技术|刘盛翔：百度Apollo自动驾驶测试技术与实践( 三 ) apollo|测试|实践|技术|百度

接下来我给大家介绍我们整体测试体系当中关键的一些测试技术。首先不得不介绍场景库，场景库是测试的重中之重，而且监管单位也是非常重要的第三方测试场景库，但是场景库该怎么建立有很多探索。百度的自动测试驾驶场景库是由场景加上数据组成的，在场景方面我们进行分能力、分场景、分用例，我们通过正向数据和反向数据的驱动实现从场景上面的一个高覆盖度，同时我们把每一个场景跟真实道路数据进行匹配，通过人工智能手段，通过机器学习手段，我们把上百辆车在路上所有数据实现跟场景自动的匹配，从而能够用大规模数据去证明场景的覆盖度。所以我们的场景库是从一个能力，就是自动驾驶有什么样的能力？它有什么样的场景？它要应对哪些场景？它要应对哪些具体的Case，这些Case在路上真实的数据是怎么样的，我们实现了完全自动化的连接。
目前百度的测试场景库已经达到了1千万，同时我们利用场景库每天一个版本去辨别、测试、验证这1千万的场景。目前在哪些场景下的自动驾驶能力是有欠缺的，哪些场景是表现比较好的，能够更好的去评价自动驾驶的每一项能力。有了场景库以后对于我们测试环节来讲，首先做的是模型在环数据测试，我们要保证定位模型，我们感知模型，我们决策规划的模型是智能的，我们需要大量的数据去验证它是智能的，它的功能是完备的，它支持所路上的场景，从而我们基于数据的闭环。同时我们在数据的标注上面也实现自动化的标注，这样能够评估出来说每一个模型它的优劣程度，从而能够促使每一个算法，每一个模型都在不断进步，不能出现退步的情况。
每一个模型进行测试以后，我们要把整个软件放在一起进行相应的测试，这就需要软件在环的大规模仿真平台。我们每一个版本每天都需要在仿真里面去运行上百万公里，这是安全上路的最基本测试条件，同时基于仿真实现了对自动驾驶到底在哪些场景下，在哪些能力上面你足够智能，足够安全，你是足够舒适的。在哪些场景下面你是不够的，我们能够很好的去验证自动驾驶水平，同时也是保证上路的最基本条件。
经过了软件在环的测试以后，要把硬件，把传感器放在一起，去做硬件在环的测试技术。我们目前是基于全套真实和虚拟相结合的测试技术，从真实的传感器和虚拟的传感器放在一起，然后通过模拟传感器的实时数据，到最终的控制闭环，这样能够很好的去实现硬件闭环的大规模测试。
有了硬件在环的测试以后，我们需要把车加进来进行测试，这叫做车辆在环测试，会依赖封闭测场。从封闭测场来讲，场景构建有限，特别像百度，我们虽然有自己的小测试场，但是我们不可能去建立一个非常庞大的测场。这种情况怎么办？我们要通过虚实结合的车辆在环测试技术，让车辆在封闭测场里能模拟出路上任何一个场景。比如说我们在自己的小封闭测试场里面，就能模拟出自动车辆跑在长安街上是什么样的，这样可以更真实的验证自动驾驶的能力，同时也保证了过程的安全性。事实上，封闭测场时候往往还要模拟非常极端的情况，在非常极端碰撞风险的场景里，如果用真实场景构建是有一定危险性的，但是利用我们虚实结合的车辆在环技术，就能很好地验证在该场景下它的能力是怎么样的，同时数据还非常准确，因为它是虚实结合的。在封闭测场构建场景时，你每次构建的参数都有可能不一样，而我们的障碍摆放位置就有可能会影响到自动驾驶的行为。所以我们可模拟、可自动化能够保证安全性、全面性、一致性和准确性。