今年，特斯拉完全駕駛系統(tǒng)測(cè)試版發(fā)布后，市場(chǎng)上關(guān)于特斯拉自動(dòng)駕駛事故的新聞引起了人們的關(guān)注。我們對(duì)自動(dòng)駕駛出現(xiàn)在日�；A(chǔ)的出行服務(wù)中充滿期待，也希望自動(dòng)駕駛能夠出現(xiàn)在高速公路貨物運(yùn)輸、低速自動(dòng)駕駛物流配送中，為人類(lèi)工作提升效率和服務(wù)水平。
但我們又深知在普及應(yīng)用前，這一賽道涉及了監(jiān)管環(huán)境、自動(dòng)駕駛車(chē)輛測(cè)試及部署、責(zé)任劃分、數(shù)據(jù)隱私與安全、以及 5G 與通信等多個(gè)方面，還需要對(duì)技術(shù)進(jìn)行多方探索。其中，自動(dòng)駕駛系統(tǒng)測(cè)試與人們的出行安全相關(guān)性極高，有關(guān)自動(dòng)駕駛系統(tǒng)測(cè)試技術(shù)的討論愈發(fā)熱烈。
絡(luò)繹學(xué)術(shù)Online 第十一期，我們邀請(qǐng)到了清華大學(xué)交叉信息核心技術(shù)研究院（西安）可信人工智能創(chuàng)新中心主任、西安交通大學(xué)講座教授、深信科創(chuàng)公司創(chuàng)始人楊子江為大家分享：自動(dòng)駕駛測(cè)試技術(shù)。
楊子江認(rèn)為，自動(dòng)駕駛是人類(lèi)近百年交通工具中最大的變革。隨著云計(jì)算的發(fā)展和產(chǎn)業(yè)升級(jí)，自動(dòng)駕駛可以將從 A 到 B 的過(guò)程變成一個(gè)更標(biāo)準(zhǔn)化的服務(wù)。
圖 | 自動(dòng)駕駛是近百年交通最大的變革，來(lái)源：楊子江教授分享
美國(guó)汽車(chē)工程師學(xué)會(huì)（Society of Automotive Engineers，簡(jiǎn)稱(chēng) SAE ）將自動(dòng)駕駛定義了 6 個(gè)級(jí)別，范圍從無(wú)自動(dòng)化（級(jí)別 0）到完全自動(dòng)化（級(jí)別 5）。每個(gè)自動(dòng)化級(jí)別都為車(chē)輛規(guī)定了更高程度的自主駕駛功能。這就對(duì)處理能力和數(shù)據(jù)路徑連接性提出了更高要求。隨著車(chē)輛由人控制轉(zhuǎn)變?yōu)槠?chē)自主控制，安全性變得愈發(fā)重要，并且成為 ADAS 系統(tǒng)設(shè)計(jì)中最為關(guān)鍵的要素之一。
圖 | 自動(dòng)駕駛的 6 個(gè)級(jí)別，來(lái)源：SAE ，絡(luò)繹知圖整理
自動(dòng)駕駛系統(tǒng)（Autonomous Driving System，ADS）是一種集成高精度傳感器、人工智能和地圖導(dǎo)航系統(tǒng)等模塊的信息物理融合系統(tǒng)。自動(dòng)駕駛軟件已經(jīng)逐漸應(yīng)用于民用汽車(chē)輔助駕駛器、自動(dòng)物流機(jī)器人、軍用無(wú)人機(jī)、無(wú)人艦以及群體智能蜂群作戰(zhàn)系統(tǒng)等領(lǐng)域。
該類(lèi)系統(tǒng)中的自動(dòng)駕駛軟件完成了從高級(jí)輔助駕駛到無(wú)人駕駛?cè)蝿?wù)中關(guān)鍵的感知、定位、預(yù)測(cè)、規(guī)劃和控制任務(wù)。隨著深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等人工智能技術(shù)的發(fā)展和車(chē)載硬件設(shè)備的不斷升級(jí)，高級(jí)別的自動(dòng)駕駛軟件已經(jīng)逐漸應(yīng)用于多種安全攸關(guān)的場(chǎng)景中，保障其運(yùn)行穩(wěn)定性與可靠性的測(cè)試技術(shù)逐漸成為學(xué)術(shù)界和產(chǎn)業(yè)界的研究重點(diǎn)。
