【我們為什麼挑選這篇文章】這篇文章是美國記者 Alexis C. Madrigal 到 Waymo 秘密訓練基地參訪的全紀錄分享。不只分享了 Waymo 的訓練影像、基地珍貴照片,還有史丹佛大學汽車研究中心的主任 Chris Gerde 對於無人車產業的最新見解,值得一看!(責任編輯:劉庭瑋)

在 Google 母公司 Alphabet 的園區裡,有一支團隊正在從事著有可能成為自動駕駛汽車關鍵的軟體技術研究,至今沒有記者見過他們是如何工作的。他們將軟體系統取名為「Carcraft」,取義自著名的網絡遊戲 World of Warcraft(魔獸世界)。

「Carcraft」

該軟體的創造者是一名頭髮蓬鬆、娃娃臉的年輕工程師—— James Stout。此刻,他正戴著耳機坐在安靜的開放式辦公室裡,盯著螢幕上虛擬出來的環形交叉路口。對於人類眼睛來說,能從螢幕上獲取的訊息並不多:也就是幾條簡單的線勾勒出了道路的結構和大背景。在這個虛擬的環形交叉路口,我們可以看到一輛中等分辨率的具備自動駕駛功能的克萊斯勒 Pacifica 車型,而一個簡單的線框構成的立體盒子代表的則是另外一輛車。

自駕車正在模擬行進,黃箭頭細白線框框代表另一台車

幾個月前,Waymo 的自動駕駛團隊在德克薩斯州測試時便遭遇了這樣一個環形交叉路口。當時車速很快,加之道路環境很複雜,一度讓自動駕駛汽車陷入困惑,所以他們決定在測試場地構建一個模擬現實環境的道路模型。

而我(文章作者 Alexis C. Madrigal)現在看到的則是整個學習過程的第三步:真實環境駕駛的數字化、圖像化呈現。在這一步,一個單一的駕駛行為(如在環島的超車行為)可以被發散成上千種模擬場景,用來探測自動駕駛汽車能力的邊界在哪裡。

這樣的場景構建為這家公司強大的模擬器打下了基礎。「絕大多數已經完成的工作,都是受模擬場景中遇到問題的啟發。」Stout 表示。這個工具也正是不斷推動 Waymo  自動駕駛技術發展的強有力武器。

如果 Waymo 能在幾年後供應全自動駕駛汽車,那麼 Carcraft 值得被永遠銘記,作為現實世界的虛擬呈現,它功勞巨大。

以往,我們所採用的方法是「場景回放」,也就是將車輛在公共道路上行駛時經歷的任何事件記錄、存儲下來,進行回放。而 Carcraft 則是模擬真實的場景,在自動駕駛研究中扮演著前所未有的重要角色。

在任何時間段,Waymo 的 25000 台虛擬的自動駕駛汽車,穿行在全模型版本的奧斯汀、山景城以及鳳凰城等地,其自動駕駛車輛可能在一天之內在特別複雜的虛擬道路上跑成百上千遍。總體來說,他們現在每天在 Carcraft 虛擬世界的行駛里程可達 800萬英里。整個 2016 年,他們總共在虛擬世界中行駛了 25 億英里,相較於他們在公共道路上測試的 300 萬英里,超出了幾個數量級。

而且,嚴格來說,在虛擬世界中進行的里程非常「有趣」,因為能設置一些不一樣的道路狀況,車輛可以從中學習到更多新的東西。而不像現實世界中千篇一律的高速公路行駛測試,車輛學不到太多的新東西。

當然,模擬只是 Waymo 諸多複雜工作中的一部分。這部分工作要通過他們在中央山谷(Central Valley)開展的秘密的結構化測試計劃與 Waymo 累積的數億英里的公共道路測試里程進行緊密結合。Waymo 的秘密基地被稱為 Castle。

Waymo 此前從未公開過這個系統。他們在常規道路上進行的測試告訴他們,在哪些地方需要進行更為深入的探索和實踐。他們將 Castle 基地需要的空間開闢出來,便可以在原地進行上千種不同道路場景的測試。同時,在真實世界測試的加持下,自動駕駛車輛可以收集到足夠多的數據,在未來的任何時候都能創造出全電子化的模擬場景。在那樣一個虛擬的空間之中,能夠擺脫真實世界的限制,在一個單一的場景下創造出上千種不同的情形,讓數字化的車輛一一通過這些被創造出來的道路環境。

