自动驾驶测试是一个复杂的系统，本文将从小到大、逐步展开，帮助读者梳理其中的要点。
在展开前，先提出一个问题：自动驾驶的测试需要达到怎样的量级？
据国际通用标准，人类司机驾驶一小时的死亡概率约为1/10^6，全球因道路交通事故每年死亡约125万。若要发展自动驾驶，其死亡概率必须显著低于这一标准。目前社会可接受的自动驾驶一小时死亡率不高于1/10^9。若要把死亡率降至1/10^9级别，每更新一次软件，理论上需司机累计驾驶10^9小时才能确保功能可靠性。显然，依靠真实车辆测试难以实现这一目标。
现实中的测试体系通常采用分层思路，结合多种成本与覆盖角度的测试手段，以可控的时间和成本接近真实场景的测试效果。不同测试方法的成本不同，合理的迭代次数也不同。若一个项目具备完善的测试体系，模块逻辑测试须规避超过60%的潜在问题，仿真测试需解决约30%的剩余问题，而留给实车鲁棒性测试的比例最多不超过10%。在各自手段内尽量发现潜在问题，控制后续测试的难点与成本；若搭配合理，能在确保高覆盖度的同时实现成本可控。例如，若仿真测试体系完备，开发规划几乎无需大量上车验证即可节省大量外围资源。
不同测试方法的对比
多层次测试手段的组合并非没有代价，构建专项测试系统往往需要较长的搭建周期与较高的初期成本。无论是零部件层面的CAE、DV、PV测试，还是软件的静态、集成、仿真测试，常有为了赶进度而跳过某些测试环节的情况。
这其实是一笔经济账：若省略了前道测试环节，后道高成本环节需要解决前道遗留问题时的资源支出，若超过前道设立的花费，整个测试体系就会变得不划算，反之亦然。
合理的测试层次需要实现平衡。一般而言，在成熟的研发体系中，更多梯次、互相正交的测试体系配合高效的流程往往带来更高的效率。
真正有效的测试往往通过特定的测试工具与用例，聚焦被测对象在特定维度的问题。任何测试系统，只要能针对某一类潜在问题、成本低于其他手段且覆盖范围高于其他手段，便是一个优秀的测试系统。其归类并非决定性的，务实才是核心。
在测试设计中，务实与可操作性是关键。
工程实践中的测试过程
测试流水线往往也是训练流水线的一部分。以往测试工作聚焦于杜绝人为失误所致的潜在隐患，最广为人知的即测试驱动开发（Test-Driven Development，TDD）：在编写功能代码前先编写测试用例，只编写能通过测试的代码，以测试推动开发。
如今自动驾驶正走向自监督的过程，更多的机器对机器之间的互动与测试反馈成为常态，也就是深度学习的应用场景。对人而言，测试是为了确保产品与目标一致；对机器而言，训练也是为了达成类似的目标。
以下内容将系统性地介绍当前智能驾驶领域的典型测试流程，从不同的合作模式、领域侧重点以及技术断面三个方面进行梳理。
自动驾驶的常用测试手段
从合作模式看，测试可分为黑盒、白盒和灰盒三类。
白盒测试查看内部结构的每一条通路是否按设计工作，通常用于内部管理；黑盒测试不考虑内部结构，只验证产品功能是否符合技术要求，通常用于对方内部管理；灰盒测试介于两者之间，在测试外部功能的基础上对关键链路进行确认，具体程度视合作关系而定。
从领域角度看，不同领域有各自的测试维度与问题。
从软件代码出发，测试可分为静态测试与动态测试：静态测试分析程序的语句结构、编码规范等是否存在错误，常用工具如 QAC、Converity 等，但在整个体系中占比相对较小，通常是软件测试的第一道。代码评审（Code Review）对静态设计进行评估；动态测试则将运行结果与预期对比，分析运行效率与健壮性。目前自动驾驶的软件测试大多属于动态测试范畴，如性能测试及各类在环测试。
从技术断面来看，这是最复杂、也是最关键的一环。
首先解释断面的意义：面临多因素混合作用的复杂系统时，通过设置断面，可以隔离影响变量、将复杂性简化到可测试的程度，并把原本串行的问题排查任务转化为并行任务，缩短进度。
在最底层，是单元测试、模块测试和模块集成测试。在研发平台（X86）上，将软件函数、单个或多个模块的输入输出作为断面，核心在于验证代码逻辑正确性。通过 VecTorCast、GTest 等工具注入大量错误输入与少量正确输入，确认反馈符合预期。此过程通常是开环的。
模块级测试也称为模型在环测试（MIL）：除了正确性，还会考虑模型的性能指标，如感知模块的识别精度等。
进入软件逻辑层面时，可能出现嵌入式环境中的硬件相关问题，例如堆栈溢出、调度混乱、时间戳不稳定、系统调用不稳定、内存读取异常等。为排除这些差异，可以在目标硬件维度引入处理器在环测试（PIL），将部分代码放在目标处理器上验证功能正确性的同时，确认性能是否达到要求，例如最长耗时、系统调用可靠性等。通常 PIL 侧重正确性，硬件在环测试（HiL）侧重稳定性。
PIL 与 HiL 的区别在于目标硬件的参与。HiL 通常不会大规模部署，成本较高，但结果更贴近真实状态，可额外评估软件在目标硬件上的整体性能。HiL 测试通常将被测控制器与一系列模拟设备进行硬件连接，通过仿真输入来完成对目标硬件的测试。实践中，30-50 台轻量级 HiL 台架往往更具性价比，长周期测试误差较大，短周期测试更有效。
完成控制器级测试后，测试将进入整车级别。此阶段包括车辆在环测试（VIL，Vehicle-in-Loop）或实车虚拟注入测试，即在封闭测试场内的实车环境下，通过配置断面测试接口，屏蔽部分真实感知输入，模拟各种道路环境。通过这种方式，可以在受控场景下实现可信度较高的测试，同时充分利用封闭场地资源。
另一种形态是实车交通环境在环测试（VTEHiL），在室内场地构建周边环境变化与车辆移动，进行智能驾驶车辆的测试。由于环境完全受控，可实现24小时连续测试，并能高效、全面地模拟极端工况。
进一步深入的是道路在环测试（RIL，Road-in-Loop）或封闭场地测试。除了环境参与者和司机之外，其他要素均为真实要素。传统测试中常用人车搭配的遥控方式，如今已出现自动化测试方案：通过云端集中指挥调度，测试用例同步到封闭场地的智能假人与假车，显著提升测试效率。
在整车级别的测试中，关注的指标包括接管率、鲁棒性等。除 VIL、RIL 外，还有 LabCAR 测试台架以及大规模实车测试，这些内容往往与整车其他测试流程共同进行。
单个智能驾驶控制器的测试只是一个阶段，接下来将进入整车级测试的阶段。
