自动驾驶系统必须在严格的时间限制内处理海量传感器数据并生成车辆控制指令。随着车辆日益向“软件定义”转型，其开发过程往往涉及多个特性各异的软件平台。AUTOSAR自适应平台（AUTOSAR AP）在汽车行业得到广泛应用，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。因此，融合这些平台的优势正变得愈发重要。然而，当AUTOSAR AP与ROS 2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，人们开发了一种名为CART（Combined AUTOSAR AP and ROS 2 Tracing Framework，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，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。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。
据外媒报道，由埼玉大学（Saitama University）理工学研究科Takuya Azumi教授领导的联合研究团队与日立安斯泰莫株式会社（Astemo）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。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。
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，从而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。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）的研究成果于2026年8月6日发表在期刊《IEEE Open Journal of the Industrial Electronics Society》上。
扫一扫关注微信
