#AutoR智驾#日测800万公里，全球首个自动驾驶混合式仿真测试平台发布！阿里打造为了满足规模化、节约化无人驾驶技术

文章图片
为了满足规模化、节约化无人驾驶技术，建立仿真平台成为了大多数公司选择的路径，可以预见的是行业又将进入一个快速发展的新轨道。
文丨AutoR智驾子阳
仿真测试是达到规模化无人驾驶技术的唯一路径。
4月22日，阿里达摩院对外正式发布全球首个自动驾驶“混合式仿真测试平台” 。
该平台采用虚拟与现实结合的仿真技术，引进真实路测场景和云端训练师，模拟一次极端场景只需30秒，系统每日虚拟测试里程可超过800万公里，大幅提升自动驾驶AI模型训练效率。
达摩院称，该技术将推动自动驾驶加速迈向L5阶段。
传统纯虚拟仿真测试平台能快速跑完自动驾驶路测里程，但仍然面临极端场景训练效率低下的关键问题：极端场景数据不足，就无法还原真实路况的不确定性，系统就无法精准应对真实路况的突发情况，自动驾驶就难以实现进一步突破。

文章图片
达摩院首创自动驾驶混合式仿真测试平台解决了这一难题，该平台打通了线上虚拟固定环境与线下真实路况不确定性的鸿沟。
传统仿真平台难以通过算法模拟人类的随机干预，但在达摩院的平台上，不仅可以使用真实路测数据自动生成仿真场景，还可通过人为随机干预，实时模拟前后车辆加速、急转弯、紧急停车等场景，加大自动驾驶车辆的避障训练难度。
针对极端场景数据不足的问题，该平台可以任意增加极端路测场景变量，在实际路测中，复现一次极端场景的接管可能需要1个月的时间，但该平台可在30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建和测试，每日可支持的场景构建数量达百万级。

文章图片
这一平台规模化地解决了极端场景的复现难题，使得这些关键场景的训练效率提高上百万倍。
自动驾驶测试目前主要面临两个难题，一个是高昂的数据采集和标注成本，另一个是实际路测难以企及的测试里程要求。
在自动驾驶技术中感知算法的训练需要采集大量的数据，这些数据集需要涵盖不同的天气、路况等交通条件，但是训练数据采集和标注的成本非常高昂，每年全球的自动驾驶开发者仅在第三方数据服务这一领域的资金投入就超过十亿美元。
另外，数据的采集和标注存在很明显的“重复造轮子”现象，每个公司都有自己的自动驾驶数据集，虽然已经有部分对外开放，但是比例很少，而且开放数据集只能满足通用的训练数据，国外数据集也很难完全满足国内的感知算法训练需要。
行业普遍认为一套自动驾驶算法需要至少110亿英里的测试，才能达到量产应用的条件，这个距离相当于在太阳和地球之间往返50余次。
而且110亿英里测试距离是针对特定一个版本的自动驾驶算法来说的，一旦算法升级，还需要重新测试，任何公司都无法承受这个成本。

文章图片
为了满足规模化、节约化无人驾驶技术，建立仿真平台成为了大多数公司选择的路径。
自动驾驶的仿真平台主要的目的是通过软件来模拟车以及车所在的环境，实现自动驾驶的集成测试，训练模型，模拟事发现场等功能。
要模拟车所在的环境，就得把真实世界投影到虚拟世界，并且需要构造真实世界的物理规律。
总的来说，这个模拟的测试环境必须要满足真实环境的物理规律，越真实越好。
这不仅需要视觉、感官层面的真实，更需要内在物理规律和运行逻辑层面的真实。