Waymo坦言：还需在应用场景和语义理解方面继续突破
“谷歌waymo公司毫无疑问是无人驾驶技术发展最快的公司之一，最近，Waymo软件工程总监Sacha Arnoud使用了编程中90-90法则的来描述Waymo的自动驾驶项目，他说从Waymo的经验来看，前90％的技术工作量只占总工作时间10％，而要完成最后的10％的工作，需要再花10倍的气力。这也是很多专家讲的“边际效应”，Waymo虽然越来越接近自动驾驶，但要实现工业化，仍要花费很多的力气。”
Alphabet公司的自动驾驶汽车部门Waymo最近发布了一个新视频，旨在向人们展示一辆自动驾驶汽车在旅途中“看到”的一切。标题为“Waymo 360°体验”，该视频使用来自克莱斯勒Pacifica在亚利桑那州凤凰城周围旅行的素材和实时数据，向观众展示使用LiDAR，雷达和相机的Waymo自驾车集合的信息。
正如标题说的那样，观看者可以在设置到360度视角播放视角时可以将其视角旋转360度。它可以在台式计算机，移动设备和虚拟现实中查看。视频展示了传感器环境下，无人驾驶汽车所识别出的周围环境，给人一种安全的感觉。
截至2月份，Waymo的自驾车队已经在美国25个城市驾驶了500万英里。该车队已经经历了各种地形和天气条件，包括密歇根州的白雪皑皑的街道，旧金山陡峭的山丘以及大凤凰城的沙漠条件。在去年的虚拟测试中，他们的车队行驶了27亿英里。
该地图显示Waymo自驾车队目前运营的所有城市。图片来源：Waymo
Waymo离成功越来越近了，几乎已经完成了工作的90%，但是剩下10%的工作将会花费更长的时间去打磨！
Sacha Arnoud在麻省理工学院讲课
在编程圈子中，有一种称为“90-90规则”的格言。它规定前90％的代码占预期开发时间的前90％，其余10％的代码需要另外90％的时间来完成。这项规则是被大多数人承认——完成时间（180%）常常要超出预期时间（100%）。它揭示了工程项目实际所花时间远比预期的长。
Waymo工程总监Sacha Arnoud最近用这个“90-90规则”的变体来描述Waymo的自动驾驶计划。他说，从Waymo的经验上看，完成这项技术的前90％只占用了10％的时间。然而，要完成最后的10％，还需要10倍的初始努力。
Arnoud的讲话是在Lex Fridman的麻省理工学院客座讲座上发表的，题为“自动驾驶汽车的深度学习”演讲。他提供了有关Waymo未来计划和对之前技术见解，包括如何应用人工智能和深度学习，以及如何从演示Demo转向工业级产品。
Waymo工程师的这次讲座超越了大多数Waymo管理层的演讲和新闻事件。因为他提供了迄今为止Waymo所做的复杂的努力以及对即将到来的挑战的洞察力。下面是讲座的要点。
1.工业化需要10倍的努力
Arnoud强调从在实验室工作的演示Demo到可安全上路的工业化产品所需的大量工作：“您需要10倍的技术能力，需要10倍的团队规模，包括寻找更多工程师和更多研究人员通过有效途径来合作，需要10倍的传感器性能，需要提高系统的整体质量，包括您的测试实践。”
2.深度学习使算法取得突破
Arnoud指出，当谷歌开始进行自动驾驶汽车工作时，2010年的深度学习技术远不那么先进。但是，多年以来，深度学习已经取得很大进展，可以在自动驾驶的几个关键领域实现算法突破，包括制图，感知和场景理解。
Arnoud举了很多例子，比如使用深度学习来分析街道图像以提取街道名称，房屋号码，交通信号灯和交通标志。预先计算这些数据并将它们存储为汽车地图的功能为实时任务节省了宝贵的车载计算能力。
深度学习也推动了实时任务的突破，如分析传感器数据以识别交通信号，其他车辆，障碍物，行人等。深度学习能力还有助于预测其他驾驶员，骑车者和行人的可能行为，并据此驾驶。
