記者/樸云

編輯/郝鳴

無人駕駛汽車如今在越來越多的城市成為了日常街景

為無人車訓(xùn)練一雙可靠的“眼睛”，窮盡難題地去“拷問”它，讓它的識別能力在任何場景下都能變得強大，能對路上突然出現(xiàn)的一頭騾子或是一條帆船做出正確的反應(yīng)；或者是，把無人車看作要參賽的專業(yè)長跑運動員，你成為他的備賽團隊，負(fù)責(zé)著賽前訓(xùn)練計劃的制定、備賽期間訓(xùn)練效果的跟蹤以及賽場上成績的監(jiān)控和賽后復(fù)盤等多個環(huán)節(jié)。

在剛剛加入無人駕駛這個新興行業(yè)時，陳可心和馮云蟬對職業(yè)發(fā)展都有著自己的想象，一個可以參與改變世界的想象。

蘿卜快跑總行駛里程超過1.7億公里，車輛出險率僅為人類駕駛員的1/14

無人車的“考官”

給無人車訓(xùn)練一雙視力超棒的“眼睛”，就是陳可心日常的工作。作為百度蘿卜快跑智能網(wǎng)聯(lián)汽車測試員，她每天都要像考官準(zhǔn)備考試試卷一樣，收集各種各樣的數(shù)據(jù)，用在不同天氣、不同地點、不同場景下的“難題”去“拷問”無人車的感知模型。

這個感知系統(tǒng)就是無人車的“眼睛”。它由無人車上放置在各處的攝像頭、激光雷達等傳感器組成，負(fù)責(zé)看清周圍環(huán)境，識別出如人、車、紅綠燈之類的物體，從而規(guī)劃行車路線。

讓它的“視力”被訓(xùn)練得越來越強大，是考官陳可心每天“絞盡腦汁”要去做的事。比如，在一次測試數(shù)據(jù)中，她看到了一頭騾子。而在另一次拓展新城市路網(wǎng)時，竟然在道路上看到一條帆船。在路面上遇見這些不尋常的、甚至有些離奇的事物，對于這雙“眼睛”而言，都是具有挑戰(zhàn)性的考題。陳可心要看它怎樣做出反應(yīng)，能不能順利應(yīng)對。

在一次次揪出識別缺陷，再補充數(shù)據(jù)進行優(yōu)化的過程中，這雙“眼睛”被訓(xùn)練著在各種復(fù)雜情況下都能看得清、看得準(zhǔn)，變得更加精準(zhǔn)，從而做到給無人車保駕護航。

對于訓(xùn)練這個感知模型來說，這些“考題”，也就是數(shù)據(jù)集，是最重要的。陳可心要通過海量的數(shù)據(jù)去教這雙“眼睛”認(rèn)識這個世界。

很多時候，她還要幫這雙“眼睛”克服一些難題。例如在大暴雨天里，水滴和水霧可能會讓傳感器的視覺變得模糊，或者讓激光雷達掃描點因被反射而丟失。為了解決這個問題，陳可心和她的同事們就需要不斷地去收集大量的不同場景、不同道路、不同交通參與者，在不同雨量大小情況下的數(shù)據(jù)，通過這些數(shù)據(jù)去讓模型優(yōu)化自己。這之后，團隊會再通過設(shè)計不同維度的評測指標(biāo)來判斷它是不是在任何交通環(huán)境下，都能很好地去識別，完成通行。

這種“拷問”和優(yōu)化是無窮盡的，她和同事們需要不斷地去窮盡可能。

今年是30歲的陳可心在蘿卜快跑工作的第6年。

陳可心所從事的這個名為智能網(wǎng)聯(lián)汽車測試員的崗位，也是人力資源和社會保障部、國家市場監(jiān)督管理總局、國家統(tǒng)計局2024年聯(lián)合發(fā)布的19個新職業(yè)之一。

對她來說，這是一份極具挑戰(zhàn)性又能讓自己看到廣闊可能性的職業(yè)。

“它是個持續(xù)迭代的過程”，馮云蟬說。作為百度自動駕駛質(zhì)量團隊的高級工程師，馮云蟬主要負(fù)責(zé)自動駕駛測試服務(wù)，平臺化工具的建設(shè)以及駕駛能力度量等相關(guān)工作。而這些工作都需要日復(fù)一日地自我迭代，更快更敏銳地抓住需求點。

