在無(wú)人駕駛車領(lǐng)域，技術(shù)的每一步發(fā)展都必須以保障個(gè)人安全為丈量，由是它的發(fā)展除了將帶給人們歡喜鼓舞的便利之外，也引發(fā)了對(duì)其安全性的擔(dān)憂。本文作者M(jìn)ichael Dempsey在“How to drive 10 billion miles in an autonomous vehicle”一文中分享了另一種解決思路，即利用模擬技術(shù)預(yù)演可能遇到的行車場(chǎng)景，并認(rèn)為該邏輯能夠進(jìn)一步加深人們對(duì)于相關(guān)領(lǐng)域的認(rèn)知。

　　谷歌、特拉斯、Zoox……還有更多公司借助模擬的方法力圖使無(wú)人駕駛車的行駛里程盡快達(dá)到十億英里。目前，無(wú)人駕駛車的發(fā)展存在兩個(gè)瓶頸：一是官方對(duì)于車輛最低里程數(shù)的要求。二是實(shí)驗(yàn)和測(cè)試模型仍待優(yōu)化。

　　工程師基于大數(shù)據(jù)完善無(wú)人車輛的行使模型，實(shí)驗(yàn)場(chǎng)景從太陽(yáng)光到傳感器，再?gòu)牟煌嵌鹊膫鞲衅鞯狡嚽胺降娘w行障礙以及異常的外界行為等。

　　而問(wèn)題在于在重現(xiàn)現(xiàn)實(shí)場(chǎng)景并不容易，也不安全。

　　蘭德的一份報(bào)告發(fā)現(xiàn)，如果要測(cè)試無(wú)人駕駛的安全性是否達(dá)到可以接受的程度，實(shí)則需要上萬(wàn)英里甚至數(shù)十億英里的實(shí)驗(yàn)里程作證明。

　　“即使作最合理的打算，現(xiàn)有的無(wú)人駕駛車也需要幾十年甚至數(shù)百年的時(shí)間才能完成預(yù)定的里程測(cè)試。而如果將測(cè)試放在現(xiàn)實(shí)道路上，則會(huì)是一個(gè)不可能完成的任務(wù)。”

　　用什么方法才能不斷提高無(wú)人駕駛車輛的可靠性？

　　像Uber、Lyft和Zoox這樣的公司誕生于大城市，并在一定條件下進(jìn)行運(yùn)作以降低自身的技術(shù)壁壘。但是這可能適用于世界各地的Uber們，而像傳統(tǒng)的原始設(shè)備制造商則選擇通過(guò)不斷更新汽車的自動(dòng)化功能來(lái)彌合與共享技術(shù)的差距。

　　因此，我們可以繞過(guò)在目前需要大量數(shù)據(jù)的傳統(tǒng)技術(shù)方法，而建構(gòu)起能夠進(jìn)行推理和學(xué)習(xí)小量數(shù)據(jù)的模型。公司在去年被Uber收購(gòu)的加里·馬庫(kù)斯花了幾年時(shí)間研究這個(gè)問(wèn)題，但此類學(xué)習(xí)模型至今還沒有在無(wú)人機(jī)中成為現(xiàn)實(shí)。

　　不要忘了仿真模擬

　　從軟件到硬件的仿真模擬被合理建模時(shí)，就會(huì)為公司實(shí)驗(yàn)和測(cè)試他們的汽車模式提供可能性。

　　這包括各種各樣的應(yīng)用場(chǎng)景，包括交通、司機(jī)行為、天氣以及道路環(huán)境等。

　　還要考慮傳感器的使用情形。需要多少個(gè)相機(jī)和雷達(dá)？它們應(yīng)該被放置在哪里？應(yīng)該使用哪種模型硬件？

　　同時(shí)，靈活的隨機(jī)排列也十分重要?；诖?，在路上就不需要把車隊(duì)和可靠的司機(jī)緊緊綁在一起。

　　我們?nèi)晕吹诌_(dá)終點(diǎn)

　　如今，諸如Vires、TaSS PreScan、CarSim、Oktal ScanNer和ROS Gazebo等產(chǎn)品給工程師模擬傳感器及其發(fā)生機(jī)制和機(jī)械結(jié)構(gòu)提供了可能。盡管它們各有所長(zhǎng)，但卻同時(shí)忽視了對(duì)于模擬而言至關(guān)重要的領(lǐng)域，這包括過(guò)分簡(jiǎn)化現(xiàn)有的傳感器輸出，以及對(duì)環(huán)境如何影響自主模型的復(fù)雜程度的了解。

　　然而隨著技術(shù)的不斷發(fā)展，我們必須考慮如何以高保真的方式執(zhí)行、插入和測(cè)試硬件與軟件的融合之物。

　　高保真的模擬環(huán)境

　　雖然模擬大多數(shù)傳感器對(duì)于外界的感知存在困難，但是簡(jiǎn)單的模擬在車輛上的應(yīng)用越來(lái)越普遍。

　　由于低成本的LiDARs未實(shí)現(xiàn)的承諾和高端單元的短缺使得OEMs和Tier 1的可伸縮性變得困難，因此光學(xué)相機(jī)被報(bào)以期待。

