2022年11月29日，百度Apollo Day技術(shù)開(kāi)放日活動(dòng)線上舉辦。百度自動(dòng)駕駛技術(shù)專家全景化展示Apollo技術(shù)實(shí)力及前沿技術(shù)理念。

自動(dòng)駕駛行業(yè)沒(méi)有彎道超車，多年技術(shù)積累才能實(shí)現(xiàn)全無(wú)人落地的臨門一腳。百度自動(dòng)駕駛技術(shù)專家陳競(jìng)凱介紹，百度Apollo依托堅(jiān)實(shí)的AI技術(shù)底座，打造安全、智能、高效的自動(dòng)駕駛技術(shù)體系，實(shí)現(xiàn)從全無(wú)人運(yùn)營(yíng)到規(guī)模商業(yè)化運(yùn)營(yíng)。

百度的學(xué)習(xí)型PNC方案是將預(yù)測(cè)和決策兩個(gè)模塊聯(lián)合建模，然后送入到軌跡規(guī)劃和控制模塊中。學(xué)習(xí)型的PNC模塊是自動(dòng)駕駛學(xué)術(shù)和產(chǎn)業(yè)的技術(shù)前沿。學(xué)術(shù)界雖然提出了不少研究成果，但在產(chǎn)業(yè)界其實(shí)應(yīng)用的案例并不豐富，甚至可以說(shuō)只是在嘗試階段。百度此次提出的預(yù)測(cè)決策一體化模型，在底層設(shè)計(jì)上實(shí)現(xiàn)的創(chuàng)新，是行業(yè)在實(shí)現(xiàn)PNC范式變革上邁出的重要一步。

以下為演講全文

陳競(jìng)凱：大家好，我是百度自動(dòng)駕駛的陳競(jìng)凱。

眾所周知，百度在自動(dòng)駕駛領(lǐng)域已深耕多年，今天為大家分享百度在打造安全、智能、高效的自動(dòng)駕駛體系中的一些思考。

自動(dòng)駕駛系統(tǒng)，最重要的是安全，系統(tǒng)設(shè)計(jì)需要遵從汽車安全體系。百度從功能安全和預(yù)期功能安全兩個(gè)方面來(lái)打造自動(dòng)安全系統(tǒng)。

按照功能安全的設(shè)計(jì)要求，百度拆解了系統(tǒng)的安全框架和目標(biāo)，通過(guò)適當(dāng)?shù)娜哂?，?lái)降低失效帶來(lái)的危害。在計(jì)算硬件、傳感器、底盤、通訊的各個(gè)層面都構(gòu)建了冗余，并且完善了故障檢測(cè)和處理方案，實(shí)現(xiàn)全方位的安全。

傳統(tǒng)的安全設(shè)計(jì)，主要是保障司機(jī)的可操作，即司機(jī)在故障發(fā)生的條件下，有能力處理相應(yīng)的故障。在自動(dòng)駕駛系統(tǒng)中，需要能夠讓自動(dòng)駕駛系統(tǒng)處理這些故障，保證系統(tǒng)安全。

自動(dòng)駕駛系統(tǒng)不僅僅要處理自動(dòng)駕駛系統(tǒng)本身的故障，而且要對(duì)車輛的各個(gè)系統(tǒng)的問(wèn)題，也作出相應(yīng)的應(yīng)對(duì)。

比如車輛的胎壓系統(tǒng)出現(xiàn)問(wèn)題時(shí)，需要能夠檢測(cè)出來(lái)，能夠在車輛運(yùn)動(dòng)可能會(huì)出現(xiàn)異常的條件下，把車輛安全地停下來(lái)。帶傷運(yùn)行會(huì)讓系統(tǒng)變得不夠安全，百度的安全策略是讓車輛在發(fā)生故障時(shí)，使之進(jìn)入安全狀態(tài)，而不是繼續(xù)保持駕駛。

這時(shí)候就提出了一個(gè)不同于主系統(tǒng)的挑戰(zhàn)，如何在各種各樣的道路條件下，當(dāng)發(fā)生故障的時(shí)候，把車輛進(jìn)入安全狀態(tài)。在復(fù)雜的道路條件下，是不能簡(jiǎn)單地一停了之的。故障方案必須與真實(shí)的道路環(huán)境相兼容。充分地利用了仿真的系統(tǒng)，去測(cè)試一下故障處理策略是不是能夠應(yīng)對(duì)當(dāng)前的故障，去能夠應(yīng)對(duì)當(dāng)前的道路條件。

