[[201428]]

《大西洋月刊》本周刊文，揭開了 Alphabet 旗下無人駕駛公司 Waymo 的神秘面紗。在無人駕駛汽車的開發(fā)過程中，Waymo 利用了多種強大的工具，包括模擬工具 Carcraft、秘密測試基地“城堡”，以及汽車追蹤軟件 XView。

以下為文章全文：

在 Alphabet 園區(qū)的一角，團隊正在開發(fā)一款軟件。這或許將成為無人駕駛汽車的關(guān)鍵。此前，沒有任何記者實際看過軟件如何工作。作為對《魔獸世界》英文名的致敬，這款軟件被稱作“Carcraft”。

軟件的開發(fā)者是長著娃娃臉的年輕工程師詹姆斯·斯圖特（James Stout）。在一間開放辦公室里，他坐在我身旁。屏幕上顯示著虛擬的環(huán)島。對人眼來說，屏幕上并沒有太多值得一看的內(nèi)容：背景上繪制著簡單的線條，道路上有一輛無人駕駛的克萊斯勒 Pacifica，以及用線條表示的另一輛汽車。

幾個月之前，無人駕駛汽車團隊在德克薩斯州奧斯汀遇到了類似的環(huán)島。行駛速度和環(huán)境的復(fù)雜程度給汽車帶來了困擾，因此團隊決定在測試環(huán)境中設(shè)計類似的場景。我所看到的是學(xué)習(xí)過程的第三步：真實世界駕駛的數(shù)字化。在這里，單一的真實世界交通事件，例如在環(huán)島上一輛汽車逼停另一輛汽車，可以被拓展為數(shù)千個模擬場景，從而對汽車的性能進行測試。

這樣的場景是 Waymo 強大的模擬工具的基礎(chǔ)。斯圖特表示：“絕大部分的工作，包括關(guān)于新特性的開發(fā)，都來自模擬環(huán)境中看到的情況。”這樣的工具加速了 Waymo 自動駕駛汽車的發(fā)展。Waymo 是 Alphabet 旗下無人駕駛部門，于 2016 年 12 月從谷歌X中獨立。

如果 Waymo 可以在未來幾年內(nèi)推出全自動駕駛的汽車，那么 Carcraft 將會被銘記在行業(yè)歷史上。Carcraft 基于現(xiàn)實世界，但在重塑現(xiàn)實世界的過程中又扮演了重要角色。

Carcraft 最初被用于“回放”汽車在真實道路上遇到的場景。不過目前，包括 Carcraft 在內(nèi)的模擬技術(shù)正在無人駕駛的發(fā)展過程中扮演更重要的角色。

目前在任意時刻，都會有 2.5 萬輛虛擬無人駕駛汽車在模擬的奧斯汀、山景城和鳳凰城街道上，以及專門的測試車道上行駛。在短短一天內(nèi)，Waymo 就可以模擬復(fù)雜道路環(huán)境中的駕駛數(shù)十萬次。目前，Waymo 每天在虛擬環(huán)境中的駕駛總里程數(shù)達到 800 萬英里（約合 1287.5 萬公里）。2016 年，虛擬環(huán)境的駕駛總里程達到 25 億英里。相比之下，谷歌 IRL 無人駕駛汽車在公共道路上的行駛里程只略高于 300 萬英里。更重要的是，虛擬環(huán)境中的駕駛專注于 Waymo 所謂的“有趣”場景：這些駕駛行為能讓研究者學(xué)到新東西，而不只是單純堆積里程數(shù)。

Waymo 開發(fā)了復(fù)雜的程序，而模擬環(huán)境只是其中一部分。Waymo 將無人駕駛汽車在公共道路上的數(shù)百萬公里行駛記錄整合至“結(jié)構(gòu)化測試”項目。這個項目在加州 Central Valley 一個被稱作“城堡”的秘密基地中進行。

