在一些關(guān)鍵的開發(fā)與駕駛場(chǎng)景中，系統(tǒng)根本不可能留給“影子駕駛員”充裕的反應(yīng)時(shí)間，以充分了解當(dāng)下的駕駛環(huán)境，重新取得對(duì)車輛的有效控制，并保證安全。

在自動(dòng)駕駛汽車研發(fā)與測(cè)試中，開發(fā)商通常會(huì)采用公共道路“影子駕駛”模式，也就是說車上會(huì)配備一名人類駕駛員，但這位駕駛員并不操控方向盤，僅觀察被測(cè)系統(tǒng)的運(yùn)轉(zhuǎn)情況。但這一作法實(shí)際有兩個(gè)大前提，第一是車輛已經(jīng)學(xué)會(huì)如何適當(dāng)?shù)貞?yīng)對(duì)駕駛過程中的各種事件；第二是人類駕駛員（觀察者）的反應(yīng)足夠快，可以阻止任何不利結(jié)果的發(fā)生。

由于各種各樣的原因，看起來“影子駕駛”模式似乎是目前完全自動(dòng)駕駛汽車研發(fā)與測(cè)試中不可或缺的組成部分。

事實(shí)上，自動(dòng)駕駛汽車的測(cè)試并不輕松，每家制造商均需累積大約一萬億英里的自動(dòng)駕駛里程，并覆蓋甚至多次覆蓋所有可能的場(chǎng)景。根據(jù)作者的保守估計(jì)，假設(shè)配置 23.4萬 輛汽車，每天以時(shí)速 50 英里 24 小時(shí)運(yùn)行，那么累計(jì)一萬億英里自動(dòng)駕駛里程需要 10 年，成本高達(dá) 3000 億美元以上。

除了成本，“影子駕駛員”還存在安全方面的隱患。舉個(gè)例子，為了訓(xùn)練人工智能和 SAE L3級(jí)自動(dòng)駕駛及控制交接功能，廠商必須讓車輛經(jīng)歷一系列真實(shí)事故場(chǎng)景。小至剮蹭追尾，大到其他更加危險(xiǎn)、更加復(fù)雜的場(chǎng)景，整個(gè)訓(xùn)練過程可能涉及成千上萬個(gè)事故場(chǎng)景，極有可能造成不同程度的傷害，甚至傷亡。另外，此類事故場(chǎng)景還必須加上公共道路測(cè)試，這也會(huì)讓整個(gè)測(cè)試過程更加危險(xiǎn)。無論是一些正在借助“影子駕駛員”進(jìn)行研發(fā)測(cè)試的系統(tǒng)，還是已經(jīng)投入使用的 SAE L3 級(jí)公共自動(dòng)駕駛汽車，目前這些系統(tǒng)根本不可能留給“影子駕駛員”充裕的反應(yīng)時(shí)間，以充分了解當(dāng)下的駕駛環(huán)境，重新取得對(duì)車輛的有效控制，并保證安全。

正如最近幾起自動(dòng)駕駛事故所掀起的風(fēng)波一樣，“影子駕駛員”出現(xiàn)在公共道路上，有可能削弱消費(fèi)者對(duì)自動(dòng)駕駛汽車的信心與支持，甚至引來鋪天蓋地的負(fù)面媒體報(bào)道，催生更加嚴(yán)格的監(jiān)管，招致無休止的訴訟，還會(huì)造成投資者的信任喪失，給自動(dòng)駕駛汽車的發(fā)展帶來沉重的后果，并最終將這項(xiàng)有潛力挽救成數(shù)十萬民眾的技術(shù)扼殺在搖籃之中。

值得慶幸的是，我們還有一個(gè)解決方案，那就是使用“完整模擬”完成主要驗(yàn)證過程，降低行業(yè)對(duì)“影子駕駛員”的依賴。該解決方案采用“全系統(tǒng)工程”方法設(shè)計(jì)，以客戶的用戶需求和設(shè)計(jì)流程為基礎(chǔ)，并包含“最終狀態(tài)場(chǎng)景”。

福特和Argo AI正在開發(fā)一套虛擬駕駛員系統(tǒng)，支持汽車制造商及其他潛在公司的自動(dòng)駕駛汽車研發(fā)。

合情合理的模擬手段

目前，汽車行業(yè)使用的模擬系統(tǒng)遠(yuǎn)未達(dá)到航空航天行業(yè)的水平和復(fù)雜度（即美國聯(lián)邦航空管理局FAA的D 級(jí)規(guī)定），也沒有采用適當(dāng)?shù)膶?shí)時(shí)架構(gòu)?，F(xiàn)階段，車輛、輪胎和道路模擬的模型均不夠精確，特別是在模擬一些惡劣條件時(shí)。人工智能看起來似乎已經(jīng)做好了學(xué)習(xí)準(zhǔn)備，但事實(shí)并非如此。更可怕的是，直至真實(shí)場(chǎng)景發(fā)生之前，此類情況通常都很難發(fā)現(xiàn)，而一旦發(fā)生，則會(huì)給項(xiàng)目進(jìn)展帶來沉重的時(shí)間和執(zhí)行壓力，甚至直接讓項(xiàng)目叫停。

注意，這些問題并不會(huì)暴露在一些常規(guī)測(cè)試場(chǎng)景下，只有當(dāng)面對(duì)一些非常復(fù)雜，或?qū)r(shí)間要求很高的場(chǎng)景，迫使車輛達(dá)到甚至超過性能極限時(shí)才會(huì)出現(xiàn)，而這通常也正是問題的開始。