　　模擬相機(jī)的模擬數(shù)據(jù)與輸入的數(shù)據(jù)沒有誤差，因此為了正確地測(cè)試對(duì)外界感知程度，工程師需要建構(gòu)出逼真的模擬環(huán)境。但是建造一個(gè)復(fù)雜的模擬光圈則非常昂貴且存在困難，因此沒有人能夠?yàn)榱舜蛟煲惠v無(wú)人汽車而模擬這個(gè)環(huán)境。

　　大約在一年前，我遇到了克雷格。當(dāng)時(shí)他正在發(fā)布一個(gè)他稱之為DeepDrive的東西。我后來(lái)得知，作為早期的工程師之一，他利用游戲兜售1.37億美元的開發(fā)成本重現(xiàn)現(xiàn)實(shí)世界的場(chǎng)景，并通過(guò)展示高保真度的景象...來(lái)支持無(wú)人駕駛汽車。

　　幾個(gè)月后，克雷格加入了一家名為Uber的小型初創(chuàng)公司，專注于研究模擬。

　　普林斯頓大學(xué)的一個(gè)研究小組詳細(xì)介紹了使用GTA V的優(yōu)勢(shì)。它將世界范圍劃分為100平方英里、400萬(wàn)人、262種車輛、1167種不同的生物、14種天氣條件、以及在城市、農(nóng)村和林地環(huán)境中的7萬(wàn)多條動(dòng)態(tài)路段。

　　模擬行使里程真的有用嗎？

　　對(duì)于模擬里程效用的觀點(diǎn)不一

　　支持一方認(rèn)為，模擬可以用來(lái)模擬罕見情況和基線數(shù)據(jù)，罕見的情況是指難以重現(xiàn)或足夠隨機(jī)的場(chǎng)景。如果無(wú)人駕駛能夠提供99%的可靠性，因?yàn)榇蟛糠謭?chǎng)景已經(jīng)通過(guò)模擬得以優(yōu)化。而AI或ML的一些未來(lái)技術(shù)迭代則允許我們?cè)跊]有事先數(shù)據(jù)預(yù)備的情況下，對(duì)極端情況做出反應(yīng)。

　　排除特殊情況之外，仿真對(duì)于構(gòu)建基礎(chǔ)數(shù)據(jù)集也非常有用，并且在此基礎(chǔ)上不斷進(jìn)行進(jìn)一步的測(cè)試。

　　反對(duì)一方則認(rèn)為與此相對(duì)應(yīng)的是：模擬環(huán)境不夠好以至于不能高效地生成模型。通常，這是一個(gè)環(huán)境與車輛交互的場(chǎng)景，并且很難在現(xiàn)實(shí)場(chǎng)景中復(fù)現(xiàn)。此外，還存在著圖像保真度過(guò)低的情景。

　　從模擬虛擬到在現(xiàn)實(shí)情形下的強(qiáng)化學(xué)習(xí)

　　為了幫助解決有關(guān)數(shù)據(jù)質(zhì)量的一些問(wèn)題，研究人員正在測(cè)試將虛擬圖像輸入轉(zhuǎn)化為現(xiàn)實(shí)模型的可能性，以改進(jìn)模擬實(shí)驗(yàn)。

　　谷歌曾放出消息，雖然許多政府機(jī)構(gòu)還不愿意將模擬英里數(shù)作為規(guī)定中的自主駕駛測(cè)試所需里程的一部分，但隨著對(duì)模擬的監(jiān)管變得更加明確，這種情況可能會(huì)發(fā)生變化。

　　模擬是必要的

　　如果精確度足夠高，那么模擬是有價(jià)值的。誠(chéng)然，模擬可能不會(huì)解決的最后1%的自主駕駛問(wèn)題。但如果技術(shù)可靠，那么在未來(lái)可以讓模型完成更好的場(chǎng)景識(shí)別或應(yīng)對(duì)更大范圍的場(chǎng)景。

　　許多公司對(duì)此表示贊同。包括特斯拉，Zoox，Comma.ai，Drive.ai和極光創(chuàng)新公司都在積極招聘模擬工程師。

　　在無(wú)人駕駛領(lǐng)域之外

　　模擬技術(shù)的使用能夠擴(kuò)展到無(wú)人駕駛領(lǐng)域之外。雖然我們可以借此理解無(wú)人機(jī)如何感知周圍的世界，但除此之外我們也能更好地明白交通、駕駛行為，甚至是行人行為的潛在邏輯。

　　退一步講，一個(gè)模擬環(huán)境中存在足夠多的特定模型和動(dòng)態(tài)生命，因此我們也可以更好地理解機(jī)器人，它們將與我們的真實(shí)世界和數(shù)字世界發(fā)生交互。

　　像Improbable這樣的公司已經(jīng)瞄準(zhǔn)了這個(gè)潛在市場(chǎng)。投資者們也已經(jīng)認(rèn)識(shí)到，該技術(shù)作為未來(lái)模擬世界的建筑師其所隱藏的價(jià)值。

　　我們才剛剛觸及這項(xiàng)技術(shù)的表明。許多公司正在大力發(fā)展該項(xiàng)技術(shù)，一些初創(chuàng)公司也已經(jīng)開始開發(fā)獨(dú)立的軟件。隨著研究深入，預(yù)計(jì)會(huì)有各種各樣的新選手進(jìn)入市場(chǎng)。那些最早成功人有機(jī)會(huì)成為早期的領(lǐng)導(dǎo)者，或能帶領(lǐng)其他人更好地進(jìn)行階段式的發(fā)展。