3.与其他Google单位的协同作用是Waymo进步的关键
Arnoud承认谷歌“整个机器学习生态系统”对Waymo进展很重要。其中包括Google Brain团队开发的开创性软件，并与其他Google团队一起开展大规模深度学习，如视觉，语音，自然语言处理和地图等。Google生态系统还为机器学习提供专用基础设施和工具。这包括加速器，数据中心，标记数据集和支持Google TensorFlow编程范例的研究。
4.Waymo的测试计划可能是其秘密武器
Arnoud强调说，无论伟大的Waymo算法，传感器和整体配套如何，无人驾驶汽车仍然是复杂的，嵌入式的实时机器人系统必须在不可预知的世界中使用不完善的数据安全地工作。他强调了Waymo的三重测试项目 -真实驾驶，模拟和结构化测试，这是迭代和产品化技术的关键。
Waymo的汽车自主驾驶的400万公里道路里程数很大。Arnoud形容这相当于大约300年的人类驾驶体验并绕全球160次。他说，真实世界的驾驶是至关重要的，但更重要的是模拟能力。
模拟非常关键，因为它可以让Waymo的每个新迭代软件版本，测试所有先前积累的数据。更重要的是测试这些数百万英里的“模糊”版本的能力，比如看看软件如何处理速度稍微不同的汽车，额外的汽车、行人在汽车前面穿过等等。
仅2016年，Waymo就通过仿真系统模拟行驶了25亿英里来加快学习速度。在模拟系统中，每天有超过25000辆虚拟自动驾驶汽车反复体验类似在实际道路上遇到的恶劣环境。
Waymo测试程序的第三个组成部分是其结构化测试程序。Arnoud说，很少发生驾驶情况的“长尾效应”。Waymo没有试图在实际驾驶中遇到所有可能性，而是在退役的城堡空军基地建立了一个占地90英亩的模拟城市，在那里它可以测试汽车对抗这种边缘情况。这些测试之后被送入仿真引擎并进行模糊化来创建更多测试的变体。
5. Waymo的下一步将是个大麻烦
Arnoud讨论了Waymo面临的工程挑战。他描述了接下来的两大步骤。
下一步就是扩大汽车的“运营设计域”（ODD）。
这包括扩展到“密集的城市核心”，如旧金山（Waymo最近宣布正在扩大其测试计划）。另一个ODD是恶劣的天气条件，如强降雨，雪和雾。（Waymo首席执行官John Krafcik最近告诉观众，他最近在底特律附近12英寸的地方下雪时很兴奋，因为可以让Waymo在雪地上进行测试。）
绿色和平 在凯旋门的交通圈
另一个重点领域是Arnoud所说的“语义理解”。
作为一个例子，他指出了巴黎凯旋门周围的混乱的Place de l'?toile交通圈。这个圆圈是12条道路的交汇点，并且非常难以导航。阿诺德说，他已经多次驾驶它而没有发生事故，而且这种情况需要的不仅仅是感知和车辆操作技能，需要深刻理解当地的规则和期望，还需要与其他驾驶员保持沟通和协调，包括信号，手势等。这种深刻的推理是无数边缘案例的关键，也是提高无人驾驶汽车综合能力的关键。
尽管Waymo在无人驾驶的未来方面已经取得了巨大的进步，但Arnoud还是通过强调工程基础设施，以及为了将无人驾驶汽车转变为安全生产系统而必须解决的复杂性扩展来结束他的演讲。
在自动驾驶工业化进程的最后90％的时间里，Waymo有多远？Arnoud从未说过。但是，为了说明这些复杂情况，他展示了一辆停在路口的Waymo汽车的闭幕录像，一群孩子在汽车四周的街道上蹦蹦跳跳。他似乎暗示有些事情正在等待着他。
- 发表于:
- 原文链接：http://kuaibao.qq.com/s/20180304G18QFU00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
