先介绍一下，Worldsim和Logsim，他们是干嘛的，含义就看字面意思，Logsim就是提取log来做仿真。Worldsim是由人为预设的道路和障碍物构成的场景，可以作为单元测试简单高效的测试自动驾驶车辆，而Logsim是由路测数据提取的场景，真实反映了实际交通环境中复杂多变的障碍物和交通状况，其场景相对固定。
  当前大家在做的大多是Worldsim,无论是采用商业软件还是基于开源软件二次开发的软件，只能做一些合规性仿真测试，都是提前预设好的场景。这种方法只能做合规性测试，就像大家在驾校里考试科目一样，大部分人都提前练习了好久，基本都能通过，不能通过的再多练习。驾校里出来的学员上路还是有很多问题，还得继续练习才能成为老司机。大家在考试前都会做自己做错的题，这就是Logsim的意义了。将自己在道路上发生的有问题的场景，在仿真环境下复现，才是最有效的最直接的解决在路测中遇到的问题，还可以在此基础上对采集的数据进行衍生，生成更有意义的场景。当前的重点应该解决从log到场景的还原，然后是再次衍生。国内有公司已经完成了这个工作，但是更多的公司是没有建立这种能力。几个关键的步骤是，第一步：采集数据；第二步，解析数据；第三步，初始化场景中交通参与者状态；第四步，运行场景…后面还没想好，前面这几步的工作量就很大。
  基于有效场景的测试才会变得更有意义，如何在海量的场景寻找有意义的场景是我们需要考虑的，在路测中很多场景是无效的，怎么寻找安全紧要场景就成了大家关心的话题。要寻找安全紧要场景的前提是有场景或者场景库，那就离不开场景生成，在一个公开报告中提到了生成场景的三种方法:

1. 数据驱动；
2. 对抗生成；
3. 基于知识生成。

  上面的三种方法里仍有worldsim 和logsim的影子，数据驱动是不是采集的log呢，来源于log高于log，基于先验知识的场景生成是不是有worldsim的味道呢。从目前来看，worldsim 和logsim都无法解决安全紧要场景问题，原因是不知道有多少corner case无法穷举，目前大多数的方法本质都是采样，以有限去逼近无穷，看起来是不明智的选择。当前也没有别的方案，Worldsim与Logsim还得搞，积累了足够多场景的数据，可以数据驱动，可以对抗生成，而且有一定的作用，假设有真实情况100万个corner case，一个企业找出50万个的corner case和另一个找出1万个corner case，他们做出来的自动驾驶系统鲁棒性肯定不一样,所以还得继续干，而且把当前的方案做好，为下一步做好准备。