Waymo 此前從未公布過這個系統(tǒng)。在普通道路上的駕駛結(jié)果表明，在哪些地區(qū)汽車需要額外練習(xí)。他們在“城堡”中建設(shè)所需的空間，從而可以測試數(shù)千種不同場景。在真實世界的測試中，Waymo 的汽車可以收集到足夠多數(shù)據(jù)，以復(fù)制出未來任何時間點的完整數(shù)字環(huán)境。在這樣的虛擬環(huán)境中，工程師可以消除真實環(huán)境的限制，設(shè)計任意單一場景的數(shù)千種變化，隨后讓虛擬汽車在場景中行駛。反過來，不斷優(yōu)化的駕駛軟件被安裝至真實汽車，讓汽車可以應(yīng)對更復(fù)雜的環(huán)境。Waymo 不斷重復(fù)著這樣的循環(huán)。

“城堡”探秘

如果想要前往“城堡”，那么需要先從舊金山灣區(qū)向東行駛，然后沿著 99 號公路向南。沿路上有大片棉花地，天際線消失在農(nóng)田里。這里的氣溫比舊金山更高。我們的汽車在靠近 Atwater 小鎮(zhèn)的出口駛出。這里曾經(jīng)是 Castle 空軍基地，聘用了 6000 名員工，為B-52 項目服務(wù)。然而目前這里已是 Merced 城市區(qū)的北沿。10 年代初，這里的失業(yè)率超過 20%，而目前仍有不到 10%。40% 的居民說西班牙語。我們穿過了幾條鐵路，進入了總面積 1621 英畝（約合 656 萬平方米）的廢棄空軍基地。

我手機上的導(dǎo)航并沒有指向任何地址，而只是一組 GPS 坐標。我們沿著綠色的不透明圍擋行駛，直到谷歌地圖告訴我們停下。沒有任何標志標明這里就是大門，這看起來只是圍擋的一部分。不過，接待我的 Waymo 員工很有信心。這時，一名保安從圍擋中走了出來，檢查我們的身份信息。

圍擋分開，我們駛?cè)肓藞@區(qū)。穿著短褲戴著帽子的年輕人忙忙碌碌，這里有很多活動板房和車庫，而主樓的停車場上還有許多無人駕駛汽車。在這里，我們可以看到多種型號的自動駕駛汽車：在公共道路上最常見的雷克薩斯汽車、已淘汰的普銳斯，以及新的克萊斯勒 Pacifica。

很容易判斷，哪些是無人駕駛汽車。這些車輛配備了傳感器。其中最顯眼的是車頂上方的雷達傳感器（也被稱作激光雷達）。不過，Pacifica 還在后視鏡上安裝了啤酒罐大小的小型激光雷達。而在車尾，這些汽車還安裝了普通雷達。

如果傳感器開始工作，即使車輛處在停車狀態(tài)，激光雷達的旋轉(zhuǎn)也會發(fā)出奇怪的聲響。這與普通的汽車噪聲不同，我的耳朵無法不注意到這種聲音。

此外還有一種更特殊的汽車停在主樓外的街道上。這些車輛用紅色膠布貼上了大大小小的“X”。這些是“第四級”自動駕駛汽車。自動駕駛汽車的分級來自于“汽車工程師協(xié)會”，說明了駕駛自動化的程度。道路上行駛的自動駕駛汽車大多只能實現(xiàn)***級或第二級自動駕駛，這通常代表了可以在高速公路上提供智能巡航控制。然而，這種帶紅色“X”標志的汽車是另一種生物。這些汽車不僅可以實現(xiàn)全自動行駛，而且無法被人工做出干預(yù)。因此，Waymo 不希望這些汽車與其他車輛混在一起。

行走在停車場里，給人的感覺就像是曾經(jīng)的“曼哈頓項目”。我在主樓里見到了這里的管理者。她的名字是史蒂夫·薇爾加斯（Steph Villegas）。

挑戰(zhàn)無人駕駛系統(tǒng)

薇爾加斯穿著白色T恤、破洞牛仔褲和灰色板鞋。這樣的裝束顯示了她以往的時尚氣息。她在東灣的郊區(qū)長大，大學(xué)是加州大學(xué)伯克利分校。她于 2011 年開始涉足無人駕駛汽車項目。

我問她：“你曾經(jīng)是個司機？”她的回答是：“一直都是司機。”

