但是在模拟仿真系统里，所有的元素都是测试者来构建的，所以测试者可以很清楚的知道一个物体的“真值”，比如说一棵树精确的坐标位置，汽车、障碍物、行人的前进方向，加速度等数值都是绝对精确的。自带“真值”这个特点，可以让仿真测试得到的数据比现实中更精确，这对完善自动驾驶的算法，有非常重要的意义。

模拟仿真平台的场景构建能力

随着自动驾驶技术的深入发展，测试者和开发者对模拟仿真平台应用能力的要求也越来越高。

首先，模拟仿真平台的场景构建能力，也就是场景的丰富性。一般来说，利用场景编辑器进行编辑，或者将场景数据输入仿真平台，进行回放性的仿真，场景中的元素都是相对固定的。当测试者希望改变自动驾驶算法，也就是主车行为时，这些场景元素不会做出相应的改变，没有交互性。如果能够依据需要灵活构建场景，实现环境和交通流的智能化和自动化生成，路采数据的利用率将被放大数倍，这对算法迭代的加速是很有意义的。

其次，仿真平台应该具有本地调试+云端快速验证的能力，或者说是高并发场景的能力。可以将本地训练好的自动驾驶算法，上传到云端同时进行大量的回归测试验证，再把结果返回到本地去做算法的精细调试，从而有效提升自动驾驶算法开发与测试的效率。

最后，完善的模拟仿真平台应该具备一个系统满足全算法闭环验证，或者是任一算法开环验证，同时保持所有算法在系统内的仿真一致性的能力，这是非常关键的一点。一套完善的自动驾驶算法是预测、定位、感知、决策、控制等多个算法的融合，每个算法团队都可能有特别的需求。使用一套软件来满足算法不同阶段的验证，满足模型在环、软件在环、硬件在环、车辆在环全流程的使用需求，不但能提供良好的用户体验，还能避免跨软件算法验证导致的仿真结果不一致的情况，这对自动驾驶算法验证同样非常重要。

腾讯TAD Sim 场景云仿真、虚拟城市云仿真相辅相成