探索谷歌無人車測試中心：碰到殭屍吃人怎麼辦？

導語：為了開發無人駕駛汽車，Waymo做了許多準備工作。它建了一個名叫Castle的秘密基地，打造一個虛擬世界Carcraft測試汽車，用模擬技術測試。自動駕駛項目最初的「結構測試」就是這樣進行的。如果路上有殭屍吃人怎麼辦？這可不是最難的事，最難的地方在於：普通交通環境中有無窮的變化情況，人類可以從容應付，如何讓汽車像人一樣應對，自信而可靠。最近，《大西洋月刊》的記者拜訪了Waymo的秘密設施，讓我們追隨記者的步伐一起來參觀參觀Waymo的測試場和模擬中心吧。

在Alphabet辦公園區的一個角落裡，有一個團隊正在開發軟體，它會成為無人駕駛汽車研發流程的關鍵組成部分。到目前為止沒有記者親自參觀過。Alphabet管它叫Carcraft，根據流行遊戲《魔獸世界》命名。

軟體的製作人是一個年輕工程師，名叫詹姆斯·斯托特（James Stout），他坐在我的身邊，這是一個開放式辦公室，很安靜。屏幕上顯示虛擬線路。在人眼看來，沒有太多東西值得觀看：線條很簡單，背景的紋理跟公路差不多。我們看到一輛自動駕駛克萊斯勒Pacifica汽車出現在畫面上，中等解析度，還有一個簡單的線框代表其它汽車。

幾個月之前，一輛自動駕駛汽車在德州碰到了相似的線路。環境很複雜，如何調整速度，汽車感到很困惑，於是研究人員決定在測試中心增加相似的公路，與真實公路很相似。我們看到的是學習進程的第三步：將真實世界的駕駛變成數字。在真實世界里的單一駕駛操作到了這裡可以在成千上萬的場景中重複，用來研究汽車的性能。

從Castle開始

Alphabet引進了強大的模擬儀器，場景正是儀器運行的基礎。斯托特說：「大量工作能夠完成，新功能能夠開發出來，都得到了模擬技術的幫助。」有了這套工具，Waymo可以讓無人駕駛研發速度加速，2016年，Waymo從Alphabet分拆出來，成為獨立公司。

如果未來幾年內Waymo可以提供完全自動駕駛的汽車，我們應該記住Carcraft，它是一個虛擬世界，重塑真實世界，在開發過程中它發揮了重要作用。

汽車在公共道路上會碰到各種場景，最開始時Carcraft只是「回放」這些場景，慢慢的，它在自動駕駛項目中扮演越來越重要的角色。

每時每刻都有25000輛虛擬汽車在模型中行駛，這些模型是根據Austin、山景城、鳳凰城製作的，還有一些模型模擬測試車道場景。Waymo可以用模擬方式讓汽車在特別複雜的公路上奔跑，每天跑幾千幾萬次。每一天，數字汽車都要在虛擬世界行駛800萬英里。2016年，虛擬汽車行駛了25億英里，至於谷歌的真實汽車，只在公路上行駛了300多萬英里。Waymo的工作人員老是說，在虛擬英里數中他們關注的是「有趣」的英里數，從中能學到新東西。總之，它和高速公路上行駛的里程不同，高速公路比較枯燥。

（Carcraft測試軟體）

Waymo制定了一套複雜的流程開發汽車，模擬只是其中的一個環節。一方面，汽車在公共道路上行駛幾百萬英里，另一方面，谷歌在中央山谷（Central Valley）建立秘密基地，名叫Castle，讓它執行「結構測試」項目，然後將兩種測試融合在一起。

之前Waymo沒有談論過這個系統。汽車在常規公路上行駛，有一些地區需要多練習一下。Waymo在Castle的土地上雕刻需要的空間，然後讓汽車在原位置練習，體驗成千上萬的不同場景。這兩種測試都是在真實世界進行的，汽車會獲得豐富的數據，在未來任何時間點創建完整的數字場景。到了虛擬空間，Waymo不會受到現實生活的約束，可以讓任意一個場景變成上萬上萬個變體場景，讓數字汽車在每一個場景中學習。當駕駛軟體越來越先進，Waymo會將軟體裝進真實汽車，然後讓汽車在真實世界行駛。Waymo一次又一次重複這樣的流程。

