该平台通过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。 路测一直是自动驾驶落地的核心环节。 研究显示，自动驾驶汽车需要积累177亿公里的测试数据，才能保证自动驾驶感知、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自动驾驶路测里程，但仍然面临极端场景训练效率低下的关键问题：极端场景数据不足，难以还原真实路况的不确定性，系统也无法精准应对真实路况的突发情况。 达摩院自研的自动驾驶混合式仿真测试平台则是致力于解决这个问题。 达摩院的平台不仅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，加大自动驾驶车辆的避障训练难度。 针对极端场景数据不足的问题，该平台可以任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，将推动自动驾驶加速迈向L5阶段。