圖 | 自動(dòng)駕駛系統(tǒng)示意圖，來(lái)源：馮洋教授分享
自動(dòng)駕駛系統(tǒng)可以分為感知層、決策層、執(zhí)行層。
感知層包含了對(duì)環(huán)境信息和車(chē)內(nèi)信息的采集與處理，涉及道路邊界檢測(cè)、車(chē)輛檢測(cè)、行人檢測(cè)等多個(gè)方面。這一層會(huì)采用一種先進(jìn)傳感器技術(shù)，其采用的傳感器包括激光雷達(dá)、攝像頭、毫米波雷達(dá)、超聲波雷達(dá)、速度和加速度傳感器等。攝像頭有著分辨率高、速度快、傳遞的信息豐富、成本低等優(yōu)勢(shì)。依賴(lài)深度學(xué)習(xí)對(duì)復(fù)雜數(shù)據(jù)的強(qiáng)大學(xué)習(xí)能力能極大提高環(huán)境感知的分類(lèi)能力；毫米波雷達(dá)有著反應(yīng)速度快、操作簡(jiǎn)單、無(wú)視遮擋等優(yōu)勢(shì)，能在各種條件下的提供目標(biāo)有效的位置和速度；激光雷達(dá)有著精確的 3D 感知能力、對(duì)光線變化不敏感、信息豐富等優(yōu)勢(shì)。圖像數(shù)據(jù)無(wú)法提供準(zhǔn)確的空間信息、毫米波雷達(dá)擁有極低的分辨率、激光雷達(dá)有著十分昂貴的價(jià)格。自動(dòng)駕駛汽車(chē)的平穩(wěn)運(yùn)行需要適應(yīng)不同的環(huán)境，因此多傳感融合技術(shù)比單一傳感器更具優(yōu)勢(shì)。
決策層包含了依據(jù)感知信息來(lái)進(jìn)行決策判斷，確定適當(dāng)工作模型，制定相應(yīng)控制策略，替代人類(lèi)駕駛員做出駕駛決策。在這一過(guò)程中，自動(dòng)駕駛系統(tǒng)會(huì)從環(huán)境感知模塊中獲取道路拓?fù)浣Y(jié)構(gòu)信息、實(shí)時(shí)交通信息、障礙物（交通參與者）信息和主車(chē)自身的狀態(tài)信息決策規(guī)劃等重要信息。在獲得這些信息后，決策層需要對(duì)當(dāng)前環(huán)境作出分析，然后對(duì)底層控制執(zhí)行模塊下達(dá)指令。決策層的理論包括模糊推理、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)技術(shù)等。場(chǎng)景和路況的多樣化對(duì)駕駛決策的算法優(yōu)化提出了更高的要求，在數(shù)據(jù)處理和模型優(yōu)化上需要不斷突破瓶頸。
執(zhí)行層包含了系統(tǒng)在做出決策后，按照決策結(jié)果對(duì)車(chē)輛進(jìn)行控制。線控執(zhí)行主要包括線控制動(dòng)、轉(zhuǎn)向和油門(mén)。車(chē)輛的各個(gè)操控系統(tǒng)都需要能夠通過(guò)總線與決策系統(tǒng)相連接，并且按照決策系統(tǒng)發(fā)出的總線指令，精確地控制加速程度、制動(dòng)程度、轉(zhuǎn)向幅度、燈光控制等駕駛動(dòng)作，從而實(shí)現(xiàn)車(chē)輛的自主駕駛。制動(dòng)控制是自動(dòng)駕駛執(zhí)行系統(tǒng)的重要部分。目前 ADAS 與制動(dòng)系統(tǒng)高度關(guān)聯(lián)的功能模塊包括 ESP（車(chē)身穩(wěn)定系統(tǒng)）/ AP（自動(dòng)泊車(chē)）/ ACC（自適應(yīng)巡航）/ AEB（自動(dòng)緊急制動(dòng)）等。