進(jìn)入安全狀態(tài)所需要的能力，通常和完成自動(dòng)駕駛?cè)δ苣芰κ遣惶粯拥?。往往需求相?duì)小一點(diǎn)。這時(shí)候就能夠平衡可靠性的要求和成本。合理的安全駕駛策略就特別關(guān)鍵，百度在仿真系統(tǒng)里進(jìn)行了大量的測(cè)試，去調(diào)整安全處理方案，使得在兩者之間取得一個(gè)比較好的平衡。

自動(dòng)駕駛系統(tǒng)的能力演進(jìn)，是按照預(yù)期功能安全框架去思考的，會(huì)從知道不知道、安全不安全這兩個(gè)維度去推進(jìn)自動(dòng)駕駛技術(shù)能力提升，提高自動(dòng)駕駛系統(tǒng)對(duì)復(fù)雜場(chǎng)景的適應(yīng)。

一個(gè)合理定義的ODD是自動(dòng)駕駛系統(tǒng)，尤其是全無(wú)人自動(dòng)駕駛系統(tǒng)不可或缺的一個(gè)組成部分。需要通過(guò)大量的仿真和道路測(cè)試，來(lái)保障在ODD范圍內(nèi)的安全駕駛。

但是自動(dòng)駕駛不是完美的，道路條件也很復(fù)雜，詳細(xì)定義的ODD，尤其是包含動(dòng)態(tài)交互的ODD通常是不太現(xiàn)實(shí)的，所以在一般的ODD的定義中，通常還是偏向于靜態(tài)定義，很難去覆蓋所有的道路交互狀態(tài)。這時(shí)候就需要在車端有比較強(qiáng)的檢測(cè)能力，去檢測(cè)目前的系統(tǒng)是不是運(yùn)行在ODD下，即使這樣也會(huì)遇到一些超出自動(dòng)駕駛能力的一些狀況。

百度設(shè)計(jì)了一個(gè)系統(tǒng)，通過(guò)經(jīng)驗(yàn)數(shù)據(jù)，以及通過(guò)針對(duì)目前駕駛能力，設(shè)計(jì)一個(gè)偏召回的風(fēng)險(xiǎn)預(yù)警策略，能夠判斷出目前的系統(tǒng)，是不是處在一個(gè)可能會(huì)不安全的狀態(tài)。輔以一些云端和路測(cè)的手段來(lái)保障安全，使得系統(tǒng)從一個(gè)潛在不安全的狀態(tài)變?yōu)橐粋€(gè)更加安全的狀態(tài)。當(dāng)然了，這種工作一定會(huì)對(duì)自動(dòng)駕駛效率有一定的折損。隨著自動(dòng)駕駛能力的提升，不安全的狀態(tài)和場(chǎng)景會(huì)越來(lái)越少，對(duì)應(yīng)的自動(dòng)駕駛效率也會(huì)逐漸的提高。

在車端也會(huì)秉承這樣的思路，來(lái)做出相應(yīng)的處理。在主系統(tǒng)之外去構(gòu)建一些安全的回路，保證在一些場(chǎng)景下，突發(fā)狀態(tài)條件下的自動(dòng)駕駛系統(tǒng)安全。

自動(dòng)駕駛系統(tǒng)的能力目前還在不斷提高的過(guò)程中，需要把更多不知道的問(wèn)題變成知道的問(wèn)題，把不能安全通過(guò)的場(chǎng)景變成能夠安全通過(guò)的場(chǎng)景，并且能夠預(yù)知一些可能出現(xiàn)的危險(xiǎn)，通過(guò)策略規(guī)避掉一些復(fù)雜的危險(xiǎn)場(chǎng)景。車端的持續(xù)演進(jìn)，不斷的去發(fā)現(xiàn)和改進(jìn)自動(dòng)駕駛能力的邊界，需要在車端有相應(yīng)的數(shù)據(jù)挖掘體系，幫助發(fā)現(xiàn)這些問(wèn)題。通過(guò)車端的數(shù)據(jù)挖掘，會(huì)不斷的發(fā)現(xiàn)自動(dòng)駕駛系統(tǒng)中處理得不夠好的，或者是一些不確定性問(wèn)題，然后把這些數(shù)據(jù)上傳到云端，通過(guò)云端系統(tǒng)，使用數(shù)據(jù)驅(qū)動(dòng)的方式，訓(xùn)練、仿真等一系列的工作提升自動(dòng)駕駛能力，提升自動(dòng)駕駛的安全性。

