揭秘Waymo是如何進行自動駕駛測試驗證

在谷歌母公司Alphabet園區的一角，有一個團隊正在研究一款軟體，而這款軟體可能是自動駕駛汽車的核心。不過在接受採訪之前，沒有哪個記者見過它是如何運行的。而團隊為其取名為「Carcraft」，這顯示是在向遊戲《魔獸世界》致敬嘛！

Waymo自動駕駛模擬模擬架構軟體

開發出「Carcraft」的是一個頭髮蓬亂、有著一副娃娃臉的年輕工程師James Stout。在一間安靜的開放式辦公室，他坐在我旁邊，戴著耳機，眼睛盯著屏幕上顯示的一個虛擬的環島線路圖。對普通人來說，其實沒什麼太多可看的，因為整個畫面不過是在道路背景上出現了一些渲染的簡單線條。我們能看到一輛克萊斯勒Pacifica自動駕駛原型車，還有被簡單線條框住的另一個物體，它代表了另一輛車的存在。

幾個月前，Waymo的某個自動駕駛汽車測試團隊在德州就遇到了類似的交通場景，當時的車速以及複雜的狀況都讓路測的自動駕駛原型車非常困惑。所以Waymo的開發人員決定在測試廠建一條看起來像真實路面的道路。我所看到的是機器學習過程中的第三步，即真實駕駛的數字化模擬。在這裡，現實生活中常見的駕駛行為，比如在環島中行駛的一輛車被另一倆車加三兒，這樣的場景可以衍生出成千上萬個模擬場景，來測試無人駕駛汽車的能力極限。

類似場景為Waymo強大的模擬設備奠定了基礎。Stout告訴我，「我們完成的絕大多數工作，都得益於模擬測試中得到的結果」，這也是Waymo自動駕駛汽車研發加速的重要工具。而如果Waymo未來幾年能夠量產無人駕駛汽車，Carcraft最應該被人們記住。Carcraft作為一個虛擬的世界，在重塑現實世界方面起了巨大作用。

自動駕駛模擬測試軟體「Carcraft」

最初開發Carcraft是作為一種"回放」無人車在公共道路行駛經歷場景的方式，之後慢慢發展成了模擬，並在Waymo自動駕駛項目中發揮了重大作用。

目前有2.5萬輛虛擬自動駕駛汽車一直在奧斯丁、山景城和鳳凰城的全建模版本里進行道路模擬測試，這其中還包括了一些賽道測試的場景。Waymo可以在一天內沿著一條特別複雜的道路模擬行駛數十萬次，總行駛里程可以達到800萬英里左右。2016年，與谷歌IRL自動駕駛汽車在實際公共道路上運行的300多萬英里相比，Waymo已經行駛了25億英里的虛擬路程 。值得一提的是，這部分虛擬測試遠比在現實高速公路上的測試有意思得多，因為工程師總是能學到一些新東西。

模擬測試是Waymo自動駕駛汽車研發中的一部分，模擬將Waymo自動駕駛原型車在實際道路中的測試與中央谷地一個叫做「城堡」（Castle）的秘密基地進行的「結構化測試」項目緊密結合在了一起。

Waymo 此前從未公布過「城堡」的內部運作細節。在實際公共道路上進行的測試能夠讓開發人員知道需要在哪種地形進行額外訓練。隨後他們將這種地形在秘密基地「城堡」中復刻，使得測試車輛能夠在不同的場景中進行訓練。在這兩種實體測試中，Waymo的自動駕駛原型車捕獲了足夠數據，未來可以在任何時候進行全數字化的模擬模擬測試。在虛擬空間中，工程師可以解除真實世界的限制，並創造出數千個任何單一場景的變形，然後通過這些場景進行無人車的模擬測試。而隨著自動駕駛軟體的不斷改善，實體測試車的表現會逐步提升，而整個測試的閉環又重新開始了。

