【導(dǎo)讀】如今，得益于高級圖形處理技術(shù)的發(fā)展，各類仿真平臺可以模擬出實際生活中的各種交通場景，并且可以根據(jù)測試需求對其進(jìn)行調(diào)整。通過虛擬測試，避免了將人類測試員處于潛在的危險當(dāng)中。強(qiáng)大的虛擬現(xiàn)實環(huán)境被認(rèn)為是一種非常有效的工具，它在現(xiàn)實世界中的最終目的是安全行為的測試。隨著虛擬現(xiàn)實技術(shù)的不斷發(fā)展與應(yīng)用，它在無人駕駛車輛測試系統(tǒng)的完善方面提供了極大的幫助。

無人駕駛車輛測試是無人駕駛車輛上路前的一個重要環(huán)節(jié)，實車測試需要消耗大量的人力、物力、財力及時間。虛擬仿真測試技術(shù)可以有效減少消耗、提高效率。虛擬測試可以隨時應(yīng)用于無人駕駛車輛系統(tǒng)開發(fā)的全過程，能夠完成實車測試不能完成的極限工況，能夠率先發(fā)現(xiàn)技術(shù)性問題，它的安全性、方便性及快速性是實車測試無法實現(xiàn)的。



無人駕駛車輛上路需要進(jìn)行上百萬英里的測試驗證它是否比人類駕駛更加安全。然而在現(xiàn)實場景中，完成上百萬英里的實測需要很長時間，并會消耗大量的人力、物力和財力，這幾乎是不可能完成的。在絕大多數(shù)情況下，現(xiàn)實場景的搭建極具挑戰(zhàn)性，并且其創(chuàng)建、復(fù)制和迭代的成本很高。而虛擬現(xiàn)實提供了環(huán)境條件，它通過采集真實世界道路的數(shù)據(jù)搭建出虛擬仿真道路。在虛擬測試中，通過圖形處理器（graphics processing unit，GPU）生成傳感器數(shù)據(jù)，然后反哺到平臺上進(jìn)行模擬測試。通過上百萬英里的虛擬測試定制出的場景和極端案例不但可以提高算法的魯棒性，還可以減少研發(fā)成本。

在觀察無人駕駛車輛對真實交通場景的反應(yīng)時，有可能會產(chǎn)生各種危險；而在虛擬環(huán)境中，經(jīng)過訓(xùn)練與測試，能讓無人駕駛車輛變得更加安全，并使該技術(shù)更加完善。由于出行工具的安全性是人們首要考慮的因素，無人駕駛車輛在研發(fā)過程中需要針對各種環(huán)境條件進(jìn)行不斷地測試，以驗證無人駕駛車輛技術(shù)，從而確保其安全程度高于人類駕駛員的操作。

在某些情況下，無人駕駛車輛技術(shù)不僅要在實際道路上進(jìn)行實車測試，還要在虛擬道路上進(jìn)行虛擬仿真測試。其中，虛擬測試也是積累無人駕駛車輛測試?yán)锍痰闹匾侄沃弧?br />
虛擬環(huán)境具有在短時間內(nèi)對多種路況進(jìn)行再現(xiàn)的能力，它可以對某些實際道路中無法測試的場景進(jìn)行測試，如在危險、不常見的和極端天氣條件下等，這些場景彌補(bǔ)了實測中場景較難實現(xiàn)的缺點。由于可以使虛擬車輛長時間不間斷地進(jìn)行測試，并且可對某一虛擬場景進(jìn)行重復(fù)測試，虛擬測試比在實際道路中的測試速度快且效率更高。

如今，得益于高級圖形處理技術(shù)的發(fā)展，各類仿真平臺可以模擬出實際生活中的各種交通場景，并且可以根據(jù)測試需求對其進(jìn)行調(diào)整。通過虛擬測試，避免了將人類測試員處于潛在的危險當(dāng)中。強(qiáng)大的虛擬現(xiàn)實環(huán)境被認(rèn)為是一種非常有效的工具，它在現(xiàn)實世界中的最終目的是安全行為的測試。隨著虛擬現(xiàn)實技術(shù)的不斷發(fā)展與應(yīng)用，它在無人駕駛車輛測試系統(tǒng)的完善方面提供了極大的幫助。

1、無人駕駛車輛虛擬測試技術(shù)

