智能驾驶安全吗？从测试员和工程师视角看

智能驾驶系统的设计与生产流程

从需求到算法设计

智能驾驶系统的诞生始于产品部门的需求研究。他们通过对产品自身、竞品以及用户需求的分析，明确系统功能。比如确定系统要在高速上保持固定速度行驶，这就是一个具体的功能需求。然后算法工程师依据这些需求进行算法设计，这个过程是将需求转化为计算机可执行的指令，就像搭建一个框架，为后续的系统实现奠定基础。这只是第一步，设计的算法是否可行还需要经过多轮测试验证。

系统测试的多个环节

算法设计完成后，便进入系统测试环节。首先是回灌测试，这一测试方式不需要实车，而是利用数据回灌来初步判定系统可用性。接着是内部实车测试，测试员在这个环节起着关键作用。他们在路测中发现问题后反馈给工程师，工程师据此改进系统。之后编写准出报告，以判定系统稳定性等指标是否达标。再之后验收部门会在内测基础上再次测试，最后进行灰度测试，确保软件稳定性达到一定要求后才交付给用户使用。整个流程对于成熟项目至少需要3到6个月，其中每个环节都紧密相连，任何一环出现问题都可能影响最终的产品质量。

测试员在流程中的角色

测试员是智能驾驶系统生产流程中的重要一环。他们就像系统的“质检员”，谢春晓形象地说自己的工作就是找系统的麻烦。如果系统在路测中有不合理的驾驶行为，测试员就会向工程师反馈，这就如同给系统提供改进的方向。康林也提到，测试员在路测中能发现系统的不同“脾气”，他们不需要深入了解算法运行原理，只要车辆的驾驶表现优于自己这个老驾驶员就算过关。他们的反馈甚至可能影响产品需求的修改，从而推动算法的优化。

智能驾驶系统面临的问题

无法避免的局限性问题

智能驾驶系统目前存在一些难以避免的问题。康林指出，不同车企的系统在面对一些特殊情况时表现相似。例如，当有车辆从后方强行加塞时，系统可能无法做出合适操作而提示车主接管。特别是在施工路段这种复杂场景下，系统的应对能力有限，因为高精地图无法提供施工路段的具体方位信息，只能靠摄像头，这对车企的算力、投入实力以及算法逻辑都是考验。这表明，尽管智能驾驶技术在发展，但仍受限于现有的技术手段。

硬件局限导致的问题

硬件方面的局限也给智能驾驶系统带来了问题。李衡表示，有些问题受硬件限制无法改进。比如刹车动作，硬件的性能决定了它无法精准完成某些刹车要求，这与前期硬件的选择有关，软件无法优化。而且硬件由供应商提供，不同供应商的硬件性能和供货稳定性不同，车企在选择时会综合考量，这可能导致硬件与软件适配存在问题，进而影响系统的整体性能。

感知设备的影响

智能驾驶系统的感知层依赖摄像头、毫米波雷达和激光雷达等设备。李衡提到，带有智能驾驶功能的车一般都有摄像头，这是纯视觉解决方案。高配版车型会配备激光雷达，其感知效果更好，但成本较高。激光雷达与其他传感器结合可以输出更强的感知信息，但它也存在精确度问题，例如可能将车前面的锥桶仅识别为一个点，这就给系统的判断带来了挑战，影响系统对周围环境的准确感知。

智能驾驶系统与人类思维的差异

基于规则与灵活应变的差异

人类思维和智能驾驶系统思维存在本质差异。康林举例说，在盘山公路超车场景中，人类驾驶员会灵活借道超车后迅速返回原车道，但有些车企的系统由于算力或算法问题，超车后会一直占用逆向车道，直到检测到迎面来车才返回，这显示出系统的死板。系统是基于设定的有限场景和算法获得驾驶能力的，不像人类可以根据实际情况灵活应变。

效率判断的差异

在效率判断上，系统和人类也有不同。康林又举例，在城市道路右转场景中，智能驾驶系统为了遵循提前进入转向车道的算法指令，可能会进行不必要的变道，反而降低了通勤效率，而人类驾驶员会根据实际排队情况做出更合理的决策。这表明系统在追求规则执行的可能忽略了实际的交通效率。

主流算法的特点与局限

目前智能驾驶系统有基于规则的算法和端到端的算法两种主流解决方案。基于规则的算法依赖高精地图，面对不同场景有不同操作，但多年发展后发现不能覆盖所有场景和突发情况。端到端算法类似AI大模型，通过图像识别直接转化为路径，可一定程度上减少对高清地图的依赖，但目前仍处于发展阶段。车企们都在朝着端到端的方向发展，试图解决智能驾驶的各种问题。

对智能驾驶的正确看待

技术的进步与问题的解决

智能驾驶技术相比过去已经有了很大进步。谢春晓回忆，以前测试车辆时遇到车速固定的问题，通过在高精地图上加电子围栏等方式解决了特定路况减速的问题。这表明随着时间推移，技术在不断发展，问题也在逐步得到解决。虽然现在仍然存在一些不足，但不能忽视它的进步之处。

与人类驾驶的比较与互补

与人类驾驶相比，智能驾驶有其独特之处。康林认为，目前的系统虽然比新手司机驾驶得好，但与老司机仍有差距。不过系统能关注到更广泛的范围，所以只要不完全依赖它，而是善于利用它，就可以发挥其优势。例如长途驾驶时，系统可以减轻驾驶员的疲惫感，这是人类驾驶无法比拟的。

未来的发展趋势

智能驾驶是未来发展的必然趋势。尽管目前技术尚未完全成熟，但车企都在不断努力。康林提到，头部车企会不断更新系统，测试员也经常忙于测试新系统。随着技术的发展成熟，智能驾驶未来很可能全面普及，届时成本也会降低，这对车企和用户都将是一个好的发展方向。

相关问答

智能驾驶系统从设计到交付需要多久？

一般来说，对于成熟项目，整个流程至少需要3到6个月，包括从需求确定、算法设计、多轮测试到最终交付的各个环节。

测试员发现的所有问题都会被改正吗？

不是。一天下来测试员能记录20多处问题，严重问题会马上反馈改进，但有些受限于现阶段技术或者硬件的问题，如某些驾驶体验不好但不涉及安全的问题，可能不会被改进。

智能驾驶系统在哪些场景下最不成熟？

施工路段是最不成熟的场景。因为高精地图不能提供施工路段具体方位，主要靠摄像头感知，这对车企的算力、投入实力和算法逻辑都是考验。

智能驾驶系统和人类驾驶在思维上有什么主要差异？

系统是基于设定场景和算法驾驶，比较死板，不像人类能根据实际情况灵活应变，例如在盘山公路超车和城市道路右转场景中，系统的操作就不如人类驾驶员合理。

激光雷达对智能驾驶系统有什么影响？

激光雷达能提升感知效果，但成本较高。它会与其他传感器结合输出感知信息，但存在精确度问题，例如可能将锥桶识别为一个点，这会影响系统判断。

智能驾驶系统未来会普及吗？

会的。虽然目前技术还不完善，但车企都在不断努力，随着技术成熟，成本会降低，未来很可能全面普及。