百度自動駕駛云首席產品架構師姚發亮：智能網聯汽車仿真測試技術

百度自動駕駛云姚發亮：智能網聯汽車仿真測試技術

9月28-29日，2021年“東方風起領航、智能駕駛躍遷——中國車谷2021智能汽車產業創新發展論壇”在武漢市舉辦，會議以智能駕駛為主線，通過一個主論壇+六個平行分論壇的形式，對智能駕駛趨勢、智能駕駛系統技術及人機共駕、車路協同及網聯技術、人工智能與芯片、感知融合技術、智能駕駛測試和評價技術、高精地圖與定位技術等主題展開討論。

在9月29日的“智能駕駛測試和評價技術”第五分論壇上，百度自動駕駛云首席產品架構師姚發亮發表了“智能網聯汽車仿真測試技術”的主旨演講，內容如下：

大家好，我是來自百度自動駕駛云的姚發亮，首先感謝東風汽車和蓋世汽車給的這次機會，讓我能有機會在這里跟大家分享一下百度在自動駕駛測試方向的一些積累。

大家知道百度是從2013年開始做自動駕駛，迄今為止已經有八個年頭，我們自動駕駛云也是伴隨著百度自動駕駛業務逐漸成熟起來的，今天要分享的仿真就是我們自動駕駛云里面比較重要的一個產品。

在介紹正式云仿真之前我先簡單介紹一下百度自動駕駛云。

這也片子里呢，底層是自動駕駛云依賴的一些支撐條件，包括算法、算力、數據、場景。中間是自動駕駛云的核心業務板塊，包括數據、研發、測試、運營、監管，這五大中臺。其中數據中臺主要是解決自動駕駛研發過程中海量數據『存管用』的問題。研發中臺提供全棧的自動駕駛算法研發、訓練、評估、模型管理的解決方案。

大家看一下最下面的時間線，2013年百度投入無人車技術研發，在2015年12月份首次在北京完成混合道路上路測試。2017年發布Apollo計劃，在去年12月份百度對外發布了樂高式的汽車解決方案『智艙、智駕、智云、智圖』，其中仿真就是『智云』中最重要的一個產品。

這里有幾個亮眼的數字，我跟大家簡單介紹下：

周：基于云仿真平臺打造的工具鏈，在百度內部呢可以很好支撐自動駕駛算法研發做到周級別迭代。

萬：云仿真背后呢，有上萬臺機器集群，支持大規模并發。

百萬：這是我們目前比較真實的一個數據，就是每天在仿真里測試積累的里程數可以達到上百萬公里。

雙千萬：百度內部呢已經積累了1600多萬公里實際道路的真實測試數據，那從這些數據里面挖掘提取積累了千萬量級場景庫數據，并在內部不斷迭代優化，形成了比較完善的評價體系。

接下來進入今天的主題，這里為兩個時間段，2016-2018和2018-2021年。

2016-2018年，百度自己的自動駕駛測試還是以道路測試為主，仿真測試為輔，當時更多的是以問題來驅動自動駕駛研發，這個時候面臨的一個問題，就是可能在北京這個車跑的很好，同樣的車輛在長沙運營之后又會碰到各種各樣的問題，還有一個問題就是整體運營版本發布周期是一個月甚至更長時間，版本上車成功率也只有40%左右。

那在2018-2021年，隨著內部仿真產品日漸成熟，現在已經變成了以仿真測試為主，道路測試為輔。目前更多的是以場景庫來驅動自動駕駛算法研發，現在的運營版本發布周期大致是7天左右，版本上車成功率幾乎100%。

我們回過頭來看呢，傳統的以『道路測試為主、仿真測試為輔』的方式會有什么問題呢?

主要有三個問題：評價維度單一，場景用例薄弱，迭代效率不滿足，此外，在路測階段需要投入大量的人力，這塊也會是非常大的一個數字。

接下來呢跟大家介紹一下百度內部是怎么做自動駕駛測試的，這也片子呢是百度內部自動駕駛的一個測試流程。首先是研發編碼環節：包括編碼、評審、代碼風格檢查，代碼提交。提交之后進入CI Build環節，主要是做靜態代碼檢查，單元測試，功能+仿真冒煙測試，這個階段大概耗時10-15min。右邊可以看到是我們內每天都在做的Daily build測試，大概耗時5-7個小時，主要是做功能測試，仿真測試，性能測試，集成測試，Benchmark評估測試。每天晚上10點左右定時執行Daily build任務，第二天早上就可以看到測試結果和報告。

另外在集成測試之后會流轉到封閉測試場測試，這個耗時大概2-3天，之后再上到測試車到開放道路去測試驗證，這個時間大概是1-2個禮拜時間，最后正式版本是通過OTA更新升級到運營車輛上面去。

整個自動駕駛研發測試我們分成了三個階段：研發階段、離線仿真測試階段、道路測試階段。

這頁片子的下面內容介紹的是仿真提供的能力，研發環節仿真可以提供實時的調試功能，如果發現問題，也可以在仿真里面做復現和驗證。舉個例子，如果在路上碰到接管場景，這個場景回到云端之后，我們會把它轉換成仿真場景，研發工程師接手處理這個問題，算法更新之后需要做一個驗證，那我們就可以把當時路上的接管場景在仿真里面做一次回放，看一下新的算法在之前被接管的場景里面能不能很好的被驗證通過。

離線仿真測試主要分兩個階段，Daily Builid和集成測試。我們從1600多萬實際道路數據積累了海量的場景，這些場景我們就把它逐一做分類，就可以用于專項測試做算法評估。我們的仿真有一個產品形態叫worldsim，就是可以自己編輯一個場景，然后對某些參數做一些設定之后，那這個人工設計出來的場景就可以泛化成上千個，甚至上萬個場景，這些大量生成的場景可以幫我們做一些算法能力邊界的評估。

道路測試階段，道路測試發現的問題會轉換成場景在場景庫里面做一個管理，后面可以在仿真里面做一個執行和驗證。此外呢仿真產品也提供工具把大量路上采集的數據轉換成仿真測試所需的場景數據。

目前百度以仿真為基礎打造的Dev Ops工具鏈解耦了研發測試對實車的強依賴，這套工具鏈可以支持我們實現天級別算法上路，也就是說研發工程師提交的代碼，第二天就可以在真是道路的測試車上看到真實的效果。這套仿真本身是一個云仿真平臺，支持大規模高并發，支持千人級別并發研發。我們內部評估了一下，相較于之前傳統的測試方式，目前這套工具鏈可以幫助我們提升10倍左右的迭代效率。此外呢，目前自動駕駛測試過程中99%的問題都能在測試環節被發現，只有1%不到的問題會遺留到實際道路測試和運營環節發現。

在場景庫這塊，我們從大量真實道路測試里面轉換出來千萬級別場景，另外還有比較完善的評價體系，因為百度日常在做研發測試迭代，內部經過1萬多次迭代，形成了比較受大家認可的評價體系，總體分為六大類：基礎，安全，交規，體感，智能性，個性化，總共200多項metric指標。另外仿真平臺還提供可視化的分析工具和數據報表方便工程師使用。在百度內部這套云仿真平臺叫DreamLand，內置了百度的高精地圖，提供海量測試場景，每天支持內部積累百萬公里的仿真測試數據，再一個就是多維度評價體系。

因為前面都介紹了自動駕駛云和仿真，其中仿真是自動駕駛云里面比較重要的產品，這個片子主要是跟大家介紹一下整體自動駕駛云。