如果把無人車看成是要參賽的專業(yè)長跑運動員，自動駕駛質(zhì)量團隊就是他的備賽團隊，負(fù)責(zé)著賽前訓(xùn)練計劃的制定、備賽期間訓(xùn)練效果的跟蹤以及賽場上成績的監(jiān)控和賽后復(fù)盤等多個環(huán)節(jié)。

蘿卜快跑面向的是多城的快速交付和規(guī)�；涞兀總�城市都有自己獨特的路網(wǎng)結(jié)構(gòu)和交通環(huán)境，想讓無人車成為和當(dāng)?shù)厝艘粯拥摹袄纤緳C”，就需要質(zhì)量團隊提前了解當(dāng)?shù)氐穆肪W(wǎng)特征，收集大量的路網(wǎng)及車輛等數(shù)據(jù)。

在蘿卜快跑要“開進”一座新的城市前，馮云蟬和同事們就需要去了解這座城市的特點，例如有些城市有自己特殊的交規(guī)設(shè)計，在路網(wǎng)環(huán)境上，有些城市山路、坡路多，或者有一些跨江路線。在一些早晚高峰等特定時間段內(nèi)，當(dāng)?shù)厝丝赡苓�會有自己的一些開車習(xí)慣等等。

這些信息都需要質(zhì)量團隊去提前了解，收集記錄信息，再制定詳細(xì)的測試計劃。在測試中，關(guān)于安全性、通行性、體感舒適度等方面問題，車上的安全員會通過“打點”工具來記錄，無人車自己也會識別問題，馮云嬋需要去收集這些回傳的問題。

如何對這些收集到的問題數(shù)據(jù)進行分析？怎樣統(tǒng)計指標(biāo)？這都需要馮云嬋的同事們提供智能化的分析工具來輔助，通過大數(shù)據(jù)庫進行大量的數(shù)據(jù)分析，去確定問題發(fā)生的原因，讓無人車能夠更快地融入當(dāng)?shù)氐男熊嚟h(huán)境。

工作中的陳可心

成為“弄潮兒”

馮云蟬今年31歲，擁有信息系統(tǒng)與信息工程相關(guān)的工科背景。在來到百度蘿卜快跑無人車團隊工作之前，她曾嘗試過與智能機器人相關(guān)的工作，比如說酒店里給客人遞送東西的機器人。

“你會發(fā)現(xiàn)其實大家所設(shè)想的這些未來的人工智能的應(yīng)用，是可以有實際的應(yīng)用落地的，是可以達到人們當(dāng)時所設(shè)想的樣子的�！瘪T云蟬說。這也是她在這之后繼續(xù)投身人工智能產(chǎn)業(yè)的最大動力，而“自動駕駛就是這個領(lǐng)域里時尚的弄潮兒”。

2021年，馮云蟬來到百度做自動駕駛相關(guān)的工作。她先加入的是自動駕駛技術(shù)和駕校結(jié)合的項目——“機器人教練”。機器人教練有實際的數(shù)據(jù)分析，可以讓教學(xué)更加精準(zhǔn)。

比方說，在科目二倒車入庫學(xué)習(xí)中，普通教練能告訴學(xué)員的是，“再往左來一點”“剛才打輪的時候有點晚了”這種比較模糊的建議。而融入了輔助駕駛技術(shù)和智能化教學(xué)的機器人教練，可以告訴你“倒車入庫時左邊的距離差了15公分”“剛剛第一把輪需要再晚一秒”等更精準(zhǔn)的判斷。它還可以通過數(shù)據(jù)分析對學(xué)員進行個性化引導(dǎo)，更精準(zhǔn)地進行訓(xùn)練。對于那些不喜歡傳統(tǒng)教學(xué)方式，教練坐在旁邊就緊張的年輕人來說，這是個不錯的選擇。

