在发出这样的一个问题前，首先要知道，无人驾驶汽车想要真正上路，必须经历多重安全考验，而路测则是必不可少的重要环节。

　　据美国兰德智库的估算，一套无人驾驶的系统至少需要经过110英里（约170-180亿公里）的验证才能达到量产条件。这就从另一方面代表着，即便是一支拥有100辆测试车的无人驾驶车队，以25英里(40公里)每小时的平均时速全天24小时一刻不停歇地测试，也要消耗大约500年的时间。

　　同时，一台成熟的无人驾驶汽车还需要在暴雪、暴雨、强太阳光照射等极端条件下灵敏地识别道路上的物体，正确、迅速地做出一定的反应。但在自然环境中，这些极端条件不会经常发生，且很多极端情况都很危险，在测试中必须要估计到。所以，仅仅依靠实地开展无人驾驶道路测试，效率低，成本巨大，且不够全面。在这样的情况下，可提供完美的虚拟现实路测环境的仿真平台，就成为了无人驾驶汽车进行道路测试的超高的性价比选择。今天我们就来一起看看，那些国内外知名的无人驾驶仿真系统是怎么样做虚拟道路测试的。

　　英伟达：Drive Constellation——基于两种不同服务器的计算平台

　　在可编程图形处理技术上处于世界领袖地位的英伟达，于去年3月正式公开宣布上市云无人驾驶仿真平台Drive Constellation。

　　Drive Constellation使用照片级真实感模拟，基于云的无人驾驶汽车检测系统，是一款基于两种不同服务器的计算平台。第一台服务器运行 NVIDIA DRIVE Sim 软件，用以模拟如摄像头、激光雷达和雷达等无人驾驶汽车的传感器。DRIVE Sim软件可生成照片级逼真的数据流，以创建大量不同的测试环境，例如，它能够模拟诸如暴雨和暴风雪等不同天气状况，一天中不同时间内的光线变化，以及所有不一样的路面和地形。第二台服务器则搭载了 NVIDIA DRIVE Pegasus AI 汽车计算平台，可运行完整的无人驾驶汽车软件堆栈，并可处理如同来自路面行驶汽车上的传感器的模拟数据。

　　众所周知，目前很多无人驾驶主流的仿真系统都是根据游戏引擎开发的，而擅长游戏开发和经营的腾讯，也将专业的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术运用在了无人驾驶模拟仿真平台TAD Sim（Tencent Autonomous Driving Simulator）上，这也是腾讯做无人驾驶仿真平台得天独厚的优势。

　　在TAD Sim这个无限趋近真实世界的场景里，不但可以满足自动驾驶汽车不断迭代的测试需求，还可以提高无人驾驶技术研发效率。TAD Sim内置的高精度地图，可以完成感知、决策、控制算法等实车上全部模块的闭环仿真验证，完成不同天气、光照条件等环境的几何模拟，以及测试车辆的感知能力、决策能力、和车辆控制仿真。结合采集的交通流数据以及极端交通场景的模拟，TAD Sim能够持各种激进驾驶、极端情况的无人驾驶测试，以更高效率、更安全的方式完成在现实世界中无法进行的各项测试。

　　去年，腾讯与宝马在无人驾驶领域达成战略合作，针对中国复杂多变的驾驶场景做多元化的分析处理，助力宝马研发符合中国市场的无人驾驶技术和产品。此外，TAD Sim还可以为政策制定部门、交通管理部门提供交通调度管理、道路及交通规划、无人驾驶法规研究等方面的测试, 全方位助力无人驾驶的量产落地。

　　从最初的“谷歌无人车”到后来的谷歌Waymo，谷歌可以说是无人驾驶研究领域的“老大哥”。前不久，谷歌宣布， Waymo自主研发的仿真测试软件Carcraft已模拟了100亿英里的道路场景，且支持Waymo车型进行大规模测试。

　　由于无人驾驶汽车需要利用网络神经与算法进行不断学习，所以Carcraft设置的各种各样的道路状况，可以让车辆从中学习到更多。Waymo 测试车在路上遇到的许多情况可以直接在模拟器中进行模糊化，同时程序员也可以将多种情况做叠加，以创造出各种极端情况。Carcraft进行模拟后得到的数据又可以反馈给现实世界的测试车，这样循环往复，车辆就会慢慢的变强大。对此前还在用“场景回放”来测试的Waymo来说，Carcraft在无人驾驶研究中扮演着前所未有的重要角色，甚至对于世界的无人驾驶技术而言，Carcraft都意义非凡。

　　2019年年末， Waymo 宣布收购英国仿真技术公司Latent Logic，用于帮助Waymo实现更贴近现实的仿真技术，更好地进行无人驾驶的预测和规划。

　　当前，国内的无人驾驶仿真系统还处于起步阶段。即使是国际上仿真模拟技术很成熟的公司，在中国道路场景的开发与中国驾驶员行为模拟方面仍不够成熟。从另一个角度来看，这其实给中国本土研发无人驾驶仿真模拟技术的公司释放了良好的机会。期待慢慢的变多的像腾讯这样的本土科技公司加入无人驾驶仿真系统的建设中来，搭建具有中国特色的仿真测试环境，助力成熟的无人驾驶技术早日实现。