路测是自动驾驶落地的核心环节。研究显示,自动驾驶汽车需要积累177亿公里的测试数据,才能保证自动驾驶感知、决策、控制整个链路的安全性。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。
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。