繼谷歌、百度之后，阿里巴巴也加入了仿真路測平臺的陣營。
4月22日，阿里達摩院發布了全球首個自動駕駛“混合式仿真測試平臺”。這一平臺采用虛擬與現實結合的仿真技術，引進真實路測場景和云端訓練師，模擬一次極端場景只需30秒，系統每日虛擬測試里程可超過800萬公里，能大幅提升AI模型的訓練效率。
對自動駕駛來說，仿真路測是訓練算法的核心環節。
達摩院資深技術專家敖閏在接受21世紀經濟報道記者采訪時透露，混合式仿真平臺改變了自動駕駛路測的方式。在這個平臺上，場景構建成本幾乎為零，因此可以根據需求任意增加場景變量。加上引入人類駕駛行為干預，可以推動加速自動駕駛技術的成熟。
仿真路測能極大提升訓練算法的效率。真實路測積累數據有限，據美國蘭德智庫估算，一套自動駕駛系統量產需要積累170億公里以上數據，即需要一支100輛車的路測車隊，以40公里/小時的速度，在全天行駛500年。但如果基于真實路測數據搭建仿真路測，訓練效率能有數量級的提升。
此外，極端情況也不可能在真實路測中還原，如惡劣天氣、交通事故等。但算法學會應對這些情況，需要在仿真環境中訓練算法。因此，從現階段的測試情況來看，L5技術落地還有很長一段時間，無論是平臺還是自動駕駛的車輛研發，都處于非常早期的階段。
訓練效率提升
路測一直是自動駕駛落地的核心環節。研究顯示，自動駕駛汽車需要積累177億公里的測試數據，才能保證自動駕駛感知、決策、控制整個鏈路的安全性。傳統純虛擬仿真測試平臺能快速跑完自動駕駛路測里程，但仍然面臨極端場景訓練效率低下的關鍵問題：極端場景數據不足，就無法還原真實路況的不確定性，系統就無法精準應對真實路況的突發情況，自動駕駛就難以實現進一步突破。
因此，多家科技企業都將目光瞄準了這一市場。在2019年4月的上海車展上，華為自動駕駛云服務Octopus首次展出，仿真測試就屬于其中一項服務能力。華為認為，自動駕駛的快速開發上市及功能迭代，將是車企在未來智能網聯競爭中率先贏得市場的關鍵，但在這個過程中，自動駕駛的開發者面臨的挑戰也十分明顯。
據了解，如果要解決虛擬仿真測試問題，海量數據的處理是第一道關口。通過云服務處理海量數據，自動化挖掘及標注，能夠為測試企業節省70%以上的人力成本。
此外，在極端場景下的測試數據不足的問題，達摩院正在試圖解決這一難題。該平臺打通了線上虛擬固定環境與線下真實路況不確定性的鴻溝。傳統仿真平臺難以通過算法模擬人類的隨機干預，但在達摩院的平臺上，不僅可以使用真實路測數據自動生成仿真場景，還可通過人為隨機干預，實時模擬前后車輛加速、急轉彎、緊急停車等場景，加大自動駕駛車輛的避障訓練難度。
針對極端場景數據不足的問題，該平臺可以任意增加極端路測場景變量。在實際路測中，復現一次極端場景的接管可能需要1個月的時間，但該平臺可在30秒內即完成雨雪天氣、夜間照明不良條件等特殊場景的構建和測試，每日可支持的場景構建數量達百萬級。
“仿真測試中自動駕駛車輛遇到交通事故，可以為自動駕駛提供算法改進的機會。所以這個平臺，某種程度上可以說是通過新技術增加事故場景的出現頻率和構建成本，由此提高自動駕駛訓練效率。這正是為了以后上路更少出現事故。”敖潤進一步表示。
測試里程增長近6倍
行業專家指出，這一平臺規模化地解決了極端場景的復現難題，使得這些關鍵場景的訓練效率提高上百萬倍，將推動自動駕駛加速邁向L5階段。
自動駕駛市場的火熱，也使得仿真路測平臺成為巨頭們的新戰場。據《中國自動駕駛仿真技術研究報告（2019）》預計，未來5年內，仿真路測的全球市場規模會達到百億美元左右。
對自動駕駛企業來說，建立仿真路測平臺就成為關鍵競爭力。不過，每家平臺的出發點都不盡相同，對于阿里巴巴、騰訊等公司來說，實質是基于其云計算業務，找到更廣泛的落地場景。與此同時，線下實際路況測試的需求也在大幅提升。
3月2日，北京市自動駕駛車輛道路測試第三方服務機構“北京智能車聯產業創新中心”發布報告顯示，截至2019年12月31日，有百度、蔚來、北汽新能源、戴姆勒等13家企業，涵蓋6家互聯網企業、6家主機廠、1家地圖廠商，共計77輛汽車，參與了北京市自動駕駛車輛一般性道路測試，全年測試總里程達88.66萬公里，較上一年度增長577%。其中，百度Apollo共計投放52輛自動駕駛車進行路測，占北京市總投入自動駕駛測試車輛的71%，測試里程75.4萬公里。
未來，自動駕駛仿真測試將與實際道路測試相輔相成，共同促進自動駕駛行業的進一步發展。不過，自動駕駛仿真技術會始終服務于法律法規。通過仿真評估交通事故的法律責任，幫助對交通行為進行管理和監管，對交通規則進行技術評估。
在行業人士看來，自動駕駛仿真技術將服務于產品認證，通過仿真方法提供一個科學而全面的產品測試和審查方法，還需要打通全國范圍的通用型數據庫。目前來看，國內自動駕駛仿真行業尚處于起步階段，在這個基礎上討論L5技術的落地，也為時過早。
