随着自动驾驶量产时间的临近，各大汽车厂商也在加速相关技术的测试验证。
在日前举行的奥迪Q8 SUV新品发布会上，德国奥迪宣布将于2021年基于Aicon概念车打造并推出首个自动驾驶车队。
奥迪近日宣布与以色列自动驾驶模拟测试初创公司 Cognata 合作，加速自动驾驶技术发展。后者的模拟平台可以重现现实世界的城市，并提供一系列测试场景，包括模拟真实世界状况的交通模型。
Cognata 的仿真平台利用人工智能、深度学习和计算机视觉等技术，提供验证自动驾驶汽车性能和功能可扩展性的解决方案。
今年早些时候，Cognata宣布推出用于自动驾驶汽车验证的基于云端的仿真引擎，NVIDIA和微软提供相应技术。
Cognata 在2017年获得500万美元融资，投资者包括Maniv Mobility（主要来自捷豹路虎、法雷奥等汽车主机厂和零部件厂商）、空客的风险投资基金等。
传统汽车走向自动驾驶，除了需要包括但不限于主机厂、自动驾驶公司等各类技术解决方案公司的努力外，还需要不断检验实验结果，进行对称调试和优化。
道路测试无疑是最直接的方式，但由于汽车的重量和速度，在实际场景中进行测试存在较大的安全风险，特别是在技术成熟之前。而没有实际的道路测试，技术的更新升级似乎非常困难。
尤其是今年上半年，UBER自动驾驶汽车在美国亚利桑那州坦佩发生全球首起致命事故后，业界一直在反思和讨论，在技术尚未成熟之前，是否应该进行自动驾驶测试。
随后，NVIDIA宣布推出名为“NVIDIA DRIVE Constellation”的云端自动驾驶汽车测试系统，该系统采用照片级真实感模拟，是基于两台不同服务器的计算平台。
第一台服务器运行 NVIDIA DRIVE Sim 软件，该软件可模拟自动驾驶汽车的传感器，例如摄像头、激光雷达和雷达。第二台服务器配备了 NVIDIA DRIVE Pegasus AI 汽车计算平台，该平台运行完整的自动驾驶汽车软件堆栈，并可以处理模拟数据，就好像这些数据来自道路上行驶的汽车上的传感器一样。
Nvidia首席执行官黄仁勋表示，利用该仿真测试系统，工程师可以在5小时内完成约48万公里的道路测试。
在不少业内人士看来，模拟测试是当前加速自动驾驶技术发展的关键手段汽车模拟驾驶训练软件，也是验证产品、证明其安全性的必要工具。
业内普遍认为，汽车厂商需要100亿英里的测试路测数据来优化自动驾驶系统，而要达到这个测试里程，以目前的实际道路测试能力来看，很可能还需要几年的时间。
对于传统的汽车功能，汽车制造商通常需要积累5亿至10亿英里的无事故行驶里程才能投入生产。
此前，百度自动驾驶测试负责人杏亮也表达了类似的观点，他认为目前的自动驾驶技术很难识别所有的道路交通标志，也很难收集到各种极端情况的道路，如果要测试得尽可能完整，也需要依赖一定的场景库，对测试车辆进行虚拟测试。
例如谷歌旗下的Waymo正在投入大量自动驾驶汽车进行真实道路测试，同时也利用模拟引擎对自动驾驶汽车进行虚拟道路测试。
Waymo 在谷歌打造的虚拟城市“Carcraft”中放置了 2.5 万辆虚拟测试车，2016 年这些车辆每天虚拟行驶里程达到 25 亿英里。
此类虚拟仿真测试几年前也曾被通用汽车用于验证“超级巡航技术”，其中包括全新的360度高速模拟器，为测试人员提供360度无盲区高清投影，同时利用更新反馈和屏幕刷新技术帮助他们快速测试和更新系统，进一步缩短研发周期。
近年来，像Cognata一样参与自动驾驶虚拟仿真测试平台开发的初创公司还有很多，去年获得200万美元A轮融资的硅谷初创公司metamoto也宣布与Mobis North America合作开展“仿真即服务”虚拟仿真测试项目。
该平台可支持包括激光雷达、摄像头、雷达、GPS、IMU等各种传感器的精确模拟，使客户能够在单个周期内积累数十亿英里的验证工作，比实际测试高出几个数量级。
该公司负责人表示，metamoto 的仿真产品可以协助工程师完成自动驾驶系统的数百万次日常测试，并智能地探索极端情况下的参数范围和性能极限。
还有华人创办的虚拟仿真测试公司RealDrive，其自动驾驶虚拟现实仿真平台Cybertron-Zero基于云计算和仿真加速技术，为自动驾驶汽车的训练和测试构建了高度逼真的道路交通模拟环境，自动驾驶汽车每天可以在虚拟环境中行驶数百万公里，体验各种复杂的工况。
RealDrive 目前合作伙伴包括宝马、威马汽车、零跑汽车、阿里巴巴、国家智能网联汽车（上海）试点示范区等。公司创始人陈路毕业于浙江大学竺可桢学院混合班、国家级 CAD&CG 重点实验室，是虚拟现实图形学博士，曾就职于通用汽车中国科学院、宝马中国技术中心。
当然汽车模拟驾驶训练软件，虚拟仿真测试并不能解决量产的最终测试问题。
此前，Momenta创始人曹旭东表示，无人驾驶仿真可以通过算法产生感知和决策数据，减少数据采集和测试车辆的数量，降低研发成本。
当然，自动驾驶模拟也有其不足之处：比如模拟产生的感知数据与真实数据存在差异；模拟的规则是人为制定的，很多失败场景恰恰是人类思维的盲区，仅通过模拟是无法发现的。