隨著軟體能力的提升,該系統將會被搭載上真實的車輛,用於提升其自動駕駛的能力。而這個循環將會不斷重複,在虛擬世界和現實世界的轉換中,不斷訓練整個自動駕駛系統的能力。

探訪「Castle」

要去往 Castle 基地,你需要駕車從舊金山灣區往東,上了 99 號公路後往南走,一直通往弗里斯諾(Fresno)。一路途經玉米地,地平線消失在農田的盡頭。這裡要比舊金山氣溫高 30 度左右,地形屬於一馬平川,在作家 John McPhee 的描述中,這屬於「earthen sea」。

在靠近阿特沃特小鎮的地方下高速公路,這裡曾經是一個空軍基地,現在它隸屬於 Merced 市,在其城區的北部邊緣。2010 年時,當地失業率超過 20%,現在還在 10%的樣子。此地有 40% 的人說西班牙語。我們穿過了一些鐵道線,在這個 1621 英畝的老基地上穿行,這裡還是動物保護區和監獄的聚集地。

我的手機導航無法指出具體的地址,但是 GPS 信號為我們定好了位置。我們一路往前,開到了一個很高不透明的綠圍牆前,在此地,Google 地圖告訴我們停下。沒有任何跡象表明,這裡會有一扇門。但是 Waymo 的隨行工作人員透露出了神秘的自信。一名安保人員出現,把綠圍牆打開,檢查我們的證件……

進入秘密基地 Castle 前的神秘柵欄

這些自動駕駛汽車非常易於辨認,因為其上佈滿了傳感器。最為醒目的當然還是車頂上那些激光雷達掃描儀,也就是 LiDAR。在 Pacifica 車型上,一個啤酒罐大小的激光雷達在反光鏡兩側不停旋轉著。車輛的後方裝配了毫米波雷達,看上去就像是白色的怪物史萊克的耳朵。激光雷達旋轉時,還會發出非常奇怪的聲音。

在主建築的對面,有一輛非常特別的車停在那裡,車身上用紅色膠帶貼上了「X」的字樣,顯得很神秘。這是一輛 Level 4 級別的自動駕駛汽車,可以實現全自動駕駛,而且人類已經無法駕駛這輛車,猜測應該沒有方向盤或者制動裝置。這可能也是它和其他車輛分開停放的原因。

當我們把車開進停車場,這裡像極了影片《曼哈頓計劃》裡的場景,科研基地、科技創業公司的氣息撲面而來。在主建築裡,我終於見到了這個讓人印象深刻的地方的幕後掌控者,她的名字是 Steph Villegas。

Villegas 穿著一件很長但很合身的白色有領襯衫,搭配一件磨破了的牛仔褲,腳踩一雙灰色的針織運動鞋,很是時尚,並不輸其在舊金山 Google 辦公室的打扮。她在加州 East Bay 郊區長大,在加州大學的美術專業畢業,2011 年她加入 Google 的自動駕駛汽車項目。

在過去的很長一段時間裡,她經常要上 101 和 280 號高速,這是往返舊金山和山景城的主要路線。像其他駕駛員一樣,她也要不斷去感受自動駕駛汽車在公共道路上是如何行駛的,這也是自動駕駛項目非常重要的研究分支。他們不斷通過直覺去探知到底什麼樣的狀況是自動駕駛汽車難以應對的。「在對新開發的軟體進行測試以及在團隊中處理一些事務的過程中,我開始思考我們應該給系統製造一些挑戰。」Villegas 表示。

所以,她和一些工程師們開始虛構和搭建起一些極端的場景,可以讓他們測試自動駕駛汽車的一些新的駕駛習慣和操控方式。他們徵用了 Shoreline Amphitheater 當地的一些停車場,在所有的入口設卡,除了 Google 的工作人員,其他閒雜人等一律不讓入內。

「我們就這樣開始了我們的計劃,」她說。「每週,我和其他幾位工程師會構想出一些我們想測試的內容,用卡車把我們需要用到的一些配件運到執行的一些測試地點開始測試。」

這些便成為了這個自動駕駛項目「結構化測試」的開始。測試中最難的部分其實是要求車輛自身在正常交通環境的無數種變化情況下自信、可靠地像人類駕駛員一樣操控汽車。

Villegas 從那時開始,到處收集一些小道具,包括一些仿製品、錐形桶、假植物、兒童玩具、滑板、球類等等。這些所有道具都被歸置在一個小倉庫裡,現在這些道具也被運到了 Castle 基地。