她花了大量時間，在舊金山和山景城之間的 101 號公路和 280 號公路上行駛。與其他司機類似，關(guān)于汽車在開放道路上如何行駛，她有著很深的感觸。在無人駕駛汽車項目中，這些經(jīng)驗非常重要。關(guān)于無人駕駛汽車的難點，這些司機有自己的直覺。她表示：“在新軟件上進行了一些測試，并在團隊中度過一段時間之后，我開始思考，我們可以用什么樣的方式去挑戰(zhàn)系統(tǒng)。”

因此，薇爾加斯和其他一些工程師開始設(shè)計并搭建罕見的場景，從而以受控的方式去測試汽車的新行為。他們開始征用舊金山郊外 Shoreline Amphitheater 的所有停車場，將人們攔在入口外，確保只有獲得權(quán)限的谷歌員工可以進入。

她表示：“這就是我們的起點。當(dāng)時每周只有我和少數(shù)司機。我們會設(shè)想各種需要測試的場景，放上我們想要的道具。我們將這些道具裝上卡車，運往試驗場地，進行測試。”

在無人駕駛汽車項目中，這些就是最初的結(jié)構(gòu)化測試。結(jié)果表明，最困難的部分并不是“如果有僵尸在路口咬人那么要怎么辦”，而是如何對項目進行保密，使普通道路上的無人駕駛汽車看起來就像是有人在駕駛。

薇爾加斯開始從各種地方收集小道具，包括假人、假植物、兒童玩具、滑板、三輪車、洋娃娃、皮球和其他小玩意。這些被放在道具倉庫里。（道具最初保存在一個帳篷里，而目前則放在了“城堡”的儲藏室內(nèi)。）

不過，還有些其他問題需要解決。他們希望汽車行駛速度更快，并使用交通燈和停車標志。此外，Shoreline Amphitheater 的演出季也常常給他們的計劃造成影響。薇爾加斯表示：“例如，金屬樂隊就要來開演唱會，我們需要趕緊上路測試。”

他們還需要一個基地，一個秘密基地。“城堡”剛好提供了這樣的基地。他們簽訂了租約，開始建設(shè)夢想中的虛擬城市。“我們在設(shè)計中有意識地做出一些決定，建設(shè)居民區(qū)街道、高速公路、死胡同，以及停車場等場景。”她表示，“我們將一些代表性場景集成在一起，讓汽車在其中行駛。”

我們從辦公室走向她的汽車。當(dāng)我們離開辦公室時，她遞給我一張地圖。她表示：“就像迪士尼樂園一樣，你可以按圖索驥。”這時一張精心制作的地圖。在一個角落，拉斯維加斯風(fēng)格的標志牌顯示：“歡迎來到加州的‘神話城堡’”。園區(qū)的不同部分有各自的命名規(guī)則。我們穿過的每條道路都以知名汽車（DeLorean 和 Bullitt）或早期的普銳斯車隊（Barbaro）來命名。

我們走過了一組粉紅色建筑。這是舊的軍隊宿舍，其中之一已被改造過：如果 Waymo 員工來不及返回灣區(qū)，那么就會在這里休息。除此之外，測試區(qū)內(nèi)沒有其他建筑。這是個屬于機器人汽車的城市。所有重要的事都發(fā)生在瀝青路面上。

在普通人看來，這就像是個沒有玩家的電子游戲場景。從林蔭大道到社區(qū)道路，從水泥車道到郊區(qū)十字路口，而這些場景中都沒有建筑，這令人不可思議。我不斷看到似曾相識的道路場景。

我們來到一個大型雙車道環(huán)島，中間有一圈白色圍擋。薇爾加斯表示：“我們在德州奧斯汀遇到了一個多車道環(huán)島，隨后就在這里復(fù)制了這個環(huán)島。我們最初設(shè)計的是單車道環(huán)島，但隨后又遇到了多車道的場景。”

薇爾加斯停下來，看著一處新增的裝置：兩條汽車道和一條自行車道穿過靠近一塊草地的平行停車場。“我很喜歡在這些場景中加入平行停車場。類似的場景在市郊商業(yè)區(qū)很常見，無論是 Walnut Creek、山景城，還是帕洛阿爾托。”她表示，“人們從店面或公園中走出來，在汽車之間走動，或許搬著東西穿過馬路。”這條小路就像是她記憶中的碎片，而她將這些記憶嵌入了地面的瀝青和混凝土中，并使其成為一種更抽象的形式。

