百度彭亮：完善的安全体系和学习型PnC是实现全无人运营必由之路

 

 

7月8日，百度自动驾驶技术部PnC负责人彭亮受邀参加2023世界人工智能大会，并在智能驾驶论坛上发表主旨演讲，分享了百度Apollo在迈向全无人规模化运营过程中的技术心得。彭亮指出：完善的安全体系是自动驾驶无人化运营重要前提，学习型PnC是全无人运营的必由之路。

 

 

   

完善的安全体系是无人化运营重要前提

 

 

 

自动驾驶系统最重要的就是安全，只有自动驾驶的安全超过人类驾驶，才能实现Robotaxi的规模化运营。百度Apollo一直基于城市复杂场景，稳步推进L4自动驾驶，已累计测试运营了6000万公里，期间没有发生过一起重大安全事故。“这足以说明我们的自动驾驶系统，在安全方面经受住了考验”，彭亮说。

 

百度Apollo将自动驾驶无人化的安全问题拆解成“不安全-安全”、“未知-已知”两个维度，并针对这两个维度采取了相应的策略。首先，通过提升单车智能能力，将已知的不安全场景转化为安全场景；其次，通过监控、冗余和平行驾驶等系统，将未知的危险场景转化为已知的场景。最终，通过持续努力将未知风险降到最低，实现整体系统的安全性。

 

另外，百度Apollo遵循成熟的汽车安全体系设计，从功能安全和预期功能安全两个方面构建安全系统。通过底盘、传感器和计算单元的冗余设计，降低设备本身失效带来的风险；同时，通过完善的故障检测和应对方案，实现全方位的功能安全。当系统检测到故障时，会进入安全状态，并针对不同类型的故障设计合理的应对方案，比如当胎压出现异常，系统需要能够检测出来并合理处理。

 

彭亮认为，在复杂的道路条件下，系统遇困时不能简单一停了之，而是需要与真实的道路环境兼容。因此，百度Apollo充分利用仿真系统来设计针对不同故障类型的应对处理策略，从而提供基本的安全保障，将未知的风险场景降到最低。

 

目前自动驾驶业界的系统的操作设计领域（ODD）定义通常是静态的，比如雨雪天气、高速公路、隧道等等，难以覆盖所有的道路交互场景状态。百度Apollo自动驾驶在演进过程中，以预期功能安全为框架，不断扩展了系统ODD，提升系统能力边界。同时，设计了一个偏召回的风险预警模型，通过云端和路侧提供辅助，确保系统从潜在的不安全状态转变为更加安全的状态。此外，通过在云端进行数据挖掘、训练和仿真等工作，进一步提升自动驾驶系统的能力。

 

 

   

学习型PnC系统是实现无人化的必由之路

 

 

 

自动驾驶的设计一直存在两种路线，一种是端到端的自动驾驶统一模型路线，另一种是将整个系统拆分成多个模块的工程化路线。百度Apollo在工程化路线上持续努力，同时也在端到端方案上做了大量深入探索，并把阶段性成果应用到自动驾驶系统中，这一过程中，文心大模型起到了重要作用，大幅提升了系统的感知能力。

 

彭亮认为，学习型PnC系统是实现无人化的必经之路，该系统能逐步吸收规则系统的经验，通过数据驱动的学习不断提升能力，并通过启发轨迹的检索降低规划优化过程的计算开销。

 

百度Apollo将预测和决策系统合并为一个多任务系统，通过预测决策统一建模，联合处理问题。并巧妙地把规则系统当作学习型系统的“学步车”，用规则系统的经验初始化学习系统，再通过大量的数据反哺，驱动学习系统不断成长，最终超越规则系统。

 

彭亮提到，在探索学习型PnC系统的过程中，取得了意想不到的成果：基于搜索的轨迹生成方法，只需搜索两条候选轨迹，即可生成99%场景下的可行答案，在困难场景下表现出色。因此，这种基于搜索的匹配方案被整合到百度Apollo决策系统中。

 

百度Apollo的学习型PnC系统还具有较强的泛化能力，能够快速适应不同城市的道路环境，落地新城市的技术交付时间仅为20天，“打通数据驱动范式后，就像获得感知系统一样，可以更快扩展城市，用更多城市的数据来驱动系统快速适应。”彭亮说。

 

伴随着百度Apollo在无人驾驶技术上的深耕，百度萝卜快跑一直在“稳步扩区”，目前全无人运营及测试已经覆盖北京、上海、深圳、武汉、重庆五大城市，越来越多的人愿意在出行时选择“无人车打萝卜”。截至2023年一季度，萝卜快跑的订单总量已超过200万。接下来，百度Apollo仍将持续扩大业务规模，着力打造全球最大无人驾驶运营服务区，助力中国智能网联汽车产业高速高质发展。