Zi 字媒體

作為自動駕駛領域的先行者，谷歌 Waymo 的一舉一動一直備受關注。近日，《大西洋月刊》日前發表長文：Inside Waymo's Secret World for Training Self-Driving Cars，對 Waymo 為何能在自動駕駛這一賽道上保持領先，進行了獨家揭秘。編譯 | AI科技大本營（rgznai100）參與 | Shawn，周翔在 Alphabet（谷歌母公司）園區一隅，一支團隊正在開發一個軟體，而這個項目可能就是打開無人駕駛汽車未來的鑰匙。在我們之前，從未有記者得以一窺其貌。他們將這個軟體取名為Carcaft，而這個名字的靈感則來源於暴雪公司遊戲——魔獸世界（Warcraft）。這個軟體的締造者 James Stout 是一個頭髮蓬亂的娃娃臉年輕工程師。此刻，他正坐在一間安靜的開放式辦公室內，眼睛盯著屏幕上顯示的環形路虛擬圖像。一眼看上去，沒什麼特別的，也就是幾條簡單的線勾勒出道路的結構信息。在這個虛擬的環形路口，我們可以看到一輛以中等解析度呈現的克萊斯勒 Pacifica 無人駕駛車，以及一個代表另一輛汽車的簡單的四方體。Waymo 的模擬場景構建軟體 Carcraft幾個月之前，Waymo 的自動駕駛車團隊在德州便碰到了一個這樣的環形路。當時的車速和路況的複雜度難倒了他們的自動駕駛汽車，因此他們決定在測試基地鋪一條差不多一樣的實體道路。而我（本文作者）現在看到的則是整個學習過程的第三步：實際駕駛場景的數字化。在這一步，一個簡單的實際駕駛行為，比如在環形路超車，可以引申出數千個模擬場景，用以探測自動駕駛汽車駕駛能力的邊界。這樣的場景為這家公司強大的模擬工具奠定了基礎。「絕大部分工作的完成，都是受到模擬場景中遇到的問題的啟發。」Stout 表示。正是這個工具加速了 Waymo 自動駕駛汽車的研發。Waymo 是 2016 年 12 月從 Alphabet 負責超前項目的「X」 研究部門中脫離出來的。如果 Waymo 在幾年後能供應全自動駕駛汽車，那麼 Carcraft 將會被永遠銘記，作為現實世界的虛擬呈現，它對重塑顯示世界功勞巨大。Carcraft 的設計初衷是用於"回放"車輛在公共道路上行駛時經歷的場景，但是現在它（總的來說是場景模擬）在自動駕駛研究中扮演的角色已越來越重要。現在，Waymo 有 25000台 虛擬自動駕駛汽車穿行在模擬版本的虛擬奧斯汀、山景城、鳳凰城和測試跑道中。自動駕駛汽車一天之內可能要在特別複雜的虛擬道路上跑成千上萬遍。總的算來，自動駕駛汽車每天在虛擬世界的行駛里程可達 800 萬英里。2016 年，Waymo 在虛擬世界中總共行駛了 25 億英里，而 Google 的 IRL 自動駕駛汽車在公共道路上測試里程只有 300 多萬英里，低了幾個數量級。而且關鍵是，Waymo 將其測試里程稱為"有趣的"里程，與千篇一律的高速公路不同，在這些道路中他們可以學到新的東西。當然，場景模擬只是 Waymo 諸多複雜工作中的一部分。他們將汽車在公共道路上數百萬英里的測試里程與一個「結構化測試」項目緊密結合在一起，這個項目是在 Central Valley 的一個秘密基地中進行的，Waymo 把這個基地稱為 Castle。Waymo 此前從未公開過這個系統。自動駕駛汽車在常規道路上的測試可以告訴他們，需要在那些區域進行更多測試。他們在 Castle 中真實還原了需要進行測試的空間，讓汽車在數千種不同的道路場景中進行測試。在這兩種實際測試中，他們可以收集到足夠多的數據，用來在未來某一時間點創造出全電子化的模擬場景。