她用車送我回主辦公室，我們坐進了一輛無人駕駛的克萊斯勒 Pacificas。坐在左邊駕駛位的是布蘭頓·凱恩（Brandon Cain），而右邊坐著另一名駕駛者，負責(zé)利用名為 XView 的軟件，在筆記本上跟蹤車輛的狀態(tài)。

這里還有許多被稱作“狐貍”（fox）的測試助理，這樣的稱呼來自英文單詞“faux”（人造的）。他們駕駛汽車，創(chuàng)造交通環(huán)境，像行人一樣活動，騎自行車，拿著停止標志。在一定程度上他們是演員，而觀眾則是汽車。

我們要做的***種測試是“簡單地通過和超車”，但速度將達到時速 45 英里（約合 72 公里）。我們計劃前往一條名為 Autobahn 的寬闊道路。

當(dāng)“狐貍”出現(xiàn)在車道上時，無人駕駛汽車將剎車，團隊將檢查一個關(guān)鍵數(shù)據(jù)點：車輛減速情況。他們試圖設(shè)計一種導(dǎo)致汽車不得不急剎車的場景。那么這種剎車有多猛？“我的腋下開始不自覺的出汗，而手機飛到地上”，確實很猛。

實際上這并不是我***乘坐無人駕駛汽車。以往我曾體驗過兩次無人駕駛汽車。***次是一輛雷克薩斯 SUV，當(dāng)時我乘坐汽車穿過了山景城的街道。第二次是乘坐谷歌 Firefly，當(dāng)時是在谷歌一棟大樓的樓頂上。這些汽車都不顯眼，這才是重點。

但這次有所不同。這是兩輛行駛速度很快的汽車，其中一輛會阻止我們的移動。用 Waymo 的術(shù)語來說，這非常“辛辣”。

現(xiàn)在到了開車的時候。凱恩發(fā)動了汽車，汽車說“自動駕駛”。另一輛車隨后接近我們，就像是要逼停我們。我們猛地剎車，操作很快、很流暢。

隨后他們檢查了減速數(shù)據(jù)，發(fā)現(xiàn)剎車強度還不夠。我們需要再做一次，一次又一次。另一輛車從不同角度，以不同方式來逼停我們。他們將這樣的做法稱作“覆蓋”。

我們隨后還進行了其他三項測試：高速并線；遇到一輛倒車的車輛，同時第三輛車擋住視線；在停車過程中有行人將籃球扔到行駛路線上。每種測試都令人印象深刻，但最難以忘記的仍是逼停測試。

在我們開始另一次測試之前，凱恩問我：“你有沒有看過《環(huán)太平洋》？在這部電影中，主角操縱巨大的機器人與怪獸作戰(zhàn)。我試圖與汽車同步，分享一些思考。”

我詢問凱恩，關(guān)于與汽車同步，他想要表達的是什么。他表示：“我根據(jù)車內(nèi)乘客的體重差異進行調(diào)節(jié)。在多次乘坐這輛汽車后，我可以感受到汽車在干什么，用我的屁股。這聽起來很奇怪，但我確實知道汽車想要干什么。”

從真實測試到模擬環(huán)境

遠離濕熱的“城堡”，這里是谷歌的山景城總部。我來這里是為了拜訪 Waymo 的工程師。從組織架構(gòu)上來說，他們率屬于X。你或許已經(jīng)知道，X是 Alphabet 面向長遠發(fā)展、高風(fēng)險的研究部門。2015 年，當(dāng)谷歌重組為企業(yè)集團 Alphabet 時，谷歌X改名為X（他們的網(wǎng)站是X.company）。在重組的一年后，X和 Alphabet 決定讓無人駕駛汽車項目“畢業(yè)”，組建獨立的公司 Waymo。Waymo 就像是谷歌的孩子。

因此，Waymo 的辦公室仍然位于母艦內(nèi)部，但也在慢慢獨立。我聽說，Waymo 的員工現(xiàn)在都坐在一起。

X 和 Waymo 的辦公樓很大、很寬敞。來自 Project Wing 項目的無人機原型正在飛行，我也看到了谷歌自主開發(fā)的 Firefly 汽車。（薇爾加斯在“城堡”中曾說過：“自己開發(fā)的東西或許很甜蜜。但它們沒有空調(diào)，所以我一點都不想念它們。”）

