2020年10月20日-22日,由國家市場監督管理總局缺陷產品管理中心、浙江清華長三角研究院、中國汽車工程研究院股份有限公司、重慶市合川區人民政府聯合主辦的第三屆中國汽車安全與召回技術論壇在重慶隆重召開。本屆論壇以「智能新能源汽車全產業鏈安全與技術創新」為主題,匯聚120家政府機構、事業單位、科研院所以及整車和零部件企業等行業翹楚權威論道。其中,在10月21日舉辦的「智能汽車產業鏈安全與技術創新」專題論壇上,百度自動駕駛測試負責人、高級技術經理劉盛翔發表了核心為《百度Apollo自動駕駛測試技術與實踐》的精彩演講。以下內容為現場演講實錄:
百度自動駕駛測試負責人、高級技術經理 劉盛翔
各位嘉賓,各位專家,大家下午好!汽車的安全是汽車企業高質量發展的根本,而測試與驗證是保證汽車安全的重要手段和關鍵技術之一。接下來由我分享百度Apollo自動駕駛測試體系和關鍵測試技術以及百度測試體系是怎麼去測試和驗證的。
我從四個方面跟大家分享,首先我給大家介紹百度在這幾年自動駕駛發展的整體情況。
百度自動駕駛始於2013年,2015年底我們開始進行大規模研發,經過幾年的發展,目前成為國內規模最大的自動駕駛企業,我們投入了2000多人,專利數3千多項,同時我們測試裡程也是規模最大的,600多萬的裡程,同時我們在國內拿到150張測試牌照,佔全國50%以上。百度實現了從車、路、雲、圖的技術閉環。
隨著自動駕駛技術發展,自動駕駛的車輛必定要由後裝轉向前裝生產,百度也是國內首個實現深度定製,前裝生產L4級別的Robotaxi的企業,我們目前生產的Robotaxi已經在全國多地使用,包括重慶永川也有我們的Robotaxi在落地,在測試。同時百度經過幾年的發展和思考,在整個自動駕駛產業發展和商業化道路上也有比較深度的思考,認為自動駕駛沿著六個階段持續的攀峰,最終可達到理想的目標。目前百度自動駕駛在技術上正處於實現完全真正無人駕駛的技術打磨階段,我們在9月份的世界大會,大家也看到了,實現了真正的無人駕駛,我們正在進行技術的進步打磨,在整個產品上面正在處於小規模的試運營階段,預計在2024年實現一定規模應用。
經過幾年發展,百度Apollo的各項數據顯示,保持著國內領跑,包括測試的車輛數量,測試的裡程和牌照照片。同時我們也持續推進國內法律法規的健全和發展,美國DMV數據顯示百度Apoll的MPI的成績進步非常明顯,自動駕駛的綜合排名持續提升,到2019年進入了整個業界領先者的一個象限。目前百度Apoll正在引領行業的創新和進步,那麼百度Apollo的快速發展也是得益於整個上下遊產業鏈合作夥伴的大力支持,百度Apollo目前覆蓋了210多家上下遊產業鏈的合作夥伴,我們正在與合作夥伴一起共建智能交通的新生態。
以上是百度這幾年的發展的成果。百度Apollo自動駕駛快速發展同時也離不開整個自動駕駛測試和驗證體系保駕護航。接下來我重點講百度自動駕駛是怎麼測試的,它有哪些關鍵的測試技術。
首先擺在大家面前是一個大問題,自動駕駛到底要測試多少裡程才能夠證明它是安全的,2018年一篇報告顯示答案是百億公裡,要在不同時間,不同的場景,無限的年限,7乘24小時,365天不同地點我們要達到10的6次方,貌似非常難,貌似不可能,那怎麼辦?整個自動駕駛行業需要發展,我們得有辦法。所以我們通過實踐,我們認為通過仿真測試加上封閉測試場的測試,加上開放道路的驗證能夠實現最終無人駕駛的商用,因為仿真測試使得大規模的裡程變得可能了,也就是說難得的一個報告當中百億公裡在仿真測試中是肯定可能實現的,我們通過封閉測場去驗證風險比較大的層級,然後再進行大量的實際道路的測試驗證,從而能夠保證無人駕駛最終的落地。