自動(dòng)駕駛系統(tǒng)該如何設(shè)計(jì)？一直都有兩個(gè)思路：

一個(gè)是偏學(xué)術(shù)的

傾向于統(tǒng)一建模，端到端的解決問(wèn)題；

另外一個(gè)思路是偏向工程的

去拆分系統(tǒng)，分治突破。

端到端的建模非常的簡(jiǎn)潔優(yōu)美，從長(zhǎng)遠(yuǎn)來(lái)看，也是一個(gè)非常有前途的方向。

在這種思路下，其他的領(lǐng)域里面百度取得了一些進(jìn)展，比如說(shuō)技術(shù)模型在NLP領(lǐng)域里面已經(jīng)取得了統(tǒng)治性地位。在圖像領(lǐng)域，大模型也帶來(lái)很多的驚喜。同樣，百度對(duì)于這種端到端的大模型的解決方案，在自動(dòng)駕駛系統(tǒng)的發(fā)展也充滿了期待。

這個(gè)方案的問(wèn)題在于存在很大的不確定性。不能確定它究竟何時(shí)成熟，是兩年還是十年，這是一個(gè)問(wèn)題。

基于這樣的認(rèn)知，百度目前的主要的思路還是沿著工程化的路線在往前推進(jìn)，同時(shí)也沒(méi)有放棄在端到端方面上的一些探索，會(huì)把一些階段性的成果應(yīng)用到一些路線上。

百度的車載系統(tǒng)大體會(huì)分成四個(gè)部分：地圖、感知、預(yù)測(cè)決策、規(guī)劃控制。

地圖，是在系統(tǒng)中一個(gè)非常重要的組成部分，自動(dòng)駕駛系統(tǒng)是不能脫離地圖的，因?yàn)榻煌ㄏ到y(tǒng)本來(lái)就是規(guī)則約束下的系統(tǒng)，自動(dòng)駕駛是運(yùn)行在交通實(shí)際條件下，當(dāng)然也不能脫離規(guī)則的約束，地圖恰恰是規(guī)則系統(tǒng)表達(dá)的一個(gè)核心框架。

百度認(rèn)為不管是有沒(méi)有離線地圖，或者說(shuō)只用在線地圖，地圖總是自動(dòng)駕駛系統(tǒng)的一個(gè)底層表達(dá)，離線地圖是一個(gè)超視距的整體性的感知，地圖在自動(dòng)駕駛系統(tǒng)中間發(fā)揮著重要的作用。

在談到離線地圖的時(shí)候，外界有聲音說(shuō)，離線地圖制作成本是不是很高？會(huì)不會(huì)成為普及的障礙？在實(shí)踐過(guò)程中間我們發(fā)現(xiàn)，離線地圖并不是一個(gè)高成本的障礙，反而是我們一個(gè)前進(jìn)的助力。

地圖的更新率其實(shí)不是一個(gè)問(wèn)題，地圖的實(shí)時(shí)性才是它的問(wèn)題，而不是更新率或者成本。

在目前的實(shí)踐中，目前車端實(shí)時(shí)生產(chǎn)的地圖和規(guī)?；a(chǎn)的地圖其實(shí)還是有質(zhì)量上的一些差距的，這種差距，需要通過(guò)自動(dòng)駕駛策略去適應(yīng)這兩種地圖的一些質(zhì)量差異。但這種適應(yīng)對(duì)自動(dòng)駕駛能力來(lái)說(shuō)是有折損的。