從餐廳往上，走到大樓的一角，這里是 Waymo 的模擬集群。在這里，所有人的屏幕上都打開了 Carcraft 和 XView。屏幕上是黑色背景的多邊形圖像。他們正在為 Waymo 汽車設(shè)計虛擬世界。

等待我的是 Carcraft 的創(chuàng)造者詹姆斯·斯圖特（James Stout）。他從來沒有公開討論過自己的項目。這次他表現(xiàn)出極大的熱情。Carcraft 就是他的孩子。

他說：“我只是看了下招聘信息，發(fā)現(xiàn)無人駕駛團隊正在招聘。我簡直不能相信他們提供了一個職位。”他加入了這支團隊，并立即著手開發(fā)工具。目前，這款工具支持了每天 800 萬英里的虛擬駕駛。

此前，他們主要使用這款工具去查看，汽車在復(fù)雜情況下會如何操作。在真實世界的這些情況下，人工司機會接管汽車。從這些情況起步，他們開始制作場景。“很快我們就看到，這是一款非常有用的工具，我們可以在此基礎(chǔ)上進行各種開發(fā)。”斯圖特表示。Carcraft 的能力隨后快速提升，可以容納整個城市，而汽車數(shù)量也擴大為一支龐大的虛擬車隊。

斯圖特介紹了艾連娜·科拉羅夫（Elena Colarov）。她是“場景維護”團隊的負責(zé)人。她的面前放著兩塊屏幕。在右側(cè)屏幕上，她在查看 XVivew，屏幕顯示了汽車“看到”的畫面。汽車使用攝像頭、雷達和激光雷達去識別場景中的對象，并在軟件上用線框來呈現(xiàn)這些對象，繪制真實世界的輪廓。

從這些形狀中延伸出的綠色線條代表了汽車預(yù)期對象可能移動的方式。底部的圖像條顯示了，汽車搭載的普通攝像頭（可見光攝像頭）捕捉到的畫面。科拉羅夫還打開了激光雷達返回的數(shù)據(jù)，這些數(shù)據(jù)以橙色和紫色點來顯示。

我們看到了“城堡”中環(huán)島真實情況的回放。科拉羅夫切換至模擬版本。看起來是一樣的，但不是數(shù)據(jù)日志，而是汽車需要解決的情況。唯一不同的是，在 XView 屏幕的最上方，紅色字符顯示了“模擬”的字樣。斯圖特表示，加入這樣的提示是因為，人們常常會混淆模擬與真實場景。

他們隨后加載了另一個場景。這是在鳳凰城。科拉羅夫縮小了畫面，顯示整個城市的模型。在模型中，他們描繪了“所有的車道在哪里，一條車道如何通向另一條車道，停止標志在何處，交通燈在哪里，哪里有障礙，車道中心的位置是哪，以及所有一切你需要知道的信息。”

我們隨后放大了畫面，中心是鳳凰城附近某處的一個十字路口。隨后，科拉羅夫開始在場景中放入虛擬的汽車、行人和自行車。

在按下一個按鈕之后，屏幕上的對象開始移動。虛擬汽車會像真實汽車一樣在車道上行駛、轉(zhuǎn)彎。虛擬的自行車與真實自行車一樣。這些對象的邏輯來自于該團隊在公共道路上數(shù)百萬公里的測試。這一切的背后是一份超級詳細的世界地圖，以及場景中不同對象的物理模型。他們對橡膠物體和道路都進行了建模。

意料之中地，最難模擬的是他人的行為。這就像是父母常常對孩子說的：“我不擔(dān)心你開車，擔(dān)心的是路上的其他人。”

“我們的車觀察世界，理解世界。隨后，對于環(huán)境中任何的動態(tài)對象，無論是汽車、行人、自行車，還是摩托車，我們的汽車都能理解意圖。僅僅追蹤空間中的對象還不夠，你必須能明白它們要做什么。”Waymo 軟件負責(zé)人迪米特里·多爾戈夫（Dmitri Dolgov）表示，“對于建造性能強大、安全可靠的無人駕駛汽車來說，這是關(guān)鍵問題。這種建模，以及對世界中其他參與者的理解，非常類似于在模擬環(huán)境中的建模。”