我們再來看自動駕駛測試來講,你要測試它,它有什麼特點?首先智能駕駛車輛是多門學科產物,整個系統架構複雜性非常高,它涉及到車、硬體、軟體、計算平臺、雲端等等,同時它對系統的實時性要求非常高,比如說我們能看到一個前方有一個障礙物,人的平均響應時間是多少,800到1000毫秒。自動駕駛比人更安全的話,應該做到多少才能更安全?業內的專家也經過了很多討論,大家大部分認為200毫秒,就是說能看到前面緊急情況的時候200毫秒能做出緊急制動,所以說自動駕駛會比人更安全,而且它不知疲憊。同時對於自動駕駛來講它還面臨著使用環境的多變,因此我們該怎麼測它?百度提出了一套分層,首先對每一個部分測試進行分層,保證每一個組件的可靠、安全、高質量。同時我需要大規模的測試數據去驗證和測試,我需要龐大的仿真能力和測試系統,同時我經過了仿真之後我再在封閉測試場進行虛實結合場面驗證,再到開放道路進行大量的驗證,從而能夠保證自動駕駛的質量。
所以百度Apollo自動駕駛測試體系是一個縱向分層、橫向分階段的測試體系,它包含了模型在環、軟體在環、硬體在環和車輛在環和道路在環境測試體系。這裡是整體測試體系架構,最底層次我們看到了非常重要自動駕駛測試場景庫,場景庫上面會有很多大量數據進行支撐場景,同時在應用到各個階段的測試當中,從而通過縱向分層橫向分階段的測試體系,我們能夠評價出來一輛自動駕駛車輛到底有多智能,它是不是足夠安全、舒適和可靠。
同時百度Robotaxi做到每一個版本都經過實體各環節進行測試驗證,並且每一個環節都出最終測試的報告,去分析它到底是不是有問題,它到底是不是安全的,這樣才能進入到下一個環節。百度每一個OTA版本都是經過充分驗證,充分的測試才能到車上,從它寫的第一行代碼到最終OTA版本切換經過了十幾個環節測試驗證。可能大家認為十幾個環節是不是周期非常長,我可以告訴大家,百度整個測試鏈條實現完全自動化,我們從第一行代碼開始寫,到一個版本最終的切換,只需要一到兩周就可以了,我們只需要按周發版本的迭代模式,從而能夠更好的去推進自動駕駛技術的快速迭代和發展。
接下來我給大家介紹我們整體測試體系當中關鍵的一些測試技術。首先不得不介紹場景庫,場景庫是測試的重中之重,而且監管單位也是非常重要的第三方測試場景庫,但是場景庫該怎麼建立有很多探索。百度的自動測試駕駛場景庫是由場景加上數據組成的,在場景方面我們進行分能力、分場景、分用例,我們通過正向數據和反向數據的驅動實現從場景上面的一個高覆蓋度,同時我們把每一個場景跟真實道路數據進行匹配,通過人工智慧手段,通過機器學習手段,我們把上百輛車在路上所有數據實現跟場景自動的匹配,從而能夠用大規模數據去證明場景的覆蓋度。所以我們的場景庫是從一個能力,就是自動駕駛有什麼樣的能力?它有什麼樣的場景?它要應對哪些場景?它要應對哪些具體的Case,這些Case在路上真實的數據是怎麼樣的,我們實現了完全自動化的連接。
目前百度的測試場景庫已經達到了1千萬,同時我們利用場景庫每天一個版本去辨別、測試、驗證這1千萬的場景。目前在哪些場景下的自動駕駛能力是有欠缺的,哪些場景是表現比較好的,能夠更好的去評價自動駕駛的每一項能力。有了場景庫以後對於我們測試環節來講,首先做的是模型在環數據測試,我們要保證定位模型,我們感知模型,我們決策規劃的模型是智能的,我們需要大量的數據去驗證它是智能的,它的功能是完備的,它支持所路上的場景,從而我們基於數據的閉環。同時我們在數據的標註上面也實現自動化的標註,這樣能夠評估出來說每一個模型它的優劣程度,從而能夠促使每一個算法,每一個模型都在不斷進步,不能出現退步的情況。
每一個模型進行測試以後,我們要把整個軟體放在一起進行相應的測試,這就需要軟體在環的大規模仿真平臺。我們每一個版本每天都需要在仿真裡面去運行上百萬公裡,這是安全上路的最基本測試條件,同時基於仿真實現了對自動駕駛到底在哪些場景下,在哪些能力上面你足夠智能,足夠安全,你是足夠舒適的。在哪些場景下面你是不夠的,我們能夠很好的去驗證自動駕駛水平,同時也是保證上路的最基本條件。
經過了軟體在環的測試以後,要把硬體,把傳感器放在一起,去做硬體在環的測試技術。我們目前是基於全套真實和虛擬相結合的測試技術,從真實的傳感器和虛擬的傳感器放在一起,然後通過模擬傳感器的實時數據,到最終的控制閉環,這樣能夠很好的去實現硬體閉環的大規模測試。
