L3及以上級(jí)別自動(dòng)駕駛車輛的開發(fā)，在車輛系統(tǒng)復(fù)雜程度、使用環(huán)境復(fù)雜程度方面均急劇增加。算法測(cè)試、傳感器測(cè)試、安全性測(cè)試已不能通過(guò)汽車領(lǐng)域的車輛動(dòng)力學(xué)等仿真方法來(lái)解決。仿真平臺(tái)成為自動(dòng)駕駛企業(yè)的剛性需求。

Waymo、百度、騰訊將仿真系統(tǒng)研發(fā)作為頭等大事；AutoX、Roadstar.ai、Pony.ai等諸多自動(dòng)駕駛初創(chuàng)公司也在自主研發(fā)仿真環(huán)境；業(yè)內(nèi)開始出現(xiàn)CARLA、AirSim等開源式自動(dòng)駕駛仿真平臺(tái)。

*自動(dòng)駕駛汽車在仿真場(chǎng)景中訓(xùn)練

自動(dòng)駕駛仿真平臺(tái)是集：靜態(tài)場(chǎng)景還原、動(dòng)態(tài)案例仿真、傳感器仿真、車輛動(dòng)力學(xué)仿真、并行加速計(jì)算等功能于一體，可方便地接入自動(dòng)駕駛感知和決策系統(tǒng)，還可根據(jù)企業(yè)的開發(fā)流程而定制開發(fā)的平臺(tái)。

靜態(tài)環(huán)境構(gòu)建層面：即通過(guò)采集實(shí)際環(huán)境信息及已有的高精度地圖構(gòu)建靜態(tài)場(chǎng)景，通過(guò)采集激光點(diǎn)云數(shù)據(jù)，建立高精度地圖，構(gòu)建環(huán)境模型，并通過(guò)自動(dòng)化工具鏈完成厘米級(jí)道路還原。靜態(tài)場(chǎng)景數(shù)據(jù)編輯和自動(dòng)生成技術(shù)，可基于實(shí)體場(chǎng)景完成真實(shí)道路自動(dòng)化還原。也可以對(duì)道路周圍樹木及信號(hào)燈等標(biāo)識(shí)根據(jù)不同拓?fù)浣Y(jié)構(gòu)進(jìn)行自動(dòng)的排布組合，生成更多的衍生虛擬場(chǎng)景。

動(dòng)態(tài)場(chǎng)景編輯層面：自動(dòng)駕駛仿真平臺(tái)核心在于數(shù)據(jù)，這里的數(shù)據(jù)非采集數(shù)據(jù)，而是對(duì)多元類型數(shù)據(jù)的整合與加工。多數(shù)據(jù)來(lái)源智能體行為模型工具，可實(shí)現(xiàn)差異化動(dòng)態(tài)場(chǎng)景的快速搭建。

李熠提到，行業(yè)現(xiàn)階段的情況是，一個(gè)實(shí)際交通案例數(shù)據(jù)轉(zhuǎn)換到仿真平臺(tái)，且非高質(zhì)量數(shù)據(jù)，可能需要花費(fèi)數(shù)天，縮減周期是目前整個(gè)行業(yè)正在努力的方向。

*對(duì)自動(dòng)駕駛的測(cè)試場(chǎng)景進(jìn)行編輯

車輛建模方面：目前有部分初創(chuàng)企業(yè)傳出聲音：傳感器仿真模擬在自動(dòng)駕駛開發(fā)中沒(méi)有太大的必要，使用處理好的目標(biāo)結(jié)果同樣可以進(jìn)行算法訓(xùn)練。而在張帆博士看來(lái)，傳感器仿真是非常重要的一環(huán)。未來(lái)從國(guó)家產(chǎn)品認(rèn)可及召回角度考慮，檢測(cè)機(jī)構(gòu)必須對(duì)產(chǎn)品進(jìn)行逐級(jí)分拆，識(shí)別判定是硬件問(wèn)題、軟件問(wèn)題、融合算法問(wèn)題還是決策算法問(wèn)題，保證產(chǎn)品安全。自動(dòng)駕駛仿真平臺(tái)需做到每個(gè)層級(jí)的仿真，而非簡(jiǎn)單的動(dòng)態(tài)場(chǎng)景還原。

在自動(dòng)駕駛仿真產(chǎn)業(yè)鏈上，仿真平臺(tái)有三大類型客戶：

車廠占比最大：其對(duì)于仿真方案的要求最為嚴(yán)格，涉及部件，系統(tǒng)與整車各級(jí)別的算法訓(xùn)練及在環(huán)測(cè)試；

檢測(cè)機(jī)構(gòu)，包括國(guó)家級(jí)實(shí)驗(yàn)室，測(cè)試場(chǎng)，示范區(qū)等：檢測(cè)機(jī)構(gòu)多從安全層面出發(fā)，希冀制定出全面、系統(tǒng)、公平的檢測(cè)標(biāo)準(zhǔn)；

科技算法公司：其訴求仍然是不斷迭代算法，并提供軟硬件結(jié)合的系統(tǒng)解決方案。

李熠提到，想要讓一輛自動(dòng)駕駛汽車變得越來(lái)越聰明，需要源源不斷的數(shù)據(jù)喂養(yǎng)。這離不開成千上萬(wàn)的邊緣案例，且還要保證數(shù)據(jù)的真實(shí)性及多樣性。

從數(shù)據(jù)采集到數(shù)據(jù)處理，再到算法回歸測(cè)試，需要構(gòu)建一個(gè)完整的動(dòng)態(tài)數(shù)據(jù)閉環(huán)。數(shù)據(jù)來(lái)源的多樣性、轉(zhuǎn)換效率及邊緣案例是自動(dòng)駕駛仿真行業(yè)的關(guān)注重點(diǎn)。

現(xiàn)階段，各個(gè)玩家對(duì)數(shù)據(jù)的理解存在差異，與之而來(lái)的是協(xié)同問(wèn)題。在提高場(chǎng)景轉(zhuǎn)換、數(shù)據(jù)處理能力的前提下，形成統(tǒng)一的數(shù)據(jù)格式與轉(zhuǎn)換標(biāo)準(zhǔn)，以此解決協(xié)同性問(wèn)題。