基于物理的仿真平臺

PreScan是由 TASS International 公司開發(fā)的一款基于物理世界的專業(yè)模擬仿真軟件平臺，其作用是對無人駕駛車輛和其他車輛的功能進(jìn)行評估。PreScan 具有測試高級駕駛輔助系統(tǒng)（advanced driver assistance system，ADAS）和車對外界的信息交換（vehicle to everything，V2X）的功能，不但可以對無人駕駛車輛深度學(xué)習(xí)算法進(jìn)行訓(xùn)練與驗證，還可以將基于模型的控制器設(shè)計用于軟件在環(huán)（software in the loop，SIL）和硬件在環(huán)（hardware in the loop，HIL）系統(tǒng)的實時測試中。

北京理工大學(xué)田賡將PreScan應(yīng)用于驗證無人駕駛車輛的仿生換道決策模型。在基于PreScan搭建的虛擬城市道路環(huán)境下的虛擬仿真平臺上，進(jìn)行閉環(huán)隨機(jī)場景的仿真實驗，驗證其相對距離換道執(zhí)行階段的行為決策是否符合人類駕駛員在換道過程中的駕駛行為?；赑reScan還可以創(chuàng)建各種各樣的交通場景，并能輕松地與 Matlab/Simulink進(jìn)行聯(lián)合仿真。北京理工大學(xué)的宋威龍使用 Prescan 和 Matlab/Simulink 進(jìn)行交叉口聯(lián)合仿真，驗證基于車輛行為交互的兩階段智能車輛交叉口行為決策方法。長安汽車全球研發(fā)中心開發(fā)了一種虛擬測試系統(tǒng)，用于在實驗室中評估車道偏離警報系統(tǒng)（lane departure warning system，LDWS）的預(yù)警性能，該系統(tǒng)中測試場景的動畫是在虛擬現(xiàn)實軟件中創(chuàng)建并實時更新的，不需要在真實的車輛中測試或收集數(shù)據(jù)。將待評估的 LDWS攝像頭進(jìn)行校準(zhǔn)，通過捕捉真實車輛測試中的動畫，模擬出相應(yīng)的動作。該系統(tǒng)可以通過控制器局域網(wǎng)絡(luò)（controller area network，CAN）總線與LDWS控制器通信，發(fā)送車輛相關(guān)信息，同時接收 LDWS狀態(tài)和預(yù)警信號；還可以容易地模擬出真實車輛測試的各個環(huán)節(jié)。PreScan還可以創(chuàng)建各種場景，相比實車測試來說，成本降低。通過多次實驗，使問題的查找和重現(xiàn)變得更加容易，并提供了更多目標(biāo)來進(jìn)行比較和評估。因此，在一些重要場景中，可以避免實驗中出現(xiàn)的危險。吉林大學(xué)王楠等將 Carsim 動態(tài)模型與PreScan中的仿真車輛相結(jié)合，并基于PreScan建立的仿真場景，對所提出的自適應(yīng)巡航控制（adaptive cruise control，ACC）系統(tǒng)的劃分方法和控制算法在典型工況及前車等復(fù)雜工況下的適應(yīng)性進(jìn)行了驗證，同時建立了相應(yīng)的 Simulink/PrsScan/Carsim聯(lián)合仿真。北京理工大學(xué)謝兼明等利用了人工驅(qū)動數(shù)據(jù)和曲線道路參數(shù)，在 Prescan 模擬環(huán)境中對智能車輛的個性化曲線驅(qū)動模型進(jìn)行訓(xùn)練并仿真。仿真結(jié)果表明，無人駕駛車輛模型可以像人類駕駛員一樣平穩(wěn)地通過曲線。