走進Waymo的神秘「城堡」

想要到達「城堡」，你需要從灣區出發向東開，上了中央谷地高速公路後向南開到弗雷斯諾。在那裡，玉米地緊靠欠開發地區，地平線消失在忙忙的莊稼地里。這裡要比舊金山熱得多，而且平坦得像約翰·麥克菲口中的「荒原」，平到只能用激光來測量。你離開阿特沃特附近的小鎮，曾經的城堡空軍基地的家，這裡曾經有6000多人在進行B-52項目。現在，它在小默塞德新城北部邊緣地區，早在2010年，那裡的失業率就突破了20%，直到現在仍然很少低於10%。在這裡說西班牙語的人佔百分之四十。我們穿過鐵軌，繞到1621畝的老基地，它現在擁有從默塞德縣動物控制中心到美國阿特沃特監獄的一切。

我手機上的導航系統不是指向某一個地址，而是一套GPS坐標。我們沿著高高的不透明的綠色籬笆前行，直到谷歌地圖告訴我們停止。這裡沒有任何跡象表示這裡曾經還有一個門，它只是看起來像另一段圍牆，但陪我前來的Waymo工作人員很自信沒有帶錯路。果然，一個保安出現了，從圍欄上的一道縫隙探出身子來檢查我們的證件。

柵欄移開了，我們開車到一個繁華的小園區。身著短褲戴著帽子的年輕人走來走去。這裡有可移動的建築物，圓頂車庫，還有不同類型的自動駕駛原型車，你最有可能在公共道路上看到雷克薩斯、已經停產的普銳斯 、以及新款克萊斯勒Pacifica。

自動駕駛汽車很容易被挑出來，因為它們全身布滿各種感測器。最突出的是車頂上的激光雷達。不過除了車頂的大傢伙之外，克萊斯勒Pacifica自動駕駛原型車的外後視鏡上還裝了像啤酒易拉罐大小的激光雷達。有的雷達安裝於車的後部，看起來很像怪物史萊克的耳朵。

當自動駕駛汽車的感測器工作時，或者是在停放車時，旋轉的激光雷達會發出一種奇怪的聲音。有點像介於嗚嗚聲和撞擊聲之間的聲音，它是如此奇特以致於我的耳朵不能把它過濾出來，像是伴隨我長大的汽車雜訊的尾聲，令人不舒服。

這裡還有一輛更特殊的車子停在主樓對面的街道上，身上綁滿了寫有不同大小「X」字母的膠帶。這是輛符合SAE制定的L4級別的自動駕駛原型車，它不僅可以完全自動駕駛，也不需要坐在車裡面的人操控，和其他測試車是有根本區別的。

走進主樓，我見到了Steph Villegas，她是推動「城堡」項目運行的中堅力量。她穿著長長的白襯衫，破洞牛仔褲，灰色的針織運動鞋，在2011年加入谷歌自動駕駛汽車項目前，她是加州大學一名美術專業的學生。

我問，「你是司機？」

Villegas說，「我一直都是司機。」

她在通往舊金山和山景城之間的101和280號公路上花了無數的時間。就像其他的司機，她開始對汽車在開闊的道路上的表現有了初步的了解。這也被看作是自動駕駛項目中的一種重要的知識。慢慢地他們對自動駕駛汽車可能遇到的困難有了直覺。她告訴我：「通過在新軟體中做一些測試並在團隊中工作了一段時間，我開始考慮我們可以挑戰系統的方法。」

所以，Villegas和一些工程師開始編製和籌劃稀有的場景，這樣的場景可能會讓他們以可控制的方式去測試新的駕駛行為。他們開始佔用對面露天劇場的停車場，並且在所有入口派人把守以確保只有經過批准的谷歌員工才能入內。

她說，「這是它開始的地方」。「每周我和其他幾個司機都會提出一些我們想要測試的東西的事情，之後開一輛卡車帶上我們的必須用品到停車場，開始進行測試。」這些成為了谷歌自動駕駛項目的第一個結構化測試。

