记者/朴云

编辑/郝鸣

无人驾驶汽车如今在越来越多的城市成为了日常街景

为无人车训练一双可靠的“眼睛”，穷尽难题地去“拷问”它，让它的识别能力在任何场景下都能变得强大，能对路上突然出现的一头骡子或是一条帆船做出正确的反应；或者是，把无人车看作要参赛的专业长跑运动员，你成为他的备赛团队，负责着赛前训练计划的制定、备赛期间训练效果的跟踪以及赛场上成绩的监控和赛后复盘等多个环节。

在刚刚加入无人驾驶这个新兴行业时，陈可心和冯云婵对职业发展都有着自己的想象，一个可以参与改变世界的想象。

萝卜快跑总行驶里程超过1.7亿公里，车辆出险率仅为人类驾驶员的1/14

无人车的“考官”

给无人车训练一双视力超棒的“眼睛”，就是陈可心日常的工作。作为百度萝卜快跑智能网联汽车测试员，她每天都要像考官准备考试试卷一样，收集各种各样的数据，用在不同天气、不同地点、不同场景下的“难题”去“拷问”无人车的感知模型。

这个感知系统就是无人车的“眼睛”。它由无人车上放置在各处的摄像头、激光雷达等传感器组成，负责看清周围环境，识别出如人、车、红绿灯之类的物体，从而规划行车路线。

让它的“视力”被训练得越来越强大，是考官陈可心每天“绞尽脑汁”要去做的事。比如，在一次测试数据中，她看到了一头骡子。而在另一次拓展新城市路网时，竟然在道路上看到一条帆船。在路面上遇见这些不寻常的、甚至有些离奇的事物，对于这双“眼睛”而言，都是具有挑战性的考题。陈可心要看它怎样做出反应，能不能顺利应对。

在一次次揪出识别缺陷，再补充数据进行优化的过程中，这双“眼睛”被训练着在各种复杂情况下都能看得清、看得准，变得更加精准，从而做到给无人车保驾护航。

对于训练这个感知模型来说，这些“考题”，也就是数据集，是最重要的。陈可心要通过海量的数据去教这双“眼睛”认识这个世界。

很多时候，她还要帮这双“眼睛”克服一些难题。例如在大暴雨天里，水滴和水雾可能会让传感器的视觉变得模糊，或者让激光雷达扫描点因被反射而丢失。为了解决这个问题，陈可心和她的同事们就需要不断地去收集大量的不同场景、不同道路、不同交通参与者，在不同雨量大小情况下的数据，通过这些数据去让模型优化自己。这之后，团队会再通过设计不同维度的评测指标来判断它是不是在任何交通环境下，都能很好地去识别，完成通行。

这种“拷问”和优化是无穷尽的，她和同事们需要不断地去穷尽可能。

今年是30岁的陈可心在萝卜快跑工作的第6年。

陈可心所从事的这个名为智能网联汽车测试员的岗位，也是人力资源和社会保障部、国家市场监督管理总局、国家统计局2024年联合发布的19个新职业之一。

对她来说，这是一份极具挑战性又能让自己看到广阔可能性的职业。

“它是个持续迭代的过程”，冯云婵说。作为百度自动驾驶质量团队的高级工程师，冯云婵主要负责自动驾驶测试服务，平台化工具的建设以及驾驶能力度量等相关工作。而这些工作都需要日复一日地自我迭代，更快更敏锐地抓住需求点。

如果把无人车看成是要参赛的专业长跑运动员，自动驾驶质量团队就是他的备赛团队，负责着赛前训练计划的制定、备赛期间训练效果的跟踪以及赛场上成绩的监控和赛后复盘等多个环节。

萝卜快跑面向的是多城的快速交付和规模化落地，每个城市都有自己独特的路网结构和交通环境，想让无人车成为和当地人一样的“老司机”，就需要质量团队提前了解当地的路网特征，收集大量的路网及车辆等数据。

