什么是自动驾驶“正向开发”？量产标准是什么？“GGAI视角”

自动驾驶系统通过什么样的测试才能符合量产的标准？

大多数行业专家估计，自动驾驶量产前最多的需要数十亿英里的测试。丰田表示，自动驾驶测试达到量产的标准，大约需要88亿英里（142亿公里）。部分欧洲主机厂和系统供应商认为大概需要1亿小时的测试，而宝马正式宣布的是自动驾驶需要至少2.3亿公里测试。

自主品牌吉利表示，自动驾驶开发需要完成10亿公里的测试，甚至定义其中的90%在虚拟环境当中测试，10%在实际道路上测试。

格物汽车CEO杜光辉认为，按照平均10亿公里测试的预估，即使10%的里程在实际道路上测试的话代价也很大，所以有效的仿真测试将是自动驾驶开发中最重要的环节之一。

为了更好的服务于中国市场上的自动驾驶系统开发，近日格物汽车同国家汽车检测机构-重庆车检院签订了自动驾驶测试的合作协议，双方从场景、测试标准及评估体系等方面进行深度战略合作，该合作将为自动驾驶在中国的开发和落地提供更便捷和有效的服务和支持。

格物基于自身的优势立足于测试验证和系统释放领域，将很快向主机厂及系统供应商等客户提供能够实现有效仿真测试的场景及仿真环境车辆，该仿真环境车辆能够和被测自动驾驶系统车辆（可涵盖各级智能车辆系统）进行真实互动博弈，能够有效的缩短开发周期和大幅度减少开发成本。

一、现有自动驾驶测试缺乏系统支撑

目前的自动驾驶系统仿真测试方法有这么三种：

第一种是是基于对ADAS测试的理解，收集Corner case并在模拟器中测试自动驾驶的软件及算法。

这种方式本身存在较大问题，截至目前ADAS产品就是将采集的数十个常见的Corner case作为最后一道系统释放的验证标准，通过验证的话就可以释放了。

但这种做法可行的前提是ADAS系统中驾驶员主导驾驶权，对于不可预见的问题、场景，都由驾驶员自己来处理。但L3级及以上自动驾驶系统在部分区域、场景甚至高速上全程接管人类的驾驶权，理论上Corner Case的题库需要覆盖系统工作时所能遇到的所有极端场景，但这显然是做不到的。

因此，以当前ADAS测试所收集到的常见Corner case的方式去验证自动驾驶系统可靠性，就是刻舟求剑。

第二种是联合主机厂、检测机构、院校及研究机构收集了大量的场景，和仿真环境供应商共同开发自动驾驶仿真测试体系。

这里已然是比第一种方法在开发理念上更前进了一步，但在实现方法上还是存在硬伤，这里大多是将真实道路上的场景（含交通流）利用车载或路端的传感器采集后在仿真环境中再现，更进一步的还会尝试将每个车的行为模型提取出来用于和目标自动驾驶车进行互动。

但问题是通过AI（目前绝大部分是基于深度学习的）是没办法提取真实行为模型的，因为深度学习适用的一个重要前提是数据的确定性，显然随机采集的交通流数据是没有确定性可言的。

第三种是基于自动驾驶汽车通用仿真工具链，用于关键场景（Critical scenario）的模型在环识别，通过相关指标评估筛选得到关键场景，最后通过这些场景来评估自动驾驶系统各项指标及释放标准。

如欧洲的PEGASUS项目已经整合了很多的主机厂，包括德国的大众、奔驰、宝马这些企业都在里面。PEGASUS的目标是填补高度自动化驾驶功能测试领域的关键空白。

但是这种方法还停留在采用一些关键场景，内容上还是基于Corner case的扩展，覆盖面上虽然扩大了但也还是远远不够的，即在欧美的市场上可能不会有太大问题，但面对中国复杂场景时很难达到测试、开发的要求。

二、自动驾驶开发的主流协作方式和挑战

国外自动驾驶开发是以主机厂开发为主，自己开发系统需求，做系统集成，最后完成测试、验证及释放。传统零部件或系统供应商承担的是提供传感器、域控制器和执行器等，另外还有一些新型系统和零部件公司提供定位、感知、驾驶员监控、仿真测试等软件和算法产品。

但即使这样国际主机厂开发过程中也还是遇到了一些技术和资源的问题，还需要引入更多的新生技术力量，比如新型仿真技术、测试云平台等。

欧美等地区的L3自动驾驶系统都是计划在2021年左右于当地释放，除非遇到新的技术屏障或法规问题。

但国外开发好的L3进入中国市场的时候，其实是非常需要基于当地的道路场景、驾驶员行为习惯等调整甚至重新开发系统方案。目前已经有L3的原型车运到中国准备测试，但都还没有具体的测试方案。

国内主机厂也在和ABCD等系统供应商合作开发自动驾驶系统，有的主机厂甚至直接承担系统集成的工作，但是由于中国道路场景的复杂性导致国内的自动驾驶系统的开发工作更有挑战。

事实上国内主机厂也已经遇到了很多问题，比如怎样对系统进行有效的测试并定义释放要求、怎样定义自动驾驶需要的场景、哪些场景在实际道路测试，哪些在仿真中测试、怎样定义系统的KPI……

三、正向开发的重要性

自动驾驶系统的正向开发可以分为5个核心部分：

1）产品定义：明确功能及使用场所。首先考虑的大多是在高速上使用，不适合有行人、电动车的环境。

2）场景开发：使用场景所包含的一些重要元素，比如差异化驾驶行为和习惯，如果缺乏足够重视必然导致自动驾驶系统无法有效工作。

3）系统需求开发：根据场景的种种现实条件定义自动驾驶系统需要达到一定的性能、安全及效率等KPI。

4）子系统开发：分解系统的KPI到零部件或子系统层面并作为具体的设计要求，构建平衡状态。

举例而言，目前自动驾驶系统中感知系统包含毫米波雷达、激光雷达、超声波传感器、摄像头等传感器，基于系统需求从成本、性能等方面来选择能够优劣势互补的传感器组合方案，达到系统层面的平衡状态，而平衡的标准就来自于系统的KPI。

5）测试验证及系统释放：首先需要量化的KPI来评估，其次需要有效的测试验证体系和实施手段（仿真/路试），以确保自动驾驶开发的成熟度和风险的可控度，这些都是急需开发和完善的。

对于国内汽车行业而言，困难是现实存在的，解决之道是拥有正向开发的能力。

过去对于新技术，国内主机厂可以直接借鉴国外技术，但在今天，自动驾驶技术的应用非常依赖交通场景，国外主机厂基于当地道路场景开发和积累的技术没法适应中国的情况。

同时由于涉及到网络、地图等安全敏感问题，每个国家都会在这方面做出必要的约束。因此自动驾驶技术的中国化应用，需要依赖本土的汽车产业链自我积累和消化，以及鼓励创新性的研发和测试验证。

杜光辉表示，因为国内场景复杂，想要实现本土化的自动驾驶，对系统的预测能力要求比国外高得多，对系统决策和控制方面也需要更好的鲁棒性和更快的响应。

简而言之，打造中国场景下的自动驾驶如果只是依赖拷贝或模仿是不可能有所突破的，只能正视中国场景的复杂性并做好系统自主开发的充分准备，可喜的是国内汽车产业链已经重视并加快正向开发的能力建设。

杜光辉认为，中国汽车产业从来没有遇到过如此重要的机遇，即自主品牌的自动驾驶开发可以和国际巨头们齐头并进、共同面对中国场景的挑战！