不過這里也存在關(guān)鍵的不同：在現(xiàn)實世界中必須接收關(guān)于環(huán)境的實時數(shù)據(jù)，并將其轉(zhuǎn)化為對場景的理解，而汽車將在這樣的環(huán)境中行駛。然而目前，在從事該項目的多年之后，他們對此很有信心。用斯圖特的話來說，他們已經(jīng)完成了“一系列測試，證明可以識別出各種各樣的行人。”

因此對于大部分的模擬，他們跳過了對象識別步驟。他們不需要向車輛提供原始數(shù)據(jù)，由汽車來識別行人，而只是告訴汽車，行人就在這里。

在十字路口，科拉羅夫給無人駕駛汽車設(shè)置了更困難的環(huán)境。她點擊V鍵，一個新的對象出現(xiàn)在 Carcraft 中。隨后，她把鼠標移到右側(cè)的下拉菜單上，這里顯示了許多不同的車型，包括我最喜歡的 bird_squirrel。

這些對象可以按照 Waymo 的建模邏輯來運動，Carcraft 的場景設(shè)計者也可以要求這些對象按照某種精確的方式運動，以測試特殊行為。

在建立場景的基本結(jié)構(gòu)之后，他們可以測試場景中包含的所有變化。因此可以想象一下，對于十字路口，你可能想要測試不同車輛、行人和自行車的到達時間，以及他們的停留時間和運動速度。他們只是簡單地輸入這些值的合理范圍，隨后軟件就會生成并運行所有這些場景的組合。

Waymo 將這樣的做法稱作“擴散”（fuzzing），而僅僅這個十字路口就產(chǎn)生了 800 種場景。隨后系統(tǒng)生成了一張漂亮的表格，工程師可以查看，不同的變量組合如何改變汽車的決策。

最終，這個問題變成了分析所有真實場景和模擬場景，找到有趣的數(shù)據(jù)，從而指導(dǎo)工程師，如何讓汽車更好地行駛。其中的***步可能是：汽車是否會被迫停下？如果是這樣，那么就是個非常值得研究的場景。

在這里，我們看到了一段視頻，展示了這樣的情況。現(xiàn)實世界的山景城有一個復(fù)雜的十字路口。當(dāng)汽車左轉(zhuǎn)時，一輛自行車靠近，導(dǎo)致汽車停在了路上。工程師解決了這類問題，并重新編寫軟件，以獲得正確的結(jié)果。視頻顯示了真實世界的情況，而隨后工程師基于真實情況進行了更多的模擬。由于兩種情況不同，你將會看到，模擬的汽車持續(xù)行駛，隨后出現(xiàn)了一個虛線盒子，顯示著 shadow_vehicle_pose。這個虛線盒子顯示，現(xiàn)實世界中發(fā)生了什么。對 Waymo 的工程師來說，這是對當(dāng)前進展最清晰的可視化表現(xiàn)。

不過，他們關(guān)注的場景并不僅僅是汽車停住。他們還想要研究過長的決策時間，或是超出正常范圍的剎車情況。對于任何工程師可以學(xué)習(xí)或調(diào)優(yōu)的場景，他們都會通過模擬環(huán)境加以研究。

斯圖特和 Waymo 軟件負責(zé)人多爾戈夫強調(diào)，關(guān)于模擬環(huán)境有 3 個核心點。首先，相對于真實世界中的駕駛，模擬環(huán)境中的駕駛里程數(shù)要多出很多，并且?guī)砹瞬诲e的經(jīng)驗。其次，這些駕駛過程專注于有趣，但在現(xiàn)實世界中難以實現(xiàn)的互動。第三，軟件的開發(fā)周期可以變得快很多。

“對我們來說，迭代周期非常重要。我們在模擬技術(shù)方面的工作有助于大幅縮短迭代周期。”多爾戈夫表示，“在項目的最開始階段，迭代周期可能達到幾周，而目前只需要幾分鐘。”

隨后我問他，如果路上出現(xiàn)油跡、爆胎、飛鳥和大坑，那么車輛會怎樣？他們是否對這些情況都進行了模擬？多爾戈夫很樂觀。他表示，這肯定可以做到，“但你希望模擬器在這條軸上有多大的保真度？或許對于其中某些問題，你得到了更好的值，或者你也可以在現(xiàn)實世界中進行一系列測試，來驗證模擬器的結(jié)果。”（想想“城堡”。）