假如不配備全動(dòng)系統(tǒng)(full motion systems)，一些駕駛員在環(huán)（DiL）模擬器可能會(huì)讓開發(fā)人員的信心爆棚，但真實(shí)情況并非如此樂觀。運(yùn)動(dòng)系統(tǒng)設(shè)備可以配合真人模擬器使用，用于模擬自動(dòng)駕駛行程，并允許開發(fā)人員評(píng)估車上人員的暈車感、舒適感及對(duì)自動(dòng)駕駛汽車的信任水平。除了配備合適的運(yùn)動(dòng)系統(tǒng)外，開發(fā)人員還可以借助“航空航天/DoD/FAA”的仿真技術(shù)、最佳做法和測(cè)試方法，解決汽車行業(yè)面臨的自動(dòng)駕駛模擬挑戰(zhàn)。這是因?yàn)?，一些國防城市?zhàn)爭(zhēng)游戲的游戲場(chǎng)景與很多復(fù)雜駕駛場(chǎng)景高度重合，另外還有一些采用了專業(yè)模型并提供實(shí)時(shí)保真的效果，尤其可以發(fā)揮重要作用。

如圖所示，大多數(shù)自動(dòng)駕駛汽車開發(fā)商均無法履行之前的承諾，即在有限范圍內(nèi)推出真正具備SAE L4-L5級(jí)自動(dòng)駕駛功能的自動(dòng)駕駛汽車。(數(shù)據(jù)來源：Eric Paul Dennis/Center for Automotive Research)

數(shù)據(jù)方法論至關(guān)重要

并預(yù)先定義和構(gòu)建最困難的場(chǎng)景，整個(gè)項(xiàng)目可能將最終遠(yuǎn)超預(yù)計(jì)時(shí)間，才能做到所有模擬場(chǎng)景的執(zhí)行，包括在當(dāng)下及未來無休止地重復(fù)修補(bǔ)這些復(fù)雜場(chǎng)景。

如果采用敏捷開發(fā)流程，可能浪費(fèi)的時(shí)間將難以預(yù)估，而且從歷史經(jīng)驗(yàn)來看，一些較為復(fù)雜的元素通常很難完成，這只能為日后開發(fā)埋下隱患。此外，除非遭遇到一些最復(fù)雜和最困難的場(chǎng)景，否則這些設(shè)計(jì)缺陷通常很難暴露。最終，項(xiàng)目可能不得不進(jìn)行“修修補(bǔ)補(bǔ)”，大量返工，而不是在一開始就在許多常見場(chǎng)景中設(shè)置妥當(dāng)。

目前，“邊緣場(chǎng)景”和“角落場(chǎng)景”經(jīng)常用于描述事故情景。但事實(shí)上，事故情景與任何其他情景并無差別，只是結(jié)果是沒有人想看到而已。一些真正的“邊緣場(chǎng)景”或“角落場(chǎng)景”是在任何情況下都不應(yīng)該，也不可能發(fā)生的 — 例如要求搜索引擎尋找一張貓的圖像，但最終得到的是一張垃圾桶的圖像。工程師通常不會(huì)覆蓋所有可能的事故場(chǎng)景，也就是被他們劃分在“核心場(chǎng)景”之外的“邊緣場(chǎng)景”或“角落場(chǎng)景”。也正因如此，人們有理由進(jìn)行必要的盡職調(diào)查。

模擬仿真的目標(biāo)應(yīng)集中在為 AI 堆棧提供可用于辨別不同物體的數(shù)字表達(dá)式，采用相同的輸入速率，并具備相同的模糊度，從而找到妨礙 AI 堆棧做出正確決定的問題。這些數(shù)據(jù)集中，最難實(shí)現(xiàn)的部分常被稱為“邊緣”或“角落”場(chǎng)景；然而，這些場(chǎng)景才是判斷 AI 堆棧是否具備成功決策能力的關(guān)鍵案例。為了清晰定義這些案例，并明確每個(gè)案例的預(yù)期結(jié)果，我們需要一種條理分明的可管理式遞歸數(shù)據(jù)方法。

最終狀態(tài)場(chǎng)景矩陣

除了提供影響上述系統(tǒng)工程方法的場(chǎng)景數(shù)據(jù)之外，所有各方（包括政策制定機(jī)構(gòu)、驗(yàn)證機(jī)構(gòu)、保險(xiǎn)公司和制造商等）都需要盡早了解模擬目標(biāo)，也就是“項(xiàng)目完工”的定義。只有具備對(duì)實(shí)時(shí)變化的支持能力（從而及時(shí)修正任何 AI 感知錯(cuò)誤），場(chǎng)景數(shù)據(jù)集才能真正稱得上全面，但相應(yīng)的工作量幾乎與為仿真過程清晰定義“整合’’與“系統(tǒng)模型”一樣可觀。

從地理圍欄到 SAE L4 級(jí)和 L5級(jí)自動(dòng)駕駛汽車，要成功實(shí)現(xiàn)這些目標(biāo)，該測(cè)試數(shù)據(jù)集的建立需要依賴眾多數(shù)據(jù)源和數(shù)據(jù)域；要求全球汽車開發(fā)界開展最高水平的盡職調(diào)查；必須確保達(dá)到必要的安全水平并能夠證明這一點(diǎn)；還必須映射到上文提到的仿真系統(tǒng)，并與之同步。

在目前的 AV 測(cè)試范例做出改變之前，汽車行業(yè)永遠(yuǎn)不會(huì)迎來可以挽救萬千生命的 SAE L4 級(jí)自動(dòng)駕駛汽車，也不會(huì)迎來真正的全自動(dòng)駕駛汽車。