7月8日，百度自動駕駛技術部PnC負責人彭亮受邀參加2023世界人工智能大會，并在智能駕駛論壇上發表主旨演講，分享了百度Apollo在邁向全無人規模化運營過程中的技術心得。彭亮指出：完善的安全體系是自動駕駛無人化運營重要前提，學習型PnC是全無人運營的必由之路。

完善的安全體系是無人化運營重要前提

自動駕駛系統最重要的就是安全，只有自動駕駛的安全超過人類駕駛，才能實現Robotaxi的規模化運營。百度Apollo一直基于城市復雜場景，穩步推進L4自動駕駛，已累計測試運營了6000萬公里，期間沒有發生過一起重大安全事故。“這足以說明我們的自動駕駛系統，在安全方面經受住了考驗”，彭亮說。

百度Apollo將自動駕駛無人化的安全問題拆解成“不安全-安全”、“未知-已知”兩個維度，并針對這兩個維度采取了相應的策略。首先，通過提升單車智能能力，將已知的不安全場景轉化為安全場景；其次，通過監控、冗余和平行駕駛等系統，將未知的危險場景轉化為已知的場景。最終，通過持續努力將未知風險降到最低，實現整體系統的安全性。

另外，百度Apollo遵循成熟的汽車安全體系設計，從功能安全和預期功能安全兩個方面構建安全系統。通過底盤、傳感器和計算單元的冗余設計，降低設備本身失效帶來的風險；同時，通過完善的故障檢測和應對方案，實現全方位的功能安全。當系統檢測到故障時，會進入安全狀態，并針對不同類型的故障設計合理的應對方案，比如當胎壓出現異常，系統需要能夠檢測出來并合理處理。

彭亮認為，在復雜的道路條件下，系統遇困時不能簡單一停了之，而是需要與真實的道路環境兼容。因此，百度Apollo充分利用仿真系統來設計針對不同故障類型的應對處理策略，從而提供基本的安全保障，將未知的風險場景降到最低。

目前自動駕駛業界的系統的操作設計領域（ODD）定義通常是靜態的，比如雨雪天氣、高速公路、隧道等等，難以覆蓋所有的道路交互場景狀態。百度Apollo自動駕駛在演進過程中，以預期功能安全為框架，不斷擴展了系統ODD，提升系統能力邊界。同時，設計了一個偏召回的風險預警模型，通過云端和路側提供輔助，確保系統從潛在的不安全狀態轉變為更加安全的狀態。此外，通過在云端進行數據挖掘、訓練和仿真等工作，進一步提升自動駕駛系統的能力。

學習型PnC系統是實現無人化的必由之路

自動駕駛的設計一直存在兩種路線，一種是端到端的自動駕駛統一模型路線，另一種是將整個系統拆分成多個模塊的工程化路線。百度Apollo在工程化路線上持續努力，同時也在端到端方案上做了大量深入探索，并把階段性成果應用到自動駕駛系統中，這一過程中，文心大模型起到了重要作用，大幅提升了系統的感知能力。

彭亮認為，學習型PnC系統是實現無人化的必經之路，該系統能逐步吸收規則系統的經驗，通過數據驅動的學習不斷提升能力，并通過啟發軌跡的檢索降低規劃優化過程的計算開銷。

百度Apollo將預測和決策系統合并為一個多任務系統，通過預測決策統一建模，聯合處理問題。并巧妙地把規則系統當作學習型系統的“學步車”，用規則系統的經驗初始化學習系統，再通過大量的數據反哺，驅動學習系統不斷成長，最終超越規則系統。

彭亮提到，在探索學習型PnC系統的過程中，取得了意想不到的成果：基于搜索的軌跡生成方法，只需搜索兩條候選軌跡，即可生成99%場景下的可行答案，在困難場景下表現出色。因此，這種基于搜索的匹配方案被整合到百度Apollo決策系統中。

百度Apollo的學習型PnC系統還具有較強的泛化能力，能夠快速適應不同城市的道路環境，落地新城市的技術交付時間僅為20天，“打通數據驅動范式后，就像獲得感知系統一樣，可以更快擴展城市，用更多城市的數據來驅動系統快速適應。”彭亮說。

伴隨著百度Apollo在無人駕駛技術上的深耕，百度蘿卜快跑一直在“穩步擴區”，目前全無人運營及測試已經覆蓋北京、上海、深圳、武漢、重慶五大城市，越來越多的人愿意在出行時選擇“無人車打蘿卜”。截至2023年一季度，蘿卜快跑的訂單總量已超過200萬。接下來，百度Apollo仍將持續擴大業務規模，著力打造全球最大無人駕駛運營服務區，助力中國智能網聯汽車產業高速高質發展。