我給無人車當“教練”

在長江與漢江交匯的武漢街頭，程一凡坐在車里，看著自己測試的“蘿卜快跑”無人車從容穿過車流。同一時刻，1000公里外的北京，李明正在虛擬世界中的“另一個武漢”里“跑車”。仿真系統里，無人車突然遭遇暴雨中逆行的電動車，系統要眨眼間修正車輛行駛軌跡。

給無人車當“教練”，“教”汽車直行、轉彎、剎車、避讓，讓車比人開得還“老練”，就是程一凡和李明的日常工作。他們正是技術進步催生出的新職業從業者，兩位年輕的自動駕駛探路者，在現實與虛擬中，共同構建著未來的出行方式。

從“有人輔助”到“無人駕駛”

回顧自己最初進入汽車行業的場景，遼寧漢子程一凡說：“2015年，我在一家主機廠參與汽車主動安全以及行車輔助工作，那時大家都意識到汽車智能化會是未來的發展趨勢。”他舉例說：“主機廠從最開始的裝配角色想轉變為有自主開發功能的角色，一些為主機廠提供零配件的供應商也在提升技術能力。”

在他后續的職業生涯中，智能化幾個字貫穿始終。“后來我在一家車載毫米波雷達公司工作，做一些安全和駕駛輔助功能應用層產品設計和測試工作。加入‘蘿卜快跑’之后，我開始參與L4級別無人車功能測試和落地推進。”

在程一凡看來，國內自動駕駛技術近年來發生過幾次大變化。“自動駕駛技術最開始圍繞的是‘主駕有人’駕駛輔助，它的功能安全要求是不一樣的。到了無人駕駛階段，為了保障無人車在公共道路上能夠安全行駛，包括測試里程、駕駛里程無故障率、無接管率等都要求有數量級的提升。”他解釋道。

“我們L4級自動駕駛安全測試里程累計超1.3億公里，從‘蘿卜快跑’的記錄來看，自動駕駛出險率僅為人類駕駛員的1/14。”程一凡說。自動駕駛技術被劃為5個等級——L1到L5，L4意味著特定環境下，無人車高度自主，無須駕駛員人為干預。

現在，程一凡帶領著一個20人的實車道路測試團隊，日常工作是進行公共道路上的自動駕駛測試。“除了制定測試方案，還要進行自動駕駛功能實車測試，我會安排工程師和車內安全員協同配合，針對各種測試場景做具體執行、數據收集和問題反饋。”

程一凡所帶團隊承擔的是實際上路測試，但他認為未來自動駕駛最需要的人才可能是數據處理方面。

在虛擬世界預演危機

李明就是成天和仿真測試數據打交道的質量檢測工程師。

從醫學影像設施跨界到自動駕駛仿真測試的李明，在被問及二者間的差異時，他說：“我認為這二者相似多過不同，眼底醫學影像判斷和紅綠燈燈色識別，本質都是圖像解析的追蹤—檢測—識別流程。”

為什么跨界自動駕駛？李明總結是“大勢所趨”，“我留學時參加過東京日產總部的自動駕駛相關實習，日本叫車輛的智能手機化。當時全球車企都在追隨這個趨勢，因此我決定回國做我們自己的無人車”。

在用于測試的虛擬世界里，構建和現實世界一樣完備的場景，是李明PnC（Planning and Control）仿真測試工作的一部分，“像武漢的高速高架、停車場泊入泊出、環島這類都是需要構建的場景”。

隨機路測則是李明工作的另一個重要方面。“它又叫隨機交通流測試，比如我們在仿真系統里構建一個武漢路網場景，里面會有一些隨機的車流，主車在里邊跑。它其實是模擬路上的真實情況，這個過程中會產生很多問題，問題解決會促進研發迭代和算法進步。”李明在采訪中努力解釋著一些關鍵名詞。

現在，仿真系統里的武漢虛擬路網正不斷擴大。“我們每天會跑超大規模的數據集，數據量越多，遇到的問題越多。”李明說，“所以我會說沒有罕見案例了，這也是行業共識。”

真實世界里的一個問題（比如容易誘發事故的路況）被修復后就消失了。“實際路測中，修復后想重新驗證問題是非常困難的，如果問題價值高，就需要仿真測試來做問題的后驗。”李明如此解釋。

“仿真測試這幾年進步很快，幾乎有深度學習專業的科研院校，或多或少都在進行AI或者自動駕駛仿真工作，我們也在交流和學習。”李明對此頗有感觸，“去年特別火的world model（世界模型），就是在由AI構建的世界模型里去進行仿真測試，還會構建自動駕駛的能力和場景。”這使得自動駕駛仿真測試變得更輕松。

“從事自動駕駛行業像在攀一座大山，翻過一座山之后還會有另外的山，一直有新的問題要解決。”他總結這個行業最需要的特質，“想從事這個行業的人一定要非常樂觀。就像我的工作不容易被看到，但是對整個行業而言很重要。還有最重要的是保持熱愛。”

2025年春節，程一凡帶著侄子侄女體驗無人車。“孩子盯著無人操控的方向盤問：‘叔叔，這是魔法嗎？’”孩子的提問讓他意識到自動駕駛的更深層意義。“我覺得我給下一代做了榜樣，不敢說特別好，但是希望能激發孩子對新事物的好奇心。”

（應受訪者要求，程一凡、李明均為化名）

責編：郭霽瑤 guojiyao@ceweekly.cn

美編：孟凡婷