與無人車一起，向前迭代自己｜深度報道

轉自：北青深一度

記者/朴雲

編輯/郝鳴

無人駕駛汽車如今在越來越多的城市成爲了日常街景

為無人車訓練一雙可靠的「眼睛」，窮盡難題地去「拷問」它，讓它的識別能力在任何場景下都能變得強大，能對路上突然出現的一頭騾子或是一條帆船做出正確的反應；或者是，把無人車看作要參賽的專業長跑運動員，你成為他的備賽團隊，負責着賽前訓練計劃的制定、備賽期間訓練效果的跟蹤以及賽場上成績的監控和賽后覆盤等多個環節。

在剛剛加入無人駕駛這個新興行業時，陳可心和馮雲蟬對職業發展都有着自己的想象，一個可以參與改變世界的想象。

蘿卜快跑總行駛里程超過1.7億公里，車輛出險率僅為人類駕駛員的1/14

無人車的「考官」

給無人車訓練一雙視力超棒的「眼睛」，就是陳可心日常的工作。作為百度蘿卜快跑智能網聯汽車測試員，她每天都要像考官准備考試試卷一樣，收集各種各樣的數據，用在不同天氣、不同地點、不同場景下的「難題」去「拷問」無人車的感知模型。

這個感知系統就是無人車的「眼睛」。它由無人車上放置在各處的攝像頭、激光雷達等傳感器組成，負責看清周圍環境，識別出如人、車、紅綠燈之類的物體，從而規劃行車路線。

讓它的「視力」被訓練得越來越強大，是考官陳可心每天「絞盡腦汁」要去做的事。比如，在一次測試數據中，她看到了一頭騾子。而在另一次拓展新城市路網時，竟然在道路上看到一條帆船。在路面上遇見這些不尋常的、甚至有些離奇的事物，對於這雙「眼睛」而言，都是具有挑戰性的考題。陳可心要看它怎樣做出反應，能不能順利應對。

在一次次揪出識別缺陷，再補充數據進行優化的過程中，這雙「眼睛」被訓練着在各種複雜情況下都能看得清、看得準，變得更加精準，從而做到給無人車保駕護航。

對於訓練這個感知模型來説，這些「考題」，也就是數據集，是最重要的。陳可心要通過海量的數據去教這雙「眼睛」認識這個世界。

很多時候，她還要幫這雙「眼睛」克服一些難題。例如在大暴雨天里，水滴和水霧可能會讓傳感器的視覺變得模糊，或者讓激光雷達掃描點因被反射而丟失。爲了解決這個問題，陳可心和她的同事們就需要不斷地去收集大量的不同場景、不同道路、不同交通參與者，在不同雨量大小情況下的數據，通過這些數據去讓模型優化自己。這之后，團隊會再通過設計不同維度的評測指標來判斷它是不是在任何交通環境下，都能很好地去識別，完成通行。

這種「拷問」和優化是無窮盡的，她和同事們需要不斷地去窮盡可能。

今年是30歲的陳可心在蘿卜快跑工作的第6年。

陳可心所從事的這個名為智能網聯汽車測試員的崗位，也是人力資源和社會保障部、國家市場監督管理總局、國家統計局2024年聯合發佈的19個新職業之一。

對她來説，這是一份極具挑戰性又能讓自己看到廣闊可能性的職業。

「它是個持續迭代的過程」，馮雲蟬説。作為百度自動駕駛質量團隊的高級工程師，馮雲蟬主要負責自動駕駛測試服務，平臺化工具的建設以及駕駛能力度量等相關工作。而這些工作都需要日復一日地自我迭代，更快更敏鋭地抓住需求點。

如果把無人車看成是要參賽的專業長跑運動員，自動駕駛質量團隊就是他的備賽團隊，負責着賽前訓練計劃的制定、備賽期間訓練效果的跟蹤以及賽場上成績的監控和賽后覆盤等多個環節。

蘿卜快跑面向的是多城的快速交付和規模化落地，每個城市都有自己獨特的路網結構和交通環境，想讓無人車成為和當地人一樣的「老司機」，就需要質量團隊提前瞭解當地的路網特徵，收集大量的路網及車輛等數據。