在萝卜快跑要“开进”一座新的城市前，冯云婵和同事们就需要去了解这座城市的特点，例如有些城市有自己特殊的交规设计，在路网环境上，有些城市山路、坡路多，或者有一些跨江路线。在一些早晚高峰等特定时间段内，当地人可能还会有自己的一些开车习惯等等。

这些信息都需要质量团队去提前了解，收集记录信息，再制定详细的测试计划。在测试中，关于安全性、通行性、体感舒适度等方面问题，车上的安全员会通过“打点”工具来记录，无人车自己也会识别问题，冯云婵需要去收集这些回传的问题。

如何对这些收集到的问题数据进行分析？怎样统计指标？这都需要冯云婵的同事们提供智能化的分析工具来辅助，通过大数据库进行大量的数据分析，去确定问题发生的原因，让无人车能够更快地融入当地的行车环境。

工作中的陈可心

成为“弄潮儿”

冯云婵今年31岁，拥有信息系统与信息工程相关的工科背景。在来到百度萝卜快跑无人车团队工作之前，她曾尝试过与智能机器人相关的工作，比如说酒店里给客人递送东西的机器人。

“你会发现其实大家所设想的这些未来的人工智能的应用，是可以有实际的应用落地的，是可以达到人们当时所设想的样子的。”冯云婵说。这也是她在这之后继续投身人工智能产业的最大动力，而“自动驾驶就是这个领域里时尚的弄潮儿”。

2021年，冯云婵来到百度做自动驾驶相关的工作。她先加入的是自动驾驶技术和驾校结合的项目——“机器人教练”。机器人教练有实际的数据分析，可以让教学更加精准。

比方说，在科目二倒车入库学习中，普通教练能告诉学员的是，“再往左来一点”“刚才打轮的时候有点晚了”这种比较模糊的建议。而融入了辅助驾驶技术和智能化教学的机器人教练，可以告诉你“倒车入库时左边的距离差了15公分”“刚刚第一把轮需要再晚一秒”等更精准的判断。它还可以通过数据分析对学员进行个性化引导，更精准地进行训练。对于那些不喜欢传统教学方式，教练坐在旁边就紧张的年轻人来说，这是个不错的选择。

来到百度自动驾驶质量团队后，在负责自动驾驶测试服务的同时，冯云婵还需要提供有效的训练分析工具和规范化的训练流程。她发现，对于一些指标数据，人工统计特别麻烦，于是就动手做了一个自主分析的工具。这些训练分析工具可以在很大程度上帮助提升效能。

比方说，对于落地的区域每天发生多少问题、发生的原因是什么这种收集和分析，如果是靠一个人人工来做，一天可能只能分析200个案例，但当用上相应的训练分析工具之后，可能这一个人每天就能分析更多落地区域的案例，或者是更长时间的数据，会在效能上提升很多倍。

这些分析工具本身也需要不断迭代和更具针对性。当有人提出某个区域问题比较多时，冯云婵和同事们就需要去拆解这个需求找到具体的“症结”所在。如这个区域不同时段、不同天气、不同订单情况下无人车开得好不好，它的能力是不是满足需求。在不断地拆解中，找到细致的有数据依据的结论，让无人车能够像当地老司机一样行驶在路面上。

在选择这个行业时，陈可心认为自动驾驶是未来科技发展的前沿，极具挑战性，又能融合多种先进技术。计算机专业研究生毕业时，她通过校招进入萝卜快跑。

“我一直都觉得无人车会真正出现在路面上，这完全可以想象。我甚至觉得如果全是这样的话，世界就会变得特别安全。”陈可心说。在她从事的智能网联车感知相关的测试工作中，最大的挑战就是面对的场景是非常多样的，没有办法穷举，但又需要去最大限度地覆盖特别极端的场景。

每一次发现问题和解决问题都是一次迭代的机会。陈可心和同事会利用大模型对目前的测试数据进行分析，了解已经覆盖了哪些场景，还有哪些没有覆盖到。对于没有覆盖到的场景要去采集对应的数据丰富测试集，同时也会把场景拆分成更细的维度进行排列组合，尽量去拓宽场景边界。