Villegas 開始收集道具，假人、圓錐體、假植物、孩子的玩具、滑板、三輪車、娃娃、球、裝飾物等等，這些現在都保存在「城堡」的道具倉庫中。

「城堡」中用來存放自動駕駛測試道具的倉庫

他們需要一個基地，一個秘密基地。這就是「城堡」所提供的。他們簽署了一份租約，開始建立自己夢想的虛假城市。她說：「我們在設計住宅街道、高速公路、死胡同、停車場等方面做出了明智的決定，所以我們有了一個代表性的特色設施。」

我們從拖車辦公室走到她的車。Villegas遞給我一張地圖，說，「就像在迪斯尼樂園，你可以跟著地圖走。」地圖已經準確標明了「城堡」每個角落，我看到有一個拉斯維加斯風格的標誌，上面寫著「歡迎來到加利福尼亞的神話城堡。」園區的不同部分甚至有他們自己的命名約定。我們穿行在園區，每條路都是以一輛著名的汽車或一輛項目早期普銳斯車隊的汽車命名的。

我們路過一簇粉紅色的建築，舊軍隊的宿舍里，不過已經重新裝修過。當waymo的員工不能回到灣區時，這裡就是他們可以休息的地方。除此之外，在測試區沒有其他建築物。它其實是一個專為自動駕駛汽車開闢的城市。

我們走到一個大的兩車道環島。在中心，有一圈白色的柵欄。Villegas說，「這是我們在得克薩斯州奧斯汀經歷了一個多車道的環形交叉路口后，專門安裝的這個環形交叉路口。

我們停了下來，盯著一個新增加的部分 ：兩條車道和一條腳踏車道穿過平行停車場，緊挨著一塊草地。她說，「當時我真的熱衷於沿著平行停車場安裝東西。像這樣的事情發生在郊區商業區，包括沃爾納特克里克、山景城、帕洛阿爾托。」人們走出商店或公園。穿行在車輛之間，也許過馬路時還拿著東西。這條小路就像她自己記憶中的一塊碎片，她被嵌入在瀝青和混凝土中，這將使它成為一種更抽象的形式，提高了機器人處理她的家鄉地形的能力。

「城堡」中用來測試無人車性能的雙車道羅盤

她開車帶我回到總公司，我們上了自動駕駛汽車，是一輛克萊斯勒 Pacificas 。我們的"左座"司機是 Brandon Cain。他的」右座」，也就是乘客座位的副駕駛將使在筆記本電腦用XView軟體追蹤汽車的性能。

然後還有測試的助手，他們稱其"狐狸"，是從」faux」一詞演變而來的綽號。他們駕駛車輛，創建交通場景，充當行人、 騎腳踏車，舉著停車標。他們是演員，其觀眾是車。

我們要做的第一個測試是「簡單的通過和突然插入」，但是在高速條件下，這意味著車速每小時45英里。我們沿著一條他們稱之為高速公路的寬闊道路一直走下去。

在「狐狸」突然躥出后、 Waymo 汽車將制動，接著團隊將檢查關鍵數據點：車子的減速情況。他們正在嘗試生成導致車輛急剎車的場景。

讓我和大家分享一些有意思的東西：這已經不是我第一次乘坐自動駕駛汽車。在過去，我已經有過兩次不同的自動駕駛之旅： 第一次是雷克薩斯的SUV，帶著我穿過了山景城的街道，第二次是可愛的小螢火蟲，帶著我繞著谷歌大樓的屋頂打轉。他們是兩次不起眼的行程，卻很關鍵。

但是，這次在「城堡」的試乘體驗是不同的。這是兩輛高速行駛的汽車，其中一輛從我們的車前面躥出，用Waymo的藝術術語來說就是」刺激「。

該走了。Cain讓我們動起來，這時車裡響起小鐘聲，車發出「自動駕駛」命令，另一輛車接近我們，保時捷司機突然躥出並試圖超過我們。我們急剎車，快速而平穩，這給我留下了深刻印象。

