“以前觉得自动驾驶既神秘又‘高大上’，这次终于能亲身体验一下了！”望着徐徐驶来的百度自动驾驶出租车Apollo，在北京工作的程序员小王很兴奋。
日前，百度自动驾驶体验服务在北京亦庄、海淀免费开放，吸引了大批市民和媒体关注。单个站点单日最高服务量超过600单，一度出现“一车难求”的场面。近年来，中国自动驾驶行业捷报频传，多家企业已在国内外多个城市开展路测运营。此次百度率先向公众开放路测，也让普通人能够跟自动驾驶这个前沿事物来一次“亲密接触”。
那么，自动驾驶出租车如何行驶？面对中国实际的复杂路况，技术人员是如何把无人车训练成“老司机”的？本报记者对此进行了实地体验和采访。
体验：全程平稳无接管
10月27日上午，记者来到北京亦庄，选择限定运营区域内距离最长的两个站点，坐着百度自动驾驶出租车跑了一个来回。
先说智能性。这10公里的路程并不算长，却已包含了我们日常开车绝大部分会遇到的基本场景：起步、加速、转弯、变道超车、减速让行、过红绿灯路口、靠边停车等等。在近20分钟的试乘时间里，安全员全程无接管，所有决策、操作都由自动驾驶系统完成。可以说，这是一次纯粹的自动驾驶。
再说舒适性。百度自动驾驶出租车的速度基本稳定在每小时40公里左右，这让它整体“开”得非常平稳。Apollo的加减速也很流畅，遇到前方红灯或是预测到有车要并线，Apollo会提前减速，从而避免急刹车。遇到四下无车的情况，Apollo也会果断匀加速，不“磨叽”。在绝大多数情况下，如果你闭上眼睛，基本分不出开车的是人还是机器。
正是因为Apollo的“超稳定发挥”，反而让试乘者们特别期待能遇到一次“意外”情况。赶巧的是，记者就遇到了一次自动驾驶系统做出的急刹车动作：
当时，一辆外卖摩托车突然从路旁冲出来，即将以高速掠过Apollo斜前方。就在记者用余光瞥见这辆摩托车时，Apollo来了一脚势大力沉的急刹车。紧接着，车内响起了AI小度的道歉声：“刹猛了，求原谅！谨慎才能保证你的安全呀。”
记者当即向车内安全员反复确认，在这脚刹车过程中，安全员完全没有介入，是自动驾驶系统预判到摩托车的行驶轨迹，采取了紧急制动措施。记者事后想，如果是自己在当时的场景中，可能会减速，但不会急刹。因为摩托车在道路博弈中，大概率不会主动选择与汽车进行碰撞，这或许是人类和机器在预判上的区别，不过也正如小度所说，“谨慎”是为了安全，在自动驾驶刚起步的时候，还是谨慎为妙。
除了AI自动紧急刹车，有没有安全员必须要接管车辆的时候呢？一位安全员提到一个令人印象深刻的场景：工人打开路面井盖，下井检修，但并未按要求在井口摆设安全锥桶。下井工人的头发与黑色的井口背景融为一体，试验车辆未能分辨，没有做出减速动作，安全员紧急接管。“不过这都是很早期的状况，现在接管的次数少多了。”
急刹车与井盖的故事提醒我们，比起相对容易处理的正常场景来说，那些发生概率较低、但“一失万无”的极端场景——业内称为“边角案例”(CornerCase)或“长尾场景”——才是对自动驾驶真正的考验。这些场景不按常理出牌，样式繁多，处理难度大，却是无人驾驶在中国落地的关键之一。
训练：长尾场景是关键
路测过程中遇到的问题怎么解决？
“对自动驾驶系统来说，每一个长尾场景都是非常宝贵的学习机会，每解决一个问题，Apollo的大脑就会变得更‘聪明’一些。”百度自动驾驶测试工程师李肆给记者举了一个三角事故牌的例子：
“在一次测试中，Apollo遇到一个三角事故牌和临时停车，识别成了静止障碍物和静止车辆。它选择先停车观察，然后再缓慢起步绕行。当系统记录这一次缓行后，通过数据挖掘和Learning训练模型，Apollo理解了这是交通事故场景典型特征。在之后的驾驶策略上，再遇到三角牌，它会提前主动借道通行，像老司机一样自然绕行。”
所以，不仅仅是安全员发生接管的场景，包括系统主动发现的漏洞或是影响用户体验的问题，都会被系统实时捕捉，并自动上传云端。所有问题的数据，在后台都会被自动化分析和归类标注。
“对于比较简单的问题，系统可以自己形成训练数据，直接对算法模型进行自我更新，增强驾驶能力。而对于一些新问题和重点问题，则会被系统识别出来，流转给技术人员作深入分析和优化。”李肆说，当技术人员对一类典型场景完成算法优化后，会在仿真平台针对问题场景进行验证。“从遇到一个长尾场景，到数据驱动模型迭代、仿真回归验证、新版本上线解决，优化周期大约在几周或几个月，要视问题的困难程度而定。”
除了让Apollo把自己遇到的难题“巩固复习”好，百度的技术人员还给Apollo主动加练，从现实和虚拟两个维度打造起Apollo的“练功房”。
现实中的“练功房”位于国家智能网联汽车(长沙)测试区东片区，这是百度联合长沙湘江智能打造的国内首个自动驾驶7×24小时全无人值守封闭测试场，目前已投入日常测试使用。可以实现测试全程无人化，支持7×24小时不间断可靠性测试，大幅节省测试人力成本。同时也保障了场景构建的高度还原和一致性，对交互博弈场景构建的优势尤其突出。
除了真实的道路数据之外，百度的自动驾驶学习也依托仿真模拟器。百度自动驾驶事业部总经理陶吉告诉记者：“我们拥有一个‘无限里程虚拟世界’，我们在这里面放很多行人和车辆的障碍物，他们按照一定的规则去跑，Apollo也放一辆进去。当跑到足够多里程的时候，会发生很多意想不到的情况。如果发现Apollo应对不了的情况，这个案例我们会特别拿出来分析，作为训练课程来增强自动驾驶系统的能力。”
据陶吉介绍，在仿真云环境下，Apollo已累计运行了数亿公里的测试里程，每日运行超过数百万公里，保证了Apollo自动驾驶对路上多样化场景的适应性，让百度自动驾驶车辆在上路前，已经完成了对于路上可能会发生的所有场景的充分验证。
“今天我们敢在北京开放，也是代表一种技术自信。”陶吉说，“对于一项新技术，只有面向用户、面向市场才有最佳的改进目标，当然我们还有各种不足，也希望能够通过开放试乘来收集用户的反馈，不断打磨提升自己，带给大家更好的出行服务产品。”
