“百度自动驾驶云姚发亮：智能网联汽车仿真测试技术”

9月28-29日，2021年“东方风起航、智能驾驶过渡——中国车谷2021智能车产业创新快速发展论坛”在武汉市召开，会议以智能驾驶为主线，以一个主论坛+六个平行论坛的形式，

在9月29日的“智能驾驶测试与评估技术”第五分论坛上，百度自动驾驶云首席产品设计师姚亮发表了“ICV仿真测试技术”主旨演讲。 复印件如下。

百度自动驾驶云首席产品设计师姚亮

你好。 我是来自百度自动驾驶云的姚亮。 首先感谢东风汽车和盖西汽车给我的这次机会。 在这里有机会展示一下百度自动驾驶测试方向的积累。

百度知道，从年开始自动驾驶，到现在已经8年了。 我们的自动驾驶云也随着百度的自动驾驶业务逐渐成熟。 今天共享的模拟是我们自动驾驶云中重要的产品。

在介绍真正的云模拟之前，我先简单介绍一下百度自动驾驶云。

这也是电影中，基础是自动驾驶云依赖的一点支撑条件，包括算法、计算力、数据、场景。 中间是自动驾驶云的核心业务板块，包括数据、研发、测试、运营、监管5个中台。 其中，数据中心主要是处理自动驾驶研发过程中大量数据“保存作用”的问题。 研发中台提供全栈自动驾驶算法的研发、训练、判断、模型管理的处理方案。

让我们看看底部的时间线。 年百度投入无人车的技术开发，于年12月首次在北京完成了混合道路的道路测试。 年发布了苹果计划，去年12月百度对外发布了乐高式的汽车处理方案《智仓、智驱、智云、智图》，其中模拟是《智云》中最重要的产品。

这里有几个亮眼的数字。 简单介绍一下。

周 :基于云仿真平台构建的工具链，在百度内部可以支持自动驾驶算法的开发实现周级迭代。

万: 在云模拟的背后，有上万台机器集群，支持大规模并发运行。

百万 :这是我们现在比较现实的数据，每天都在测试模拟积累的行驶距离达到几百万公里。

(/S2 ) )二千万) (/S2 ) )百度内部已经积累了1600万公里以上的实际道路的实际测试数据，从该数据中挖掘积累了上千万数量级的场景库数据，在内部不断优化，建立了较为完整的评价体系

接下来进入今天的主题。 这里是两个时间段。 -和-2021年。

年，百度自身的自动驾驶测试还是以道路测试为主，仿真测试为辅。 当时，由于越来越多的问题推进了自动驾驶的研发，此时面临的问题之一是，在北京这辆车可能跑得很好。 同一车辆在长沙运营后，面临着各种各样的问题，另一个问题是整体运营版本的发布周期在一个月以上，版本乘车成功率也在40%左右。

那是在-2021年，随着内部模拟产品的成熟，现在变成了以模拟测试为主，以道路测试为辅。 目前，场景库中越来越多地推进自动驾驶算法的开发，目前运营版本的发布周期大致为7天左右，版本乘车成功率几乎为100%。

回顾一下，以前流传的“以道路测试为主，以模拟测试为辅”的方法有什么问题呢？

第一，存在评价维度单一、场景用例弱、迭代效率不令人满意的三个问题。 另外，在负载传感阶段需要投入大量的人才，这也将是一个非常大的数字。

接下来，我们来介绍一下百度内部是如何进行自动驾驶测试的。 这也是电影。 这是百度内部自动驾驶的测试流程。 首先，这是研发编码的一环。 包括编码、审阅、代码样式检查和代码提交。 提交后，进入ci build环节，主要进行静态代码检测、单元测试、功能+模拟冒烟测试。 这个阶段大概需要10-15分钟的时间。 右边看到的是我们每天做的daily build测试，大概需要5-7个小时。 主要进行功能测试、模拟测试、性能测试、集成测试、benchmark判断测试。 每天晚上10点左右定时执行daily build任务，可以在第二天早上查看测试结果和报告。

此外，整合测试后，将移动到封闭测试场进行测试。 这大概需要2-3天，然后坐测试车去开放道路进行测试验证。 这个时间大概是1-2周，最后的正式版将通过ota更新升级到运行车辆上。

自动驾驶研发测试分为研发阶段、离线模拟测试阶段、道路测试阶段三个阶段。

该页面下的副本介绍了模拟提供的能力，研发环节的模拟可以提供实时调试功能，发现问题时，还可以在模拟中进行再现和验证。 例如，在途中遇到交接场景，这个场景回到云端后，我们将其转换为模拟场景。 研发工程师将接管这个问题，算法更新后，需要进行验证。 下面，让我们在模拟中播放一次当时中间的交接场景，看看新算法是否能在以前交接的场景中得到很好的验证。

离线仿真测试分为两个阶段:每日构建id和集成测试。 我们可以从1600万以上的实际道路数据中积累庞大的场景，并将这些场景逐一分类，通过特别的测试进行算法判断。 我们的模拟有一种叫做worldsim的产品形态。 可以自己制作一个场景。 然后，通过设置一些参数，该健美器设计的场景可以泛化成千上万个场景。 这些大量生成的场景可以稍微帮助判断算法能力的边界。

在道路测试阶段，道路测试中发现的问题被转换为场景并在场景库中进行管理，以后可以在模拟中执行和验证。 模拟产品还提供了将在大量道路上收集的数据转换为模拟测试所需的场景数据的工具。

目前，百度基于仿真构建的dev ops工具链消除了研发测试对实车的强烈依赖，这条工具链可以支持我们实现天级算法的道路。 也就是说，研发工程师提交的代码，第二天真的可以通过道路的测试车看到实际的效果。 该模拟本身是一个云模拟平台，支持大规模并发，支持千人级并发开发。 我们内部判断，与以前流传的测试方法相比，目前这条工具链有助于提高我们的迭代效率10倍左右。 另外，目前自动驾驶测试中99%的问题可以在测试环节发现，只有不到1%的问题可以在实际道路测试和运营环节发现。

叫做场景库，我们从大量的实际道路测试中转换了成千上万个层次的场景，并且有比较完整的评价体系。 由于百度日常进行研发测试迭代，在内部经过1万多次迭代，形成了较为大家接受的评价体系。 一共分为6大类，基础、安全、规则、体感、智能性、个性化，共计200多个metric指标。 此外，仿真平台提供了可视化的分解工具和数据报告，便于工程师采用。 百度内部的这个云模拟平台叫做dreamland，内置百度的高精地图，提供大量的测试场景，支持每天在内部积累百万公里的模拟测试数据，另一个是多维评估系统。

因为前面介绍了自动驾驶云和仿真，其中仿真是自动驾驶云中的重要产品，这部电影主要是介绍整个自动驾驶云。

—虚拟现实

去年12月百度内部正式决定了这些研发测试的工具链和平台，可以对外商业化，目前我也负责自动驾驶云商业化的事件。 欢迎大家在线信息表达交流。 是的，今天的共享到达了这里。 谢谢你。