无人驾驶为什么要路测和模拟器训练二者同时具有

王忆斐关注自动驾驶的一定都知道uber致死事件，对于这全球首起自动驾驶致死事故的原因各方难免还存在着一些疑问和争议。而就在6月19日这一事件发展又有了新线索，据美国媒体TheInformation爆料，uber致死原因可能出在其内部，同竞争对手不同的是其对路测情有独钟，却对模拟器的应用视而不见，这或许已成为uber致死的幕后真凶，而更多实情也将在不久后浮出水面。

Uber之u?Uber之所以对模拟器无动于衷，笔者分析大概有如下几大原因：

1.时间紧促：在未来的汽车发展中，自动驾驶加共享出行是一块巨大的蛋糕。身处共享领域的排头矩阵，uber必然比别人更显急促。Uber急于推出自己的无人驾驶出租车，而模拟器测试需要相当漫长的事件，这与uber的整体节奏完全不符。2.人员构成：由于uber对模拟器的不重视，因此内部专业人员并不多，花巨大的人力成本临阵抱佛脚，uber显然不乐意。

众所周知，一辆车在入市前要进行种类繁多的测试，如我们常听到的“三高”（高原高寒高温）以及数十万公里的常规路测。自动驾驶也一样，尤其它还需要更复杂的技术背书和操作环境，除了在各种封闭试验场、半封闭、开放式试验区进行的路测之外，庞大的模拟实验数据必然不可或缺。因此百万量级的路测里程远远不够，而数亿公里的各种模拟场景和里程累积，就是自动驾驶模拟器的价值之所在。

对于自动驾驶汽车，构筑的三大元素是“感知、决策、执行”。除了对激光雷达、毫米波、摄像头等的硬性要求外，感知能力同样相当重要。自动驾驶需要基于AI和深度学习的视觉传感系统来获悉周边环境变化，因此对复杂环境的认知度到底有多少便成为重中之重，换句话说，起点决定高低。通过模拟器进行测试，会得到比在真实世界路测更多的测试数据，大大降低路测过程发生意外的可能性，这也成为车企和自动驾驶企业布局的关键技术之一。

自动驾驶路测是用于实际场景的测试，其数据累积必然比虚拟状态要更显真实，但是实际里程方面却非常受限；而模拟器可以提供更多场景下的测试，累积数以亿计的里程和经验，两者相辅相成，缺一不可。任何舍近而求远、舍本而逐末，片面的做选择题，最后的代价必然惨烈。其他对手在做什么？

在谷歌自动驾驶团队还未组建为新的Waymo公司之前，他们平均每天便会积累近百万公里的模拟测试数据。在2016年1月的业绩报表中，甚至交出了300万公里的成绩单，着实令人惊叹。作为全球汽车巨头，丰田在自动驾驶方面也开始发力。其去年展示了自己的驾驶模拟器，该模拟器将GPU视觉处理技术与深度学习相结合，从而提供更加真是的视觉仿真效果，从而降低发生意外的可能性。这已经成为丰田无人驾驶技术关键组成部分。