從訓練到測試，虛擬環境正在讓自動駕駛變得越來越完善。在訓練過程中，它能夠幫我們節省時間，提高效率，并且幫我們規避在真實世界中進行測試時的風險。在無人駕駛的開發中，讓人類安全員在世界道路上進行測試是必不可少的一個手段。

在打造交通工具的時候，無論它是由人類還是計算機駕駛，安全都是首要考慮的因素。

在自動駕駛開發過程中，需要在各種行駛條件下，對無人駕駛技術進行不斷的驗證測試，從而確保其安全程度能夠高于人類駕駛員的操作。這意味著，在一些時候我們要在實際道路上對其進行測試。然而同樣重要的，是在虛擬道路上的仿真測試，虛擬測試也是積累無人駕駛汽車測試里程的重要手段之一。

具體說來，虛擬道路測試，能夠有效對危險或不常見的駕駛場景進行測試。虛擬道路測試的靈活性和多用性，使其在自動駕駛技術開發中發揮著重要作用。

如果沒有仿真道路測試，要觀察車輛應對真實交通場景的反應，有可能會產生各種危險。譬如說，當一個孩子從一輛停著的車輛后方突然沖到了馬路中央，或是有另一輛車在闖紅燈。

而現在得益于高級圖形處理技術的發展，工程師可以模擬出各種實際生活中的交通場景，并且根據需求對其進行調整。例如，在需要的時候，我們可以仿真出暴風雪的場景，即使你現在身處的是沙漠環境；另外，我們還可以在日出和日落時分模擬出正午晃眼的陽光，測試無人駕駛汽車在這種天氣條件下的反應。其次，一些有可能使人類測試員處于危險當中的場景，我們也可以讓其在虛擬測試中再現，例如仿真出一條布滿薄冰的高速公路。

仿真測試還有另一個優勢，那就是在短時間內對多種路況進行再現。在今年英偉達GPU開發者大會歐洲站的主題演講環節，英偉達CEO 黃仁勛介紹稱，使用NVIDIA DGX和Tensor RT 3進行仿真，工程師可以在5個小時內，完成約48萬公里的道路測試。按照這個速度，僅僅兩天之內，可完成全美所有道路的測試。

要想讓數字仿真技術在自動駕駛汽車的訓練和測試中發揮高效發揮，我們得保證虛擬世界要和真實世界無限接近。在GPU的驅動下，細節逼真的圖像以及魯棒的物理引擎，為工程人員提供給了所需的有利條件。

當模擬環境成功創建之后，它必須要接入一套自動駕駛系統。英偉達的統一GPU架構，使得自動駕駛技術在實車裝載的Drive PX平臺和實驗室或大數據中心的仿真環境之間能夠相對容易地進行遷移。

各家公司給出的解決方案

DRIVE PX是一個人工智能車載計算平臺，它負責將多個傳感器獲取的數據進行融合，運行自動駕駛所需的復雜軟件算法，然后將決策指令發送給車輛執行。

在經過配置之后， DRIVE PX也可以將模擬傳感器的數據進行融合，然后輸出模擬駕駛指令。在本屆英偉達開發者大會歐洲站的活動現場，一些企業也展示了基于 DRIVE PX進行自動駕駛仿真測試的方法。

IPG使用Drive PX在模擬環境中測試對行人目標物的檢測能力

IPG Automotive公司的 Dominik D?rr介紹了虛擬原型車與傳感器模型的概念。該公司的自動化駕駛解決方案為無人駕駛工程師提供了一個將多個開發工作進行整合，從而對整體無人駕駛方案進行測試的方式。D?rr表示，這種解決方案，能夠在完整無人駕駛原型車完成之前，就讓工程師對各個單獨的功能或深度神經網絡進行早期測試。

這些虛擬原型，就是運行在DRIVE PX上的。該公司對DRIVE PX進行了配置，讓它在虛擬環境中進行工作。DRIVE PX在虛擬環境中，會和在真實世界中進行同樣的分析，然后根據分析出來的結果發出相應的駕駛指令。在這種過程中，工程師可以對無人駕駛解決方案進行評估，以確定該方案是否運作正常。

VI-grade這套物理模擬器可以對低層級的自動駕駛系統進行虛擬測試，其中需要人類駕駛員在緊急時刻進行操作接管

VI-grade的 Roberto De Vecchi與其合作伙伴AddFor的Enrico Busto一起，討論了駕駛軟件的精準性與汽車軟件對人產生的影響。他們使用模擬駕駛裝置來進行測試，該裝置結合了人類駕駛員和運行在DRIVE PX上的自動駕駛軟件的輸入。當汽車發出接管指令的時候，人類駕駛員需要接管駕駛。

而這項測試的目的在于，可以對軟件是否運行正常進行評判，并且能夠評估車內人員的駕乘體驗。

用數據驅動的自動駕駛仿真測試

Pro-SiVIC是ESI Group的模擬駕駛軟件，該公司的 Rodolphe Tchalekian介紹了這個軟件，它能夠創建實時、物理現實的3D虛擬環境，該環境可以對機器學習算法進行測試和訓練。

如果想要開發新的用于自動駕駛的機器學習算法，企業需要海量的訓練數據。如果從真實世界中收集這些數據，在將其用于算法訓練之前，工程師需要花費大量時間對這些數據進行標注。而如果是虛擬數據的話，它們在創建時就已經自動添加了標簽，這樣一來可以為企業節約大量的時間和人力成本。

在使用虛擬數據對新算法進行訓練之后，ESI會使用DRIVE PX來對其進行驗證，確保軟件能夠正常運行。

TASS利用Drive PX測試在虛擬環境中車道保持功能的表現

來自TASS International的Martijn Tideman在展示了該公司的PreScan模擬平臺。PreScan是一個基于物理世界打造的模擬平臺，它的作用是對自動駕駛和其他車輛功能進行評估。

過去PreScan一直被用來測試駕駛員輔助以及V2X功能。而就在最近，TASS開始使用 PreScan數據對自動駕駛深度學習算法進行訓練和驗證。

TASS與德國人工智能研究中心以及西門子共同合作了一個項目，該項目展示了模擬數據對深度學習算法的訓練價值。Tideman表示，在對自動駕駛應用的深度學習算法進行訓練的時候，在真實世界數據中加入模擬數據，能夠提高訓練的效率。

來自以色列的初創企業Cognata在自動駕駛的虛擬測試領域也有自己的見解。這家公司使用自己的專利算法，創建了多個虛擬城市，城市里有著真實的車輛與行人的行為數據。該公司還在虛擬環境中添加了感應器，這些感應器使用的是真實世界中的數據，從而確保它們在虛擬環境中的表現，與在真實世界中別無二致。

從訓練到測試，虛擬環境正在讓自動駕駛變得越來越完善。在訓練過程中，它能夠幫我們節省時間，提高效率，并且幫我們規避在真實世界中進行測試時的風險。在無人駕駛的開發中，讓人類安全員在世界道路上進行測試是必不可少的一個手段。然而在實際道路測試之余，虛擬測試能為我們提供良好的測試補充，而且不會威脅路上行人和其他車輛的安全。