自動(dòng)駕駛系統(tǒng)的發(fā)展為自動(dòng)駕駛汽車(chē)行業(yè)的發(fā)展提速做了技術(shù)儲(chǔ)備，在行業(yè)測(cè)試標(biāo)準(zhǔn)政策尚未統(tǒng)一的情況下，自動(dòng)駕駛測(cè)試的挑戰(zhàn)也很大。普遍認(rèn)知，自動(dòng)駕駛需要 1.5 億英里的測(cè)試，才能使自動(dòng)駕駛系統(tǒng)超過(guò)人類(lèi)駕駛員的安全水平，這在算力要求上是非常高的。
目前的汽車(chē)軟件系統(tǒng)有1 億行以上的代碼，超過(guò)波音 787 ，F(xiàn)B 的代碼量，而自動(dòng)駕駛汽車(chē)代碼量超過(guò)5 億行，比前者更甚。自動(dòng)駕駛測(cè)試融合了實(shí)時(shí)嵌入式軟件、云計(jì)算軟件、AI 軟件、消費(fèi)者軟件、模擬仿真軟件和大規(guī)模多智能體協(xié)同系統(tǒng)軟件，是現(xiàn)代軟件行業(yè)的集大成者。
自動(dòng)駕駛系統(tǒng)的復(fù)雜性對(duì)安全性和可靠性提出了更高的要求，主要體現(xiàn)在以下三個(gè)方面：
高集成度的運(yùn)行環(huán)境
自動(dòng)駕駛軟件是在基本的車(chē)輛平臺(tái)上添加的一個(gè)認(rèn)知智能層。系統(tǒng)和車(chē)輛內(nèi)部各類(lèi)軟硬件主體實(shí)現(xiàn)聯(lián)接交互十分重要。軟件質(zhì)量也會(huì)同時(shí)受到影響，線管缺陷也會(huì)被外部模塊放大。
高復(fù)雜度的數(shù)據(jù)驅(qū)動(dòng)軟件系統(tǒng)
傳統(tǒng)汽車(chē)輔助駕駛軟件對(duì)于這類(lèi)汽車(chē)內(nèi)外部數(shù)據(jù)一般不做直接處理，少量語(yǔ)義豐富數(shù)據(jù)，如圖像會(huì)直接轉(zhuǎn)由駕駛?cè)藛T自行判斷。復(fù)雜數(shù)據(jù)和復(fù)雜功能邏輯使得自動(dòng)駕駛軟件規(guī)模和復(fù)雜程度極高。
高不確定性的系統(tǒng)行為
部分智能模型算法本身理論上具有不可解釋性和黑盒運(yùn)行下的不透明性。用戶難以劃分模型運(yùn)行的中間狀態(tài)，進(jìn)而無(wú)法直接挖掘出模型錯(cuò)誤行為的觸發(fā)機(jī)理。
目前，自動(dòng)駕駛軟件系統(tǒng)的測(cè)試技術(shù)主要在四個(gè)方面：軟件測(cè)試、仿真測(cè)試、實(shí)景測(cè)試、組件測(cè)試。
軟件測(cè)試
面向系統(tǒng)代碼級(jí)別的軟件測(cè)試手段相關(guān)研究目前開(kāi)發(fā)的還比較少。傳統(tǒng)測(cè)試方法，如覆蓋測(cè)試、分支測(cè)試等不再有效。對(duì)自動(dòng)駕駛軟件源碼普遍龐大的代碼規(guī)模來(lái)說(shuō)，相應(yīng)的測(cè)試用例生成和測(cè)試規(guī)范標(biāo)準(zhǔn)建立也是研究人員面臨的另一個(gè)難點(diǎn)。
仿真測(cè)試