所以百度認(rèn)為，在目前的條件下，一個(gè)規(guī)?；a(chǎn)的高精地圖還是不可或缺的，實(shí)時(shí)地圖更多的會(huì)被應(yīng)用在應(yīng)對(duì)現(xiàn)實(shí)世界的變更，這時(shí)候會(huì)把自動(dòng)駕駛的策略調(diào)整到一個(gè)更加安全謹(jǐn)慎的方式去通過(guò)。

感知系統(tǒng)，感知系統(tǒng)目前在整個(gè)業(yè)界的發(fā)展思路還是比較統(tǒng)一的，基本上是一個(gè)數(shù)據(jù)加模型驅(qū)動(dòng)的系統(tǒng)。

目前主要的分歧是在于，大家討論的一些主要分歧在于傳感器的配置。

百度的判斷是這樣的，應(yīng)該充分的發(fā)揮各個(gè)傳感器的能力，從出發(fā)點(diǎn)來(lái)說(shuō)，首先要把事情做成，然后再去追求更好、更低成本，再去充分地發(fā)揮各個(gè)傳感器的能力，把感知做得更加可靠，更加穩(wěn)定。

在具體的過(guò)程中，從后融合的方案轉(zhuǎn)向前融合的方案，前融合的的方案，使得能夠充分地發(fā)揮各個(gè)傳感器的優(yōu)勢(shì)。另外，也會(huì)充分的利用百度大模型技術(shù)方面的一些積累，提升感知能力。

預(yù)測(cè)決策系統(tǒng)，預(yù)測(cè)決策系統(tǒng)是直接面對(duì)復(fù)雜外部環(huán)境的一個(gè)非常重要的部分，百度把這個(gè)系統(tǒng)的模塊的分界線劃到了預(yù)測(cè)決策和規(guī)劃控制之間，主要的出發(fā)點(diǎn)是，決策問(wèn)題其實(shí)是可以引入人工判斷的節(jié)點(diǎn)，這時(shí)候可以在其中引入更多的人類智慧。

百度把預(yù)測(cè)和決策放在一起，其實(shí)也是有相應(yīng)的思考的，百度認(rèn)為預(yù)測(cè)是一個(gè)自標(biāo)注的學(xué)習(xí)系統(tǒng)，在真實(shí)的世界里，主車是與現(xiàn)實(shí)世界是有交互的，這時(shí)候更傾向于認(rèn)為預(yù)測(cè)和決策是一體的，預(yù)測(cè)很多是決策的預(yù)言實(shí)現(xiàn)。

規(guī)劃控制

規(guī)劃控制在傳統(tǒng)方案中是一個(gè)優(yōu)化問(wèn)題，在真實(shí)的道路條件下，往往會(huì)面臨一些求解空間和計(jì)算資源之間的沖突，百度也做了很多的探索。

正如我們前面提到的，駕駛能力的提升表現(xiàn)在車端，但是更多的工作是在云端完成的。

在車載系統(tǒng)的迭代中，如何能夠從數(shù)據(jù)中學(xué)習(xí)，從問(wèn)題中學(xué)習(xí)，尤其是自動(dòng)學(xué)習(xí)，這是百度一直以來(lái)追求的目標(biāo)。

為此百度構(gòu)建了數(shù)據(jù)閉環(huán)的系統(tǒng)，并且在自動(dòng)駕駛技術(shù)研發(fā)的過(guò)程中間就不斷的迭代和完善這個(gè)系統(tǒng)。

仿真系統(tǒng)

仿真系統(tǒng)一直都是自動(dòng)駕駛的話題中心之一，一個(gè)完美的仿真系統(tǒng)是自動(dòng)駕駛開(kāi)發(fā)者的夢(mèng)想。尤其是在做一些端到端探索的時(shí)候，我們經(jīng)常會(huì)感嘆，如果有一個(gè)完美的仿真系統(tǒng)是多么的幸福。然而，做一個(gè)完美的仿真系統(tǒng)在目前是不切實(shí)際的，如果想在仿真系統(tǒng)中去模擬各種各樣的駕駛風(fēng)格，而且這種駕駛風(fēng)格是和人類駕駛一模一樣的時(shí)候，實(shí)際上就做出了一個(gè)有不同個(gè)性的自動(dòng)駕駛系統(tǒng)，這一點(diǎn)在目前這個(gè)階段還是很難的，不太切實(shí)際。百度追求的目標(biāo)是做一個(gè)對(duì)我們的自動(dòng)駕駛技術(shù)能力提升有用的仿真系統(tǒng)。