然後他們檢查減速數據並意識到我們的剎車不夠急。我們必須得再做一遍，一遍又一遍。另一輛車以不同的角度、 用不同的方法躥出。他們把這叫做"覆蓋"。

我們經歷了其他三個測試： 高速並道；遇到一輛在車道上倒車的車，另一輛車卻擋住了自動駕駛汽車的視線；當行人把籃球丟向我們的車道時如何平穩地停住。每項測試都用自己的方式給我們留下了深刻的印象，但切斷道路測試給我的印象最深。

當我們排隊等候另一輪測試時，Cain從他的座位起來，並問我，"你看過《環太平洋》嗎？你知道在吉列爾莫·德爾·托羅（Guillermo del Toro）的電影里，男演員們與如何與大型機器人群同步並和怪物戰鬥嗎。我在嘗試與這輛車同步，和它們分享我的想法。」

我請Cain解釋他所謂的與汽車同步的真正意思。他說"我嘗試著在車裡更換不同重量的人。跟車子待久了，我能感覺到這輛車做什麼，雖然這聽起來很奇怪，但就像了解自己的屁股一樣，我總能知道它想要做什麼。」

告別了「城堡」的霧霾和酷熱，來到了在山景城谷歌的總部。我來拜訪了Waymo的工程師，他們住在Google X內部，是Google X的技術支持，你可能知道Google X是公司的一個長期的、高風險的研究部門。在2015年，谷歌進行了重組，成立了母公司Alphabet，X部門從谷歌中退出。在大重組一年後，就像它之前在其他幾個項目上所做的那樣，X/Alphabet決定將自動駕駛汽車項目過渡到自己的公司，這個公司就是現在的Waymo。Waymo就像Google的孩子，只不過曾經脫離出去了，或者是換個說法。

不可或缺的模擬測試

Google X實驗室/ waymo的辦公樓寬敞又通風，旁邊懸挂著飛翼計劃的無人機原型。我看到了一些公司製造的可愛的小螢火蟲汽車汽車。從自助餐廳出來，在飛翼模型的一個邊角，是Waymo的模擬集群。在這裡，似乎每個人的屏幕上都有Carcraft和XView，黑色背景上的多邊形比比皆是，這些是工程師們為Waymo的汽車搭建的虛擬世界。

等待我的是James Stout，Carcraft的創造者。他永遠不會公開談論他的計劃，他的熱情溢出，把Carcraft看作是他的孩子。

他說，「我只是瀏覽了一下招聘信息，發現無人駕駛汽車團隊在招聘員工，我真的不敢相信他們只是在發招聘信。」他加入了團隊並立即開始構建這個現在每天能跑800萬虛擬英里的工具。

當時，他們主要用這個工具來觀察在駕駛員需要接管控制車輛的棘手情況下車輛會做什麼。他們開始從這些時刻製作場景。Stout說，"我很快就發現這是個非常有用的東西，我們可以造出很多這樣的場景。"Carcraft 的能力空間範圍擴大到了整座城市，車輛的數量不斷變多，形成了一個龐大的虛擬車隊。

Stout請來了 Elena Kolarov，她是他們「場景維護」小組的負責人，主要負責控制。 她面前有兩個屏幕。右面的XView屏幕上顯示了車輛的「視覺」。車輛通過使用攝像頭、雷達和激光掃描來識別視野中的物體。在軟體中，通過用圖框形狀來表示它們在真實世界中的輪廓。

從圖框中延伸出來綠色線條，表示汽車對可以移動的物體的可能方式的預測。 在底部，有一個圖像條，顯示汽車上的常規攝像機所捕獲到的目標。Kolarov 還打開了由激光掃描儀（LIDAR）返回的數據，它是以橙色和紫色的點顯示的。