Carcraft 虛擬世界的力量并不在于，以漂亮而***的方式去渲染真實世界，而是利用對無人駕駛汽車有意義的方式去反映真實世界，使測試里程數(shù)比真實測試增長數(shù)十億公里。對于模擬世界中的駕駛軟件，做出決策的方式與現(xiàn)實世界完全相同。

這種方式效果很好。加州機動車輛管理局（DMV）要求相關(guān)公司報告每年自動駕駛的里程數(shù)，以及司機解除自動駕駛狀態(tài)的次數(shù)。Waymo 報告的里程數(shù)要比其他公司高出 3 個數(shù)量級，同時司機干預(yù)的次數(shù)也有大幅下降。

從 2015 年 12 月到 2016 年 11 月，Waymo 的自動駕駛里程數(shù)達到 635868 英里（約合 102 萬公里），而司機做出干預(yù)只有 124 次，相當(dāng)于每 5000 英里司機才會有一次干預(yù)，或者說千英里司機干預(yù)次數(shù)為 0.20 次。前一年，Waymo 的自動駕駛里程數(shù)為 424331 英里，司機干預(yù)次數(shù)為 272 次，相當(dāng)于每 890 英里司機會有一次干預(yù)。

盡管許多人指出，這些數(shù)字并不適合拿來直接對比，但現(xiàn)實情況是，這就是我們在加州可以獲得的***數(shù)據(jù)。而其他公司總共的自動駕駛里程數(shù)只有約 2 萬英里。

其他廠商開始追趕

對外部專家來說，Waymo 的做法并不奇怪。安德森-霍洛維茨的風(fēng)險投資人克里斯·迪克森（Chris Dixon）表示：“目前，根據(jù)對待模擬技術(shù)的態(tài)度，你就可以衡量自動化團隊的高級程度，無論是無人機團隊還是汽車團隊。”他主導(dǎo)了安德森-霍洛維茨對模擬技術(shù)公司 Improbable 的投資。“Waymo 處于行業(yè)頂端。”

我也向 Allstate Insurance 創(chuàng)新總監(jiān)蘇尼爾·欽塔金迪（Sunil Chintakindi）了解了 Waymo 的項目。他表示：“如果沒有強大的模擬基礎(chǔ)設(shè)施，你就無法將更高程度的自動化集成至汽車。”

其他無人駕駛研究員也在關(guān)注這個發(fā)展方向。密歇根大學(xué)自動駕駛和互聯(lián)汽車實驗室 Mcity 項目負責(zé)人彭暉表示，適用于無人駕駛汽車的系統(tǒng)將會是“超過 99% 模擬、某些精心設(shè)計的結(jié)構(gòu)化測試，以及某些上路測試的共同結(jié)果”。

他和一名研究生提出了一種系統(tǒng)，將上路測試和模擬結(jié)合在一起，從而加快測試速度。這與 Waymo 的方式類似。彭暉表示：“因此我們的觀點是，將駕駛過程中無聊的部分去掉，專注于有趣的部分。這可以讓速度提升數(shù)百倍，讓總里程從幾千英里上升至百萬英里。”

Waymo 項目的優(yōu)勢包括規(guī)模、組織和強度。我向彭暉介紹了谷歌所做的結(jié)構(gòu)化測試，包括“城堡”的結(jié)構(gòu)化測試團隊在模擬環(huán)境中嘗試的 2 萬種場景。他聽錯了數(shù)字，并對我表示：“2000 個場景很厲害。”隨后我糾正了他，“是 2 萬個場景。”他停頓了一下，“原來是 2 萬個，確實厲害。”

實際上，這 2 萬個場景僅僅只是 Waymo 所有測試場景的一小部分。這些場景都來自于結(jié)構(gòu)化測試。根據(jù)公共道路的駕駛測試和想象，他們還設(shè)計了更多場景。

彭暉表示：“他們干得很棒。在第四級自動駕駛方面，他們遠遠領(lǐng)先于其他人。”