PanoSim是一款集汽車三維行駛環(huán)境模型、汽車行駛交通模型、復(fù)雜車輛動力學(xué)模型、車載環(huán)境傳感模型（相機(jī)和雷達(dá)）、無線通信模型、GPS與數(shù)字地圖模型、Matlab/Simulink仿真環(huán)境自動生成工具箱、圖形與動畫后處理工具等于一體的大型模擬仿真軟件平臺。Panosim也是基于物理建模，用來支持高效、高精度的數(shù)字仿真環(huán)境下，汽車動力學(xué)與性能、汽車電子控制系統(tǒng)、智能輔助駕駛與主動安全系統(tǒng)、環(huán)境傳感與感知、無人駕駛車輛等技術(shù)和產(chǎn)品的研發(fā)、測試和驗證。吉林大學(xué)孫博華等選用 dSpace 系統(tǒng)作為實時仿真模型處理器，根據(jù)油門踏板、制動踏板和 Senso Wheel 力矩方向盤的狀態(tài)，實時采集真實駕駛員的操縱信息，實時運行PanoSim軟件模型，可以得到與主車及交通車輛相關(guān)的狀態(tài)信息；在面向汽車智能化仿真的雷達(dá)模擬研究中，實現(xiàn)了將所提出的車載雷達(dá)模型在虛擬仿真環(huán)境平臺PanoSim的集成，然后，在Simulink平臺上搭建了基于雷達(dá)探測的自適應(yīng)巡航控制系統(tǒng)，其應(yīng)用實例驗證了模型集成后的運行情況。作為虛擬仿真實驗平臺，PanoSim 配合實時仿真處理器dSPACE DS1006 搭建出駕駛在環(huán)智能仿真平臺。該平臺可對駕駛員的駕駛風(fēng)格數(shù)據(jù)進(jìn)行收集，并對其進(jìn)行分類和識別。

Gazebo平臺具備在復(fù)雜室內(nèi)外環(huán)境中準(zhǔn)確有效地模擬訓(xùn)練機(jī)器人的能力，一般結(jié)合機(jī)器人操作系統(tǒng) ROS（robot operating system）來進(jìn)行測試。西安交通大學(xué)的陳宇用 Gazebo作為物理模型來評估模擬平臺的有效性，并驗證其對無人駕駛車輛開發(fā)的適用性；Gupta用 Gazebo 來模擬真實車輛的行為，并驗證了開發(fā)的遠(yuǎn)程導(dǎo)航智能架構(gòu)的精確性；Nugraha通過 Gazebo 使無人駕駛車輛實現(xiàn)簡單的策略跟蹤。

深度強(qiáng)化學(xué)習(xí)訓(xùn)練無人駕駛車輛技術(shù)的應(yīng)用

TORCS（The Open Racing Car Simulator）可以作為仿真器，支持 Windows和 Linux，用 C和 C++編寫出 50 種車輛和 20 條賽道，釋放在 GPL（general public license）協(xié)議下，可以用深度學(xué)習(xí)框架 Keras和深度強(qiáng)化學(xué)習(xí)算法DDPG去訓(xùn)練TORCS汽車。通過進(jìn)化計算來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，并將其用于強(qiáng)化學(xué)習(xí)（reinforcement learning，RL）任務(wù)中，其中 TORCS中有超過 100萬個加權(quán)的網(wǎng)絡(luò)被演變?yōu)橘惖郎像{駛員視角的視頻圖像，并成功發(fā)展出神經(jīng)網(wǎng)絡(luò)控制器。還可以通過深度確定性策略梯度實現(xiàn)無人駕駛車輛的算法。在一個穩(wěn)定而熟悉的環(huán)境中，車輛可以學(xué)習(xí)駕駛政策，這是有效和可靠的；然后利用人工勢場設(shè)計避碰算法和路徑跟蹤方法。在大多數(shù)情況下，將基于深度強(qiáng)化學(xué)習(xí)和安全控制的組合用于 TORCS 汽車上進(jìn)行訓(xùn)練，結(jié)果表現(xiàn)良好。

在 GTAV（Grand Theft Auto V）中，通過模擬真實世界來建立逼真的道路環(huán)境，其中包含不同行駛狀態(tài)的車輛，以此來訓(xùn)練、測試和提升深度學(xué)習(xí)。在GTAV中較容易生成高速公路駕駛的虛擬圖像，利用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）訓(xùn)練，實現(xiàn)前方車輛、車道標(biāo)志等物體的追蹤以及駕駛員角度的同步跟隨。