在Xview軟體中呈現的無人車模擬測試畫面

我們在Castle的環形交叉路口看到一個真正的感測器融合回放。Kolarov 將畫面切換到模擬版本。雖然看起來一樣，但它不再是一個數據日誌，而是一個汽車必須解決的新情況。唯一的區別是在XView屏幕的頂部，它用大紅字寫著「Simulation」。Stout說他們不得不添加這個標識，因為人們經常把模擬場景和真實場景弄混了。

他們載入了另一種場景，即鳳凰城的場景。Kolarov放大顯示了他們的城市模型。Stout說，對於整座城市，他們已經得到了"所有車道在都在哪、哪條車道通向其他車道、停車標誌都在哪、交通燈都在哪、哪裡都限行、車道線中心在哪」的信息，梳理了你需要知道的一切。我們將鏡頭拉回到鳳凰城附近的一個十字路口停車處。 然後 Kolaro開始欣賞由車輛、行人和腳踏車合成的場景。

隨著按下熱鍵，屏幕上的目標開始移動，就像真實的汽車一樣，模擬的汽車模型在自己的車道行駛、轉向。就像真實的騎腳踏車的人，模擬的騎腳踏車的人在屏幕里移動。他們的邏輯是由無人駕駛團隊從數百萬英里的公共道路駕駛中建模形成的。這一切，都是基於高精度世界地圖以及場景中不同物體的物理模型，他們甚至對橡膠道和道路也已經建模。

不足為奇的是，最難的事情是模擬其他人的行為。就像我們父母常說的:"我不擔心你的開車技術，我擔心路上其他人的開車技術。

Way自動駕駛研發採取「模擬+道路實測」技術路線圖

我們的車輛可以看到現實場景，並且它們了解現實場景。接下來它們在這個場景中扮演一個動態演員，在場景中的任何東西，包括輛車、行人、腳踏車、機車， 我們的車輛可以理解它們的意圖。但僅僅通過一個空間跟蹤一個東西是不夠的，你必須了解它在做什麼。Waymo 的副總裁Dmitri Dolgov,告訴我說，「這是建設一個可行和安全的自動駕駛汽車的關鍵問題。而這類模型，對世界上其他參與者的行為的理解，和在模擬中模擬他們的任務非常相似。

還有一個關鍵的區別： 在現實世界中，他們必須接收相關環境中最新的、實時數據，並把這些數據轉換成對場景的理解，才採取駕駛行為。但現在，經過對該項目多年的努力后，他們相信可以實現，因為一系列測試表明可以識別各種各樣的行人。

因此，對於大多數模擬，他們跳過了目標識別步驟。他們並沒有給汽車提供原始數據，而是簡單地告訴汽車：這裡有一個行人。

在十字路口停車處，Kolarov正在給自動駕駛汽車製造困難。她點擊了熱鍵V，一個新的目標出現在Carcraft中，接著她滑鼠移動到右側的下拉菜單，這裡有一系列不同類型的車輛可供選擇，包括我最喜歡的bird squirrel。

為了測試特定的行為，不同的目標被要求遵循Waymo為它們建的模型的邏輯，或者通過場景生成器Carcraft進行編程，使其以精確的方式運動。一旦他們有了一個場景的基本結構，就可以測試它包含的所有重要的場景變形。所以，你可以想象一下在十字路口停車處，你想要測試的各種汽車和行人以及騎腳踏車的人的到達時間，以及他們停留多久，他們的移動速度等等，只需要把這些數值放在合理的範圍之內，軟體就會創建並運行所有這些場景的方案組合。

他們稱之為「模糊化」，在本例中，有800個場景是由這種十字路口停車生成的。 它創造了一個漂亮的、帶花邊的圖表，工程師們可以點進去看不同的變數組合是如何改變車輛的駕駛決定的。

Carcraft的模糊化處理功能

問題其實可以幫助分析所有這些場景和模擬，找到有用的數據，指導工程師能夠更好地駕進行操控。第一步可能是：車輛被騙了嗎？如果是這樣的話，這便是一個繼續工作的有用場景。

