Jan Fojtášek: Od jisté míry detailu je reálné testování na polygonu nenahraditelné

Simulace dnes dokážou urychlit vývoj vozidel, otestovat tisíce scénářů a odhalit problémy ještě před výrobou prvního prototypu. Jak s nimi odborníci pracují a má fyzické testování stále ve vývoji svoje místo? O propojení virtuálního vývoje s reálným testováním, budoucnosti homologací i roli testovacích polygonů jsme si povídali s Janem Fojtáškem, vědecko-výzkumným pracovníkem Institutu automobilního a dopravního inženýrství Fakulty strojního inženýrství VUT v Brně, a také naším externím spolupracovníkem.

Pane Fojtášku, jak byste definoval svou roli v rámci současného výzkumu a na jaké klíčové projekty se nyní zaměřujete?

Dlouhodobě se snažím posouvat využití virtuálních modelů vozidel směrem k tomu, aby simulace nebyla jen podpůrným nástrojem, ale důvěryhodnou součástí vývoje. Moje role spočívá v propojení několika oblastí: simulací, experimentálních validací a praktických požadavků průmyslových partnerů. Kromě samotného technického výzkumu se podílím také na koordinaci aktivit mezi akademickým týmem a firmami, aby výsledné metodiky a nástroje byly použitelné i v reálném vývojovém procesu. V současnosti se zabýváme parametrizací a validací modelů vozidel pro potřeby virtuálního testování podle metodik Euro NCAP. V tomto ohledu se stále diskutují postupy praktického ověřování kompletních simulačních řetězců i požadovaná úroveň přesnosti vůči reálným zkouškám.

Máte za sebou řadu projektů s komerční sférou, včetně úzké spolupráce se Škoda Auto. Jak moc je pro Vás toto propojení akademické půdy s reálnými potřebami výrobců důležité?

Spolupráce s průmyslem je pro nás naprosto klíčová z několika důvodů. Nic nám nebrání vyvíjet si vlastní řešení na základě našich znalostí a zkušeností, pokud však na těchto řešeních nebudeme spolupracovat s komerčními partnery, výsledky nebudou splňovat jejich požadavky. Tím by byly jen velmi obtížně aplikovatelné v praxi. Zároveň potřebujeme zkušenosti a zázemí silných partnerů pro rozvíjení znalostí. Ty pak transformujeme do výuky tak, aby probíraná látka měla co největší přidanou hodnotu v podobě reálných zkušeností, a nebyla to jen teorie z knížek.

V čem vidíte největší přínos počítačových simulací pro vývoj a ladění podvozků?

Díky těmto technologiím máme možnost podchytit potenciální potíže konstrukčního řešení ještě před výrobou prototypu, rychle ladit a optimalizovat parametry a prověřovat limity. To vše na různých úrovních od výpočtů kinematiky a dynamiky jednotlivých agregátů až po jízdu celého vozidla v různých provozních podmínkách. Stále větší význam pak simulace nabývají v oblasti návrhu, testování a homologace moderních pokročilých asistenčních funkcí řidiče. Tam je totiž nutné otestovat desítky tisíc až miliony variant, což fyzicky prostě není možné.

Kde v rámci virtuálního vývoje narážíte na hranici, kterou už simulace sama o sobě nepřekoná?

Těch příkladů je celá řada, ale takovým typickým limitem je subjektivní vjem řidiče a členů posádky. To je tak individuální záležitost, že i na sebelepším simulátoru je ten výsledný subjektivní pocit ze skutečného vozidla vždycky odlišný. Mnohdy je to ale faktor, který hraje největší roli. Z hlediska podvozků je pak klíčovým prvkem model pneumatiky a vozovka, kde se mohou vyskytovat například lokální změny adheze. Pneumatika je pak na limitu, kde dochází k obtížně matematicky popsatelným přechodovým stavům, nemluvě o vlivu opotřebení a tak dále. Z hlediska simulací pokročilých asistenčních systémů řidiče jsou to pak modely snímačů, kde hrají roli věci jako odlesky, znečištění, nestandardní objekty, interference radarů a další. Při kompletní simulaci vozidla s řidičem, snímači, statickou i dynamickou scénou a autonomními funkcemi se všechny ty odchylky od reality sečtou a ta výsledná míra nejistoty je otázkou. Takže stručnější by asi bylo říct, kterou hranici už simulace překonala s prokazatelnou jistotou. 

Co nejvíce oceňujete při testování na polygonu AUREL a v čem vám to nejvíce pomáhá?

Dostatečný prostor pro dynamické manévry s kompletním zázemím pro vozidlo i posádku je pro testování naprosto klíčový. Zároveň testovací plochy AUREL nabízí širokou škálu podmínek, ke kterým se nemáme možnost dostat nikde jinde. Proto poskytuje jedinečnou příležitost, jak získat data pro naše modely, a rozšířit tak jejich míru validity. Zároveň je to svým způsobem velmi stabilní prostředí, u kterého je možné se spolehnout, že když budeme stejné měření realizovat několik let po sobě, zůstávají ty základní okolní podmínky vázané na testovací trať v maximální možné míře shodné. 