不過，彭暉也提到了傳統(tǒng)汽車廠商的地位。他表示，傳統(tǒng)汽車廠商正在嘗試完全不同的做法。這些公司沒有專注于全自動駕駛，而是首先開發(fā)可以變現(xiàn)的駕駛輔助技術(shù)，隨后再向全自動駕駛發(fā)展。將 Waymo 與通用等傳統(tǒng)廠商相比并不公平。Waymo 擁有大量的資源和自由度，可以將成本 7 萬美元的激光雷達安裝在測試汽車上。相比之下，雪佛蘭這樣的品牌會認為，4 萬美元就是大眾市場接受的上限。

彭暉表示：“通用、福特、豐田和其他廠商都在說，‘我們要減少事故和死亡率，提高大眾用戶的安全性。’他們的目標完全不同。我們需要思考數(shù)百萬輛汽車，而不僅是幾千輛汽車。”

即使是在全自動駕駛的競賽中，Waymo 面臨的挑戰(zhàn)也要比以往更大。特斯拉正成為一家重要競爭對手。克里斯·蓋爾德斯（Chris Gerdes）是斯坦福大學(xué)汽車研究中心主任。18 個月之前，他曾表示，Waymo“相對其他公司對問題有更深入的了解，并且比其他人更接近于解決這些問題。”不過上周他再次表示，目前“有很多情況都發(fā)生了變化”。

他指出：“福特和通用等汽車廠商正在部署自己的無人駕駛汽車，并獲取行駛數(shù)據(jù)。特斯拉目前已通過 Autopilot 的部署積累了大量數(shù)據(jù)，了解系統(tǒng)如何在真實用戶體驗下運轉(zhuǎn)。他們以靜默模式在真實汽車上測試算法，而車輛總數(shù)也在快速增加，這共同形成了令人驚嘆的測試平臺。”

蓋爾德斯表示，在模擬技術(shù)方面，他看到了多家競爭者拿出了實質(zhì)性的項目。他表示：“模擬能力多種多樣，但我看到了一些很強大的技術(shù)。在這個方面，Waymo 不再顯得與眾不同。當(dāng)然，他們有很大的領(lǐng)先優(yōu)勢，但現(xiàn)在很多團隊都在探索類似的方案。目前的問題是，誰能做到***。”

這并不是簡單地演示神經(jīng)網(wǎng)絡(luò)的“大腦式”能力。神經(jīng)網(wǎng)絡(luò)技術(shù)正在推動人工智能快速發(fā)展，Alphabet 旗下公司正在迅速接受這類技術(shù)。這也不是 Google Photos 應(yīng)用，一次出錯并不會引起太大的問題。這將是一個在人類世界中完全自主生存和活動的系統(tǒng)，可以理解我們的規(guī)則，溝通自身需求，并且對我們的眼睛和思想清晰可見。

Waymo 似乎將駕駛視為一種技能，例如如何操縱方向和速度。不過，駕駛更是一種人類社會活動。在“合法”駕駛的基礎(chǔ)上，什么是“正常”駕駛？我們?nèi)绾巫屓斯ぶ悄芰私馄渲械臏蚀_含義？

事實證明，開發(fā)這樣的人工智能需要的并不僅僅是海量數(shù)據(jù)和工程技術(shù)。這些是必要的，但還不夠。實際上，開發(fā)這樣的人工智能需要人類與汽車同步，讓汽車像人類一樣了解世界。“城堡”中的司機知道，如何讓一輛汽車去像人類一樣觀察并作出決策。或許這將向兩個方向發(fā)展：人類對汽車的理解越深，汽車對人類的了解就越深。

對奧斯汀一個環(huán)島的記憶演變成了“城堡”的一部分，成為了無人駕駛汽車的數(shù)據(jù)記錄，成為了 Carcraft 的一個場景，成為了模擬網(wǎng)絡(luò)，成為了新的軟件，而這最終將把更強大的無人駕駛汽車送上奧斯汀的環(huán)島。

即使是在用于幫助人工智能了解世界的模擬抽象多邊形中，也帶有人類夢想的痕跡、回憶的片段，以及司機的感受。這些元素并非錯誤，也不是人類的污點，而是系統(tǒng)的必要部分，可以徹底變革交通、城市，以及其他所有一切。（編譯/陳樺）