was die Studie misst. Eine stationäre Anlage kann für $50.000 bis $500.000 gebaut werden, je nach der Genauigkeit der Cockpit-Hardware und des Projektionssystems, was sie für Universitätsforschungsgruppen, regionale Schulungsprogramme und kleinere OEM-Einrichtungen zugänglich macht.

Bewegliche Simulatoren erhöhen Kosten und Komplexität erheblich, bieten aber dafür den physikalischen Realismus, den die Fahrzeugdynamik-Bewertung und die NVH-Forschung erfordern. Ein Stewart-Plattform-Hexapod-System, das für die Automobilanwendung eine Level-D-äquivalente Bewegungstreue bietet, kostet $500.000 bis $3 Millionen nur für die Bewegungsbasis, wobei das komplette System - Cockpit, visuelle Displays, Fahrzeugdynamikmodell, Straßenumgebung - $5 Millionen bis $15 Millionen für Forschungsanlagen erreicht. Der VI-grade DiM250 DYNAMIC mit seinen neun Freiheitsgraden und großen linearen Schienen für erweiterte Bewegungsfahrten stellt das obere Ende dieser Spanne dar.

Zwischen stationären und hochwertigen Bewegungs-DIL-Systemen gibt es eine Kategorie von kompakten Hexapod-Anlagen - manchmal "Mini-Motion"-Plattformen genannt - die Bewegungscueing mit begrenzter Amplitude für die Einset-Cues bieten, die für das Fahrzeugdynamik-Gefühl am wichtigsten sind, zu einem Bruchteil der Kosten großer Amplitude-Systeme. Diese sind beliebt bei mittleren OEM-Lieferanten und Motorsport-Ingenieurgruppen, die Bewegungstreue für Reifen- und Fahrwerk-Entwicklung benötigen, aber die Kapitalinvestition oder Platzanforderungen einer vollständigen DIL-Installation nicht rechtfertigen können.

Hardware-in-the-Loop-Simulation in der ADAS-Entwicklung

Hardware-in-the-Loop (HIL)-Simulation verbindet echte physische Hardware - eine elektronische Steuereinheit, ein Sensormodul, ein Stellglied - mit einem simulierten Fahrzeugmodell, das in Echtzeit läuft. Die Hardware empfängt die gleichen elektrischen Signale, die sie in einem echten Fahrzeug erhalten würde, verarbeitet sie nach ihrer programmierten Logik und gibt Ausgaben zurück, die die Simulation nutzt, um den Fahrzeugzustand zu aktualisieren. Der Ingenieur kann dann bewerten, ob die Hardware über eine Reihe von Bedingungen hinweg korrekt funktioniert hat, für die Wochen mit einem physischen Testfahrzeug erforderlich wären.

Bei der ADAS-Entwicklung wird HIL-Tests verwendet, um Radar-, Kamera- und LiDAR-Verarbeitungseinheiten gegen synthetische Sensordaten zu validieren, die aus einer virtuellen Fahrumgebung generiert werden. Die Sensorsimulation muss die elektrischen Eigenschaften der echten Sensorausgabe genau genug reproduzieren, damit die ECU synthetische Daten nicht von echten Sensordaten unterscheiden kann - eine Anforderung, die eine sorgfältige Kalibrierung der Simulation anhand echter Sensormessungen über den gesamten Bereich der Betriebsbedingungen erfordert. Die Sensorsimulations-Plugins von rFpro sind so gestaltet, dass sie diese Anforderung für die wichtigsten Produktsensorfamilien erfüllen, die in aktuellen ADAS-Systemen verwendet werden.

Abschnitt 4/5

Die HIL-Testumgebung ermöglicht auch Regressionstests im großen Maßstab. Wenn ein Softwareupdate an einem ADAS-Algorithmus vorgenommen wird, kann die HIL-Suite die vollständige Szenariomatrix über Nacht erneut ausführen und verhaltensmäßige Änderungen kennzeichnen, bevor die aktualisierte Software in die nächste Entwicklungsphase freigegeben wird. Diese automatisierte Regressionsfunktion ist für ADAS-Programme unverzichtbar, bei denen Softwareupdates häufig sind und die Folge einer nicht erkannten Verhaltensänderung ein Sicherheitsvorfall auf einer öffentlichen Straße ist. Mehrere OEMs führen nun kontinuierliche Integrationspipelines durch, die automatisch HIL-Testsuites auslösen, wenn neue ADAS-Softwarebuilds zum Entwicklungszweig committed werden.