仿真測(cè)試提供了在虛擬環(huán)境中重現(xiàn)真實(shí)車(chē)輛系統(tǒng)特征的方法，它構(gòu)建了與系統(tǒng)相互作用的內(nèi)外部因素和條件，從而能在不同程度上模擬自動(dòng)駕駛車(chē)輛面臨的多種場(chǎng)景條件。一個(gè)完整的自動(dòng)駕駛仿真平臺(tái)，需要包括靜態(tài)場(chǎng)景還原、動(dòng)態(tài)案例仿真、傳感器仿真、車(chē)輛動(dòng)力學(xué)仿真、并行加速計(jì)算等功能，并能夠較為容易的接入自動(dòng)駕駛感知和決策控制系統(tǒng)。自動(dòng)駕駛仿真測(cè)試平臺(tái)必須要具備真實(shí)還原測(cè)試場(chǎng)景的能力、高效利用路采數(shù)據(jù)生成仿真場(chǎng)景的能力、云端大規(guī)模并行加速的能力這幾種核心能力。仿真測(cè)試必須滿足自動(dòng)駕駛感知、決策規(guī)劃和控制全棧算法的閉環(huán)，符合汽車(chē)“V” 字開(kāi)發(fā)流程。
圖 | “V”字開(kāi)發(fā)模型示意圖
仿真測(cè)試不能代替道路測(cè)試，但是仿真測(cè)試是一種重要的測(cè)試方法，在安全性和效率上具有優(yōu)勢(shì)。仿真測(cè)試對(duì)交通場(chǎng)景仿真的要求包括交通標(biāo)志、車(chē)道線-規(guī)則與破損、道路特征、復(fù)雜立交、模仿人類(lèi)動(dòng)作、動(dòng)物、球模型、固定加速度行為等。
仿真測(cè)試具有簡(jiǎn)單、低成本且易于復(fù)制的特點(diǎn)，測(cè)試結(jié)果的可靠性高度依賴(lài)模擬傳感器，因此對(duì)車(chē)輛和環(huán)境模型的準(zhǔn)確性要求也比較高。
實(shí)景測(cè)試
封閉場(chǎng)景測(cè)認(rèn)識(shí)很難再現(xiàn)所有的復(fù)雜交通場(chǎng)景，而公路實(shí)景測(cè)試受限于真實(shí)車(chē)輛部署運(yùn)行成本和人員測(cè)試效率，同時(shí)需要考慮對(duì)應(yīng)的社會(huì)風(fēng)險(xiǎn)。
實(shí)景測(cè)試的確能去除理想化數(shù)據(jù)模型的不足，為自動(dòng)駕駛軟件提供符合真實(shí)道路交通場(chǎng)景的測(cè)試數(shù)據(jù)和測(cè)試條件，但是其成本相對(duì)較高，規(guī)模通常較小，無(wú)法對(duì)輸入域及車(chē)輛運(yùn)行環(huán)境進(jìn)行較為完整的覆蓋。
組件測(cè)試
自動(dòng)駕駛組件內(nèi)嵌的神經(jīng)網(wǎng)絡(luò)模型算法存在不可解釋性，模型結(jié)果與模型代碼結(jié)構(gòu)不存在類(lèi)似傳統(tǒng)軟件中的強(qiáng)相關(guān)性，這使得如代碼覆蓋、分支覆蓋等測(cè)試方法無(wú)法直接應(yīng)用。因此，數(shù)據(jù)驅(qū)動(dòng)測(cè)試的概念再自動(dòng)駕駛組件測(cè)試中極為重要。
自動(dòng)駕駛測(cè)試系統(tǒng)的組件測(cè)試主要包括感知組件、決策規(guī)劃組件以及控制組件。感知組件測(cè)試屬于深度學(xué)習(xí)模型測(cè)試技術(shù)，基本上是對(duì)一般 AI 模型缺陷測(cè)試方法再道路駕駛垂直領(lǐng)域的延伸，主流的手段包括測(cè)試生成和模型算法分析。