在那樣的一個虛擬空間之中，他們能夠擺脫真實世界的限制，根據任何一個的場景都可創造出數千種該場景的變形，再將數字化的車輛放在全部這些場景中進行測試。隨著駕駛軟體的改進，該系統將會被下載到真實的汽車上，在更長的里程和更複雜的道路上進行測試。虛擬世界和現實世界的訓練將會一直交替循環，不斷改進自動駕駛系統的能力。要去 Castle，你需要駕車從舊金山灣區往東行駛，上了通往弗里斯諾（Fresno）的99號公路后一直往南走。一路途經一望無際的玉米地，地平線消失在農田的盡頭。這裡的地形非常平坦，作家 John McPhee 把這裡描述為「泥土海洋」（earthen sea）。在靠近 Atwater 小鎮的地方下高速。Castle 空軍基地曾設在這裡，當時它雇傭了 6000 員工服務於 B-52項目。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%，現在仍然很少低於 10%。此地區有 40% 的人說的是西班牙語。我們穿過了一些鐵道線，在這個 1621 英畝的老基地上穿行，Merced 市動物管理局和 Atwater 監獄等機構也都設在此地。我手機上的導航軟體顯示出的不是具體的地址，而是一組 GPS 坐標。我們沿著一排不透明的綠色高圍欄一直往前開，直到谷歌地圖告訴我們停下。沒有任何跡象表明這裡有一扇門，看起來就像是圍欄的另一部分。但是 Waymo 的隨行工作人員十分確定就是這裡。果然，一名安保人員出現在眼前，他把圍欄打開，檢查我們的證件。圍欄 （Alexis Madrigal）圍欄打開后，我們駛入了一個熙熙攘攘的小園區，穿著短袖戴著帽子的年輕人走來走去。這裡建有一些活動建築、原頂車庫，主建築的停車場中停放著很多自動駕駛車輛。這裡有多種車型改造的自動駕駛車輛，包括你經常在公路上會見到的雷克薩斯車型，已經退役的豐田普銳斯車型以及新款的克萊斯勒 Pacifica 小型客貨車。自動駕駛汽車很容易辨認，因為它的車身上裝了很多感測器。最顯眼的當然還是車頂上的激光掃描儀（通常被稱為 LIDAR）。Pacifica 車型上裝有一個啤酒罐大小的 LIDAR，在反光鏡周圍不停地旋轉著。車的後方裝了雷達，看上去就像是白色的怪物史萊克的耳朵。當車上的感測器啟動時，即使已經停好車，旋轉的 LIDAR 還是會發出怪異的響聲。聽起來像吱吱聲，又像是撞擊聲，我的耳朵還沒有習慣這種新的聲音。在主建築的街對面，停著一輛更加特別的車，車身上貼滿了用紅色膠帶做的不同大小的「X」樣。這是一輛 Level 4 級別的自動駕駛汽車。所謂的級別就是美國汽車工程師學會（Society of Automotive Engineers）規定的車輛的自動化程度。我們平常聽說的可上路的自動駕駛汽車都是Level 1 或 Level 2 級別的車，也就是在高速公路上可以智能行駛控制的汽車。但是我們看到的這輛可不一樣。它不僅是全自動的，而且人類無法駕駛它，因此不能將它與其他車混淆。當我們把車開進停車場，這裡像極了影片《曼哈頓計劃》里的場景，科研基地、科技創業公司的氣息撲面而來。在主建築的意見教室大小的活動辦公室中，我終於見到了這個秘密基地的幕後操控者，她就是 Steph Villegas。Villegas 穿著一件很長但很合身的白色帶領襯衫，搭配一條破布牛仔褲，腳踩一雙灰色的針織運動鞋，時尚程度不輸其在舊金山 boutique Azalea 工作時的打扮。她在加州 East Bay 郊區長大，加利福尼亞大學伯克利分校美術專業畢業，2011 年加入谷歌的自動駕駛汽車項目。「你開車嗎？」 我問她。「當然。」 Villegas 答道。