4月22日，阿里达摩院对外发布全球首个自动驾驶“混合式仿真测试平台”，该平台采用虚拟与现实结合的仿真技术 ，引进真实路测场景和云端训练师，模拟一次极端场景只需30秒，系统每日虚拟测试里程可超过800万公里，大幅提升自动驾驶AI模型训练效率。
所谓的混合式仿真测试平台，就是用真实路测数据自动生成仿真场景，而一般的虚拟仿真测试，则是通过人为干预、模拟的场景进行虚拟测试。二者的区别在于，构建虚拟场景的基础条件不同，前者是来自于真实场景，后者是来自于实验室研发。
自动驾驶中，仿真测试的目的在于提升系统学习、适应环境的能力，尤其是面对瞬息万变、不可预测的行驶环境。
此前，仿真测试已经有许多的厂商在做，无论是微软、NVIDIA、谷歌这样的巨头公司，还是初创的自动驾驶产业链公司。其关键主要在于数据库、模型的完善以及实操中的先验性。
一、“达摩”自动驾驶
阿里达摩院立于2017年10月11日，主要开展基础科学和创新性技术研究。旗下有多个代表未来科技研究方向的实验室，机器智能、数据计算、机器人、金融科技、X实验室。
机器智能实验室主要围绕机器学习等前沿技术开展理论与应用研究，帮助零售、医疗、司法、交通等行业提升效率，推动经济、空间技术、自动控制、计算机设计和制造等领域的变革。下设语音、视觉智能、语言技术、决策智能、城市大脑五个实验室。
数据计算研究领域旨在重构融合、开放、安全、敏捷、生态化的信息基础设施，解决计算性能、计算效率、计算能耗等问题，下设计算技术、智能计算、数据库与存储三个实验室。
机器人研究领域主要围绕环境感知、高精定位、决策规划、智能控制等前沿技术方向，基于机器人技术进行无人驾驶、无人物流等方面的研发与应用，推动汽车、物流、服务等传统行业的价值重塑，下设智能交通实验室。
X Lab致力于探索科技领域最神秘的未知，努力提供最先进的解决方案，更着眼未来，裂变科技价值。X Lab目前下设量子实验室、人工智能实验室。
机器人研究领域就是自动驾驶，该实验室由伊利诺伊大学香槟分校博士，曾任新加坡南洋理工大学终身教授的王刚负责。涉及自动驾驶相关的各种技术，除了传统的感知、控制、决策等技术之外，还包括车路协同、数据平台、自动驾驶仿真平台。
在自动驾驶的应用方面，目前主要是智能物流车，这也与阿里本身的业务直接相关，通过部署智能物流车队、智能感知基站以及铺设云端服务，将电商生意的运输一端做到极致。
二、纯模拟仿真平台
阿里达摩的自动驾驶仿真平台由交通智能体系统，场景编辑生成系统，虚拟世界渲染系统，大规模服务器部署系统组成。
交通智能体系统通过大量的交通数据抽取逼真的行为模型，仿真车辆，行人等物体行为；场景编辑生成系统支持各种极端场景的编辑和类似场景的生成，实现对自动驾驶算法的压力测试。
虚拟世界渲染系统将仿真场景进行可视化渲染，提高分析问题的直观感觉;大规模服务器部署系统提高仿真的规模和效率，实现每年上亿公里的仿真测试；仿真平台为自动驾驶的测试节省大量时间和费用，极大降低了测试风险，随机模拟各种极端复杂场景，实现全面的测试覆盖。
早在2019年3月18日，英伟达就发布了Constellation自动驾驶车辆仿真平台，采用高保真的模拟技术，利用两台不同服务器的计算能力来提供可扩展的云计算平台，从而生成在符合条件的路面上进行数十亿英里自动驾驶汽车测试的结果。
GPU可生成逼真数据流，从而创建各种测试环境和场景。可以在昼夜不同时间针对罕见和难以实现的条件（暴雨、暴风雪和强烈眩光）以及不同的路面和周围环境轻松地进行测试。
微软也有自主车辆仿真平台Cognata，模拟试驾环境通过生成快速、高度准确的结果，缩短了验证过程的时间，同时也消除了在现实世界中进行道路测试的安全问题、高成本和有限的可扩展性。
Cognata复制了为自动驾驶汽车提供动力的复杂传感器集合，包括摄像头、雷达和激光雷达，以及在实际城市环境中行驶的车辆中产生的海量数据传感器。
Cognata的仿真平台包括一个使用深度神经网络(DNN)技术创建的3D环境，以及计算机视觉、传感器仿真、针对全球各地的本地化驾驶行为，以及生成独特的真实地面数据库和驾驶场景的能力。
该仿真软件与OEM/T1的自动驾驶系统相连接，并通过在数百万英里的道路测试之前，为每个车辆模型和传感器组合提供大量基于云的测试和验证会议，从而缩短了上市时间。
这些仿真测试平台都是纯模拟，简单理解就是基于学术研究、理论得出的仿真逻辑，理论上可以适用大部分的行驶场景。
三、真实数据导入的仿真
通过仿真平台测试自动驾驶系统的科学性，需要得到OEM的认可。丰田研究院高级研发公司（TRI-AD）是英伟达DRIVE Constellation的第一个客户。
仿真平台的意义在于覆盖大部分常规道路场景，而对于不常见的或者非逻辑的行驶场景，纯依靠学术逻辑创造的仿真模型就会失去价值。
这些“Corner case”本就不具备常规逻辑，也极少见，但对于自动驾驶系统而言，因为安全性又必须涵盖在内。
混合型仿真平台的意义在于，将真实场景数据作为基准，直接进行镜像模拟再现，对于实际测试有了可回溯的价值。对于检验自动驾驶系统应对处理极端情况的能力非常具有参考价值。
诚然，如此亦真亦假的仿真平台的核心，在于来自于真实道路、事故场景的数据。在全球，这样的数据都是稀缺资源。
做互联网，阿里爸爸已经有超过20年的经验，做自动驾驶，还是个刚入门的小学生。国内的自动驾驶，一定要适应国内的道路环境、驾驶习惯，这些场景需要在国内去积累和学习。在这一点上，无论国际大厂，还是国内厂商，都是新手。
微软、NVIDIA、百度、腾讯、阿里都在布局虚拟仿真，而在国内积累真实场景环境下的数据，国内互联网公司更有优势，这其中涉及到数据合规性。
阿里达摩院自动驾驶实验室是在杭州，团队核心成员有5人拥有海外学习或工作经历，获得国内外名校博士学位，2人具有海外名校博士后研究经历。目前自动驾驶团队成员已超过250人，核心成员拥有nuTonomy、宝马、百度等领先的自动驾驶团队工作经验。
今年初开始，该团队就一直在招募人工智能相关领域的技术员工，比如5年以上自动驾驶视觉感知算法专家、自动驾驶FPGA开发专家、自动驾驶高精定位算法、系统集成专家等，要求都是5年以上的经验。
经验，是汽车领域最稀缺的资源，它往往来自于真实环境中的摸爬滚打，而非纸上谈兵。这一点，在仿真系统的有效性上，同样也适用。达摩院或许已经知道自己缺什么，因此正在快速赶上。
