模拟仿真平台三大还原能力

在现实测试中难以完成的测试体量，交由模拟仿真平台来完成，这已经是行业普遍的做法。具体来讲，模拟仿真平台就宛如电影《头号玩家》中的“绿洲系统”，而“绿洲”中的一个个玩家就相当于是一套套自动驾驶的算法。算法的在模拟仿真平台上的测试，就如同把自动驾驶算法接入“绿洲系统”中，完成不同的副本关卡（测试场景）。

为了使自动驾驶算法测试结果真实可靠，模拟仿真平台就必须尽可能接近真实。这不仅需要视觉、感官层面的真实，更需要内在物理规律和运行逻辑层面的真实。因此，模拟仿真平台至少需要具备三个层面的还原能力。

首先是场景的几何还原，运用模拟仿真平台对某个现实场景进行还原，就要求这个场景里所有建筑、障碍物、道路元素、车辆的高度、宽度以及彼此之间的相对距离都与真实世界保持一致，完成这一步依赖于前期的数据采集、标定以及三维重建技术。

第二步就是对场景的物理规律进行还原。比如，自动驾驶汽车上会搭载许多雷达，不同的雷达探测距离、反射时间会有差异，车辆在运行的过程中会受到路面摩擦系数、风阻系数的影响、踩油门会加速、踩刹车会减速等。模拟仿真平台需要借助传感器模型以及车辆动力学模型等组件，让这些物体元素的运行规律与真实世界保持一致。

当仿真场景的几何还原和物理规律还原，都做的足够精确，再借由游戏引擎技术让这个仿真世界动起来，这时候自动驾驶的汽车在仿真环境下的感知、决策过程以及周围交通参与者的运行轨迹和模式就能与真实世界保持一致，也就完成了场景的逻辑还原。只有做到这一步，自动驾驶汽车在模拟仿真平台中的测试结果才具有参考价值和意义。

单从测试的角度来说，模拟仿真平台有个天然的优势，那就是它的所有元素都是自带“真值”的。所谓的“真值”对应的是现实世界中的“观测值”，在实际的道路测试中，自动驾驶汽车的摄像头、雷达探测到的都是“观测值”，而不是物体的客观属性。无论多么先进的感知算法识别到的都是“真值”加一定的误差，哪怕人类去标注，也会存在误差，而且成本很高。