KITTI 數(shù)據(jù)集由德國卡爾斯魯厄理工學(xué)院和豐田美國技術(shù)研究院聯(lián)合創(chuàng)辦，是主流的無人駕駛車輛測試場景下的計算機(jī)視覺算法評測數(shù)據(jù)集。該數(shù)據(jù)集用于評測立體照片、光流、視覺里程、三維目標(biāo)檢測、三維目標(biāo)追蹤和同步定位與建圖（simultaneous localization and mapping，SLAM）等計算機(jī)視覺技術(shù)在車載環(huán)境下的性能，包含市區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)據(jù)。Naghavi提出了一種無人駕駛車輛圖像中目標(biāo)的綜合實時檢測算法，該算法在KITTI測試集上以38frame/s的速度執(zhí)行，驗證了該算法下的無人駕駛車輛在KITTI數(shù)據(jù)集場景中的適用性。Prabhakar利用圖像數(shù)據(jù)集在虛擬環(huán)境下訓(xùn)練的基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)系統(tǒng)，對車輛、道路障礙物、行人和動物等進(jìn)行檢測和分類。在 KITTI 數(shù)據(jù)集印度道路圖像的檢測結(jié)果表明：該系統(tǒng)對物體的形狀和視野以及不同的光照和氣候條件具有不變的性能。Chacra在 KITTI數(shù)據(jù)集上測試了他提出的一種基于街景圖像的道路分割算法，并將其與當(dāng)前的技術(shù)水平進(jìn)行了比較。

Udacity通過開源協(xié)議授權(quán)公開了它的無人駕駛車輛模擬器，任何人都可以利用此模擬器的資源，載入軟件內(nèi)置場景或創(chuàng)建自己的虛擬測試路線。該模擬器支持利用深度學(xué)習(xí)開發(fā)無人駕駛車輛，可以在 Linux、Mac OS 和 Windows 環(huán)境中應(yīng)用。國際汽車工程師協(xié)會（Society of Automotive Engineer，SAE）的工程師與在線網(wǎng)絡(luò)教育平臺優(yōu)達(dá)學(xué)城（Udacity）的國際學(xué)生組成的團(tuán)隊進(jìn)行了合作，該團(tuán)隊的目標(biāo)是通過端到端的深度神經(jīng)網(wǎng)絡(luò)，為車輛提供方向盤、剎車和油門的實時控制，測試和使用了多種架構(gòu)，包括卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)。通過修改 Udacity駕駛模擬器來收集數(shù)據(jù)并開發(fā)訓(xùn)練模型，這些模型在該團(tuán)隊電腦 GPU 上實現(xiàn)，在 Udacity 模擬器中重新創(chuàng)建 Thunderhill 賽道里訓(xùn)練，并開發(fā)了基于 Keras 和 Tensorflow 的神經(jīng)網(wǎng)絡(luò)，結(jié)合深度學(xué)習(xí)網(wǎng)絡(luò)算法使用單目攝像頭預(yù)測汽車轉(zhuǎn)向角度，結(jié)果表明，在較短的工程開發(fā)時間內(nèi)，使用單目攝像頭可以在有限的范圍內(nèi)實現(xiàn)車輛的指揮和控制。Yang利用對公開的 Udacity數(shù)據(jù)集進(jìn)行了實驗，驗證了一個多任務(wù)學(xué)習(xí)框架，框架生成的模型能準(zhǔn)確預(yù)測轉(zhuǎn)向角和速度值，進(jìn)一步改進(jìn)了數(shù)據(jù)，解決了實際道路實驗中誤差累積的問題。北京大學(xué)遲祿通過大量實驗，找出了適合僅依靠車載攝像頭來預(yù)測方向盤的實時最優(yōu)操控角度的深度學(xué)習(xí)模型，該模型在 Udacity 無人駕駛車輛數(shù)據(jù)集上精度較高。

Comma.ai是用于無人駕駛車輛的人工智能，是基于一種通過模擬道路上未來事件來學(xué)習(xí)克隆駕駛員行為和計劃機(jī)動的智能體，其帶有視頻和傳感器的駕駛數(shù)據(jù)集，如車速、轉(zhuǎn)向角等。Chen提出了一種無人駕駛車輛保持車道的端到端學(xué)習(xí)方法，該方法能夠根據(jù)前置攝像頭捕獲的圖像幀數(shù)自動生成合適的轉(zhuǎn)向角，Chen 使用 comma.ai 數(shù)據(jù)集對 CNN 模型進(jìn)行訓(xùn)練和評估，包含在道路上行駛時采集的前視圖圖像幀和獲取的轉(zhuǎn)向角數(shù)據(jù)，實驗結(jié)果表明，該模型能較準(zhǔn)確地實現(xiàn)車輛的轉(zhuǎn)向。

