行家来信|百度Apollo首次揭秘背后整套安全保障方案

2019-11-09 20:13:13

[摘要] 在“红旗ev”揭秘之后,此次百度apollo团队,分享了200万公里零事故背后的安全保障方案。在这个纪录的背后是一整套系统全面的质量保障体系,百度的工程师们力求通过最专业的测试方法,确保自动驾驶车辆在

编者按:百度阿波罗无人驾驶出租车车队已经在长沙梅溪湖试运行。长沙市所有居民都可以申请成为种子用户亲自试用。

然而,机器人轴的登陆不仅是百度自动驾驶的新阶段,也是工业风向标许多亮点的一瞥。

例如,首批45辆机器人轴服务车“红旗ev”是阿波罗和一汽红旗专门为无人驾驶而建造的量产车,这意味着中国的无人驾驶已经跨越了“改装”时代。

此外,从一辆车到另一辆车,所涉及的技术挑战不仅是简单的物理添加,还包括从系统设计、测试到运行管理的一系列难题。

阿波罗计划的背后,这些问题到底是如何解决的?“红旗ev”发布后,百度阿波罗团队分享了200万公里零事故背后的安全计划。

目前,随着自动驾驶和机器人技术的不断推广,可以为未来行业标准的制定提供参考。

9月26日,阿波罗和一汽红旗联合开发的首批45辆“红旗电动车”机器人团队开始在长沙部分开放测试区试运行。

普通长沙市民可以作为种子用户登录阿波罗官方网站申请实际试驾,这代表了中国自动驾驶的最新发展水平。

然而,在自动驾驶仪着陆的拉锯战中,稳定运行远比快速运行重要。因此,“安全性”始终是衡量自动驾驶仪玩家实力的关键因素。

迄今为止,百度已经测试了300辆汽车,并在13个城市进行了测试。它已经在开放道路上完成了200多万公里的测试,并且一直保持着零事故的良好记录。

这一记录背后是一套系统而全面的质量保证体系。百度工程师努力通过最专业的测试方法确保无人驾驶汽车在开放道路上大规模测试的安全性。

典型的高级自动驾驶系统包括车辆、传感器、计算单元、操作系统、算法软件、云平台和其他组件。

对于这样一个软硬件相结合的多组件系统,如何保证每一行代码和每一个设备都满足最初的设计期望,能够稳定高效地协同完成驾驶任务,是自动驾驶考试面临的首要挑战。

第二个挑战来自复杂多变的交通环境,包括道路结构、交通参与者、天气环境等。这些元素被组织在一起形成场景。自动驾驶车辆需要在各种场景中平稳行驶,最终将乘客安全送到目的地。

因此,场景将成为驱动程序测试的基础,建立一个系统的场景库已经成为一项重要的任务。为了应对这两个挑战,百度建立了一个垂直分层和水平分阶段的质量保证体系。以“安全第一”为原则,开展每个测试环节的工作,确保任何代码变更或硬件变更都经过严格测试。

纵向上,百度将测试系统分为三层:自主驾驶场景、广告、数据层和测试层。

测试层进一步分为三个阶段:离线环境测试、车辆在回路测试和道路在回路测试。根据“安全第一”的原则,对软件、硬件和车辆进行联锁逐层测试,确保自动驾驶系统道路测试的安全性。

自动驾驶考试场景库是百度自动驾驶考试系统的基础,驱动自动驾驶车辆考试的所有环节。

自动驾驶考试场景库包括典型的日常驾驶场景、高碰撞风险场景、法律法规场景等。同时,它还包括已经形成行业标准的场景,例如aeb功能的标准测试场景。

一方面,测试场景数据库是基于经验和相关的交通场景数据库(如事故数据库)向前设计的,另一方面,它是基于道路测试数据的自动场景挖掘方法向后补充的。随着路测数据的积累,这个场景数据库将会变得越来越覆盖。

目前,百度测试场景库已经积累了数百万个场景,并且还在不断增长。运行一轮测试场景库相当于一百万公里的实际道路测试。

为了高效管理大规模测试场景,百度建立了基于自主驾驶能力特征、场景特征、区域特征等数百个维度的标签系统,实现了大规模测试场景的结构化管理系统,从而实现了场景集的灵活选择和配置,实现了所需的不同测试目的。