Jak v praxi probíhá ověřování výsledků simulací daty z polygonu? Kde bývají největší překvapení?

Největší překvapení je, když si myslíte, jak vše běží, funguje, průběžně kontrolujete data, která se jeví v pořádku, několik dní testujete, systematicky měníte konfigurace, všechno si s „chirurgickou“ přesností měříte, odjedete s výborným pocitem domů a po dosazení do modelu a spuštění výpočtu zjistíte, že v měřených datech nastal nějaký výpadek, šum či zkreslení, který způsobil, že jsou výsledky zcela mimo očekávání. Ne všechno se dá bohužel odhalit pouhým pohledem či pomocí jednoduchých nástrojů. To jsou případy, které se snažíme eliminovat maximální kontrolou dat. A také je to důvod, proč s sebou na měření bereme kolegu, který data rovnou přepočítává. Snahou je do budoucna tento proces automatizovat, a to včetně bezdrátového přenosu dat na server a zpětné vazby v případě nějaké neočekávané chyby.

Existuje oblast podvozkových systémů, kde je fyzické testování na polygonu stále naprosto nenahraditelné?

Těch oblastí je víc, a to i navzdory možnostem tisíců virtuálně provedených iterací a vypočítaných manévrů. Přichází požadavky na odhalení problémů zjištěných při reálném testování. Naší úlohou pak je tyto jevy popsat výpočtem a provést například citlivostní analýzu, ze které se ukáže, na čem daný nežádoucí jev závisí a čím by se dal eliminovat. Většinou ta realita poukáže na nějakou míru detailnosti, jejíž modelace se zprvu jevila jako nepodstatná. Právě od míry detailu se totiž odvíjí i časová náročnost modelování a zjišťování vstupních parametrů. Jednoduše řečeno, modelovací nástroje dnes nabízí možnost simulovat vozidlo od jeho pohybu po vozovce přes interakce jednotlivých agregátů až na úroveň kvantové fyziky. Důležité však je sestavit takový model, aby to bylo pro vyřešení daného jevu relevantní, protože každá další vrstva modelu a její ověření stojí čas a peníze. Od jisté úrovně modelu je tedy lepší vzhledem k vyřešení problematiky reálně otestovat několik variant, než se spoléhat na velmi detailní simulaci. Její výsledky se totiž zkoumají tak dlouho, že nastává analýza – paralýza.

Jak vnímáte roli polygonu jako laboratoře pod širým nebem pro vaše výzkumné projekty a výchovu budoucích expertů?

Díky svojí velikosti pro nás testovací dráha představuje jakési bezpečné experimentální prostředí. To umožňuje realizaci manévrů nezbytných pro identifikaci parametrů vozidla a následnou validaci simulačních modelů. V tomto smyslu funguje jako klíčový most mezi numerickou simulací a reálným chováním systému. Bez těchto možností by se značná část výzkumu nevyhnutelně pohybovala převážně na teoretické úrovni. To je sice přístup běžně akceptovaný v řadě vědeckých publikací a akademických studií, ale naším cílem je jít nad rámec tohoto standardního oddělení simulace a experimentu. Chceme oba světy co nejvíce propojit, v ideálním případě je sjednotit do konzistentního vývojového a validačního rámce. Tyto dvě oblasti se totiž budou s rostoucí komplexitou vozidlových systémů (zejména v oblasti ADAS a virtuální homologace) stále více vzájemně prolínat a doplňovat. To je zároveň realita, na kterou chceme připravit i naše studenty.

Spolupráce mezi VUT a AURELem už má své pevné základy. Mohl byste naznačit, jakých oblastí se spolupráce aktuálně dotýká a co dalšího plánujete pro nejbližší období?

Základy jsou již položeny na projektové úrovni a v současnosti se zaměřujeme na jejich další systematické rozvíjení. Cílem je vytvořit robustní způsob propojení reálného a virtuálního testování vozidel. V plánu jsou dílčí aktivity, ale i koordinovaná příprava postupů, měření a modelovacích přístupů, které umožní popis chování vozidla a jeho subsystémů. Součástí této práce je jak příprava experimentů a definice vstupních i výstupních dat, tak systematické budování simulačních modelů, které budou na experimentálně získaná data navázány a umožní jejich vzájemnou validaci.

Pokud byste měl definovat „inženýra budoucnosti“ pro automotive, jaké kompetence by měl mít, aby uspěl v éře umělé inteligence a vozidel, kde software řídí stále více funkcí?

To je velmi dobrá otázka, na kterou kdybych uměl s jistotou odpovědět, tak by to moji vedoucí jistě ocenili. Obecně se dá říct, že inženýr budoucnosti by měl umět rychle vstřebávat nové poznatky a efektivně se učit používat nové nástroje. Samozřejmostí je jazyková vybavenost, schopnost řešenou problematiku správně interpretovat a zpracovat technickou dokumentaci. To platí, ať už se jedná o konstruktéra, elektrotechnika, či programátora. Z toho plyne i potřeba poměrně velké míry otevřenosti pro inovativní řešení a jistá dávka mentální odolnosti.