秘密基地

前往Castle，你要驅車從舊金山Bay區向東行駛，進入99號公路向南行駛，然後來到中央山谷高速公路，繼續南行抵達Fresno。這裡的氣溫比舊金山高，很平坦，John McPhee甚至管它叫作「土地海洋」，想測量只能用激光。在靠近小鎮Atwater的地方離開公路，Atwater曾經是Castle空軍基地的大本營，當時那裡有6000人為B-52項目工作。現在它成了Merced城區的邊緣地帶。我們穿過鐵軌，在1621英畝的老基地內行駛，現在這裡有許多機構，比如Merced縣動物控制中心、阿特沃特監獄。

手機無法告訴我們目的地在哪裡，GPS倒是可以用。我們沿著高高的不透明綠屏障前進，直到谷歌地圖讓我們停車才停下。看不到哪裡有大門可以進入，似乎哪裡都是綠屏障，不過Waymo嚮導倒是很有信心。果然，前面出現一道安全門，綠屏障上裂縫變寬，查看身份之後就可以進入。

隨後我們開車進入一個熱鬧的小園區。年輕人穿著短褲帶著帽子走來走去。裡面有活動板房，有穹頂車庫，當然還有自動駕駛汽車，停在主建築的停車場內。有一個地方停了幾種無人駕駛汽車，有雷克薩斯汽車，這種汽車你在公路上會看到，還有Priuses，這款自動駕駛汽車已經退役，還有新的克萊斯勒Pacifica。

自動駕駛汽車還是容易識別的，上面安裝了感測器，主要是激光掃描儀（也就是激光雷達），裝在汽車上方。Pacifica汽車不太一樣，靠近側視鏡的地方有一個激光雷達組件旋轉，激光雷達跟啤酒罐差不多大。汽車的背部還有雷達，看起來很像怪物史萊克的耳朵，只是是白色的。

一旦汽車感測器啟用，旋轉的激光雷達會發出古怪的聲音，即使停車也一樣。聲音介於「牢騷聲」和「撞擊聲」之間，之所以討厭只是因為它很古怪，耳朵無法過濾，就像其它汽車的噪音一樣。

（綠屏障）

有一輛特殊汽車停在主建築對面的街道上，這是一輛Level 4汽車。在公路上我們看到的自動駕駛汽車大多數都是Level 1或者Level 2等級，只能在高速公路上自動巡航。這輛Level 4汽車完全不同，它完全可以自動駕駛，如果裡面沒有人是不能行駛的，總之這輛汽車與眾不同。

進入停車場，你會覺得這裡有點「曼哈頓計劃」的味道，有點像科學前哨站，也有點像科技創業公司。進入主建築會有一個活動板房，跟教室差不多大，在這裡我見到了幕後人物，她的名字叫作斯蒂芬·比列加斯（Steph Villegas）。

測試司機

進入谷歌之前，比列加斯在East Bay長大，後來在加拿大學伯克利分校學美術，2011年加入無人駕駛汽車項目。

我問她：「你是一名司機嗎？」

比列加斯回答說：「一直是司機。」

比列加斯花了無數時間乘坐汽車在101和280高速公路上穿梭，往返於舊金山和山景城。和其它司機一樣，比列加斯的目標只有一個：搞清汽車在公共道路上是如何運行的。在自動駕駛汽車項目中，這可是相當關鍵的一步。研究人員要讓汽車擁有直覺，這可是一件難事。比列加斯說：「在新軟體上做了一些測試、在團隊工作一段時間之後，我開始思考一個問題：有什麼會對系統構成挑戰。」

於是比列加斯與一些工程師開始製作稀有場景，在受控環境下測試汽車新行為。Waymo租用了海岸線圓形劇場(Shoreline Amphitheater)對面的停車場，所有入口都安排人守護，不讓其它人進入。

