自动驾驶的“虚拟驾校”如何炼成？
目录
自动化生产“考题”（场景数据）
全流程“模拟考”（X-In-Loop 体系）
“水木灵境”场景工场的价值：省钱、高效、促共享
不止于技术：追求经济、社会、环境等综合价值
自动驾驶汽车的“驾照”远比人类驾驶员的驾照更难获取，因为它需要证明自己可以在各种极端和罕见的情况下安全可靠地运行。业界普遍认为，一套成熟的自动驾驶系统需要经过数十亿甚至上百亿公里的测试才能充分验证其安全性。如果完全依赖实车路测，即使拥有庞大的测试车队，也需要数年甚至数十年才能完成如此海量的测试里程，这显然无法满足技术快速迭代和市场迫切需求。
仿真测试——这个“虚拟驾校”，则能以指数级的速度加速这一过程。 而这之于IAE的破局之道之一就是——“水木灵境”场景数据工场。
针对智能网联汽车行业面临的数据体量不足、数据孤岛现象严重、数据价值难以变现等痛点，融合应用大数据、人工智能、数字孪生等技术与 AI 驱动的合成数据生成能力，IAE自主研发建设“水木灵境”场景数据工场，打通了基于“车路云一体化”多源数据采集、存储、治理、产品开发及商业应用的全链路。
自动化生产“考题”（场景数据）
- 场景数据生产工具链：“水木灵境”场景工场，基于在车端和路侧感知设备采集的海量真实道路交通数据和交通行为特征数据，融合应用大数据、人工智能、数字孪生等技术，形成场景数据采集、挖掘分析、合规治理、批量化生产及质量控制的完整流程和自动化工具链。
- 场景自动化生产平台：基于自研的DeepOcean.AI工具对采集的场景原始数据进行自动化整合、脱敏、清洗治理，大幅减少仿真场景生产过程的人工参与，提高场景数据生产效率和有效数据在整体采集数据中的占比。
- 场景数据质量可靠：“水木灵境”场景工场中数据生产的过程，综合考量了智能网联汽车技术要求、行业规范、道路基础地理数据规范等因素，场景数据发布前需经过两道（生产数据输入前的数据预处理检查、数据出品前的场景闭环测试）3级（自查、互查、抽查）检测流程，保障“考题”质量可靠。
全流程“模拟考”（X-In-Loop 体系）
依托“水木灵境”场景工场，IAE智行众维研发了以仿真场景数据驱动、从海量场景测试到极限场景验证的X-In-Loop仿真测试技术闭环体系。从软件模拟 (SIL) 到硬件测试 (HIL)，再到驾驶员模拟 (DIL) 和实车测试 (VIL)，提供全套“虚拟考场”工具链。与“水木灵境”场景工场共同保障自动驾驶系统的安全性、可靠性，以及智能网联车辆的安全运行。
“水木灵境”场景工场的价值：省钱、高效、促共享
- 辅助降本增效： 提供SaaS化数据服务，企业按需订购“考题”，省去大量重复采集数据的钱和时间，加速算法迭代。
- 打破数据孤岛： 突破自动驾驶训练测试数据的技术瓶颈，生产的场景数据能跨车型、跨算法、跨企业使用，能适配不同测试需求。
- 提供安全基石： 为国内多个城市智能网联汽车道路测试和示范应用提供落地支持和安全保障。
- 提升探索价值： 参与打造国内首个路侧数据商业化应用项目，探索数据交易新模式（如数字人民币+智能合约）。
不止于技术：追求经济、社会、环境等综合价值
- 推动标准： 积极参与制定行业和地方测试标准。
- 开源共享： 发起 “珊瑚数据”开源计划，推动行业数据共享共用。
- 培养人才： 联合高校打造仿真实训基地和“数字驾校”。
仿真测试是确保自动驾驶汽车安全上路的“必由之路”，是连接实验室研发与真实道路应用的桥梁。
“水木灵境”场景数据工场，用海量、高质、可共享的“虚拟考题”，为自动驾驶技术的安全落地保驾护航，是智能网联汽车背后不可或缺的“数据引擎”和“安全考官”！
“IAE Tech Thursday”：“自动驾驶仿真技术周刊”旨在分享自动驾驶仿真测试技术。依托自主研发的仿真测试、验证与评价系统、工具链、标准，助力产业链企业高效达成测试验证目标，加速商业化落地进程，提供切实可行的实现路径。