在這裡我們看到視頻上顯示的正是這種情況。這是在山景城的一個複雜的十字路口停車處真實發生的。當車輛向左拐時，一輛腳踏車向它靠近，導致車被迫停在了路上。工程師帶著這類問題對軟體進行修正，使之產生正確的結果。視頻里顯示的是真實場景，並在這上面進行模擬。當這兩種情況出現分歧時，你會看到模擬的汽車繼續前行，然後出現一個標籤為"shadow_vehicle_pose"虛線框。該虛線框會顯示出在現實生活中發生了什麼事。對Waymo工程師來說，這是最清晰的可以看得見的進步。

但他們不只是要弄清楚車輛什麼時候停止的。他們可能還想尋找太長的決定時間或超出合適範圍的制動配置。工程師們正在學習或調試的任何東西，他們都會模擬去尋找問題。

Stout和Waymo軟體的領導Dolgov都強調，對於模擬來說有三個核心方面：第一，他們開了很多英里，經驗很豐富。第二，對與車輛來說，這些里程集中在有意義和仍然困難的交互行為，而不是沒有意義的里程。第三，軟體的開發周期可以快很多。

Dolgov告訴我說，"迭代周期對我們非常重要，我們在模擬上做的所有工作都使我們能夠大幅收縮，早期，我們需要花好幾周時間在程序循環上；現在只需要幾分鐘。

我問他，如果道路上有浮油、或者壞的輪胎、奇怪的鳥、灰岩坑大小的坑洞等這些東西怎麼辦？他們模擬這些了嗎？Dolgov很樂觀，他說，當然，他們可以。但是"模擬器的保真度到底有多高呢？也許對於這些問題可以得到更好的值，或者通過在虛擬世界中進行大量測試來驗證你的模擬器。

Carcraft的虛擬世界的魅力並不是因為它是真實世界的一個美麗、完美、真實的渲染。它的魅力在於，它們以對自動駕駛汽車非常重要的方式反映了現實世界，並使其能夠獲得比物理測試多十億英里的里程。對自動駕駛軟體進行模擬，它並不像在現實世界中那樣做出決策，這就像在現實世界中做決定一樣。

並且它起了作用，加州DMV要求公司報告他們每年進行自動駕駛測試的里程數，以及系統脫離的次數。Waymo不僅在里程上比其他公司都多三個數量級，而且其拋錨次數也在迅速減少。

Waymo從2015年12月至2016年11月共進行了635,868英里的自動駕駛。在這所有的里程里，只有124次拋錨，也就是平均每5000英里一次或每1000英里0.20次。去年，他們進行了424,331英里的自動駕駛，其中有272次拋錨，也就是平均每890英里一次或每1000英里0.80次。

外面的專家對Waymo已採取的策略並不會感到驚訝。 Andreessen Horowitz的風險資本家Chris Dixo說，"現在，你幾乎可以通過無人機團隊、自動駕駛汽車團隊對待模擬的重視程度來估計出自動駕駛的複雜度。」他曾帶頭對Improbable這家模擬公司進行投資，在他看來，Waymo是最頂端，最先進的公司。

我向好事達州保險公司的創新負責人Sunil Chintakindi詢問了Waymo的項目。 「沒有一個可靠的模擬基礎設施，你就不可能製造出更高級別的自動駕駛汽車。」 在這件事上，我不會和想法不同的人交談。

其他自動駕駛汽車研究人員也追求相似的路徑。 Huei Peng是密歇根大學自動駕駛和智能網聯汽車實驗室Mcity的主任。他說，任何自動駕駛汽車的系統都是超過99%模擬，加上一些精心設計的結構化測試，再加上一些道路上測試。

他和一個研究所共同提出了一個公路里程與模擬結合的系統，以加快測試速度。 這與Waymo的做法並無不同。Peng說「所以，我們爭論的只是剪去駕車測試中沒有意義的部分，而把注意力集中在有價值的部分。這可以讓你的測試加速上百倍：即一千英里變成了一百萬英里。

