截至目前，仿真公司rFpro已经绘制了全球180多个地点的数字地图，其中包括公共道路、测试场地和赛车赛道。然而，这些地图的规模及复杂程度都比不上该公司最新推出的一款数字地图。rFpro技术总监Matt Daley在AutoSens USA 2024上称，这款新推出的洛杉矶数字地图是一个“无比巨大且复杂的数字模型”，覆盖了一条全长36公里（22英里）的双向行驶环形路，用户可在其中虚拟驾驶。其中的数字道路是使用勘测级激光雷达数据在1cm×1cm（1.1″×1.1″）的X-Y网格上构建的，地图中还包含超过12000栋路边建筑物、13000个街道基础设施（如交通标志和路灯）和40000株植被。

Daley指出，“我们意识到，凭借我们为构建可靠的仿真平台和基础设施投入的资金，以及我们创建3D模型的技术和能力，我们便可以添加新的数据层。我们知道这样做就等于改变了产品的性质，而且必须赋予新模型新的功能，因为它的应用领域将不限于有人驾驶场景。我们必须在该模型上添加数字摄像头，但摄像头不同于人眼，它们通常在不同的时间段对周围环境进行采样。而且，我们还需要使用雷达模型和激光雷达模型，因此我们创建了传感器API系统，以便对插件进行建模，并将其作为额外通道集成至仿真模型中。”

rFpro控股公司AB Dynamics PLC于2022年收购了Ansible Motion，后者不仅提供3D全动态平台硬件，还提供完整的集成解决方案。Daley表示，“除了Ansible外，我们有一些合作伙伴或经销商也将“rFpro地图”集成至其自身硬件上。同时，我们的很多客户也会自己集成。比如，早在2014年我还是法拉利的客户时，我们对法拉利自主研发的模拟器进行了改装，并将rfPro地图整合进了模拟器，通过升级现有系统，使其具有更高的保真度。为什么这一点很重要？因为客户可以利用我们的仿真模型创建成几十万个不同边缘场景的不同测试，也可以利用这个基于真实地点构建的复杂高精度模型，重新创建一些在现实世界中可能发生的已知风险事件。”

Daley表示，“只有在相信模拟结果的前提下，你才能实现这一目标。如果仿真模型是采用虚构地点创建的，那么就很难将仿真结果与现实情况联系起来。基于真实地点创建的仿真模型具有很大的价值，能够让我们有信心扩展仿真应用的规模。”