有了硬體在環的測試以後,我們需要把車加進來進行測試,這叫做車輛在環測試,會依賴封閉測場。從封閉測場來講,場景構建有限,特別像百度,我們雖然有自己的小測試場,但是我們不可能去建立一個非常龐大的測場。這種情況怎麼辦?我們要通過虛實結合的車輛在環測試技術,讓車輛在封閉測場裡能模擬出路上任何一個場景。比如說我們在自己的小封閉測試場裡面,就能模擬出自動車輛跑在長安街上是什麼樣的,這樣可以更真實的驗證自動駕駛的能力,同時也保證了過程的安全性。事實上,封閉測場時候往往還要模擬非常極端的情況,在非常極端碰撞風險的場景裡,如果用真實場景構建是有一定危險性的,但是利用我們虛實結合的車輛在環技術,就能很好地驗證在該場景下它的能力是怎麼樣的,同時數據還非常準確,因為它是虛實結合的。在封閉測場構建場景時,你每次構建的參數都有可能不一樣,而我們的障礙擺放位置就有可能會影響到自動駕駛的行為。所以我們可模擬、可自動化能夠保證安全性、全面性、一致性和準確性。
最後,我們把車輛放進來了,測試了,接下來,就需要把真實的道路放進來進行測試。這就是我們要給予實際道路在環的測試。百度在實際道路在環測試當中,我們會基於幾個環節,首先,在新版本車輛上到開放道路之前,我們會先做開環,所謂開環,就是說我不去自動駕駛,我只是在部署這些版本去看各個子系統,整體車輛系統的行為是不是正常的,通過了我們一系列的評估指標之後,我們才能夠切換到自動駕駛模式。這樣能夠很好的保證我們測試的安全性,也就是說,為什麼我們測試600萬多公裡目前依然是零事故,部分企業有可能幾輛車剛上路就撞了,包括特斯拉,美國OTA版本一出來有可能就會有一堆問題。最大的問題在哪裡?在於沒有經過嚴謹測試就匆忙上線。
百度在今年實現了在封閉測場技術上比較大的突破,我們領先於業界首次實現了全無人化的封閉測場的測試技術。這個設想在2018年的時候我們內部進行了討論,假想有一天如果自動駕駛變成無人駕駛,我們在封閉測場裡面該怎麼測試它?難道還需要我們自己去擺場景嗎?難道還需要我們在車上安排專門的安全員嗎?明顯是有問題的!所以我們今年聯合長沙測場打造了一個全無人化的封閉測場的技術,實現車裡是無人駕駛,同時測試也是無人的,不允許有任何人進行相應的參與。我們可以看一下。
(短片播放)
測試版本有可能有問題,我們怎麼保證測試過程安全?需要有一系列防護措施。目前我們全無人化的封閉測試技術在長沙測場的一期已經投入使用了,我們正準備擴大到二期,更大面積場景的使用。
最後我分析一下自動駕駛車輛質量管理挑戰與思考、建議。對於自動駕駛車輛來講,我認為質量管理和監管的重點應該從三個方面來看。第一,信息安全,當整個智能網聯汽車依賴雲端越來越多的時候,攻擊點也會變得越來越多;第二,安全,安全不僅是功能安全還有預期功能安全,我們怎麼保證;第三就是OTA在線升級,我們應對的措施是什麼,對於信息安全,我們要建立公共的信息安全防控庫,同時每一個車聯的汽車都應該有第三方的測評和認證。對於安全而言,我們在功能安全上面應該有非常好的質量管理體系和論證,同時在研發過程當中,我們需要有充分的功能安全和預期功能安全的分設。同時,第三方管理機構要去建立公共測試場景庫,對車輛進行驗證和論證。在OTA在線升級上,管理機構應該對OTA升級進行分級,細化到每一個分級要求是什麼,因為一個簡單的修復和大的修復乃至功能升級,這裡面的質量風險是不太一樣的。對於企業而言,每一個OTA版本你要說清楚,你的測試和驗證體系是什麼樣的,以及各個環節測試驗證,每一個報告,第三方監管機構要不要去看,升級方案和回穩措施是什麼樣的。比如說你的OTA準備升級,目前市場上有100萬輛,你的第一次升級是百分之多少,當百分之多少驗證沒有問題才要擴展到百分之多少,你的方案是什麼以及一旦出問題,你的回穩措施在哪裡……這些都是保證OTA在線升級以及一旦出問題時,我們需要的建議和措施。
最後,百度期望與業界共同構建智能交通的新生態。謝謝大家!
(註:本文根據現場速記整理,未經演講嘉賓審閱,或存紕漏,敬請諒解)