令人驚訝的是Waymo的項目的規模、 組織和強度。我向Peng描述了谷歌已經採用的結構化測試，包括結構化測試團隊在Castle把20,000個場景進行模擬的事情。但他聽錯了並開始說，" 2,000個場景是令人很吃驚的，當我插嘴糾正了他， "是20,000方案"。他停頓了一下，說"20,000"，思考片刻后又說，"這是令人印象深刻的。」

在現實中，這20000種場景只代表了waymo所有測試場景的一小部分。它們只是從結構化測試中創建的。他們有更多的場景比來自公眾的駕駛和想象力

Peng說，「他們做得非常好，就自動駕駛第四級而言，他們遠遠領先於其他所有人」。

但Peng還表明了傳統汽車主機廠的態度。他說他們正試圖做從根本上來說完全不同的事情。他們正在添加輔助駕駛技術，"賺一點小錢"，然後向完全自動駕駛方向前進。與Waymo比較，這是不公平的。它擁有資源和企業自由，可以在汽車上投入70000美元的激光雷達，而雪佛蘭這樣的汽車製造商可能會將40000美元視為大眾市場採用的價格上限。

「通用，福特，豐田，還有其他主機廠表示：「讓我減少車禍和死亡事故的數量，增加大眾市場的安全。」Peng說，他們的目標完全不同，「我們需要考慮上百萬輛車，而不僅僅是上千輛。」

甚至在爭取完全自動駕駛的競賽中，Waymo現在面臨的挑戰比以前更多了，尤其是對手特斯拉。Chris Gerdes是斯坦福大學自動駕駛汽車研究中心的主任，18個月前，他告訴我的同事阿德里安·拉弗蘭斯(Adrienne LaFrance)，Waymo對問題的深度有更深入的洞察力，比其他任何人更接近解決問題的方法。上周我問他，他是否仍然認為這是正確的。他說，「已經發生了很大的變化。

他說：「福特和通用等汽車製造商已部署自己的車輛並建立了道路數據集。」特斯拉現在已經從Autopilot部署策略積累了極其龐大的數據，了解系統在客戶體驗的條件下如何運行，並迅速擴大車輛基數，二者結合起來形成一個驚人的平台。

這是邁向人工智慧領域的一個巨大飛躍，甚至在Alphabet公司內部，也一直積極地採用AI。這不是谷歌的雲端相冊應用，在那裡一個錯誤並不意味著什麼。這個系統將徹底影響人類世界。它懂我們的規則，會交流它的想法。我們的眼睛和大腦很容易讀懂它。

Waymo似乎把自動駕駛作為一項專項技能，以致於在速度和方向方面落後了。他們現在正在從事的是一項人類社會活動。現在開車不僅僅是「合法」，「正常」就可以，那麼一個受過人工智慧訓練的人意味著什麼呢？

事實證明，建立這種人工智慧不只是需要無窮無盡的數據和工程技術，這些只是必要的，但還不夠。相反，建立這種人工智慧需要人類與汽車的同步，像他們一樣了解世界。從「城堡」出來的司機知道，只有儘可能多的了解車輛，才能融入這些車中的，像他們一樣的去觀察場景並做出決定決定是什麼。也許這也是雙向的： 人類對汽車了解得越深，汽車就越了解人類。

在奧斯汀環島的記憶是「城堡」的一部分、是自動駕駛汽車的數據日誌、是Carcraft的場景來源、是模擬的網路、是真實自動駕駛汽車的軟體部分。

即使在模擬中抽象的多邊形，也是AI用來認識世界的工具、也有人類夢想的足跡、也是回憶的碎片、更是駕駛員的情感。並且這些部分既不是人類犯的錯誤也不是人類的污點，不需要被清除。而是系統中必要的組成部分，它可以徹底改變交通、城市，甚至幾乎所有的東西。