在蘿卜快跑要「開進」一座新的城市前，馮雲蟬和同事們就需要去了解這座城市的特點，例如有些城市有自己特殊的交規設計，在路網環境上，有些城市山路、坡路多，或者有一些跨江路線。在一些早晚高峰等特定時間段內，當地人可能還會有自己的一些開車習慣等等。

這些信息都需要質量團隊去提前瞭解，收集記錄信息，再製定詳細的測試計劃。在測試中，關於安全性、通行性、體感舒適度等方面問題，車上的安全員會通過「打點」工具來記錄，無人車自己也會識別問題，馮雲嬋需要去收集這些回傳的問題。

如何對這些收集到的問題數據進行分析？怎樣統計指標？這都需要馮雲嬋的同事們提供智能化的分析工具來輔助，通過大數據庫進行大量的數據分析，去確定問題發生的原因，讓無人車能夠更快地融入當地的行車環境。

工作中的陳可心

成為「弄潮兒」

馮雲蟬今年31歲，擁有信息系統與信息工程相關的工科背景。在來到百度蘿卜快跑無人車團隊工作之前，她曾嘗試過與智能機器人相關的工作，比如説酒店里給客人遞送東西的機器人。

「你會發現其實大家所設想的這些未來的人工智能的應用，是可以有實際的應用落地的，是可以達到人們當時所設想的樣子的。」馮雲蟬説。這也是她在這之后繼續投身人工智能產業的最大動力，而「自動駕駛就是這個領域里時尚的弄潮兒」。

2021年，馮雲蟬來到百度做自動駕駛相關的工作。她先加入的是自動駕駛技術和駕校結合的項目——「機器人教練」。機器人教練有實際的數據分析，可以讓教學更加精準。

比方説，在科目二倒車入庫學習中，普通教練能告訴學員的是，「再往左來一點」「剛纔打輪的時候有點晚了」這種比較模糊的建議。而融入了輔助駕駛技術和智能化教學的機器人教練，可以告訴你「倒車入庫時左邊的距離差了15公分」「剛剛第一把輪需要再晚一秒」等更精準的判斷。它還可以通過數據分析對學員進行個性化引導，更精準地進行訓練。對於那些不喜歡傳統教學方式，教練坐在旁邊就緊張的年輕人來説，這是個不錯的選擇。

來到百度自動駕駛質量團隊后，在負責自動駕駛測試服務的同時，馮雲蟬還需要提供有效的訓練分析工具和規範化的訓練流程。她發現，對於一些指標數據，人工統計特別麻煩，於是就動手做了一個自主分析的工具。這些訓練分析工具可以在很大程度上幫助提升效能。

比方説，對於落地的區域每天發生多少問題、發生的原因是什麼這種收集和分析，如果是靠一個人人工來做，一天可能只能分析200個案例，但當用上相應的訓練分析工具之后，可能這一個人每天就能分析更多落地區域的案例，或者是更長時間的數據，會在效能上提升很多倍。

這些分析工具本身也需要不斷迭代和更具針對性。當有人提出某個區域問題比較多時，馮雲嬋和同事們就需要去拆解這個需求找到具體的「癥結」所在。如這個區域不同時段、不同天氣、不同訂單情況下無人車開得好不好，它的能力是不是滿足需求。在不斷地拆解中，找到細緻的有數據依據的結論，讓無人車能夠像當地老司機一樣行駛在路面上。

在選擇這個行業時，陳可心認為自動駕駛是未來科技發展的前沿，極具挑戰性，又能融合多種先進技術。計算機專業研究生畢業時，她通過校招進入蘿卜快跑。

「我一直都覺得無人車會真正出現在路面上，這完全可以想象。我甚至覺得如果全是這樣的話，世界就會變得特別安全。」陳可心説。在她從事的智能網聯車感知相關的測試工作中，最大的挑戰就是面對的場景是非常多樣的，沒有辦法窮舉，但又需要去最大限度地覆蓋特別極端的場景。

每一次發現問題和解決問題都是一次迭代的機會。陳可心和同事會利用大模型對目前的測試數據進行分析，瞭解已經覆蓋了哪些場景，還有哪些沒有覆蓋到。對於沒有覆蓋到的場景要去採集對應的數據豐富測試集，同時也會把場景拆分成更細的維度進行排列組合，儘量去拓寬場景邊界。