「我們就是從這裡開始的。」比列加斯說，「每周我和幾名司機會提出一些構想，對汽車進行各種測試，我們將物資放在卡車上，然後駕駛卡車進入停車場，測試汽車。」

（小道具）

比列加斯開始收集各種小道具，仿製品、錐體、假植物、孩子的玩具、滑板、三輪腳踏車、玩偶、球、裝飾物。所有東西都放在道具存放處。最開始時放在帳篷里，現在Castle有一個專門存放點。

問題來了。Waymo要讓汽車跑得更快，需要用到街燈和停車標誌。海岸線圓形劇場經常會有音樂會，計劃會被打亂。

正因如此，研究團隊需要一個秘密基地，最終Castle成為最佳選擇。Waymo簽下租賃協議，開始建造一個假城市。比列加斯說：「我們討論后達成一致，要建造居民街道、高速公路一樣的街道、盡端路、停車場以及類似的東西。這樣一來我們就有一個代表性地點，將各種元素濃縮進去，可以開著汽車到處跑。」

前往測試場

我們從主拖車辦公室走到比列加斯的汽車前，當我們前往測試場時，她給了我們一份地圖。比列斯斯說：「和迪斯尼公園一樣，你可以跟著地圖走。」地圖製作精細。在角落裡有一個拉斯維加斯式的標誌，上面寫著：「歡迎來到加州Fabulous Castle。」園區的不同區域有自己的命名規則。在我們走過的區域里，每一條路都用著名汽車命名（比如DeLorean、Bullitt），或者是一代普銳斯汽車早期使用的名字（Barbaro）。

接下來我們路過一個粉紅建築群，那是陳舊的軍隊宿舍，當中一幢翻新過：Waymo工作人員如果不能返回Bay區就會在這裡睡覺。除了這幢建築，測試區再無別的建築。

走進測試場，感覺就像進入了視頻遊戲的某一關，裡面除了玩家沒有別的角色。

我們來到一個新地方，這裡有一條迂迴兩車道公路。中間是一個圓，圍了白色柵欄。比列加斯說：「我們在德州Asutin的多車道迂迴公路上行駛之後建了這條迂迴路。最初只有腳踏車道迂迴道，我們當時認為：『行了，這樣就行了。』到了多車道迂迴路上，我們才發現完全是另一回事。於是建了這條迂迴路。」

比列加斯的目光轉向新設施：兩條汽車車道和一條腳踏車車道從平行停車位旁邊穿過，停車位靠近草地。我們停下腳步，比列加斯說：「我們想建一些東西，旁邊有平行停車位。在郊區市中心經常會看到這樣的場景。Walnut Creek、山景城、帕洛阿爾托都有。人們從店面或者公園出來，在汽車之間行走，可能還會拿著東西穿過街道。「

（模擬街區）

隨後，比列加斯開車將我們帶回主建築，我們坐進無人駕駛貨車，也就是克萊斯勒Pacifica。坐在左側的駕駛員名叫布蘭登·蔡恩（Brandon Cain），右側是副駕駛員，坐在乘客座位上，他打開筆記本，用XView軟體查看汽車的運行情況。

還有測試助理，Waymo管他們叫作「foxes」，這個名字是從單詞「faux」變化而來的，是一個綽號。「foxes」駕駛汽車、扮演行人、騎腳踏車、拿著停車標誌，還要干許多其它的事。「foxes」更像是演員，而「觀眾」就是自動駕駛汽車。

測試汽車

第一項測試很簡單，簡單通行然後處理搶道情況，高速完成，時速45英里。我們在寬寬的公路上直行，這條路叫作Autobahn。

Foxes切入之後，Waymo汽車會剎車，然後團隊會查看關鍵數據：看看汽車是怎樣減速的。研究人員想知道哪些場景會導致汽車急剎車。

這不是我第一次乘坐自動駕駛汽車。之前我坐過兩種自動駕駛汽車：一款是雷克薩斯SUV，它帶著我穿過山景城街道；還有一款是谷歌小巧的Firefly汽車，它載著我在谷歌一幢建築的屋頂上轉圈。這兩次體驗都很普通。

