想象一下你正在教一个机器人开车。你可以很容易地告诉机器人它被允许在哪里行驶——比如，它可能只被允许在阳光明媚的高速公路上行驶，或者可能只在一个安静的、围起来的停车场内行驶。这个“允许区域”被称为运行设计域（Operational Design Domain，简称 ODD）。把 ODD 想象成棋盘游戏的游戏规则，它告诉你可以落在哪些方格上。但棘手的部分在于，知道你在哪里可以玩，并不能告诉你如何玩这个游戏。仅仅因为机器人被允许在高速公路上行驶，并不意味着它知道如何安全地并线、如何对人类驾驶员保持礼貌，或者如何停车而不让乘客洒掉咖啡。

这种“我们在哪里被允许去”与“我们实际需要做什么才能安全到达那里”之间的差距，是工程师们面临的一个巨大难题。如果我们无法清晰地列出自动驾驶汽车必须具备的所有各项技能，我们又该如何证明它是安全的呢？我们该如何测试它？这篇论文正是针对这一问题展开研究的。它试图建立一个庞大且有组织的清单，列出机器人需要具备的每一项具体驾驶技能，并按行驶地点进行分类，这样我们就能最终停止猜测，开始进行妥善的测试。

伟大的驾驶清单

来自 Torc Robotics 的论文作者们意识到，虽然我们已经有了关于自动驾驶汽车可以去哪里的优秀地图，但我们却缺少一张关于它们在那里需要做什么的清晰地图。为了解决这个问题，他们创建了一个“行为分类法”（Behavioral Taxonomy）。用通俗的话说，这只是一个结构化技能列表的专业术语。他们并没有随手列出一个随机的清单，而是像编写食谱一样，根据车辆行驶的道路类型对其进行了组织。

他们将驾驶世界划分为三个不同的“社区”：

1. 高速公路 (HWY)： 车道清晰、车流较快且多为汽车的快速道路。
2. 城市 (URB)： 繁忙的街道，有交叉路口、行人、红绿灯以及许多不可预测的人群。
3. 枢纽 (HUB)： 一个特殊的、围起来的区域，例如仓库或配送中心，车辆在这里移动缓慢，并遵循非常特定的私有规则。

在这些不同的社区中，团队确定了 21 项具体的行为能力。把这些看作是驾驶员必须掌握的“招式”。有些招式很简单，比如“保持在车道内”或“在红灯前停车”。其他的则是复杂的舞蹈，比如“在下雨天变换车道”或“在没有绿灯箭头时左转”。

每一招式的四种配料

这是他们系统中最巧妙的部分。作者指出，这 21 个驾驶招式中的每一个都必须同时满足四个不同的目标。想象一下你在烤蛋糕，但你必须同时确保它既好吃、好看、健康，而且成本还很低——如果只关注其中一个，其他方面可能会受到影响。

对于自动驾驶汽车来说，这四个“配料”分别是：

• 安全性 (Safety)： 汽车绝不能发生碰撞。它需要保持安全距离，避免撞到人，并且不会剧烈晃动导致车辆解体。
• 合规性 (Compliance)： 汽车必须遵守法律（如限速），同时也必须遵守不成文的道路规则（如对其他驾驶员表现得礼貌且可预测）。
• 舒适性 (Comfort)： 行驶过程不应像坐过山车一样。如果汽车剧烈颠簸或紧急刹车，乘客会感到恶心或恐惧，即便技术上是安全的。
• 效率 (Efficiency)： 汽车需要完成任务。它不应该在停车时耗费太久，不应该浪费燃料，也不应该在可以移动时卡在队列中。

论文认为，最难的驾驶招式是那些四个目标相互冲突的场景。例如，为了追求过度的安全而停车，可能会导致乘坐体验不适或浪费时间。目标是找到完美的平衡点。

拆解招式

为了让这个清单对工程师有用，作者将每一个招式拆分为两个方向：

• 纵向 (Longitudinal)： 前进和后退（加速、减速）。
• 横向 (Lateral)： 左右移动（转向、变换车道）。

有些招式只需要一个方向，比如“跟随前车”（仅涉及速度）。另一些则是“两者兼有”，这意味着汽车必须同时进行转向和加减速，比如“变换车道”或“左转”。论文指出，“两者兼有”的招式是最困难且最危险的，需要最细致的测试。

魔法公式：将规则转化为测试

这篇论文最令人兴奋的部分在于他们如何利用这个清单来创建测试。他们意识到，如果取出一个的 21 个驾驶招式，并结合特定的道路条件（如“正在下雨”、“是夜晚”或“有大量行人”），就会得到一个特定的场景族 (Scenario Family)。

想象你有一张写着“变换车道”的卡片。然后你有一叠写着“雨天”、“夜晚”和“拥堵交通”的卡片。如果你将它们组合在一起，就会得到一个具体的测试：“车辆能否在雨夜的拥堵交通中变换车道？”论文提供了一种数学方法来混合这些卡片，以生成数千个具体的测试用例。这有助于工程师明确知道该测试什么，从而证明汽车是安全的，而不是仅仅寄希望于它能正常工作。

缺失的一块： “枢纽”

虽然高速公路和城市领域已经得到了充分研究，但论文指出存在一个巨大的盲区：枢纽 (The Hub)。这是属于货运卡车和自动化仓库的世界。作者发现，这些区域非常不同。规则不仅仅是交通法规，还有由仓库所有者设定的特定规则。此外，这里的车辆经常需要将控制权移交给人类或频繁切换模式。

论文建议，虽然我们有很多针对高速公路和城市的测试，但我们几乎完全缺失了针对这些“枢纽”场景的测试。这是一个大问题，因为现在许多公司正试图在这些环境中应用自动驾驶卡车。作者认为，我们需要对这个领域投入更多的关注，以确保这些机器人能够真正安全地完成工作。

这对未来意味着什么

这篇论文并不声称已经永久解决了自动驾驶的安全问题。相反，它提供了一个新工具：一种关于机器人汽车需要做什么的结构化、有组织的方式。它建议通过使用这 21 个招式的清单并结合现实世界的条件，我们最终可以构建更好的测试，并证明这些汽车已经准备好上路了。

作者谨慎地表示，这只是讨论和工程研究的一个起点，而非最终法则。他们承认“枢纽”领域需要更多的研究，而且我们仍然需要弄清楚如何衡量我们的测试是否足够充分。但通过为每个人提供一套共同语言和一份清晰的技能清单，这篇论文希望能将自动驾驶安全这一混乱的谜题，转化为我们可以通过逐一攻克招式来解决的问题。