測(cè)試生成包含大規(guī)模的測(cè)試數(shù)據(jù)擴(kuò)增和有針對(duì)性的特殊測(cè)試數(shù)據(jù)構(gòu)建。以 L3 級(jí)自動(dòng)駕駛功能為例，車(chē)企確定好傳感器選型之后，就進(jìn)入到感知模塊量產(chǎn)前的測(cè)試驗(yàn)證階段。決策規(guī)劃組件測(cè)試需要傳統(tǒng)車(chē)輛路徑規(guī)劃算法、專(zhuān)家系統(tǒng)和機(jī)器學(xué)習(xí)的有效結(jié)合，以提高自動(dòng)駕駛汽車(chē)規(guī)劃和決策能力，這也為新的測(cè)試?yán)碚摲椒ㄌ峁┝怂悸贰？刂平M件測(cè)試設(shè)計(jì)對(duì)應(yīng)的底盤(pán)硬件，包含幾種主要類(lèi)型、速度控制、轉(zhuǎn)向控制、制動(dòng)控制和穩(wěn)定控制。在針對(duì)傳統(tǒng)控制邏輯和控制算法的測(cè)試上，形式化方法作用仍然占據(jù)主要的地位。
在實(shí)際案例分享中，楊子江也同時(shí)分享介紹了深信科創(chuàng)自主研發(fā)的自動(dòng)駕駛仿真測(cè)試平臺(tái) SelfDriveGuard 。
圖 | 自動(dòng)駕駛仿真測(cè)試平臺(tái) SelfDriveGuard，來(lái)源：楊子江教授分享
SelfDriveGuard 作為具有圖形界面的自動(dòng)駕駛汽車(chē)模擬測(cè)試平臺(tái)，它集成了駕駛環(huán)境仿真模擬器和自動(dòng)駕駛控制車(chē)輛模擬器。它能夠幫助開(kāi)發(fā)者或者測(cè)試團(tuán)隊(duì)將仿真模擬測(cè)試應(yīng)用到無(wú)人車(chē)安全測(cè)試環(huán)節(jié)中。
平臺(tái)提供簡(jiǎn)潔的 UI 和用戶接口，開(kāi)發(fā)者只需要做一些簡(jiǎn)單的操作就可以實(shí)用進(jìn)行模擬測(cè)試。平臺(tái)具有執(zhí)行引擎可擴(kuò)展、自研場(chǎng)景描述語(yǔ)言和部署靈活這三個(gè)特征。SelfDriveGuard 提供直觀簡(jiǎn)潔的自研場(chǎng)景描述語(yǔ)言 Scenest，這種場(chǎng)景描述語(yǔ)言符合自然語(yǔ)言表達(dá)習(xí)慣，用戶通過(guò)指定起點(diǎn)、終點(diǎn)、中間途徑的方式，可以規(guī)劃 NPC 車(chē)輛的行駛路徑，模擬路況。用戶不需要了解駕駛環(huán)境模擬器的技術(shù)細(xì)節(jié)，也不需要復(fù)雜的操作，撰寫(xiě)符合語(yǔ)法規(guī)范的測(cè)試腳本和測(cè)試參照后，SelfDriveGuard 會(huì)自動(dòng)解析并進(jìn)行模擬測(cè)試。模擬測(cè)試結(jié)束后，自動(dòng)分條羅列出模擬過(guò)程中實(shí)際情況與測(cè)試參照不一致的地方。
SelfDriveGuard 在模擬碰撞異常和復(fù)雜路況的情況時(shí)都有不俗的表現(xiàn)。碰撞異常的場(chǎng)景下，用戶可以撰寫(xiě)測(cè)試參照，指定預(yù)期的汽車(chē)狀態(tài)、應(yīng)該遵循的規(guī)則。通過(guò)攝像頭的圖像反饋，可以對(duì)實(shí)時(shí)地圖的視角進(jìn)行查看。
當(dāng)控制車(chē)輛發(fā)生碰撞的時(shí)候，模擬即結(jié)束，在頁(yè)面的下方的“Assert關(guān)鍵點(diǎn)”區(qū)域報(bào)告碰撞錯(cuò)誤。復(fù)雜路況的情況下，可編寫(xiě)多腳本，生成多個(gè) NPC 車(chē)輛的能力讓通過(guò)平臺(tái)頁(yè)面看倒環(huán)島地段交通擁堵成為可控。
