4月22日，阿里巴巴达摩院发布全球首个自动驾驶“混合式仿真测试平台”，可以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，模拟一次极端场景只需30秒，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，该技术将推动自动驾驶加速迈向L5阶段。

据介绍，针对极端场景数据不足的问题，阿里这款仿真平台可以在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。

目前，国内的自动驾驶仿真市场玩家云集，百度、腾讯都已经推出了自动驾驶仿真平台，百度更将其仿真平台列为阿波罗主要变现途径。华为也从自动驾驶的数据服务入手，继而延伸到训练服务和仿真服务的领域，推出了自动驾驶云服务Octopus（八爪鱼）。

另一队列，像AutoX、Pony.ai等自动驾驶创业公司也在自主研发模拟仿真环境。此外，还有如51VR这样仿真市场的垂直公司，51VR发布的无人驾驶仿真平台51Sim-One主要聚焦L3-L4仿真领域。

目前全球汽车行业公认的分级制度主要是是由国际自动机工程师学会(简称SAE)提出的自动驾驶汽车分级标准。SAE将自动驾驶技术分为L0~L5共六个等级。

自动驾驶简单来说就是自动驾驶=环境感知+路径规划+自主控制。从结构的组成部分不难看出实现每个部分都需要强大的硬件和复杂的软件算法来实现。严格来说在L4之前都只能叫做高级驾驶辅助，只是现在为了好划分才统一定义为自动驾驶L0~L5。

L4为高度自动驾驶，只要在出发前输入出发地和目的地，然后就可以将车辆完全交给自动驾驶系统。该层次系统完全自动控制车辆，全程检测交通环境，能够实现所有的驾驶目标，并不需要乘员对车辆进行操控。

但这级别的自动驾驶适用于部分场景下，通常是指在城市中或是高速公路上,但仍保留了驾驶位，便于车辆在极端情况下（如极端天气、极端复杂路况等）完成安全停靠后，人类驾驶员可以接管进行接下来的处置。

L5是真正的自动无人驾驶。无需驾驶员，卸掉方向盘，移开驾驶位，用户只需提供目的地或者输入导航信息，在任何时候都不需要对车辆进行操控，并且在任何场景下都可以做到完全驾驶车辆行驶。车的形态也会发生质的变化，无需方向盘，没有刹车，没有油门，空间完全留给乘客。

自动驾驶在研发中需要大量的测试数据喂养。美国兰德智库有一项估算，一套自动驾驶系统至少需要经过110亿英里（约170-180亿公里）的验证才能达到量产条件。举例来说，组建一支100辆测试车构成的自动驾驶车队，以25英里（40公里）的平均时速全天24小时不停歇的测试，也要花费大约500年的时间。

随着越来越多的公司将自动驾驶汽车量产提上日程，实地路测的需求旺盛，测试园区供不应求，这些都使得仿真测试成为行业的刚需。特别是在2016年，Uber无人车就曾撞死一位突然出现在路中央的行人，这使得各国车辆技术监管机构开始警惕在公共道路上进行的自动驾驶道路测试。

路测是自动驾驶落地的核心环节。仿真测试相对于实车测试更容易，可以使用软件设置复杂的交通场景，同时可以重复测试，更容易发现和定位问题。一般来说，无人驾驶高效的测试流程是，先在电脑软件上通过仿真技术测试来升级算法，确保它在虚拟环境中可以运行，再进行封闭场地测试，最后再进行道路测试。

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，这也是自动驾驶研究领域正在试图攻克的难关。

▼

此次达摩院研发的自动驾驶混合式仿真测试平台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。

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，将推动自动驾驶加速迈向L5阶段。