英伟达NVIDIA的黄仁勋在GTC 2018上宣布英伟达将暂停自动驾驶的研发工作，原因可能是其合作伙伴Uber最近发生了首例自动驾驶致使行人死亡的案例。不过这不妨碍英伟达在GTC上公布了针对自动驾驶汽车测试的仿真系统—DRIVE Constellation，Drive Constellation是一款基于两种不同服务器的计算平台，可以理解为一个完整的硬/软件解决方案。
在2018年2月9日对外发布的2018财年第四季度及全年财报中，英伟达曾经提到过与Uber、Aurora合作打造自动驾驶汽车，采用的就是开源的NVIDIA Drive人工智能自动驾驶平台。
第一台服务器运行英伟达DRIVE Sim软件，用以模拟自动驾驶汽车的传感器，如摄像头、激光雷达和毫米波雷达传感器。
第二台服务器则搭载了英伟达DRIVE Pegasus计算平台，可运行完整的自动驾驶汽车软件堆栈，并能够处理模拟数据——这些模拟数据如同来自路面行驶汽车上的传感器。
仿真服务器由英伟达GPU提供支持，每台服务器都会生成仿真传感器数据流，并将其传送至DRIVE Pegasus进行处理。
具体来说，DRIVE Pegasus的驾驶指令会反馈给仿真器，以完成数字反馈循环。通常意义上，Drive Constellation是在车上进行的，但英伟达已经将它转移到了数据中心。
据官方介绍，英伟达正在打造一个“硬件在环”（Hardware in the loop，HiL）。这一“硬件在环”周期的发生频率为每秒30次，可用于验证在Pegasus上运行的算法和软件对仿真车辆进行的操作是否正确。
DRIVE Sim软件可生成照片级逼真的数据流，以创建大量不同的测试环境。它能够模拟诸如暴雨和暴风雪等不同天气状况；一天中不同时间内的光线变化，或是夜间受限的视野；以及所有不同类型的路面和地形。
在模拟过程中可设置各种危险情况，来测试自动驾驶汽车的反应能力，以确定其不会对任何人的安全造成威胁。
通常来说，部署量产的自动驾驶汽车上路，需要进行上百万英里的测试和验证。来证明自动驾驶汽车比人类驾驶更加安全。但现实是，为了实现这一目标，自动驾驶工程师们需要花费毕生的努力。
而通过模拟器，自动驾驶行业的从业者们可以通过GPU来生成传感器数据，然后反哺到Drive PX平台上，再进行模拟测试，通过上百万英里的测试定制的场景和极端案例，可以提高算法的鲁棒性——帮助自动驾驶行业加速研发进程以及减少研发成本。