截至 2021 年 1 月底，無(wú)人駕駛技術(shù)公司在 2021 年已募集了總計(jì) 30 億美元。據(jù) CB Insights 數(shù)據(jù)，全球目前已經(jīng)有 80 多家典型布局開(kāi)發(fā)自動(dòng)駕駛汽車(chē)以及支持自動(dòng)駕駛技術(shù)的組件和軟件系統(tǒng)的科技企業(yè)。
圖 | 超 80 家企業(yè)布局自動(dòng)駕駛汽車(chē)及其相關(guān)技術(shù)，來(lái)源：CB Insights
楊子江認(rèn)為屬于自動(dòng)駕駛系統(tǒng)測(cè)試技術(shù)的市場(chǎng)空間是足夠大的。現(xiàn)在的商業(yè)化路徑已經(jīng)相對(duì)清晰，產(chǎn)業(yè)鏈的承接水平也跟得上，在這樣的情況下。商業(yè)化關(guān)鍵時(shí)間點(diǎn)就是現(xiàn)在。安全不是錦上添花，而是必備。
當(dāng)然自動(dòng)駕駛測(cè)試的技術(shù)門(mén)檻是比較高的，尤其是模擬仿真測(cè)試。
自動(dòng)駕駛測(cè)試領(lǐng)域技術(shù)目前是比較多的。在仿真測(cè)試技術(shù)方面，方法是多樣的。大型科技公司多采用實(shí)際采集的數(shù)據(jù)去各個(gè)城市去做模型跑數(shù)據(jù)，而小公司則更注重在細(xì)分技術(shù)的突破上。
目前以色列的Mobileye在這一領(lǐng)域做的比較好。Mobileye 由以色列希伯來(lái)大學(xué)的 Amnon Shashua 教授和 Ziv Aviram 于 1999 年創(chuàng)立。Mobileye 致力于開(kāi)發(fā)和推廣一個(gè)視覺(jué)系統(tǒng)，以協(xié)助駕駛員在駕駛過(guò)程中保障乘客安全和減少交通事故。
2017 年，英特爾以過(guò) 150 億美元的價(jià)格收購(gòu)了 97.3% 的 Mobileye 流通股。目前 Mobileye 的業(yè)務(wù)主要分為輔助駕駛和自動(dòng)駕駛兩方面。輔助駕駛通過(guò)售賣(mài)帶有嵌入式軟件的 EyeQ 芯片和提供自動(dòng)駕駛域控制器創(chuàng)收；自動(dòng)駕駛通過(guò)提供自動(dòng)駕駛系統(tǒng)（SDS）、車(chē)輛即服務(wù)（VaaS）業(yè)務(wù)和出行即服務(wù)（MaaS）業(yè)務(wù)創(chuàng)收。
目前深信科創(chuàng)已經(jīng)獲得了訂單，向商業(yè)化的階段性目標(biāo)邁進(jìn)。談起從科學(xué)家走向創(chuàng)業(yè)者的經(jīng)歷，楊子江頗有感觸。他認(rèn)為技術(shù)和商業(yè)落地還是有差異的。正因?yàn)樽约旱那猩眢w會(huì)，他所帶領(lǐng)的深信科創(chuàng)才想推出一個(gè)自動(dòng)駕駛的科研社區(qū)，在這個(gè)科研社區(qū)內(nèi)將實(shí)際問(wèn)題注入，將高校的工作轉(zhuǎn)為開(kāi)源代碼，通過(guò)這一過(guò)程促進(jìn)研究向落地走下去。
關(guān)于絡(luò)繹知圖
絡(luò)繹知圖是集科技數(shù)據(jù)、智能分析、學(xué)術(shù)服務(wù)于一體的科技大數(shù)據(jù)平臺(tái)，以透視未來(lái)的科技本質(zhì)為使命，面向?qū)W者、高校、科研機(jī)構(gòu)以及從事科研成果轉(zhuǎn)化的相關(guān)群體，提供研究型數(shù)據(jù)庫(kù)、分析工具、學(xué)術(shù)會(huì)議、學(xué)術(shù)社區(qū)等功能，并通過(guò)媒體傳播原創(chuàng)研究有效放大學(xué)術(shù)研究的影響力。