Driver Training Applications

Über F&E hinaus werden Fahrsimulatore für betriebliche Fahrerausbildung in Kontexten eingesetzt, in denen die Kosten oder Gefahren des Live-Trainings untersagt sind. Notfalldienste sind ein etablierter Markt: Feuerwehrautos, Krankenwagen und Polizeiverfolgungsfahrzeuge benötigen Operatoren, die schnelle Reaktionen, schwierige Fahrbedingungen und Fahrzeugdynamik an den Stabilitätsgrenzen bewältigen können. Das Training mit echten Fahrzeugen auf diesen Leistungsstufen birgt ein erhebliches Unfallrisiko und erhebliche Verschleißkosten an Notfallapparaten. Stationäre oder kompakte Bewegungssimulatore ermöglichen es Fahrern, Notfallszenarien wiederholt zu üben, bevor sie in echten Fahrzeugen bewertet werden.

Die gewerbliche Fahrerausbildung ist ein wachsendes Anwendungsgebiet. Betreiber von Lastkraftwagen (HGV) und Bussen sind mit chronischem Mangel an qualifizierten Fahrern und hohen Kosten für Live-Training konfrontiert, das die Abstellung von Fahrzeugen und den Einsatz qualifizierter Prüfer erfordert. Das Fahrsimulator-Training wurde von mehreren europäischen Transportbetreibern als Ergänzung zum Live-Training bewertet, wobei die Simulation für Gefahrenerkennung, Spritsparpraktiken und Notfallbeherrschungstraining verwendet wird. Der Markt für gewerbliche Fahrsimulatore wird von einem anderen Satz von Unternehmen bedient als der OEM-F&E-Markt - spezialisierte Fahrerausbildungssimulatorlieferanten anstelle der engineering-fokussierten Plattformen von VI-grade oder rFpro.

Consumer-Fahrsimulatore – einschließlich VR-basierter Produkte mit Consumer-Headsets – besetzen ein niedrigeres Treuheitssegment, das sich mit Unterhaltung überschneidet, aber genuine Ausbildungsanwendungen für Fahranfänger bei Gefahrenerkennung und grundlegender Fahrzeugkontrolle hat. Die UK's Driver and Vehicle Standards Agency (DVSA) hat VR-basiertes Gefahrenwahrnehmungstraining als Ergänzung zum bestehenden computergestützten Gefahrenwahrnehmungstest bewertet, und mehrere Fahrschulen in Europa nutzen kostengünstige Simulatoranlagen, um Anfängern vor ihrer ersten Live-Fahrt im öffentlichen Straßenverkehr Übungen bei schwierigen Wetter- und Straßenbedingungen zu ermöglichen.

Häufig gestellte Fragen

Was ist ein Driver-in-the-Loop (DIL) Fahrsimulator?

Ein Driver-in-the-Loop (DIL) Simulator platziert einen echten menschlichen Fahrer in einem Fahrzeugmodell, das auf einer Bewegungsplattform montiert ist und von visuellen Anzeigen umgeben ist, die die simulierte Umgebung darstellen. Im Gegensatz zu reinen Softwarefahrzeugdynamikmodellen erzeugt ein DIL-System die physikalischen Empfindungen von Beschleunigung, Bremsen und Kurvenfahrt durch die Bewegungsplattform, die es der propriozeptiven Reaktion des Fahrers ermöglicht, zu beeinflussen, wie sie mit dem virtuellen Fahrzeug interagieren. OEMs verwenden DIL-Simulatoren, um die Federungsabstimmung, das Lenkgefühl und NVH-Charakteristiken zu bewerten, bevor es einen physischen Prototyp gibt, und um ADAS- und autonome Systeme aus der Perspektive eines besetzten Fahrzeugs zu testen. Unternehmen wie VI-grade und Ansible Motion liefern die Hardware, während rFpro die Straßenumgebungssoftware bereitstellt, die die meisten DIL-Anlagen ausführen.