為自駕車測試蒐集來的各種「路障」

但是問題在於,很多時候們想要提升測試時的行駛速度,同時想藉助交通燈和停車標識來進行測試。但是在 Shoreline Amphitheater 是辦不到的。他們需要一個基地,一個秘密基地。

而這正是 Castle 基地可以提供的。

他們馬上租下了場地開始搭建他們想像中的虛擬城市,「我們很明確的決定要設計和打造一些居民區形式的道路、高速行駛風格的公路、胡同和停車場等等,」她表示,「因此我們就有了一些典型的道路模型可以進行車輛的測試。」

我們穿過辦公室走到她的車旁邊,她用手指著地圖上我們要去參觀的地方。「就像迪士尼樂園一樣,你跟著我走就行了。」 Villegas表示。這地圖是經過精心繪製的,角落上還寫著「歡迎來到迷人的加州 Castle 基地」的標語。很多地點是根據不同車型的名字進行命名。

我們穿過一組粉紅色的建築,是一些舊的軍事建築,其中有一棟經過翻修。這裡,是Waymo 的工作人員可以休息的地方,一旦他們沒辦法回到灣區的辦公室。整個測試場地沒有建築物,是專門為自動駕駛汽車而生的「城市」,全是瀝青和水泥構築出來的交叉道路。

Waymo 秘密基地 Castle

置身在這樣的地方,彷彿是在一個沒有人類角色的電子遊戲場景裡一樣。我們驅車進入到一個大型雙車道的環島,中間是白色柵欄圍成的圈。這個模擬的環島其實是因為此前他們的自動駕駛團隊在德克薩斯州奧斯汀遇到過這樣一個多車道的環島,所以為了讓自動駕駛系統能學會處理這樣的道路模型,便在此地搭建了這樣一個模擬環島。

在參觀過程中,Villegas 望向正在新建的一處工地,這是一條雙車道,同時還有自動車道以及平行停車區域,而且還有草坪。這像極了我們日常生活中在城市裡習以為常的道路場景。

測試自駕車迴轉

這個測試場,有許許多多這樣模擬真實環境搭建起來的交通場景。

回到辦公區域後,Villegas 又將我領到一輛自動駕駛的克萊斯勒 Pacifica 上。駕駛位上的是 Brandon Cain,副駕駛位上是一名工作人員拿著手提電腦監控車輛的行駛狀態,使用的是名為「XView」的軟體。當然,還有諸多的測試助手,他們在自動駕駛車輛行進的前方要要扮演各種角色,包括開車、扮演行人、騎自行車、不然就是舉著停止的標識。他們正在表演著一場大戲,觀眾則是那輛自動駕駛汽車。

我們做的第一項測試是較為簡單的穿行和超車,但是是在 45 英里/小時的高速情況下。這次測試是在一條寬直的高速上進行的。

Waymo 測試高速行駛和超車

在假扮的一些突發交通狀況發生後,這輛自動駕駛汽車進行了剎車,測試團隊便開始檢查核心的數據點:減速功能。他們正在嘗試製造一些導致車輛急剎車的場景。這類的急剎車足以讓我的腋下不自覺的流汗,手機也滑落掉到地上。

更為不可思議的是,這不是我第一次試乘自動駕駛汽車,過去,我有過兩次體驗自動駕駛的經驗。第一次是一輛雷克薩斯 SUV,載著我在山景城的介紹上行駛了一番;第二次是在 Google 可愛的螢火蟲小車上,在 Google 的園區轉了幾圈。這兩次體驗都沒什麼特別之處。

這一次則不同,這一次有兩輛快速行駛的車輛,其中一輛還想超對方的車。真正的測試開始了,只聽見這輛自動駕駛汽車發出一聲提示「Autodriving」,然後另外一輛有人駕駛的車輛便開始超車,說遲那時快,當我所在的這輛自動駕駛車輛探測到旁邊的另一輛車時,馬上快速、流暢的緊急剎車。這讓我印象深刻。