這次不同。現場有兩輛快速行駛的汽車，一輛汽車會搶道，用「spicy」（下流，谷歌工作人員的說法）的行為搶道。出發了，蔡恩讓汽車前進，汽車說：「Autodriving。」表示要啟用自動駕駛了。另一輛汽車靠近，搶道，就像一個開保時捷的人要將我們逼退一樣。我們的汽車急剎車，又快又平穩。真是讓人佩服。

（環形雙車道）

然後Waymo工作人員查看減速數據，發現急剎車不夠有力。我們做了一次又一次。另一輛汽車從不同的角度搶道，用不同的方式接近。

後來我們又完成了另外3項測試：高速並道；一輛汽車倒車，退出私人車道，第三輛汽車擋住了無人駕駛汽車的視線；汽車平穩駛向車站，此時一名行人在我們的道路上玩籃球。每一次測試都給人留下深刻的印象，不過搶道測試最讓人驚嘆。

我們排隊準備再跑一次，蔡恩坐在自己的座位上。他問我：「看過《環太平洋》嗎？」這是一部電影，裡面的人與巨大的機器人同步，用機器人與怪獸作戰。他說：「我正在嘗試與汽車同步，我們共享思想。」

與汽車同步到底是什麼意思？我讓他解釋一下。蔡恩說：「汽車中坐了不同的人，有不同的重量，我嘗試根據重量的不同調整。在汽車內坐了很多次之後，我的屁股會感覺到汽車的行為，聽起來有點奇怪，但真的是這樣的。我似乎知道它想做什麼。」

（兩輛汽車並道，一輛自動行駛）

Waymo模擬中心

離Castle很遠的地方有谷歌山景城總部。我們來到這裡拜訪Waymo工程師，他們在X內部辦公，也就是之前的Google X，它是谷歌的一個研發分支機構。2015年，谷歌建立了一家名叫Alphabet的公司，將所有公司放在Alphabet之下，X前面的「Google」字樣去掉了，變成了X公司。重組一年之後，無人駕駛汽車項目變成了獨立公司，也就是Waymo。

正因如此，Waymo的辦公室還留在「母艦」之內，Waymo的人形成兩個派系，現在卻坐在了一起。

X/Waymo大樓很大很空。裡面有Project Wing項目的原型無人機，我還看到了小巧的Firefly汽車。從自助餐廳向上走，會看到Waymo模擬中心，位於一翼的一個角落內。在這裡，我們可以從屏幕上看到Carcraft和XView。多邊形嵌在黑色背景上。有人在創建虛擬世界，讓Waymo汽車通行。

等待我們的是詹姆斯·斯托特，Carcraft的製作人。他從沒有公開談論過這個項目。

斯托特說：「我只是瀏覽了一下招聘信息，發現自動駕駛汽車團隊正在招聘，真不敢相信他們居然會發招聘信息。」斯托特進入了團隊，馬上動手開發工具，現在工具指揮虛擬汽車每天行駛800萬英里。

當時，工具的主要作用是這樣的：在複雜的環境中人類如果接管汽車會怎樣做，汽車又會怎樣做。斯托特說：「很快我們就發現工具很實用，我們可以製作很多這樣的東西。」Carcracft的空間開始延伸，增加了整個城市，汽車數量也大大增加。

（4個人推車時Waymo激光雷達看到的圖像）

斯托特請來了埃琳那·科拉羅夫（Elena Kolarov），她是「場景維護」團隊的主管。科拉羅夫前面擺了兩塊顯示屏，她用右邊這塊觀察XView，屏幕告訴大家汽車看到了什麼。從對象中會伸出一些綠色線條，它告訴我們汽車預測目標可能會向哪些方向移動。在底部有一個圖像條，它告訴我們汽車常規攝像頭拍到了什麼。激光掃描儀也會傳回數據，科拉羅夫可以打開數據，顯示出來，數據用橙色或者紫色點顯示。