平行駕駛應(yīng)用于無人駕駛車輛虛擬測試

平行系統(tǒng)是中國科學(xué)院自動化研究所王飛躍于 2004 年提出的，該系統(tǒng)設(shè)想用一種適合復(fù)雜系統(tǒng)的計算理論方法來解決社會經(jīng)濟(jì)系統(tǒng)中關(guān)于計算的重要問題，其主要思想是利用大規(guī)模的計算模擬、預(yù)測和歸納來引導(dǎo)復(fù)雜系統(tǒng)現(xiàn)象，通過整合人工系統(tǒng)、計算實驗和平行系統(tǒng)等方法，形成新的計算研究體系。

平行系統(tǒng)是由一個真實的自然存在的實際系統(tǒng)和一個或多個與之相應(yīng)的虛擬或理想化的人工系統(tǒng)共同組成的系統(tǒng)。平行機(jī)器人是物理機(jī)器人、軟件機(jī)器人、仿真系統(tǒng)、物聯(lián)網(wǎng)、數(shù)據(jù)庫、廣義的人工智能技術(shù)等交叉融合于一體的機(jī)器人控制與管理系統(tǒng)。在平行系統(tǒng)中，所使用的技術(shù)手段稱為ACP（Artificial systems Computational experiments Parallel execution）方法，其中 A 指人工系統(tǒng)，它構(gòu)建了類似于真實系統(tǒng)的人工系統(tǒng)；C指計算實驗，即利用當(dāng)前高效、魯棒的人工智能、機(jī)器學(xué)習(xí)等方法來求解和分析所提出并構(gòu)建的不同數(shù)學(xué)問題；P指平行執(zhí)行，其中真實系統(tǒng)由人工系統(tǒng)引導(dǎo)，同時也可以改進(jìn)并提升人工系統(tǒng)。中國科學(xué)院自動化研究所白天翔通過使用處理復(fù)雜系統(tǒng)的 ACP平行系統(tǒng)方法來解決無人駕駛車輛系統(tǒng)面臨的問題，即將平行理論與機(jī)器人的結(jié)合——平行機(jī)器人方法，應(yīng)用于無人車中形成平行無人系統(tǒng)，連通物理、網(wǎng)絡(luò)和社會空間，以數(shù)據(jù)為驅(qū)動推進(jìn)優(yōu)化訓(xùn)練，以此走向系統(tǒng)化應(yīng)用。平行學(xué)習(xí)方法越來越多地應(yīng)用于虛擬場景生成和無人駕駛車輛智能測試中。

CPSS 是由物理系統(tǒng)（physical system）、包括人的社會系統(tǒng)（social system）、連接二者的信息系統(tǒng)（Cyber system）所共同構(gòu)成的一類復(fù)雜系統(tǒng)，它通過傳感器網(wǎng)絡(luò)實現(xiàn)物理系統(tǒng)和信息系統(tǒng)之間的連接，通過社會傳感器網(wǎng)絡(luò)實現(xiàn)社會系統(tǒng)和信息系統(tǒng)之間的連接，于是“社會+物理系統(tǒng)”就能夠“等價地”映射到信息系統(tǒng)中。CPSS是指在以后的開車過程中，不僅僅局限在物理世界，還可以將物理世界中的汽車、公路分別與軟件定義的汽車、公路在平行系統(tǒng)中結(jié)合起來。

在 IEEE IV 2018 On-Road Demonstration 國際智能車聯(lián)合道路演示的比賽中，來自中山大學(xué)、加拿大滑鐵盧大學(xué)等高校以及鶴山東風(fēng)汽車等公司的無人駕駛車輛全部接入了平行駕駛3.1系統(tǒng)。這些無人駕駛車輛分別在一般交通場景響應(yīng)式接管演示（正常接管）、緊急交通場景主動式接管演示（緊急接管）、主動避障功能演示和中心駕駛員實時狀態(tài)監(jiān)測 4個場景下，利用平行駕駛3.1系統(tǒng)實現(xiàn)了更安全的無人駕駛，這一系列的操作只需要一個網(wǎng)絡(luò)遠(yuǎn)程駕駛員。