測試工作人員立馬檢測了減速的參數,發現車輛剎車依然不夠有力道。必須要重新測試,然後一遍一遍直到達成最佳效果。實施超車的車輛也要從不同的角度進行嘗試,覆蓋所有的可能情形。

我們還經歷了另外三場測試:

▪ 高速並行
▪ 當自動駕駛車輛的視野被阻擋時,正好遇到一輛從車道上倒車的汽車
▪ 當行人將籃球推向我們的路線時,如何應對

每個測試,都以其特殊的方式令人印象深刻。

當我們排隊進行另一場比賽時,Cain 轉過身來,問我「你看過《環太平洋》嗎?」在 Guillermo del Toro 導演的這部電影中,這些主角與巨大的機器人套裝同步,與怪物作戰。「我正在試圖與車同步,彼此分享一些想法。」

我讓 Cain 解釋,他與汽車同步的實際意義。他說,「我正在努力調整坐在汽車裡的人與其實際的體重差異。因為坐在車裡久了,我能感覺到汽車正在做什麼。雖然這聽起來很奇怪,但是我慢慢知道汽車的一些想法。

Waymo 本部

遠離 Castle 的陰晴不定,坐落於山景城的 Google 總部非常舒適。我們拜訪了 Waymo 的工程師部門,其主要為 Google X 實驗室提供內部技術指導。如雷鋒網此前報導,「Google X 實驗室」是個前沿創新的誕生地,但是其負責的很多項目,如 Google Glass、Google 光纖、智能家居平台等都因各種原因而失敗了。

2015 年,Google 重新整合,X 實驗室將其中的「Google 」刪除。一年過後,X實驗室決定將無人駕駛計劃並為 Google 母公司 Alphabet 旗下,成立「Waymo」這一獨立實體。Waymo 辦公室就在 Google 總部,不過,據相關負責人介紹,Waymo 部門與其他部門分開辦公。

我們來到 Waymo 辦公室的時候,發現整座大廈非常大,而且很通風。一進去,就能看到 Project Wing 的飛行無人機的原型就那樣懸掛著。同時,我們還在大廈裡看到了一些小型的「螢火蟲」汽車(該項目目前已退役)。

在這裡,每個人面前都擺放著 Carcraft 和 XView 兩塊螢幕,黑色背景中的多邊形比比皆是。這些都是創造了可以讓 Waymo 汽車駕駛通過的 Carcraft 虛擬世界的工作人員。

 

「當時我只是隨便瀏覽招聘訊息,然後就看到了自動駕駛部門正在招人。」他說,「我不敢相信他們正在做這件事。」於是,他加入了這個團隊,很快就開始構建這個工具,現在,這一虛擬世界「Carcraft」每天已經能支撐 800 萬公里的虛擬里程。

當時,他們主要利用這個工具來測試「當無人駕駛汽車遇到『人類司機不能控制汽車』的棘手情況時,會做出哪些舉動」。從那時起,他們就開始創建一些情景。「很快,一切就變得非常明朗。經過驗證,我們發現這是一件非常有用的事,可以在此基礎上設立多個場景。」Stou t說。現在 Carcraft 的能力空間範圍已經擴大到整座城市,汽車的數量也已經成長為一個巨大的虛擬「艦隊」。

在這之後,Stout 帶來了 Elena Kolarov,後者主要負責「場景維護」團隊的運行控制。在她面前,一般有兩個螢幕。在右邊,她放立著 XView,該螢幕可以顯示汽車「正在看」的東西。雷鋒網了解到,他們的無人駕駛汽車配備了照相機、雷達和激光掃描,所以可以識別「出現在其視野」中的目標對象。而在螢幕上,會以小線框的形狀來代替這些物體在現實世界中的輪廓。

紫色物體代表突然出現的對方來車,綠色粗橫線代表來車所有的可能行徑方現。下方長條代表自駕車「看見」的影像

當綠色線條從形狀中消失,則代表汽車「看到」的預期物體將會移動的可能路徑。在底部,還有一個圖像條來顯示汽車的常規照相機捕捉到的圖像。除此之外,Kolarov 還可以查看由激光掃描儀(LIDAR)反饋的數據,這些數據會以橙色和紫色點來顯示。

在 Castle 的迴旋處,我們看到了一個真正合併的回放。當 Kolarov 切換到模擬版本時,雖然上面和底部看起來一樣,但是它不再是數據日誌,而是汽車必須解決的新情境。唯一的區別在於,在 XView 螢幕的頂部,它以大紅色字體標記為「模擬」。Stout 說,他們不得不加上這個標記,因為人們總是將模擬混淆成現實。