不管是車載系統(tǒng)還是云端系統(tǒng)，自動(dòng)駕駛都需要算力的支持，這方面我們也會(huì)有一些持續(xù)的投入。

得益于自動(dòng)駕駛技術(shù)的發(fā)展和自動(dòng)駕駛體系的搭建，一方面我們會(huì)研發(fā)面向全無(wú)人自動(dòng)駕駛系統(tǒng)，為大家更好的提供出行服務(wù)。另外一方面，也會(huì)落地一些高級(jí)輔助駕駛，給司機(jī)提供更好的駕乘體驗(yàn)。

百度最初的自動(dòng)駕駛系統(tǒng)，預(yù)測(cè)和決策是分開(kāi)的。預(yù)測(cè)是一個(gè)帶有自標(biāo)注的任務(wù)，一直都是數(shù)據(jù)驅(qū)動(dòng)的，決策、規(guī)劃、控制，當(dāng)初沿用的都是偏規(guī)則的傳統(tǒng)方案。

基于規(guī)則的方案：通常是把遇到的問(wèn)題劃分成各種場(chǎng)景，在每個(gè)場(chǎng)景下，針對(duì)不同出現(xiàn)的問(wèn)題，再做相應(yīng)的處理，為了不讓各個(gè)規(guī)則之間發(fā)生沖突，通常會(huì)仔細(xì)地限定每個(gè)規(guī)則的作用范圍，一層一層的拆分，如果做得好的話，會(huì)形成一個(gè)類似樹(shù)形的拆分結(jié)構(gòu)；如果處理得不好的話，就會(huì)變成一個(gè)補(bǔ)丁摞補(bǔ)丁的系統(tǒng)。尤其在后者的條件下，會(huì)遇到無(wú)法維護(hù)的問(wèn)題，即使哪怕在前者我們一個(gè)高尖端好的樹(shù)狀結(jié)構(gòu)，也會(huì)遇到一些認(rèn)知升級(jí)導(dǎo)致目前的樹(shù)狀結(jié)構(gòu)和認(rèn)知不相匹配的一些問(wèn)題。

規(guī)則系統(tǒng)在最初的時(shí)候，是可以最大化人類的經(jīng)驗(yàn)和一些先驗(yàn)知識(shí)，能夠迅速地去提升自動(dòng)駕駛能力。但是隨著時(shí)間的推移，有兩個(gè)問(wèn)題是不可避免的會(huì)出現(xiàn)。

第一，策略分叉，會(huì)導(dǎo)致每一個(gè)規(guī)則的迭代，針對(duì)的問(wèn)題會(huì)越來(lái)越小，這時(shí)候投入產(chǎn)出比會(huì)迅速的下降。

第二、在面對(duì)城市擴(kuò)展、場(chǎng)景變化的時(shí)候，需要調(diào)整規(guī)則去適應(yīng)，而且這種調(diào)整的范圍往往不是局限在葉子節(jié)點(diǎn)上的，而是需要從根到葉整個(gè)全面的調(diào)整。這種變化會(huì)使得規(guī)則系統(tǒng)在面臨這種遷移變化的時(shí)候會(huì)非常難以維護(hù)。

出于這樣的觀察，百度認(rèn)為學(xué)習(xí)型的PNC是實(shí)現(xiàn)全無(wú)人的一個(gè)必由之路。

正如我們提到的，預(yù)測(cè)和決策其實(shí)是一個(gè)問(wèn)題的兩面，預(yù)測(cè)是決策的自我預(yù)言實(shí)現(xiàn)。所以構(gòu)造了一個(gè)預(yù)測(cè)和決策的多任務(wù)系統(tǒng)，聯(lián)合處理這個(gè)問(wèn)題。我們對(duì)道路元素、信號(hào)燈、自測(cè)行為、道路元素都做了一些建模和交互的處理，最后形成一個(gè)預(yù)測(cè)和決策的一個(gè)結(jié)果。

