车网中国现场报道：
胡大林 北京赛目科技有限公司总经理
大家好，首先向大家报告一个好消息，我是本场演讲的最后一个报告人，我会用最快时间给大家讲。我的题目是智能网联驾驶测试与评价探索，两个主题，第一测试的手段，第二评价的目的。探索是说明我们做了三年工作，踩了无数坑，今天给大家汇报一下我们踩坑的经验以及效果。
这是我们现在在做的事情。第一，就是早期的道路测试，因为整个测试技术其实是2014年欧盟还有美国就事故事后分析，展开事故分类的研究，最后定了六大类若干小类，专门针对ADAS测试。到了二三之后，他们发现有一个关键性的问题解决不了，车又是由决策算法控制，这怎么办。我们在这时候引入一个仿真平台，他们也是全套的从航天航空的方法论技术论延伸到了整个汽车行业进来。
第三步就是从原型阶段提升到量产，测试手段还是基本延续过往的这种线性的，事故后的分析，事中的注意，事前的预防，其实现在已经基本上演变成事前的预测，体现无人驾驶的一个优势。
赛目做了三件事情，第一就是我们引入了一个强化学习，通过现实世界大量试错，形成数据，逐渐通过迭代形成一个可靠的数据模型。在这个期间，我们是因为现在的车由算法来控制，新型测试手段适应新的产业发展结构。在其中发现整个模拟仿真平台就数据量的产生是远远超过实测的。
第二是智能网联的驾驶，智能网联的驾驶我们是把车投射到虚拟世界，那就需要车身动力学，哪些参数对于测试是最有益的。第二是现实环境，包括V2X，我们去年时候就根据地理信息系统做了可视化。第三也是现在我们正在工作的一个重点方向，就是虚拟到现实的转换网络，大家都知道现在很多人问一个问题，你在仿真平台做的案例，在现实里究竟能不能出现，通过平台做完测试以后，在现实里比例是多少，拟合度多高。如何把深度学习的模型从虚拟转换到现实的网络。
第一个问题是我们在其中发现的数据集，大多数人都在讨论场景，我们认为场景其实是机器学习算法的命脉，或者说是一个立足点。某种意义来看，数据集对于智能网联、人工智能应用领域进步，数据集是场景的另外一种说法。
这是我们对北京一个高架下面的十字路口进行不间断拍摄72小时的交通流模型。通过我们提取重建模的技术，我们完整了整个动态，在72小时内的交通流模型。通过归类的方式，我们大概统计出接近六万大类，接近四千万个小类，只是简简单单一个路口下面，有可能会碰见的各种问题，你要在现实里通过做算法测试，通过人真车去做的话是不现实的。
下面是我们车身动力学模型以及车辆参数上的小心得，我们现在看到比亚开放软硬件接口，我们在跟主机厂合作之中，在跟主机厂合作把他们车放在我们系统跑的时候，如果大家以后想做仿真，第一件事情关注动力学模型，这很关键。动力学模型好不好，关系到你的算法测试准不准，很简单的因果关系。
从我们之前跟主机厂交流，包括在座的吉利，一汽，我们会发现其实现在很多初创公司在内，包括主机厂在内，对这块都是比较陌生的。我们在其中做了一个小小的工作，大概找到了四十几个参数，可以比较有效地把车身动力学模型特征值表现出来，比如说像底盘，尤其是轮胎的力学，轮胎力学特点特别关键。
这是我们在测试中的一大发现，当我们在测试这个车平稳性，舒适性的时候，很偶尔一个机会发现加入两颗带有触觉，我们引入一个词叫触觉，有视觉的雷达，但是触觉是没有的，其实这个触觉一旦加进去之后，马上对整个车舒适性很好的改变，完完全全可以在未来通过算法加一些小小传感器的应用，把台架代替掉。
我们这套系统尽管后端也挂有自己的整套AI学习，前端还是很忠实的接了进来，你在做动力学模型如果没有的话没有办法校正的。
这是赛目形成的一些能力，大概有五样，地理环境可视化，这个主要为车联网做准备的，路牌的位置。第二个是交通流模型，我们现在做的最多的，也是精力最集中的工作。第三是复杂车辆动力学模型，主要测轮胎的。下面也是我们在做的一个很重点工作，自动测试工具，如何通过已经可以建模的车流的情况，根据你算法的情况，自动去匹配，以你的聪明水准，跟你车的智商相匹配的测试环境。最后一点是故障注入工具，本来可以很好展开，这块是业界盲点，根据过往的故障注入方式，在整个自动驾驶来看，他没法回放，不知道哪一刻的数据是什么。我们把它投射到自己的仿真平台以后，就会发现我们可以做到，从操作系统，到实时仿真中间件，所有接口都是可以打开可以定制的。
这是我们一个结果，就是最后一页。我们通过前期工作，验证了我们的方法论，验证我们实验经验，形成了自己能力，最后在杭州经信委正式宣布，赛目作为杭州第三方注册机构，他有全中国最大的互联网公司阿里，他有全中国最大的通讯企业，华为的车在杭州，还有全中国最大的摄象头，安防的供应商，这几家在各自门类最大的人，集合点都在车。
赛目很荣幸第一次成功帮助阿里完成整个模拟的测试，进行了仿真测试及后续注册跟踪。谢谢大家。