之後,他們又加了另外一個場景。這個場景顯示的是在 Phoenix(鳳凰城)。Kolarov 將模型放大,以便向我們更清楚的展示他們擁有的城市模型。對於這座城市,他們已經獲知「所有的車道,哪條車道會通向其他車道,停車標記、交通信號燈、路邊以及車道中心的位置」。「因為你必須將所有的一些都了解清楚。」 Stout 說。

放大鳳凰城的道路模型

在靠近鳳凰城的某個地方,我們放大模型,停在了一個單程十字路口。Kolarov在此開始放入模擬車、行人和騎腳踏車的人。

模擬鳳凰城十字路口

使用熱鍵按鈕,螢幕上的目標對像開始移動。汽車按照汽車的角色,在車道上行駛、轉向。而騎自行車的人則按照角色就位。這套邏輯的形成,是從這一團隊已經完成的數百萬公里的公路駕駛的經驗中模擬而來。在這個場景下,不僅有超貼合世界各處細節的地圖,也有不同角色的物理模型。同時他們還模仿了橡膠和道路。

自駕車最擔心的是人,反而不是汽車

毫不意外的是,在這個過程中最難模擬的就是其他人的行為。就像父輩們經常說的,「我並不擔心你開車,但是我擔心走在路上的人。」

「該項目的無人車,不僅可以看見『世界』,也能理解『世界』。對於任何一個處於該環境中的動態演員來說,一輛汽車、一位行人、一位騎單車的人,或是一輛摩托車,我們的無人車都能意識到他們的存在。當然,通過一個空間僅僅追蹤一個物體是遠遠不夠的。你必須明白它在做什麼。」Waymo 的軟體主管 Dmitri Dolgov 告訴我,「這是構建一個足夠安全的自動駕駛汽車的關鍵所在。而那種模型中可以理解虛擬世界的其他參與者的行為與在模擬試驗中對它們建模的任務非常相似。」

在這其中,有一個關鍵區別則在於:在現實世界中,他們必須獲取關於該環境的實時的一手數據,並將其轉化為現場情境的理解,以便導航。但是現在,經過項目組多年的工作,他們確信已經可以做到這點,因為「在開展了一系列測試之後的結果表明,該模型已經可以識別各種各樣的行人」,Stout說。

因此,對於大多數的模擬試驗,他們直接跳過目標識別這一步驟。因為不一定要對行人識別之後,才對汽車反饋原始數據,他們只要告訴這輛汽車:有一位行人在這裡。

在一個十字路口,Kolarov 正給這輛無人駕駛汽車設置更難的模擬任務。她按下了汽車熱鍵 V 鍵,然後一個新的目標出現在了 Carcraft 虛擬世界裡。然後,她滑到右側的一個下拉菜單,其有一堆不同的車型以供選擇。

據 Stout 介紹,他們可以根據不同的目標,來追蹤 Waymo 已經為其建模的邏輯,或者 Carcraft 場景生成器可以以精準的方式對其進行編程,以便測試具體的行為。「在控制場景和放棄物品之間,其實有一個很好的區別。」

一旦有了這個場景的基本架構,他們就可以測試該場景包含的所有重要的變體。所以,想像一下,在環形十字路口,你可能想要測試各類汽車、行人和騎自行車的人的到達時間,他們多久會停下來,以及他們移動的速度,或者任何其他方面。他們只要為這些物體設置一個合理的值,該軟體就能為其創建並運行這些場景的所有組合。

他們將其稱為「模糊」,在這種情況下,這個十字路口會產生 800 個場景。軟體會創建一個美麗的花邊圖表,工程師可依據其了解變體的不同組合會如何改變汽車最終採用的路徑。

自駕車依據路口可能做出的800種判斷,紫色線才是最佳判斷

所以,問題就變成——分析這些場景和模擬的組合,然後找到有趣的數據,來指導工程師更好的測試駕駛。第一步可能是:汽車卡住了嗎?如果是的話,那麼將會成為一個需要特別解決的場景。

 