她經常在 101 和 280 號高速公路上行駛，這是往返舊金山和山景城的主要路線。像其他駕駛員一樣，她能感覺到汽車在公路上是如何行駛的，這種感覺在自動駕駛項目中非常重要。他們可以用直覺想象出什麼樣的狀況是自動駕駛汽車難以處理的。"在對新開發的軟體進行測試時，我開始思考我們應該如何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罕見的場景，在其中以可控制的方式測試自動駕駛汽車的一些新行為。他們徵用了 Shoreline Amphitheater 當地的一些停車場，在所有的入口設卡，除了獲得批准的谷歌工作人員，其他閑雜人等一律不得入內。"我們就這樣開始了我們的計劃。"她說，"每周，我和其他幾位工程師會構想出一些我們想測試的內容，然後再用卡車把我們要用的設備運到停車場進行測試。"這些測試便成為了這個自動駕駛項目的首批"結構化測試"。測試中最難的部分並不是在人們想象的「殭屍正在路上吃人的場景」中行駛，而是像人類駕駛員一樣在千變萬化的正常交通環境中自信、可靠地操控汽車。Villegas 從那時開始到處收集一些小道具，有人體模型、錐形筒、假植物、兒童玩具、滑板、三輪車、洋娃娃、球類和裝飾品等等。這些所有道具都放在一個小倉庫里，現在這些道具都被運到了 Castle 基地，保存在一個完整的倉庫中。Castle的道具倉庫 （Alexis Madrigal）但是問題在於，他們讓汽車開得更快一些，用交通燈和停車標識來進行測試。但是 Shoreline Amphitheater 的音樂節經常會讓計劃行不通。「比如說，金屬樂隊 Metallica 要來演出了，我們必須趕緊上路測試。」她說。他們需要一個基地，一個秘密基地。這就是 Castle 的用途。他們租下了一個場地，開始搭建他們想象中的虛擬城市。"我們很明智地決定要設計並建造一些居住區街道、高速公路式的街道、衚衕和停車場等等，因此我們建了一些具有代表性特徵的的道路進行車輛的測試。"我們從活動辦公室走到她的車旁邊，當我們開車出發去參觀基地時她給了我一張地圖。"就像迪士尼樂園一樣，你可以跟著地圖走。" Villegas 說。這地圖是經過精心繪製的。在一個角落，豎著一個寫著「歡迎來到迷人的加州 Castle 基地」的拉斯維加斯風格標牌。基地里的每條路都是以著名車型（如 DeLorean、Bullitt）或者項目早期用的原始普銳斯車型（如 Barbaro）的名字命名的。我們穿過一群曾經是軍人宿舍的粉紅色的建築，其中有一棟經過翻修。這裡是 Waymo 的工作人員沒辦法回到灣區時用來歇腳的地方。除此之外，整個測試場地再沒有其他建築物。真的是名副其實的自動駕駛汽車城市：最重要的是瀝青道路和道路上的障礙物。Castle 的一個「街區」 （Alexis Madrigal）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里一樣。從主街道行駛到鋪有水泥車道的小區式街道，在來到郊區十字路，路兩旁完全沒有該有的建築，這種感覺實在是太怪了。我總是感覺到眼前的道路好像以前在哪裡見過。我們驅車進入到一個大型雙車道環島，中間是一個由白色柵欄圍成的圈。「我們起初只建了一個腳踏車道環島，但是我們的自動駕駛團隊在德克薩斯州的奧斯汀遇到了這樣一個多車道環島，所以為了讓自動駕駛系統能學會處理這樣的道路，我們便在此地搭建了這樣一個環島。」 Villegas 表示。雙車道環島 （Alexis Madrigal）在參觀過程中，Villegas 望向一個新建的場地：一條雙車道和一條自動車道旁建有一個平行停車區域，毗鄰處還有一處草坪。