研究人員載入另一個場景，這個場景來自於鳳凰城。科羅拉夫放大模型讓我們觀看。斯托特說，所有車道都有，哪個車道通向另一個車道，停止標誌在哪裡，交通燈在哪裡，路緣在哪裡，車道中央又在哪裡，所有你需要知道的信息都有。

（XView模擬軟體看到的線路圖像）

我們縮小模型回到原狀態，它顯示的是鳳凰城附近的一個4向停車點。接下來科羅拉夫開始添加汽車、行人和騎腳踏車的人。

按一下熱鍵，屏幕上的目標物開始移動。汽車像汽車一樣移動，在自己的車道內行駛，轉向。腳踏車按自己的方式移動。它們的運行是根據模型進行的，Waymo讓汽車在公共道路上行駛，然後構建模型。超詳細的地圖和模型是根本。

（在Carcraft中構建場景）

最難的部分

模擬其它人的行為是難的。正如老人們常說的：「我不擔心你開車，我們擔心的是路上的其它人。」

Waymo軟體主管德米特里·多爾戈夫（Dmitri Dolgov）說：「我們的汽車看到世界，理解世界，然而環境中的一切都是動態的，汽車、行人、騎腳踏車的人、騎機車的人，我們的汽車要理解他們的意圖。光是追蹤一樣東西穿過空間是不夠的，我們要理解它們正在做什麼。要製造強大、安全的自動駕駛汽車，這是關鍵。」

有一個關鍵的不同：在真實世界，你必須獲得環境的最新數據、實時數據，將它轉化為對場景的理解，然後導航。經過多年的研究，現在Waymo已經深信自己可以做到，因為許多測試顯示汽車已經可以識別各種行人。

（Xview模擬場景）

正因如此，在大多的模擬中，他們跳過了對象識別這一步。Waymo不會向系統輸入原始數據，讓它識別行人，而是直接告訴汽車：這裡有一個行人。

在四向停車點前，科羅拉夫提高了難度。她按下V鍵（汽車上的一個熱鍵），新對象出現在Carcraft世界。然後她移動滑鼠，在右手一側放下一個菜單，裡面有許多不同類型的汽車可以選擇。

Waymo會為不同的對象建模，對象按模型移動，Carcraft場景構建師也會編寫程序，讓它們以精準方式移動，用來測試特殊行為。斯托特說：「控制場景，放下東西並讓它們移動，二者之間有一個範圍。」

一旦為場景搭建了基本架構，就可以測試所有的重要變數。在四向停車點前，你可以讓不同的汽車、行人、腳踏車騎手調節抵達時間、停留時間和移動速度，還可以修改其它變數，進行測試。你只需要確定賦值範圍，然後軟體就會自動創建所有場景組合併運行。

（fuzzing圖表）

Waymo管這個過程叫作「fuzzing」。以四向停車點為例，總共會生成800個場景。系統製作一張漂亮的圖表，工程師可以進去查看，看看不同的變數組合與汽車挑選的路線有何關聯。

問題的關鍵就是分析所有場景，然後不斷模擬，找到最有趣的數據，為工程師提供引導，讓駕駛變得更好。第一步可能是這樣的：汽車是不是處理不了？如果是，那就是有一個有趣的場景，值得研究。

下面這段視頻也許可以讓你看得更明白。這是一個複雜的四向停車點，出現在真實世界，位於山景城。當汽車向左轉彎時，一輛腳踏車靠近，汽車感到困惑，於是在路上停車。工程師看到了問題，修改軟體，讓它正確回應。在視頻中我們可以看到真實場景是怎樣的，在真實場景上面是模擬測試。兩種情況分離之後，你會看到模擬汽車繼續前進，後面出現一個盒子，上面貼有標籤「shadow_vehicle_pose」，它告訴我們真實世界發生了什麼事。對於Waymo工作人員來說，這樣就可以用視覺化形式看清整個過程。

（點擊可查看動圖）

模擬有三個核心要素：首先，讓真實汽車儘可能多跑一些距離，經歷越多越好；其次，行駛時關注的重點是有趣、很難處理的相互作用，而不是枯燥乏味的行駛；再次，儘可能縮短軟體的開發周期。