平行駕駛將有人駕駛與無人駕駛結(jié)合起來，其核心就是王飛躍提出的具有當(dāng)?shù)睾唵危╨ocal simple）、遠(yuǎn)程復(fù)雜（remote complex）特性的“基于代理的網(wǎng)絡(luò)控制”。平行駕駛是一套能夠獲得感知極限內(nèi)和以外情況下的場景及相關(guān)數(shù)據(jù)的系統(tǒng)，它通過大量算法與算例分析并評估行駛決策、并將知識與經(jīng)驗分享給系統(tǒng)中的所有車輛。它依靠具有感知、傳輸與決策能力的單個車輛，以及后臺功能全面的 GPU 等設(shè)備進(jìn)行數(shù)據(jù)存儲與計算，使得車輛本身具有根據(jù)環(huán)境變化調(diào)整自身行為的能力，只有出現(xiàn)預(yù)警時，才需要人為地來接管。在平行駕駛的過程中，通過物理傳感器能夠獲得關(guān)于路況、車輛服務(wù)、車輛狀態(tài)的數(shù)據(jù)信息。將這些從物理世界獲得的數(shù)據(jù)進(jìn)行加工，通過計算實驗的方式，擴(kuò)展成大數(shù)據(jù)，再用智能方法如機(jī)器學(xué)習(xí)等把這些大數(shù)據(jù)提煉成針對具體問題、具體服務(wù)的小知識、小規(guī)則和小智能。換句話說，就是具體任務(wù)的精準(zhǔn)知識，完成出行的智能控制與管理，讓出行變得安全、舒適、敏捷和智能。

計算實驗是平行駕駛獨有的虛擬測試方法，它在人工系統(tǒng)和真實系統(tǒng) 2個維度中同時進(jìn)行，目的是讓計算機(jī)越來越智能。計算實驗在實際系統(tǒng)中主要通過對過去和當(dāng)前的數(shù)據(jù)信息進(jìn)行處理，獲得能夠指導(dǎo)實際系統(tǒng)運行的知識；而在人工系統(tǒng)中則主要通過預(yù)測學(xué)習(xí)和引導(dǎo)學(xué)習(xí)來獲取未來的或未經(jīng)歷過的知識，從而使得平行系統(tǒng)更加完善。

2、無人駕駛車輛虛擬測試技術(shù)發(fā)展趨勢

無人駕駛車輛的虛擬測試平臺越來越多，它們可以按照實際需要提供相應(yīng)的場景，且可以快速實現(xiàn)。所建立的虛擬場景不再是真實場景的簡化，其紋理圖案輪廓越來越細(xì)膩，更貼近真實道路，可為虛擬測試提供更多的選擇。在無人駕駛車輛實現(xiàn)SAE 設(shè)立的 L5 級道路上，虛擬測試已經(jīng)成為路測的一個有益的補(bǔ)充。這使得越來越多的公司及高校開始相信和重視虛擬測試。

隨著虛擬場景創(chuàng)建速度的提高，其復(fù)雜度也會隨之增加，而不僅是進(jìn)行某些功能的驗證。虛擬測試因為不受封閉場地的影響，可在開發(fā)初期進(jìn)行測試，過程中不存在測試安全性問題。并且隨著仿真精度的提高，測試效率也隨之提高。

與無人駕駛車輛相關(guān)的平臺不斷推陳出新。例如，英偉達(dá)公司的開放式無人駕駛車輛平臺NVIDIA DRIVE，英特爾公司的全球首個將應(yīng)用 5G技術(shù)的無人駕駛車輛平臺IntelGo，百度公司的開發(fā)式的無人駕駛車輛平臺 Apollo，西門子股份公司的無人駕駛車輛平臺 DRS360，偉世通公司無人駕駛車輛開發(fā)平臺 DriveCore™，恩智浦半導(dǎo)體公司無人駕駛車輛平臺BlueBox和Automated Drive Kit，禾多科技（北京）有限公司軒轅平臺和三星集團(tuán)無人駕駛車輛平臺 DRVLINE，這些不同類型的平臺皆為加速無人駕駛車輛開發(fā)的有利工具。

在無人駕駛車輛技術(shù)成熟的過程中，虛擬測試相比于實車測試來說，縮短了測試時間，降低了人力、物力、財力，彌補(bǔ)了實測中場景較難實現(xiàn)的缺點，對該技術(shù)提供了巨大的幫助。無人駕駛車輛虛擬測試技術(shù)是無人駕駛車輛測試中不可或缺的支持，越來越多的虛擬測試平臺及相關(guān)技術(shù)的出現(xiàn)是對虛擬測試的肯定。在開發(fā)無人駕駛車輛系統(tǒng)的過程中，無論是前期、中期還是后期，虛擬測試隨時可以應(yīng)用，能夠完成實車測試不能完成的極限工況，且能夠率先發(fā)現(xiàn)技術(shù)性問題，它的安全性、方便性及快速性是實車測試無法實現(xiàn)的。