這像極了我們日常生活中在城市裡習以為常的道路場景。「我真的很喜歡見一些帶有平行停車場的場地。這樣的場地在郊區商業區很常見，比如核桃溪市（Walnut Creek）、山景城和 Palo Alto 等地。」回到主辦公區域后，Villegas 帶我坐上了一輛克萊斯勒 Pacifica 自動駕駛車。坐在駕駛座上的是 Brandon Cain，副駕駛位上的一名工作人員使用一個名為「XView」的軟體在手提電腦上監控車輛的行駛狀態。當然，還有諸多的測試助手，他們把這些人稱為「foxes」，這個名字是從「 faux（假的）」演變而來的。助手們要麼駕車、要麼扮演行人，要麼騎腳踏車、要麼舉著停止標識。他們是演員，觀眾則是那輛自動駕駛汽車。我們做的第一項測試是簡單的穿行和緊急剎車，但是是在 45 英里/小時的高速行駛狀態下。開始時我們的汽車在一條寬路上直線行駛。在測試助手突然擋住前路后，這輛自動駕駛汽車進行了剎車，測試團隊會檢查關鍵數據點：減速。他們正在嘗試製造一些導致車輛急剎車的場景。有多急？這類的急剎車足以讓我腋下不自覺出汗，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。之前，我坐過兩次自動駕駛汽車。第一次是一輛雷克薩斯 SUV，載著我在山景城的街道上行駛了一番；第二次是坐著谷歌可愛的螢火蟲（Firefly）自動駕駛車，在谷歌轉了幾圈。關鍵是這兩次體驗都沒什麼特別之處。但是這次體驗卻大不相同。這一次有兩輛快速行駛的車輛，其中一輛按計劃要超我們的車，而且超車方式十分「刺激」——引用 Waymo 的說法。真正的測試開始了。Cain 啟動車后，汽車發出一聲提示"Autodriving"（自動駕駛）。不一會，另一輛車開始靠近並超車，超車方式十分危險。我坐的這輛自動駕駛車進行了快速、流暢的緊急剎車。這一點讓我印象深刻。 測試工作人員立馬檢測了減速的參數，發現車輛剎車力道依然不夠強，必須要重新測試。之後又進行了一遍又一遍的測試。實施超車的車輛從不同的角度使用不同的方法超車。他們將之稱為「涵蓋所有的可能情形」。兩輛車高速并行，其中一輛為自動駕駛車（Alexis Madrigal）我們還經歷了另外三個測試：高速并行；當自動駕駛車輛的視野被阻擋時，正好遇到一輛正在車道上倒車的汽車；當行人將籃球扔到汽車前方時，汽車平穩地滑動停止。每個測試都以其獨特的方式讓人印象深刻，但是超車測試最讓我難忘。當我們等待進行另一個測試時，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，主角們與巨大的機器戰甲同步作戰。「我正試圖與車同步，與它分享一些想法。」我讓 Cain 解釋他說的與汽車同步到底是什麼意思。「我正試圖調整坐在汽車裡的人的體重差異。」他說，「因為坐在車裡久了，我能用屁股感覺到汽車在做什麼。雖然這聽起來很奇怪，但是我有點知道汽車想做什麼。」和 Castle 風吹日晒的辦公環境不同，坐落于山景城的谷歌總部非常舒適。我拜訪了 Waymo 的工程師，確切的說其實是 X 部門的工程師。眾所周知，Google X 實驗室是谷歌旗下進行長期、高風險研究工作的部門。2015 年，在谷歌重組為 Alphabet 時，X 部門脫離了谷歌，現在他們的網站是 X.company。在重組一年後，Alphabet 決定將自動駕汽車項目納入自家公司旗下，成立 Waymo 這一實體，因此 Waymo 就像是谷歌重新相認的親兒子。Waymo 的辦公室仍在谷歌總部，不過據我了解，Waymo 部門現在與其他部門無過多交集。