多爾戈夫說：「對於我們來說迭代循環是相當重要的，在模擬世界我們做了許多事，這些事可以讓我們縮短時間。在開發程序的早期階段，周期要幾周，現在只要幾分鐘。」

如果路面上出現浮油、發生爆胎、出現奇怪的鳥、出現排水口一樣大的洞坑會怎樣呢？這些東西能模擬嗎？多爾戈夫很樂觀。他說，當然可以，只是模擬器的模擬度有多高呢？有時只需要在真實世界測試幾次，就可以拿到更好的數值，或者讓模擬器確認。

Waymo領先但不再特殊

Waymo積極進取沒有讓外部專家感到意外。Andreessen Horowitz風投家Chris Dixon說：「就目前而言，如果你想知道一個無人駕駛團隊（無人機團隊、汽車團隊）有多強大，可以看看他們對模擬有多重視。Waymo無疑是最領先最強大的團隊之一。」

Allstate Insurance創新主管Sunil Chintakindi說：「如果沒有強大的模擬基礎設施，你根本沒有辦法製造更高級的無人駕駛汽車。有些人說用其它方法也可以做到，我不會認同的。」

其它一些研究人員也採用相似的策略。密歇根大學自動駕駛、聯網汽車實驗室Mcity的研究人員Huei Peng說，任何系統如果想運行，必須將各種測試結合，當中超過99%是模擬測試，還有一些精心設計的結構化測試，還有一些公路測試。

他與學生開發一套系統，將公路測試與模擬測試整合，讓測試速度加快。Huei Peng的方法與谷歌差不多。他說：「關鍵就是剔除那些枯燥的部分，專註於有趣的部分。這樣就可以讓速度提高几百倍，測試1000英里相當於100萬英里。」

我將谷歌所做的結構化測試數據告訴Peng，包括2萬個場景，Castle團隊在結構化測試中收集場景，然後轉化為模擬場景，這樣的場景共有2萬個。Peng聽錯了，他說：「2000個場景很多。」我打斷並糾正他的說法，Peng停了一會，說：「20000個。」想了一想又說：「真讓人印象深刻。」

放在現實世界，2萬個場景只是Waymo測試場景的很小一部分。Peng說：「他們做得很不錯，在Level 4級別超前別人很多。」

隨後Peng談到了傳統汽車製造商所處的位置。他說，傳統汽車製造商想做一些完全不同的事。它們的目標不是開發完全自動行駛的汽車，而產增加駕駛員輔助技術，賺一些錢，然後再向自動駕駛前進。傳統汽車商的做法與Waymo不可相提並論，Waymo為汽車安裝的激光探測器要7萬美元。

Peng說：「通用汽車、福特、豐田及其它企業都在說：『讓我們減少撞車、致命事故的數量，為大眾市場的汽車增強安全性。」它們的目標完全不同。Peng認為：「它們考慮的是數以百萬計的汽車，不是幾千輛。」

在無人駕駛競賽中，Waymo面臨的挑戰越來越大，尤其是特斯拉的挑戰。斯坦福汽車研究中心主任克里斯·格迪斯（Chris Gerdes）在8個月前表示，與其它人相比，Waymo研究的問題更深入，離解決問題更接近，上周又問他，他認為情況仍然如此，但是形勢已經有了蠻大的變化。

格迪斯說：「福特、通用汽車等製造商部署汽車收集路面數據，特斯拉通過Autopilot收集了大量數據，不斷學習，想讓系統知道如何在各種環境中運行，這些環境是特斯拉客戶經歷過的。特斯拉可以悄悄測試演算法，快速增加測試汽車，完成更棒的測試。」

在模擬領域，格迪斯看到了許多競爭程序，它們都很強大。格迪斯稱：「我相信模擬功能多種多樣，但是我的確看到一些模擬很出色。在這個領域Waymo不再特殊。沒錯，Waymo的確是率先前進的企業，但是有許多團隊也在使用相似的方法。誰做得最好？現在還沒有答案。」