在這裡,我們可以通過以上 GIF 圖來了解這一情況。圖中是一個複雜的十字路口,其是發生在山景城現實生活中的一個場景。隨著車子左轉,一輛自行車走進,而導致汽車停在了路邊。工程師考慮到了這一問題,並對軟體進行了重新設計,以便無人駕駛車可以順利解決這一問題。而圖中顯示的是真實情況,並且是運行在其上的模擬試驗。由於兩種情況分歧,你會看見模擬中的汽車仍然繼續移動,然後出現帶有「shadow_vehicle_pose.」標籤的虛線框,則停在了路邊。虛線框指的是現實生活中發生的情況。對於 Waymo 公司員工來說,這是最清晰可視化的進步。

在車停下時,他們不必奮力尋找。而是更想在正確的範圍內製動配置文件。而工程師們也都在努力學習或調整,以求在模擬試驗中發現問題。

據 Stout 和 Dolgov 強調,模擬試驗有三個核心方面。

▪ 第一,他們比實際的車隊駕駛了更長的里程,所以經驗會更好。
▪ 第二,這些里程可以針對有趣、困難的場景進行攻堅,而不是尋常「無聊」的里程。
▪ 第三,軟體的開發週期會更快。

「這個迭代周期對我們非常重要,我們在模擬試驗中做的所有工作都會隨著模擬次數的增加而大幅縮減。」Dolgov告訴我,「在早期階段,這個項目週期需要花費幾個星期,而現在,只需幾分鐘就能完成。」

當被問及,是否模擬了汽車在行駛的路上遇到需要加油、爆胎、路面不平等情況, Dolgov 對此非常樂觀。他表示,這些情況他們當然有考慮到。

20000 個場景只是 Waymo 測試的一小部分

「Carcraft」虛擬世界的力量不在於他們演繹了一個完美、逼真的現實世界的效果圖,而在於,他們可以為自動駕駛汽車提供模擬環境這一重要方式來反映現實世界,並允許它比真實測試可允許的範圍多出數十億的測試里程。雖然,對於運行在模擬試驗中的駕駛軟件來說,其與現實世界作出決策的方式並不相似,而是與這一過程一樣。

而且它確實已經在發揮作用。據了解,加利福尼亞 DMV 要求公司每年上報自己的自動駕駛的里程,以測試車手們的脫機情況。最後報告表明,Waymo不僅比其他人多跑了三倍的里程,而且脫機人數也在直線下降。

從2015年12月到2016年11月,Waymo已經行駛了 635,868英里的里程。在所有的里程中,他們只脫機了 124 次,平均每 5000 英里遭遇一次脫機,即每 1000 英里遭遇 0.2 次脫機。去年,他們一共駕駛了424,331 英里,共有 272 次脫機,平均每 890英里一次。

雖然每個人都意識到,這些並不完全是精準的數據,但是「這些已經是我們在加利福尼亞獲得的最好的比較,至少所有人都駕駛了 20000 英里左右。」

Waymo 所採取的措施對於外部專家來說並不奇怪。一位 Andreessen Horowitz 的風險投資家 Chris Dixon 告訴我,「現在,很難去衡量一個自動團隊(如無人機、自動駕駛汽車項目)處理模擬試驗的複雜程度。Waymo 無疑是最頂尖和最先進的。」

同時,我也問了 Allstate Insurance 的創新主管 Sunil Chintakindi 關於其對 Waymo 計劃的看法。他說:「沒有強大的模擬試驗的基礎設施,根本無法建立(更高層次的自動駕駛水平)。」

與此同時,其他自動駕駛汽車的研究人員也在尋求類似的道路。Huei Peng 是密西根大學自動互聯實驗室的主任。Peng 對此表示,任何適用於自動駕駛汽車的系統都是「超過99%的模擬 + 一些精心設計的機構化測試 + 一些道路測試的組合」

據了解,Peng 和他下面的一名研究生也提出了一個利用模擬交織公路里程的系統,以實現加速測試。這與 Waymo 項目執行的不太一樣。「所以,我們正在討論的是,如何切斷無聊的駕駛,而聚焦於有趣的部分。」Peng說,「這樣就將實現數百倍的加速:一千英里可以變成百萬英里。」

而最讓人驚訝的,則在​​於 Waymo 項目的規模、組織和強度。當我向 Peng 描述了 Google 已經進行的結構化測試,包括從 Castle 結構化測試團隊裡得到的,已經用於模擬試驗的 20000 個場景時。Peng 一開始沒聽清,以為只是 2000 個場景。而當我發現這點並及時糾正他,說「是20000個」時,Peng 明顯停下了手中的動作,思考了好一會兒,才說,「這太讓人印象深刻了。」