這個(gè)框架的思路還是比較基本的，但是在實(shí)踐過(guò)程中間有很多有趣的問(wèn)題。

因?yàn)槊恳粋€(gè)學(xué)習(xí)系統(tǒng)，都會(huì)面臨著一個(gè)啟動(dòng)和迭代的問(wèn)題。在這個(gè)過(guò)程中間，和原先的規(guī)則系統(tǒng)是什么樣一個(gè)關(guān)系？在實(shí)踐中間，百度采取了一種漸進(jìn)式的改造思路，逐漸地去吸收規(guī)則系統(tǒng)。

打個(gè)比方，規(guī)則系統(tǒng)實(shí)際上是一臺(tái)學(xué)習(xí)系統(tǒng)的學(xué)步車，百度要在規(guī)則系統(tǒng)的經(jīng)驗(yàn)條件下去初始化我們的學(xué)習(xí)系統(tǒng)。然后再通過(guò)一些迭代使得學(xué)習(xí)系統(tǒng)要超過(guò)規(guī)則。

在過(guò)程中也會(huì)發(fā)現(xiàn)，在規(guī)則系統(tǒng)中的很多細(xì)小的地方，就隱含了一些決策的操作。這種決策的操作，其實(shí)在最初設(shè)計(jì)決策系統(tǒng)的時(shí)候，可能會(huì)有些漏掉的地方，需要后續(xù)再不停地去優(yōu)化和改進(jìn)。

百度最終的目標(biāo)，也不是要把學(xué)習(xí)系統(tǒng)完全替代規(guī)則系統(tǒng)，因?yàn)閮牲c(diǎn)：

第一，交通系統(tǒng)本來(lái)就是一個(gè)靠規(guī)則約束的系統(tǒng)；

第二，需要規(guī)則去守護(hù)最后的底線。

我們?cè)诙说蕉颂剿饕沧隽撕芏嗪芏嗟膰L試。

比如，百度的搜索和推薦是發(fā)展領(lǐng)先的，在實(shí)際過(guò)程中也會(huì)把一些搜索和推薦的技術(shù)應(yīng)用到自動(dòng)駕駛系統(tǒng)中，而且還有一些意外的、超過(guò)我們預(yù)期的一些收獲。

在學(xué)習(xí)系統(tǒng)中間，直接生成軌跡是比較困難的，如果沒(méi)有一個(gè)合適的錨點(diǎn)的話，生成的軌跡往往比較難以盡如人意。但是在使用基于搜索的方法來(lái)做軌跡生成的時(shí)候會(huì)發(fā)現(xiàn)一個(gè)非常有趣的現(xiàn)象，在一般的場(chǎng)景里面，只需要搜索兩條軌跡侯選，就可以給出99%以上場(chǎng)景的可行的答案。在一些相對(duì)困難場(chǎng)景下，其實(shí)也有不錯(cuò)的一些表現(xiàn)。

基于這個(gè)進(jìn)展，把基于搜索的方案也整合到了系統(tǒng)里面。在對(duì)場(chǎng)景進(jìn)行建模以后，再去構(gòu)建一些場(chǎng)景的相似性的一些方案。通過(guò)搜索的技術(shù)，去生成一些軌跡的侯選，把它們作為規(guī)劃系統(tǒng)的一個(gè)啟發(fā)的輸入。

從實(shí)踐過(guò)程中百度發(fā)現(xiàn)，這種啟發(fā)的方式能夠大幅度降低在整體的搜索過(guò)程中間的一些計(jì)算開(kāi)銷。

回顧來(lái)看，整體的框架是比較契合人類的駕駛模式。首先在高層語(yǔ)義層次上做出一些決策。比如說(shuō)在一些宏觀的層面上作出了一些決策，但是在這個(gè)微觀軌跡的層面上，人類并不是去做一個(gè)詳細(xì)的優(yōu)化，而是類似于直接出結(jié)果，而百度的檢索系統(tǒng)恰恰又跟人類這種直接輸出結(jié)果的方式，去追求可行而不是最優(yōu)這種方式，有一種完美的一致。

百度追求的是做一個(gè)有用的仿真系統(tǒng)，應(yīng)該滿足我們對(duì)于問(wèn)題迭代的需求。并需要在微觀層面上，每一個(gè)場(chǎng)景上能夠做到輔助迭代，而且要能夠讓它對(duì)整體自動(dòng)駕駛能力作出一個(gè)完整的評(píng)價(jià)。