Waymo 所在的辦公樓既寬敞又通風。樓里到處掛著 Project Wing 的無人機原型。我還看到了幾輛該公司研發的"螢火蟲"汽車。從自助餐廳走上去，你會在大樓側翼的一個角落裡看到 Waymo 的模擬團隊辦公室。在這裡，每個人的屏幕上都顯示有 Carcraft 和 XView 的畫面。黑色背景中的穿插著大量的多邊形。正是他們創造了測試 Waymo 汽車的虛擬世界。當四個人在前面推一輛車時，Waymo 自動駕駛車的激光掃描儀探測到的畫面（Waymo）接待我的是 Carcraft 的創造者 James Stout，他以前從未公開談論過這一項目。在聊天的過程中，我們發現他對這個項目非常熱情。"當時我只是隨便瀏覽招聘信息，然後就看到了自動駕駛汽車團隊正在招人。"他說，"我不敢相信他們恰好正在招人。"於是，他加入了這個團隊，立即開始構建 Carcraft，現在這個系統每天能實現 800 萬公里的虛擬里程。當時，他們主要利用這個系統來測試自動駕駛汽車在遇到人類駕駛員駕駛汽車所面臨的棘手情況時會做出哪些行動。他們開始根據這些情況創建一些場景。「很快，我們就發現這個系統非常有用，我們可以用它構建很多場景。」Stout 說。現在 Carcraft 的模擬場景規模已經擴大到到整座城市，虛擬汽車的數量也變得十分龐大。後來 Stout 招來了 Elena Kolarov，任命她為 "場景維護"團隊負責人，掌管控制活動。在她面前，擺有兩塊屏幕。右側屏幕運行 XView，顯示汽車"正在看"的東西。無人駕駛汽車上安裝有了攝像機、雷達和激光掃描裝置，可以識別視野中的對象。在軟體中，則以小線框來代表這些對象，以此勾勒現實世界的輪廓。從線框上發散出去的綠色線條，代表汽車預測的物體的可能移動路線。底部有一個圖像條，用來顯示汽車的常規（即可見光）攝像機捕捉到的圖像。除此之外，Kolarov還可以查看激光掃描儀(LIDAR)反饋的數據，這些數據會以橙色和紫色點顯示。首先，我們先觀看了一段發生在 Castle 的環島上的汽車并行回放錄像。然後 Kolarov 將軟體切換到模擬畫面，雖然模擬畫面和現實畫面看起來一樣，但是它不再是數據日誌，而是汽車必須解決的新場景。唯一的區別在於，XView 屏幕的頂部有一個以紅色大字體顯示的"模擬"字樣。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。Castle 的環島在 XView 模擬中的畫面（Waymo）之後，他們又載入了另外一個場景。這個場景是在鳳凰城。Kolarov 顯示比例縮小，以向我們展示鳳凰城的整個虛擬模型。「對於這座城市，他們已經採集了"關於所有道路的位置、哪條道路會通向其他車道、停車標記的位置、交通信號燈的位置、人行道沿以及車道中心的位置等等一切需要掌握的信息。」Stout 說。Waymo 為其自動駕駛車構建的亞利桑那州 Chandler 市的虛擬模型（ Waymo）我們又將畫面縮放對焦到鳳凰城附近的一個四岔停車路口。Kolarov 開始往模型中添加合成的汽車、行人和騎腳踏車的人。在 Carcraft 中創建一個合成場景（Waymo）點擊快捷鍵，屏幕上的對象開始移動。汽車和腳踏車在各自車道上行駛和轉向。他們的邏輯是根據團隊數百萬英里的公路測試里程而模擬形成的。在這一切的下面，他們創建了超級具體的真實世界地圖以及畫面中不同對象所代表的實體的模型。他們對橡膠和路面都進行了建模。Xview模擬的場景（Waymo）最困難的是模擬其他人的行為。就像是那句老話：「我擔心的不是你的駕駛行為，而是路面上其他人的行為。」