离线在这里指的是不包括车辆的测试,大部分工作是在实验室完成的。

这一阶段包括模型在回路测试(mil)、软件在回路测试(sil)和硬件在回路测试(hil)。

目前,自动驾驶技术正处于快速发展阶段,迭代速度相当快。在离线测试阶段,百度通过高度自动化的手段对软件算法进行全面测试,目的是尽快发现系统中的缺陷或安全隐患。

离线测试需要大量数据作为支持。百度在2013年开始推出自动驾驶技术。目前,已覆盖450平方公里的路网,积累了大量真实的道路数据。这些数据构成了百度安全驾驶的基石。

在离线测试阶段,百度已经建立了一个高度自动化的测试系统,以确保每一行代码都能得到全面及时的测试。软件修改后,系统将自动逐一触发每个测试环节,直到在进入车辆在环测试阶段和道路在环阶段之前达到安全登车测试标准。

如果道路在环测试阶段发现问题,它将进行下一轮代码修改并开始下一个周期。经过一轮又一轮的闭环,自驱动能力不断提高。

模型在回路测试(mil)

自动驾驶仪的核心算法包括多种模型。这些模型最有效的测试方法不是道路测试,而是离线测试。

模型在线测试使用大规模数据集来准确评估核心算法模型,如感知、预测、定位、控制等。模型评估后,每个指标衡量模型能力的变化,通过自动挖掘,算法问题和不良情况在早期暴露出来,避免遗留给后续测试过程。

以感知模型测试为例,百度将使用数十万帧的真值数据来衡量当前的准确性。这些用于测试的真值数据在类型和难度上都经过仔细筛选,以达到全面测试的目的。

百度将使用一些复杂的数据来测试和关注系统性能,同时评估模型效果。

一个复杂的十字路口——包括车辆、摩托车、行人和一些小的隔离桩。

同时,一些“异常”数据将用于测试模型的缺陷或漏洞。

一辆长汽车:

可以移动的树:

软件在线测试

对于自动驾驶仪,虚拟模拟器是最有效的软件在线测试工具。百度目前每天能够进行一百万公里级别的模拟测试,有四百万个模拟场景,可以自动检查300多种判断规则。idc中心数以千计的服务器以及用于加速计算的gpu支持这些功能。

在虚拟仿真测试中,百度将测试各种场景下自动驾驶系统的感知、决策、规划和控制能力。百度通过参数扩展构建了大量场景,并从单个场景自动生成大规模场景,以提高测试覆盖率。

例如,让障碍车根据不同的转弯曲率在十字路口左转,以测试自动驾驶系统是否选择了避免冲突的合理方式。

同时,百度还通过一系列数据处理,将收集到的数据转换成虚拟仿真测试场景,可以真实还原道路交通环境,为系统提供最真实的测试场景。

在模拟器的使用方面,百度也建立了一个精细的测量系统。通过一系列测量工具,可以自动判断模拟过程中的碰撞问题、违反交通规则、体感问题和不合理路线。

在同一个场景中,通过仿真比较车辆的不同决策可以帮助我们直观地评估安全风险。

车辆一天24小时在虚拟城市行驶。

硬件在环测试

在硬件测试阶段,百度将整合软硬件,测试软硬件系统的兼容性和可靠性。

一般来说,硬件故障有一定的概率和机会,所以百度会在硬件环测试阶段,结合真实硬件和虚拟硬件进行数千次真实场景恢复测试。

此外,一天24小时持续向自动驱动系统施加压力,以模拟系统在不同资源限制条件下(例如gpu资源不足和cpu利用率高)的性能和稳定性。

同时,在此阶段模拟大量硬件故障,测试硬件故障情况下的系统响应,如硬件故障、电源故障、丢帧、上下游接口异常等。,以确保系统符合iso26262的功能安全要求。

在环形测试阶段,车辆将首先执行基于台架的测试,在此基础上,将完成各种车辆线路控制功能、性能和稳定性测试,以确保自动驾驶系统能够按预期控制车辆。

车辆线控测试完成后,vil链路将进入封闭现场,并根据实际道路构建一个结合实际和实际情况的场景,以测试自动驾驶系统在实际车辆上的性能。

百度将评估每个版本对危险场景的响应和处理能力,如极端危险场景,如行人突然冲出、社会车辆逆行和强行占用道路,涵盖nhtsa危险场景数据库和国内交通事故数据库场景。

同时百度还构建了一些不同寻常的场景来验证无人驾驶汽车的安全性。

绿灯亮了,但是十字路口挤满了行人:

