路测是无人驾驶落地的核心环节。研究显示，无人驾驶汽车需要积累177亿公里的测试数据，才可能正真的保证无人驾驶感知、决策、控制整个链路的安全性。传统纯虚拟仿真测试平台能快速跑完无人驾驶路测里程，但仍然面临极端场景训练效率低下的核心问题：极端场景数据不足，就无法还原真实路况的不确定性，系统就无法精准应对真实路况的突发情况，无人驾驶就难以实现进一步突破。

  达摩院首创无人驾驶混合式仿真测试平台解决了这一难题。该平台打通了线上虚拟固定环境与线下真实路况不确定性的鸿沟。传统仿真平台难以通过算法模拟人类的随机干预，但在达摩院的平台上，不但可以使用真实路测数据自动生成仿真场景，还可通过人为随机干预，实时模拟前后车辆加速、急转弯、紧急停车等场景，加大无人驾驶车辆的避障训练难度。

  针对极端场景数据不足的问题，该平台能随意增加极端路测场景变量。在实际路测中，复现一次极端场景的接管可能需要1个月的时间，但该平台可在30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建和测试，每日可支持的场景构建数量达百万级。

  行业专家指出，这一平台规模化地解决了极端场景的复现难题，使得这些关键场景的训练效率提高上百万倍，将推动无人驾驶加速迈向L5阶段。