仿真系統(tǒng)實(shí)際上是百度在自動(dòng)駕駛技術(shù)發(fā)展迭代過(guò)程中的一個(gè)有效的工具。

為了完成自動(dòng)駕駛發(fā)展的迭代工作，百度在仿真系統(tǒng)的能力構(gòu)建上做了很多大量的工作，比如說(shuō)做了Worldsim系統(tǒng)，使得能夠批量地構(gòu)造大量的場(chǎng)景，去驗(yàn)證各種各樣場(chǎng)景下的綜合能力，另外也構(gòu)造了一個(gè)L2W系統(tǒng)，能夠精確地復(fù)現(xiàn)道路的場(chǎng)景，幫助去分析和驗(yàn)證路上的問(wèn)題。

百度也通過(guò)一些動(dòng)力學(xué)的仿真，使得能夠比較精確的去模擬，去刻畫(huà)車輛的行為。

在此基礎(chǔ)上，構(gòu)建了一個(gè)能夠驗(yàn)證仿真系統(tǒng)和道路系統(tǒng)的一致性的系統(tǒng)，尤其是面臨一些安全性判斷的時(shí)候，對(duì)一致性有很高的要求，構(gòu)建這樣一個(gè)仿真系統(tǒng)是滿足實(shí)際需要的。

另外，為了支撐感知能力的迭代，支撐我們自動(dòng)駕駛系統(tǒng)對(duì)各個(gè)場(chǎng)景的適應(yīng)，百度也構(gòu)造了傳感器的仿真，實(shí)現(xiàn)了對(duì)各種光照條件和天氣條件的覆蓋。能夠通過(guò)高精地圖，自動(dòng)地渲染出整個(gè)道路環(huán)境，能夠端到端地去評(píng)測(cè)整體的系統(tǒng)。

針對(duì)迭代過(guò)程中對(duì)自動(dòng)駕駛中的安全、體感、合規(guī)等方方面面的要求，百度也構(gòu)建了相應(yīng)的度量體系，去幫助工程師在迭代過(guò)程中去更好的評(píng)價(jià)自動(dòng)駕駛系統(tǒng)的表現(xiàn)。

百度也發(fā)展了部分的障礙物交互能力，坦率地講，在仿真系統(tǒng)中構(gòu)造障礙物交互是一個(gè)比較困難的事，目前做的更多是排除一些典型的不合理的行為，而不是去構(gòu)造一個(gè)能夠進(jìn)行復(fù)雜交互的障礙物系統(tǒng)。

作為結(jié)果，仿真系統(tǒng)在迭代過(guò)程中也發(fā)揮了非常重要的作用。支持了數(shù)百人團(tuán)隊(duì)的迭代，在仿真系統(tǒng)日行上百萬(wàn)公里，去驗(yàn)證自動(dòng)駕駛能力的進(jìn)步，同時(shí)也在仿真系統(tǒng)里去探索自動(dòng)駕駛的更多可能性。

如果僅僅是在單個(gè)Case層面上去實(shí)現(xiàn)對(duì)道路的真實(shí)模擬其實(shí)不太夠的，如何對(duì)每一次迭代帶來(lái)的變化作出完整的評(píng)價(jià)，一直都是仿真系統(tǒng)面臨的一個(gè)非常大的挑戰(zhàn)。比如說(shuō)在面對(duì)切車的時(shí)候，采取一些占據(jù)優(yōu)勢(shì)地位，避免被切的策略，這時(shí)候就會(huì)帶來(lái)一些后續(xù)的交互行為，這種交互行為在仿真系統(tǒng)是很難模擬的，這時(shí)候會(huì)遇到一些極限的情況，導(dǎo)致急剎或者碰撞，這時(shí)候會(huì)面臨一個(gè)靈魂拷問(wèn)，這樣的場(chǎng)景在路上會(huì)不會(huì)真的發(fā)生？

如果遇到這樣的情況，自動(dòng)駕駛能力是變好了還是變壞了呢？

如果脫離了大規(guī)模的數(shù)據(jù)分布，是沒(méi)法討論這個(gè)問(wèn)題的，所以在仿真系統(tǒng)中，一定需要構(gòu)建一個(gè)好的數(shù)據(jù)集合。數(shù)據(jù)其實(shí)是仿真系統(tǒng)的靈魂。

