沒有測試驗證，自動駕駛的落地就是「空談」「GGAI頭條」

汽車的核心是安全，無論未來Robot taxi，還是在園區中的自動接駁車，用戶的核心訴求都是可以安全到達。對於尚未完全成熟的自動駕駛技術，測試驗證是非常重要的環節。

亮道智能市場總監江南逸在《2019高工智能電動汽車開發者大會（蘇州站）》上表示，軟體的測試驗證需要做大量數據採集、處理、分析的工作，不僅是駕駛環境本身的複雜性導致的，每個國家、每個區域人們的駕駛行為差異也非常大。

受制於感測器性能，大量的測試驗證，是保證自動駕駛功能安全的必經之路。

此外，針對環境感知相關的KPI要求，不僅是硬體上的產品質量達標，如振動實驗，耐久性測試、耐高低溫等等，還有包括軟體層面的感知能力的測評。

一、測試驗證面臨的挑戰

自動駕駛環境感知系統測試驗證面臨的挑戰，首先是對環境感知KPI的把握。比如客觀評價激光雷達的識別率、分類準確率等指標表現，測試廠商首先要對感測器的軟硬體足夠熟悉，具備感測器演算法的開發能力，否則很難評價一個感測器的優劣。

由於自動駕駛應用中，感測器的融合是必然趨勢，對相應的測試廠商而言，不僅要理解某單個感測器的性能，還要熟悉感測器融合過程中的問題，未來要評價的是整個感知系統的智能化水平。

如此，測試驗證工作考驗的是針對整體感測器演算法的理解，建立讓行業信服的、高質量的客觀真值（Ground Truth）用於評價參照。

除了這些硬實力，測試過程當中會產生大量的數據，如何有效、快速的存儲、清洗，提取有效信息，開發自動化工具鏈等，都是驗證方快速建立競爭力，服務好更多客戶的戰鬥力。

這些能力，對於傳統的感測器、軟體演算法創業公司而言，比較缺乏。細分行業的初創企業們，需要專註精力在產品自身硬體的創新和軟體性能的提升上，比如視覺演算法的企業，目前仍然有大量視覺演算法公司的演算法優化、迭代依賴的是人工標註。

後者對前者的重要性不言而喻，但人工標註是一件費力費時的事情，在有限的精力和時間段內，創業者需要專註於本專業，行業亟需自動化標註的產品用於演算法的迭代。

這種現象同樣出現在毫米波雷達、激光雷達的產品研發過程中，感測器性能可靠性的驗證、提升，需要一系列專業的工具，當中涉及大量的數據採集、真值建立、場景提取等等，需要有專業的公司，幫助其提升自動化、快速處理的能力。

二、完整的測試評價服務

亮道智能通過數據採集平台搭建和數據採集、測試驗證私有雲平台搭建、自動化真值標註、自動化測試驗證工具鏈、大數據挖掘與分析，提供面向自動駕駛感知系統的測試驗證服務，最後會輸出一份KPI報告給到主機廠商，目前KPI報告都是根據功能開發需求定製化統計生成的。

亮道智能搭建的不斷升級的數據採集平台，以遠高於行業配置的軟硬體系統，構成高標準的測評工具。通過數據採集平台採集的數據，會同步存儲到雲端數據中心，經過自動化清洗、處理、標註之後，生成客觀真值。江南逸強調，人工標註和純自動化標註在效率上差別巨大。

根據客戶對功能開發安全的要求，亮道智能會進行工具鏈的開發。比如針對不同功能安全開發定義，客戶通過輸入ODD相關參數，可以在線從採集到的數據當中提取符合要求的場景。每個客戶都可以輸入自定義的ODD參數，形成功能定義的差異化。

數據採集之後，會存儲在德國、中國以及未來在美國的私有雲數據定製平台上，私有雲平台的搭建服務也是公司的核心產品。數據經過處理後，一方面可以做待測感測器（DUT）的評價，另一方面還可以支持客戶的功能開發定義。

三、一套系統、一樣品質

基於感測器的測評，很多客戶自己也在做感測器平台的搭建和自己演算法的研發。在國內市場，亮道智能從2015年開始就一直在給客戶提供線控改裝、感測器的安裝配置和調試的相關工作，幫助客戶快速搭建感測器系統，開始研發、產品迭代的工作。

現在，亮道智能的客戶基本上覆蓋了國內的主機廠商和自動駕駛方案的提供商。

目前大部分的主機廠商還停留在需求描述的細化階段，江南逸表示，公司的優勢在於知道從哪些角度、細節上評價感測器，進而開發評價工具，這個過程需要投入大量時間研發，衡量整個的評價系統是否足夠完備。

亮道智能是中德兩地同步做產品研發、市場拓展，可以在中國、德國、美國等不同的地方提供同樣的工具和測試驗證方法，保證同一款產品在不同的地區表現一致性。

公司從2018年開始在歐洲和中國進行數據採集工作。2019年配合主機廠客戶的項目要求，亮道智能會在歐洲5個城市、在國內5個城市同步進行數據採集工作，2020年會在美國啟動3個城市的數據採集。

亮道智能的優勢在於用同一套數據採集系統，在不同的大洲採集數據，得到的數據內容和質量可以保證完全在一個水準上。目前亮道智能已經採集的數據中，高速路，城市快速路和城市道路數據的比例大概是4:4:2。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！