“比如在一些城市的雨季场景，我们会通过不断收集、构造、整合不同场景的数据，从不同维度测试自动驾驶车在雨天道路上行驶的效果。”陈可心说，团队会先从小雨做起，前期并不容易，需要大量数据进行场景验证，但慢慢地，无人车在大雨天也正常行驶，不受天气的干扰。

自动驾驶车其实和人类驾驶一样，开始也存在盲区，陈可心和同事们就需要着手解决这个问题，通过大量测试验证，现在即便车辆离盲区很近，萝卜快跑也会精准识别，盲区边界的准确性大幅提升，行驶更平稳，不会出现急刹的情况。

在无人车这个领域，陈可心不仅见证了自动驾驶技术的成长，对于自己而言，也是一个持续迭代的过程，“行业的变化是很快的，我们需要时刻保持学习的心态，一直去了解新的技术，找到自己感兴趣的方向，并深耕下去，成为这个领域的专家”。

工作中的冯云蝉

成就与挑战

“它不再是所谓的说做一个PPT，大概讲一讲我们有这么个东西就完事了，它是真的能落地到那个城市当中去。”冯云婵说。在这四年的工作中，她发现自己越来越喜欢这个行业，因为自己设计的那些工具可以有实际的应用，能够看到它的效果，可以让无人车在路上的表现更好。

不管是日常在新媒体上刷到哪个城市里出现了萝卜快跑，还是看到用户的实际使用反馈，她都能感受到这份工作的价值。

对于陈可心而言也是这样。在她看来，“当你真正去做这件事情的时候，你才能切身地觉得这个东西是可落地的。”当她看到萝卜快跑从一个城市拓展到更多城市，从中国跑向海外，从一开始只能在白天出行，内部测试，到现在不管在什么复杂道路、恶劣天气场景下都能自如应对时，她感觉自己在做一件特别有意义的事情。

目前，萝卜快跑已在全球15个城市落地，全无人自动驾驶车队已驶入北京、深圳、武汉、重庆等多个城市。今年5月，萝卜快跑在迪拜开始了开放道路验证测试。7月份，萝卜快跑已与全球最大的移动出行服务平台Uber建立战略合作伙伴关系，将萝卜快跑无人驾驶出行服务拓展至美国和中国大陆以外的全球多个市场。

虽然对这个行业充满热情，但在采访中，陈可心和冯云婵都提到，对于真正从事这个行业的人来说，最重要的是保证自动驾驶的安全性。

“自动驾驶的安全性是我们最大的责任。”陈可心说。作为感知测试工程师，她的工作最终就是要确保这些技术能够安全、可靠地服务每一个用户。

截至目前，萝卜快跑总服务订单量超过1100万次，总行驶里程超过1.7亿公里，未发生过重大安全事故。过去两年的数据显示，萝卜快跑实际车辆出险率为人类驾驶员的1/14。

对于这个行业需要具备的能力，除了相关的技术背景外，冯云婵还提到，最好你自己也是一个司机，并且有一定的驾驶经验，从而更好地保证设计的安全性。刚开始做无人驾驶时，冯云婵还是一个新手司机，通过这几年对自动驾驶车在不同城市行驶的问题收集，以及对落地情况数据的收集，她对汽车在交通环境上的行驶特点，以及需要去遵守哪些交通规则也有了很强的“迭代”。

陈可心和同事们也开始更希望能够通过大模型和AI的应用，以及数据驱动测试方面的优化，使自身的角色从执行者变成场景的设计者。通过利用大模型和AI技术，设计出更复杂，并且更贴合实际的测试场景，能够精准地判断问题的根源，推动整个产品的优化。

在陈可心看来，“随着时代技术的更新，我们要利用最新的技术，去更快更准地发现问题。”

刚开始进入无人驾驶这个领域时，冯云婵有着自己对这个行业的判断和想象：几年后，能有好几百辆，甚至是上千辆无人车跑在路上，在我的日常生活中，我能经常看到它。

现在这个想象实现了。而未来的场景还等着更多的人来想象和实现。

“你要有这个信心，你会觉得自己在做一件有意义的事情，再说大一点，你会觉得自己在改变世界。”陈可心说。