事實上,這 20000 個場景只是 Waymo 測試的總場景中的一小部分。其只是創建於結構化測試。據了解,他們還有更多的場景,遠超公共駕駛和想像力的範疇。

「他們做得真的很好。」Peng如此表示,「他們在 Level 4(即無人駕駛汽車的分級,Level 4 指高度自動化:汽車自動駕駛,人類不一定需要提供操作)已遠遠先於其他人。」

但是,Peng 也提出了傳統汽車製造商的立場。他說,他們正在努力做一些完全不同的事情——試圖為駕駛員添加輔助技術,「賺一點錢」,然後繼續投身於完全的自動化。所以,和擁有豐富資源的 Waymo 相比,這一開始就是不對等的。因為 Waymo 有強力的企業資金支撐,可以將 70000 美元的激光測距儀「任性的」用在汽車上,而像雪佛蘭這樣的汽車製造商可能已經將 40000 美元作為大眾市場採用的價格上限

「像通用、福特、豐田這類汽車製造商可能會說『我們要減少大規模交通事故和死亡人數,增加大眾市場的安全』,所以他們的目標完全不同。」Peng 說,「我們需要考慮數百萬計的車輛,而不僅僅是幾千輛的汽車。」

人類和 AI 驅動的自動駕駛系統應該互相了解

即使是在完全自動化的比賽中,Waymo 也比以前多了很多的挑戰者,比如特斯拉。 Chris Gerde 是史丹佛大學汽車研究中心的主任。十八個月前,他曾告訴我的同事 Adrienne LaFrance,Waymo 「對於問題的深度有很深遠的洞察力」。而上週當我再次向他確認這一看法時,他說:「很多事情都已發生了變化。」

Gerde 說:「福特、通用等汽車製造商已經部署了自己的車輛,並建立了道路數據集。而特斯拉現在已經從 Autopilot 部署中收集到非常多的數據,也了解了系統如何在客戶體驗的條件下精準的運行。他們不僅擁有在無聲模式下測試算法的能力,也具備快速擴張的車輛基礎,二者結合起來必將形成一個驚人的測試平台。

在模擬試驗領域,Gerde 表示,他已經看到了多個競爭對手的實質性計劃。「我相信會有相當多的模擬功能,Waymo 在這方面看起來不再那麼獨特。即他們肯定跳出了早期的領先地位,因為現在有很多團隊正在尋求類似的方法。所以,現在的關鍵在於,誰能做的最好的問題。

這不是一個神經網絡的「類腦」能力的低風險證明。這是人工智能技術的一大躍進,甚至對於 Alphabet 這樣的公司也是如此(其一直在積極採用 AI 技術)。這是一個可以和人類世界實現實時互動、完全自動化的系統。它能理解我們的規則,傳達自己的想法,讓人類眼睛看到的、腦袋思考的東西清晰可見。

Waymo 就像擁有駕駛技術一樣,可以掌握速度、方向等等。但是,隨之而來的還有一個問題,即汽車可以「正常」駕駛,但是「合法」這類問題,則需要人類來指導。

事實證明,構建這類人工智能,不僅需要大量的數據和工程實力,還需要人類與汽車同步,讓汽車做到像人類一樣了解這個世界,做出一樣的決定。最好的結果就在於:「人類和 AI 驅動的汽車可以相互了解。」

當然,即使利用 AI 驅動模擬軟體可以了解路況,理解現實世界,但人類夢想的痕跡、回憶的碎片、駕駛汽車的感覺等等,這些專屬於人類情感的部分並不能就此抹掉,它們應該作為自動駕駛系統的必要組成部分,去徹底改變交通、城市和附近的一切。

(本文經合作夥伴 雷鋒網  授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈揭秘Waymo,世界最先進自動駕駛公司的成長秘辛〉。)

延伸閱讀

卡車自動駕駛的萬億市場有那些大玩家?Google Waymo、Uber、Embark
無人車王者 Google Waymo 強勢進攻!合作租車公司搶先商業化, Uber 先去旁邊哭一下
Google 如何在自動駕駛領域橫掃全球?Waymo CEO 公布無人車黑科技細節