來到百度自動駕駛質(zhì)量團隊后，在負(fù)責(zé)自動駕駛測試服務(wù)的同時，馮云蟬還需要提供有效的訓(xùn)練分析工具和規(guī)范化的訓(xùn)練流程。她發(fā)現(xiàn)，對于一些指標(biāo)數(shù)據(jù)，人工統(tǒng)計特別麻煩，于是就動手做了一個自主分析的工具。這些訓(xùn)練分析工具可以在很大程度上幫助提升效能。

比方說，對于落地的區(qū)域每天發(fā)生多少問題、發(fā)生的原因是什么這種收集和分析，如果是靠一個人人工來做，一天可能只能分析200個案例，但當(dāng)用上相應(yīng)的訓(xùn)練分析工具之后，可能這一個人每天就能分析更多落地區(qū)域的案例，或者是更長時間的數(shù)據(jù)，會在效能上提升很多倍。

這些分析工具本身也需要不斷迭代和更具針對性。當(dāng)有人提出某個區(qū)域問題比較多時，馮云嬋和同事們就需要去拆解這個需求找到具體的“癥結(jié)”所在。如這個區(qū)域不同時段、不同天氣、不同訂單情況下無人車開得好不好，它的能力是不是滿足需求。在不斷地拆解中，找到細(xì)致的有數(shù)據(jù)依據(jù)的結(jié)論，讓無人車能夠像當(dāng)?shù)乩纤緳C一樣行駛在路面上。

在選擇這個行業(yè)時，陳可心認(rèn)為自動駕駛是未來科技發(fā)展的前沿，極具挑戰(zhàn)性，又能融合多種先進技術(shù)。計算機專業(yè)研究生畢業(yè)時，她通過校招進入蘿卜快跑。

“我一直都覺得無人車會真正出現(xiàn)在路面上，這完全可以想象。我甚至覺得如果全是這樣的話，世界就會變得特別安全�！标惪尚恼f。在她從事的智能網(wǎng)聯(lián)車感知相關(guān)的測試工作中，最大的挑戰(zhàn)就是面對的場景是非常多樣的，沒有辦法窮舉，但又需要去最大限度地覆蓋特別極端的場景。

每一次發(fā)現(xiàn)問題和解決問題都是一次迭代的機會。陳可心和同事會利用大模型對目前的測試數(shù)據(jù)進行分析，了解已經(jīng)覆蓋了哪些場景，還有哪些沒有覆蓋到。對于沒有覆蓋到的場景要去采集對應(yīng)的數(shù)據(jù)豐富測試集，同時也會把場景拆分成更細(xì)的維度進行排列組合，盡量去拓寬場景邊界。

“比如在一些城市的雨季場景，我們會通過不斷收集、構(gòu)造、整合不同場景的數(shù)據(jù)，從不同維度測試自動駕駛車在雨天道路上行駛的效果�！标惪尚恼f，團隊會先從小雨做起，前期并不容易，需要大量數(shù)據(jù)進行場景驗證，但慢慢地，無人車在大雨天也正常行駛，不受天氣的干擾。

自動駕駛車其實和人類駕駛一樣，開始也存在盲區(qū)，陳可心和同事們就需要著手解決這個問題，通過大量測試驗證，現(xiàn)在即便車輛離盲區(qū)很近，蘿卜快跑也會精準(zhǔn)識別，盲區(qū)邊界的準(zhǔn)確性大幅提升，行駛更平穩(wěn)，不會出現(xiàn)急剎的情況。

在無人車這個領(lǐng)域，陳可心不僅見證了自動駕駛技術(shù)的成長，對于自己而言，也是一個持續(xù)迭代的過程，“行業(yè)的變化是很快的，我們需要時刻保持學(xué)習(xí)的心態(tài)，一直去了解新的技術(shù)，找到自己感興趣的方向，并深耕下去，成為這個領(lǐng)域的專家”。

工作中的馮云蟬

成就與挑戰(zhàn)

“它不再是所謂的說做一個PPT，大概講一講我們有這么個東西就完事了，它是真的能落地到那個城市當(dāng)中去�！瘪T云蟬說。在這四年的工作中，她發(fā)現(xiàn)自己越來越喜歡這個行業(yè)，因為自己設(shè)計的那些工具可以有實際的應(yīng)用，能夠看到它的效果，可以讓無人車在路上的表現(xiàn)更好。