「我們的汽車不僅能看見世界，還能理解世界。對於環境中的任何一個動態因素：一輛汽車、一位行人、一個騎腳踏車的人，或是一輛機車，我們的汽車能夠理解到他們的意圖。當然，通過空間追蹤物體是遠遠不夠的。你必須明白它在做什麼。」Waymo 的軟體主管 Dmitri Dolgov 告訴我，「這是構建安全可靠的自動駕駛汽車的關鍵。這種建模以及對環境中其他參與者的行為的理解與在模擬環境中對它們進行建模的任務非常相似。」關鍵的區別在於：在現實世界中，我們必須獲取關於環境的實時數據，並將其轉化為對場景的理解，然後再進行導航。但是現在，經過此項目多年的工作，Waymo 確信已經可以做到這點，因為「一系列的測試結果表明，我們的系統已可以識別各種各樣的行人」，Stout 說。因此在大多數模擬中，他們直接跳過對象識別這一步驟。他們直接告訴這輛汽車：這兒有一位行人，而不是向汽車提供原始數據，讓汽車識別行人。同樣在這個四岔停車路口，Kolarov 正給無人駕駛汽車布置更難的任務。她按下了用於合成汽車的快捷鍵 V 鍵，一個新的目標出現在了 Carcraft 的圖像中。然後，她滑到右側的一個下拉菜單，其中有一堆不同的車型以供選擇，包括我的最愛：bird_squirrel 車型。他們可以命令不同的對象遵循 Waymo 已經為其建模的邏輯，或者 Carcraft 場景生成器可以對這些對象進行編程讓他們以準確的方式移動，以便測試具體的行為。「場景控制和添加對象任其行動之間有很大的區別。」Stout 表示。一旦建成場景的基本架構，他們就可以測試該場景所有的重要變體。所以，想象一下，在十字路口，你可能想要測試不同汽車、行人和騎腳踏車的人的到達時間，他們多久會停下來，以及他們移動的速度以及其他因素。他們只要為這些數值設置一個合理的範圍，該軟體就能創建並運行這些場景的所有組合。他們將其稱為「模糊化」。這樣做的話，根據這個四岔停車路口就可生成生 800 個場景。軟體會生成一個美麗的網狀圖表，工程師可以根據該圖表了解場景變體的不同組合會如何改變汽車決定採用的路徑。Carcraft 「模糊化」圖表（Waymo）這時，問題就轉變為分析這些場景以及模擬圖，以找出可以指導工程師改進自動駕駛汽車駕駛能力的數據。第一步可能是「是否遇到了堵車？如果是，這將是一個有趣的場景。」下面這個動圖可以準確說明這樣一個場景。它模擬的是位於山景城的一個複雜的真實四岔停車路口。當汽車向左轉向時，前面出現了一輛腳踏車，汽車不得不停下了。工程師分析了這類問題，並重新調整了軟體以使其能得出正確的結果。動圖顯示的是真實的場景，然後是模擬的場景。當這兩個場景分離時，你會看到模擬汽車繼續行駛，然後會出現一個帶有「shadow_vehicle_pose.」的虛線立方框。這個立方框顯示的就是真實情境。對 Waymo 的工作人員而言，這就是對過程最清楚的可視化說明。顯示改進后的車輛導航的 Waymo 模擬（Waymo）但是他們不只是在汽車堵在一起時才尋找問題。他們可能想找出超出適當範圍的決策時長和制動輪廓。對於工程師們正在嘗試學習或調試的問題，他們都會通過模擬來尋找問題。Stout 和 Waymo 軟體負責人 Dolgov 強調，模擬有三個核心特性：第一，模擬環境中的車的行駛里程要比真實車輛多得多——因此其駕駛經驗很好。第二，模擬測試里程主要是針對有趣且困難的汽車行駛場景，而不是千篇一律的場景。第三，軟體的開發周期會更短。 「迭代周期對我們來說很重要，我們在模擬上完成的工作使我們可以將其大幅縮短。」 Dolgov 表示，「項目早期可能要花費數周時間，現在只需幾分鐘。」