為此，百度在針對(duì)路上可能會(huì)出現(xiàn)的各種情況，建設(shè)了豐富的場(chǎng)景庫(kù)，這些場(chǎng)景庫(kù)會(huì)拿到跟路上去做比對(duì)，看看在路上場(chǎng)景的覆蓋情況。

在建設(shè)過(guò)程中間發(fā)現(xiàn)，其實(shí)路上的場(chǎng)景絕大多數(shù)是可以通過(guò)大概600、700個(gè)場(chǎng)景就能夠覆蓋住的，后面就是一些分布的情況。在做泛化的時(shí)候也發(fā)現(xiàn)，其實(shí)后面很多情況不需要做泛化，這時(shí)候就針對(duì)這個(gè)路上常見(jiàn)的多個(gè)場(chǎng)景做了一些詳細(xì)的維度拆分。比如說(shuō)，剛提到的這個(gè)切車的場(chǎng)景，會(huì)根據(jù)切車的車輛類型、切入開(kāi)始的距離、速度、速度差、切車幅度、切入時(shí)間等等各個(gè)維度，去建設(shè)一個(gè)能夠充分刻畫(huà)這個(gè)場(chǎng)景的維度體系，并且建設(shè)一個(gè)相應(yīng)的自動(dòng)化匹配機(jī)制，使得在路上遇到了一樣的場(chǎng)景，能夠自動(dòng)的去匹配到場(chǎng)景體系上，把相應(yīng)維度上的參數(shù)提取出來(lái)。

在這樣的自動(dòng)化掛接的基礎(chǔ)上，百度針對(duì)各個(gè)場(chǎng)景建立了相應(yīng)的集合，在這基礎(chǔ)上統(tǒng)計(jì)了針對(duì)每個(gè)場(chǎng)景的數(shù)據(jù)分布，尤其是常見(jiàn)場(chǎng)景的數(shù)據(jù)分布。就可以清楚地了解到，這個(gè)場(chǎng)景在仿真系統(tǒng)內(nèi)的真實(shí)運(yùn)行場(chǎng)景，在真實(shí)世界里大概會(huì)是什么狀態(tài)，發(fā)生的概率有多大。在這個(gè)基礎(chǔ)上就構(gòu)建一個(gè)針對(duì)仿真系統(tǒng)的、一個(gè)相對(duì)被扭曲的分布條件下，給出一個(gè)正確的度量。

這種度量不是像剛才提到的，從Worldsim中去泛化出來(lái)的這種場(chǎng)景，在那個(gè)場(chǎng)景里面很多車輛的行為、車輛的一些參數(shù)，和自然發(fā)生的情況還是會(huì)有些區(qū)別的，把真實(shí)世界的場(chǎng)景掛接到這個(gè)系統(tǒng)里面，它的運(yùn)行也會(huì)變得更加的真實(shí)和可靠。

通過(guò)這樣一個(gè)體系建設(shè)，百度也建設(shè)了針對(duì)一些特定需求的場(chǎng)景庫(kù)，比如說(shuō)針對(duì)交通法規(guī)，針對(duì)行使安全，針對(duì)主車通行等等，分別去建設(shè)場(chǎng)景庫(kù)，充分的利用到迭代過(guò)程中，評(píng)估每一次變更帶來(lái)的能力變化。

百度觀察到，在從一個(gè)城市向另外一個(gè)城市遷移的過(guò)程中間，這個(gè)數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)的分布是有變化的，這時(shí)候要求自動(dòng)駕駛能力、自動(dòng)駕駛的一些策略，從一個(gè)城市向另外一個(gè)城市遷移的過(guò)程中間需要做一些細(xì)微的調(diào)整，整體的場(chǎng)景庫(kù)也對(duì)遷移過(guò)程提供了很多的保障。

仿真系統(tǒng)在我們的自動(dòng)駕駛技術(shù)迭代的過(guò)程中間發(fā)揮了非常重要的作用，是我們技術(shù)能力提升的重要支撐。

謝謝大家！

審核編輯 ：李倩