「比如在一些城市的雨季場景，我們會通過不斷收集、構造、整合不同場景的數據，從不同維度測試自動駕駛車在雨天道路上行駛的效果。」陳可心説，團隊會先從小雨做起，前期並不容易，需要大量數據進行場景驗證，但慢慢地，無人車在大雨天也正常行駛，不受天氣的干擾。

自動駕駛車其實和人類駕駛一樣，開始也存在盲區，陳可心和同事們就需要着手解決這個問題，通過大量測試驗證，現在即便車輛離盲區很近，蘿卜快跑也會精準識別，盲區邊界的準確性大幅提升，行駛更平穩，不會出現急剎的情況。

在無人車這個領域，陳可心不僅見證了自動駕駛技術的成長，對於自己而言，也是一個持續迭代的過程，「行業的變化是很快的，我們需要時刻保持學習的心態，一直去了解新的技術，找到自己感興趣的方向，並深耕下去，成為這個領域的專家」。

工作中的馮雲蟬

成就與挑戰

「它不再是所謂的説做一個PPT，大概講一講我們有這麼個東西就完事了，它是真的能落地到那個城市當中去。」馮雲蟬説。在這四年的工作中，她發現自己越來越喜歡這個行業，因為自己設計的那些工具可以有實際的應用，能夠看到它的效果，可以讓無人車在路上的表現更好。

不管是日常在新媒體上刷到哪個城市里出現了蘿卜快跑，還是看到用户的實際使用反饋，她都能感受到這份工作的價值。

對於陳可心而言也是這樣。在她看來，「當你真正去做這件事情的時候，你才能切身地覺得這個東西是可落地的。」當她看到蘿卜快跑從一個城市拓展到更多城市，從中國跑向海外，從一開始只能在白天出行，內部測試，到現在不管在什麼複雜道路、惡劣天氣場景下都能自如應對時，她感覺自己在做一件特別有意義的事情。

目前，蘿卜快跑已在全球15個城市落地，全無人自動駕駛車隊已駛入北京、深圳、武漢、重慶等多個城市。今年5月，蘿卜快跑在迪拜開始了開放道路驗證測試。7月份，蘿卜快跑已與全球最大的移動出行服務平臺Uber建立戰略合作伙伴關係，將蘿卜快跑無人駕駛出行服務拓展至美國和中國大陸以外的全球多個市場。

雖然對這個行業充滿熱情，但在採訪中，陳可心和馮雲蟬都提到，對於真正從事這個行業的人來説，最重要的是保證自動駕駛的安全性。

「自動駕駛的安全性是我們最大的責任。」陳可心説。作為感知測試工程師，她的工作最終就是要確保這些技術能夠安全、可靠地服務每一個用户。

截至目前，蘿卜快跑總服務訂單量超過1100萬次，總行駛里程超過1.7億公里，未發生過重大安全事故。過去兩年的數據顯示，蘿卜快跑實際車輛出險率為人類駕駛員的1/14。

對於這個行業需要具備的能力，除了相關的技術背景外，馮雲蟬還提到，最好你自己也是一個司機，並且有一定的駕駛經驗，從而更好地保證設計的安全性。剛開始做無人駕駛時，馮雲蟬還是一個新手司機，通過這幾年對自動駕駛車在不同城市行駛的問題收集，以及對落地情況數據的收集，她對汽車在交通環境上的行駛特點，以及需要去遵守哪些交通規則也有了很強的「迭代」。

陳可心和同事們也開始更希望能夠通過大模型和AI的應用，以及數據驅動測試方面的優化，使自身的角色從執行者變成場景的設計者。通過利用大模型和AI技術，設計出更復雜，並且更貼合實際的測試場景，能夠精準地判斷問題的根源，推動整個產品的優化。

在陳可心看來，「隨着時代技術的更新，我們要利用最新的技術，去更快更準地發現問題。」

剛開始進入無人駕駛這個領域時，馮雲蟬有着自己對這個行業的判斷和想象：幾年后，能有好幾百輛，甚至是上千輛無人車跑在路上，在我的日常生活中，我能經常看到它。

現在這個想象實現了。而未來的場景還等着更多的人來想象和實現。

「你要有這個信心，你會覺得自己在做一件有意義的事情，再説大一點，你會覺得自己在改變世界。」陳可心説。

【版權聲明】本作品的著作權等知識產權歸北京青年報【北青深一度】所有，未經授權，不得轉載。