當被問及是否模擬了汽車在行駛的路上遇到路面浮油、爆胎、撞鳥、落水洞大小的坑洞等異常情況時，Dolgov 對此非常樂觀。他表示，這些情況他們當然可以考慮到，但是「模擬器的準確度要沿著軸提升到多高？對於有些問題，也許通過在真實場景中進行一系列的測試，你就能得到更好的數值或者得到模擬器的確認。」「Carcraft」虛擬世界的力量不在於它們能根據現實世界構建出了完美、逼真的模擬場景，而在於它們對現實世界的模擬對自動駕駛汽車的開發非常重要，它的測試里程比實際測試可允許的測試里程多出數十億英里。雖然對於運行模擬試驗中的駕駛軟體來說，它們並不是在現實世界作出決策，但是虛擬世界和現實世界中作出決定的方式都是一樣的。而且它確實已經在發揮作用。據了解，加利福尼亞車管局（DMV）要求公司們每年上報自己的自動駕駛里程，以及測試駕駛員自動駕駛模式脫離（disengagements，人類駕駛員接管）的次數。數據表明，Waymo 不僅比其他人多跑了三個數量級的里程，而且自動駕駛模式脫離次數也在快速下降。從 2015 年 12 月到 2016 年 11 月，Waymo 完成了 635,868 英里的自動駕駛里程。在所有的里程中，自動駕駛模式只脫離了 124 次，平均每 5000 英里脫離一次，即每 1000 英里遭遇 0.2 次脫離。去年，他們一共駕駛了 424,331 英里，共有 272 次脫離，平均每 890 英里一次，即每 1000 英里遭遇 0.8 次脫離。雖然很多人指出這並不完全是精準的數據，但是這些是加利福尼亞州最好的比較結果，至少每個人都駕駛了 20000 英里左右。"外部專家對 Waymo 採取的方法並不感到意外。Andreessen Horowitz 的風險投資 Chris Dixon 表示：「現在，你幾乎已經可以通過衡量一個自動化(如無人機、自動駕駛汽車項目)團隊對待模擬的認真程度，來判斷他們的技術的先進程度。Waymo 的技術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 對 Waymo 項目的看法。他表示：「沒有強大的模擬基礎設施，根本無法在汽車上實現高級別的自動化程度。我不會和在這一點上持相反觀點的人進行交談。」與此同時，其他自動駕駛汽車研究人員也在尋求類似的方法。Huei Peng 是密歇根大學自動互聯汽車實驗室（autonomous- and connected- vehicle lab）的主任。Peng 表示，任何適用於自動駕駛汽車的系統都是「超過 99% 的模擬 + 精心設計的機構化測試 +道路測試」。Peng 和他的一名研究所提出了一個利用模擬緊密結合公路里程的系統，以大幅加速測試速度。這與 Waymo 進行的項目不一樣。「我們正在討論的是拋棄駕駛行為中無聊的部分，聚焦於有趣的部分。」Peng說，「這樣就將實現數百倍的加速：一千英里可以變成一百萬英里。」令人驚訝的是 Waymo 項目的規模、組織和強度。當我向 Peng 描述了谷歌已經完成的結構化測試時，其中包括從 Castle 結構化測試團隊里得到的，已經用於模擬試驗的 20000 個場景。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2 0000個"時，Peng 停了下來並思考了好一會兒，才說，"這太驚人了。"事實上，這 20000 個場景只是 Waymo 測試的全部場景的一小部分。它們只是從結構化測試中得到的場景。據了解，場景總數要遠超通過公共駕駛和想象得出的場景的數量。 「他們做得真的很好，」Peng 表示："他們在 Level 4自動駕駛（全自動駕駛）上已遠遠領先於其他人。"