行为异常的行人:

在环测试阶段离线测试和车辆通过后(每个环节都有严格的测试通过标准),百度将在封闭的领域构建真实场景,测试车辆自动驾驶的各种能力和安全性。

目前,百度有2个自建测试网站和4个合作测试网站。它涵盖普通城市道路和高速公路,包括直路、弯道、路口、斜坡、隧道、停车场等。此外,各种低频场景由测试设备构建,如假人和假车。

三角洲国家智能汽车与智能交通(京冀)示范区亦庄基地

这种低频场景存在于社会道路上,但频率相对较低,在开放道路上无法完全验证。例如,逆行自行车、行人突然冲出、路段积水等。

完成自检后,百度将向第三方监管机构申请路试许可证,并通过层层测试和检查获得路试许可证。

三角洲国家智能汽车与智能交通(京冀)示范区亦庄基地

开路试验是道路环试验的最后一个环节,也是自动驾驶车辆完成试验评估必须经过的一个重要环节。

开路测试是逐步进行的。百度将在少量车辆上部署最新系统进行测试,并在确认安全后部署到更大的车队。

测试道路的选择也从较低难度区域逐渐扩大,在较低难度区域完成一定的里程积累,达到目标mpi后进入下一个难度。

三角洲国家智能汽车与智能交通(京冀)示范区亦庄基地

目前,百度已经在北京、长沙、重庆等多个城市获得了100多个测试许可证,安全道路测试里程达200万公里。百度的自动驾驶系统在北京一年到头都在发生变化,也经受住了长沙持续雨季的考验。

通过部署大型自驾车辆在实际道路上进行连续测试和验证,形成实际道路场景和自驾能力的连续闭环,使自驾车辆在智能、安全等方面不断提高,逐步接近拥有自驾车辆进入千家万户的能力。

为了更安全地测试,百度为每辆路试车辆配备了两名安全员。其中一名安全官员坐在驾驶座上,负责监控实际路况,并在出现任何紧急情况或安全风险时首次接管车辆。

在该手动移交过程中,每辆车在上路前必须经过反复测试,以确保100%的移交成功率,并且系统首先将车辆控制权交给安全官员。

另一名安全员通过可视化工具监控自动驾驶系统的操作,发现潜在的安全隐患,并提醒驾驶员安全员接管。

安全员需要通过自动驾驶理论和实际操作技能的培训和考试,在封闭的场地上完成2000多公里的练习,才能正式成为合格的自动驾驶考试安全员。

硬件质量管理

自动驾驶仪是一种高度复杂的产品,各硬件的质量性能直接影响到整车的质量。产品装载前的有效质量控制是自动车辆稳定持久运行的基础。

根据iatf16949的要求,我们建立了完整的工作流程和管理系统,从供应商开发、管理、质量控制、可靠性验证等方面满足了汽车行业的要求。我们对产品的生产、验收、综合检验等环节进行严格的质量控制,确保产品高效开发。

车辆集成的质量保证

在车辆集成过程中,我们制定并实施了完整的车辆测试项目,包括车辆淋雨、涉水、电磁兼容、操纵稳定性、制动和主观评价等。确保自动驾驶车辆的安全性、舒适性和可靠性。

写在最后

安全是自动驾驶永恒的主题,专业严谨的测试系统是所有信心的源泉。

没有这个测试系统,一两个“完美”的演示可能会完成,但它绝对不能支持更大规模的开放道路测试。

在自动着陆的拉锯战中,跑得稳远比跑得快更重要。因此,“安全”始终是衡量自动着陆运动员实力和自动着陆新阶段核心竞争力的关键因素。

-完毕-

真诚的招聘

量子比特正在北京中关村招聘编辑/记者。期待有才华和热情的学生加入我们!详情请回复qbitai对话界面中的“招聘”一词。

量子位qbitai

跟踪人工智能技术和产品的新发展

快乐8购买 500万彩票网 湖北11选5 pk10购买

推荐新闻

© Copyright 2018-2019 outerb.com 伊日新闻 Inc. All Rights Reserved.