Was ist Hardware-in-the-Loop (HIL) Simulation und wie unterscheidet sie sich von Driver-in-the-Loop?

Hardware-in-the-loop (HIL) Simulation verbindet echte elektronische Steuergeräte (ECUs) oder physische Komponenten - einen Bremsregler, ein Kameramodul, eine Radareinheit - mit einem in Echtzeit laufenden simulierten Fahrzeugmodell, sodass Ingenieure das Verhalten der Hardware testen können, ohne ein vollständiges Fahrzeug zu bauen. Bei HIL-Tests gibt es keinen menschlichen Fahrer; die Simulation erzeugt die Sensoreingaben, die die Hardware in einem echten Fahrzeug erhalten würde, und überprüft, dass die ECU korrekt reagiert. Driver-in-the-loop Simulation fügt einen menschlichen Fahrer in die Schleife ein, was für die Bewertung der Mensch-Maschine-Interaktion, das subjektive Fahrgefühl und ADAS-Funktionen nützlich ist, bei denen das Fahrverhalten die Systemleistung beeinflusst. Die meisten ADAS-Entwicklungsprogramme nutzen beide: HIL für die Softwarevalidierung im großen Maßstab und DIL für die perceptive Bewertung mit echten Fahrern.

Wie nutzen Automobilhersteller Fahrsimulationen für die Entwicklung von ADAS und autonomen Fahrzeugen?

Die Entwicklung von ADAS und autonomen Fahrzeugen erfordert Tests über Tausende von Szenarianten hinweg - unterschiedliche Straßengeometrien, Wetterbedingungen, Fußgängerverhalten und Grenzfälle - in einem Umfang, der mit echten Fahrzeugtests physisch unmöglich zu bewältigen ist. Fahrsimulationen ermöglichen dies durch parametrische Szenarienvarianten in Software, Einspeisung synthetischer Sensordaten (Kamera, Radar, LiDAR) in Wahrnehmungsalgorithmen und Bewertung der Systemreaktion ohne die Kosten oder Risiken von On-Road-Tests. rFpro's Straßenoberflächenmodelle im Submillimeterbereich ermöglichen die Validierung von Reifenmodellen und ADAS-Algorithmustests gegen Umgebungen, die aus echten LiDAR-Scans von Prüfgeländen rekonstruiert wurden. Für Szenarien mit seltenen aber kritischen Ereignissen - Fußgänger, die von geparkten Fahrzeugen verborgen sind, plötzlich widrige Wetterbedingungen, Sensorgrenzen - ist Simulation die einzige praktische Testmethode im für die ISO 26262 Funktionssicherheitsvalidierung erforderlichen Maßstab.

Was ist der Unterschied zwischen einem fixed-base und einem motion-based Fahrsimulator?

Ein fixed-base Fahrsimulator nutzt eine Fahrzeugkabine, die auf einem stationären Gestell montiert ist, mit visuellen Anzeigen oder einer Projektionskuppel, die die Fahrumgebung bereitstellt. Er bietet genaues visuelles und akustisches Feedback, aber keine physischen Bewegungshinweise. Motion-based Simulatoren fügen eine Bewegungsplattform hinzu, die Beschleunigung, Bremsung und Querkräfte reproduziert - entweder durch eine Stewart Platform Hexapod, ein lineares Schienensystem mit großamplitudiger X-Y-Bewegung oder eine Kombination. Fixed-base Simulatoren sind geeignet für HMI-Forschung, Streckenvertrautheit, Ablenkungsstudien und Verfahrenstraining, bei denen das physische Fahrgefühl nicht die Testvariable ist. Motion-based Simulatoren sind erforderlich für die Fahrdynamikentwicklung, NVH-Bewertung und ADAS-Szenarien, bei denen die physische Reaktion des Fahrers auf g-Kräfte das zu untersuchende Verhalten beeinflusst.