但是，Peng 也指出了傳統汽車製造商的立場，他們正在努力做一些完全不同的事情。他們正試圖推廣駕駛輔助技術，而不是投身於全自動駕駛技術的研發。"賺一點錢"，然後繼續朝全自動化駕駛努力。拿這些汽車製造商與 Waymo 相比是不公平的。因為 Waymo 除了擁有豐富資源，而且還有龐大的企業資金支撐，可以將價值 70000 美元的激光測距儀"任性地"用在汽車上，而像雪佛蘭這樣的汽車製造商，他們的汽車在大眾市場採用的價格上限可能就為 40000 美元。"像通用、福特、豐田這類汽車製造商可能會說『我們要減少交通事故和死亡人數，增強大眾市場汽車的安全』，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。"即使是在全自動駕駛的比賽中，Waymo 也比以前多了很多的挑戰者，比如特斯拉。Chris Gerde 是斯坦福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 「對於問題的深度以及我們離解決問題有多遠有很深的洞察力」。而上周當我再次向他確認這一看法時，他說：「很多事情都發生了變化。」他們現在的任務是將駕駛作為一項人類社交活動。Gerde 說：「福特、通用等汽車製造商已經部署了自己的車輛，並建立了上路測試數據集。而特斯拉現在已經從 Autopilot 部署中收集到非常多的數據，用以了解系統如何在客戶體驗到的狀況中精準地運行。他們不僅能在無聲模式下測試演算法，還能快速擴大的車輛資料庫。藉助這兩項能力，特斯拉構建了一個驚人的測試平台。"針對模擬領域，Gerde 表示，他已經看到了多個競爭對手在開展實質性項目。「我相信現在有很多模擬功能，我也見過一些看起來很好的模擬系統。Waymo 在這方面已不再獨領風騷。雖然他們肯定佔據了領先地位，但是現在有很多團隊正在尋求類似的方法。所以，現在問題在於誰能做的最好。」自動駕駛系統不是對神經網路"類腦"能力的低風險證明。而是人工智慧技術的一大躍進，甚至對於 Waymo 也是如此(其一直在積極採用AI技術)。它不像 Google Photo，犯錯也沒什麼影響。這是一個在人類世界中可以完全自主地存在和進行交互的系統。它能理解我們的規則，傳達自己的想法，我們的眼睛和思維也能明顯地感知到它。Waymo 似乎將駕駛看作為一門技術，控制速度、方向等等。現在，它們的任務是將駕駛作為一項人類社交活動。汽車可以"正常駕駛"而不只是"合法駕駛"是什麼意思？人類該如何指導人工智慧理解這個問題？事實證明，構建這類人工智慧，不僅需要大量的數據和工程學造詣，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。Castle 的駕駛員懂得像車一樣觀察環境和作出決策，其他人也可以做到這一點。也許這種理解是雙向的：人類對汽車理解的越深，汽車對人類的理解就越深。一段關於奧斯特環島的記憶轉變為 Castle 的一個測試場地，然後變為一個自動駕駛汽車數據日誌，再變成一個模擬場景網路，最後變為新的軟體，下載到實體自動駕駛汽車上，指導該汽車在德州奧斯汀的那個環島上行駛。即使是在 AI 用於理解世界的工具——模擬系統中的多邊形抽象圖案中，我們也能找到人類夢想、回憶的碎片、駕駛汽車的感覺等等痕迹。這些組成成分不是可以抹掉的，它們是自動駕駛系統的必要組成部分，可以徹底改變交通、城市，甚至一切。作者 | Alexis C. Madrigal原文地址：更多資訊請關注微信公眾平台AI科技大本營（ID:rgznai100）