不管是日常在新媒體上刷到哪個城市里出現(xiàn)了蘿卜快跑，還是看到用戶的實際使用反饋，她都能感受到這份工作的價值。

對于陳可心而言也是這樣。在她看來，“當(dāng)你真正去做這件事情的時候，你才能切身地覺得這個東西是可落地的。”當(dāng)她看到蘿卜快跑從一個城市拓展到更多城市，從中國跑向海外，從一開始只能在白天出行，內(nèi)部測試，到現(xiàn)在不管在什么復(fù)雜道路、惡劣天氣場景下都能自如應(yīng)對時，她感覺自己在做一件特別有意義的事情。

目前，蘿卜快跑已在全球15個城市落地，全無人自動駕駛車隊已駛?cè)氡本�、深圳、武漢、重慶等多個城市。今年5月，蘿卜快跑在迪拜開始了開放道路驗證測試。7月份，蘿卜快跑已與全球最大的移動出行服務(wù)平臺Uber建立戰(zhàn)略合作伙伴關(guān)系，將蘿卜快跑無人駕駛出行服務(wù)拓展至美國和中國大陸以外的全球多個市場。

雖然對這個行業(yè)充滿熱情，但在采訪中，陳可心和馮云蟬都提到，對于真正從事這個行業(yè)的人來說，最重要的是保證自動駕駛的安全性。

“自動駕駛的安全性是我們最大的責(zé)任�！标惪尚恼f。作為感知測試工程師，她的工作最終就是要確保這些技術(shù)能夠安全、可靠地服務(wù)每一個用戶。

截至目前，蘿卜快跑總服務(wù)訂單量超過1100萬次，總行駛里程超過1.7億公里，未發(fā)生過重大安全事故。過去兩年的數(shù)據(jù)顯示，蘿卜快跑實際車輛出險率為人類駕駛員的1/14。

對于這個行業(yè)需要具備的能力，除了相關(guān)的技術(shù)背景外，馮云蟬還提到，最好你自己也是一個司機，并且有一定的駕駛經(jīng)驗，從而更好地保證設(shè)計的安全性。剛開始做無人駕駛時，馮云蟬還是一個新手司機，通過這幾年對自動駕駛車在不同城市行駛的問題收集，以及對落地情況數(shù)據(jù)的收集，她對汽車在交通環(huán)境上的行駛特點，以及需要去遵守哪些交通規(guī)則也有了很強的“迭代”。

陳可心和同事們也開始更希望能夠通過大模型和AI的應(yīng)用，以及數(shù)據(jù)驅(qū)動測試方面的優(yōu)化，使自身的角色從執(zhí)行者變成場景的設(shè)計者。通過利用大模型和AI技術(shù)，設(shè)計出更復(fù)雜，并且更貼合實際的測試場景，能夠精準(zhǔn)地判斷問題的根源，推動整個產(chǎn)品的優(yōu)化。

在陳可心看來，“隨著時代技術(shù)的更新，我們要利用最新的技術(shù)，去更快更準(zhǔn)地發(fā)現(xiàn)問題。”

剛開始進入無人駕駛這個領(lǐng)域時，馮云蟬有著自己對這個行業(yè)的判斷和想象：幾年后，能有好幾百輛，甚至是上千輛無人車跑在路上，在我的日常生活中，我能經(jīng)�？吹剿�。

現(xiàn)在這個想象實現(xiàn)了。而未來的場景還等著更多的人來想象和實現(xiàn)。

“你要有這個信心，你會覺得自己在做一件有意義的事情，再說大一點，你會覺得自己在改變世界。”陳可心說。

【版權(quán)聲明】本作品的著作權(quán)等知識產(chǎn)權(quán)歸北京青年報【北青深一度】所有，未經(jīng)授權(quán)，不得轉(zhuǎn)載。

住不進去又退不了款的小鎮(zhèn)公租房

一天打8小時零工，過了40歲的我，“還沒讓自己認(rèn)輸”

當(dāng)吃這件事“吃”了你