雷锋网(公众号：雷锋网)新智驾按：谷歌是自动驾驶研究领域的“老大哥”，能被冠以这样的名号，必然是有足够的实力来做支撑。过去的“谷歌无人车”，现在的“Waymo”，十数年历程，一步步走来，除了那些被媒体广泛报道的明面信息，还有什么让 Waymo 的自动驾驶走在全球领先的位置。外媒《大西洋月刊》今日发表长文：《Inside Waymo's Secret World for Training Self-Driving Cars》，解密了 Waymo 自动驾驶的两大重磅武器：自动驾驶模拟系统 Carcraft 以及测试基地 Castle。让我们跟随作者 Alexis C. Madrigal 的脚步，去了解Carcraft，探营Castle，一步步揭晓全球最先进自动驾驶的成长秘辛。雷锋网新智驾进行了全文编译，希望能为国内自动驾驶从业者提供一些借鉴。
在谷歌母公司 Alphabet 的园区里，有一支团队正在从事着有可能成为自动驾驶汽车关键的软件技术的研究，至今没有记者见过他们是如何工作的。他们将软件系统取名为“Carcraft”，取义自著名的网络游戏World of Warcraft(魔兽世界)。
“Carcraft”
该软件的创造者是一名头发蓬松、娃娃脸的年轻工程师——James Stout。此刻，他正戴着耳机坐在安静的开放式办公室里，盯着屏幕上虚拟出来的环形交叉路口。对于人类眼睛来说，能从屏幕上获取的信息并不多：也就是几条简单的线勾勒出了道路的结构和大背景。在这个虚拟的环形交叉路口，我们可以看到一辆中等分辨率的具备自动驾驶功能的克莱斯勒 Pacifica 车型，而一个简单的线框构成的立体盒子代表的则是另外一辆车。
几个月前，Waymo 的自动驾驶团队在得克萨斯州测试时便遭遇了这样一个环形交叉路口。当时车速很快，加之道路环境很复杂，一度让自动驾驶汽车陷入困惑，所以他们决定在测试场地构建一个模拟现实环境的道路模型。
而我(文章作者 Alexis C. Madrigal)现在看到的则是整个学习过程的第三步：真实环境驾驶的数字化、图像化呈现。在这一步，一个单一的驾驶行为(如在环岛的超车行为)可以被发散成上千种模拟场景，用来探测自动驾驶汽车能力的边界在哪里。
这样的场景构建为这家公司强大的模拟器打下了基础。“绝大多数已经完成的工作，都是受模拟场景中遇到问题的启发。”Stout 表示。这个工具也正是不断推动 Waymo 自动驾驶技术发展的强有力武器。
如果 Waymo 能在几年后供应全自动驾驶汽车，那么 Carcraft 值得被永远铭记，作为现实世界的虚拟呈现，它功劳巨大。
以往，我们所采用的方法是“场景回放”，也就是将车辆在公共道路上行驶时经历的任何事件记录、存储下来，进行回放。而 Carcraft 则是模拟真实的场景，在自动驾驶研究中扮演着前所未有的重要角色。
在任何时间段，Waymo 的 25000 台虚拟的自动驾驶汽车，穿行在全模型版本的奥斯汀、山景城以及凤凰城等地，其自动驾驶车辆可能在一天之内在特别复杂的虚拟道路上跑成百上千遍。总体来说，他们现在每天在 Carcraft 虚拟世界的行驶里程可达 800 万英里。整个 2016 年，他们总共在虚拟世界中行驶了 25 亿英里，相较于他们在公共道路上测试的 300 万英里，超出了几个数量级。
而且，严格来说，在虚拟世界中进行的里程非常“有趣”，因为能设置一些不一样的道路状况，车辆可以从中学习到更多新的东西。而不像现实世界中千篇一律的高速公路行驶测试，车辆学不到太多的新东西。
当然，模拟只是 Waymo 诸多复杂工作中的一部分。这部分工作要通过他们在中央山谷(Central Valley)开展的秘密的结构化测试计划与 Waymo 累积的数亿英里的公共道路测试里程进行紧密结合。Waymo 的秘密基地被称为 Castle。
Waymo 此前从未公开过这个系统。他们在常规道路上进行的测试告诉他们，在哪些地方需要进行更为深入的探索和实践。他们将 Castle 基地需要的空间开辟出来，便可以在原地进行上千种不同道路场景的测试。同时，在真实世界测试的加持下，自动驾驶车辆可以收集到足够多的数据，在未来的任何时候都能创造出全电子化的模拟场景。在那样一个虚拟的空间之中，能够摆脱真实世界的限制，在一个单一的场景下创造出上千种不同的情形，让数字化的车辆一一通过这些被创造出来的道路环境。
随着软件能力的提升，该系统将会被搭载上真实的车辆，用于提升其自动驾驶的能力。而这个循环将会不断重复，在虚拟世界和现实世界的转换中，不断训练整个自动驾驶系统的能力。
探营“Castle”
要去往Castle基地，你需要驾车从旧金山湾区往东，上了 99 号公路后往南走，一直通往弗里斯诺(Fresno)。一路途经玉米地，地平线消失在农田的尽头。这里要比旧金山气温高 30 度左右，地形属于一马平川，在作家 John McPhee 的描述中，这属于“earthen sea”。
在靠近阿特沃特小镇的地方下高速，这里曾经是一个空军基地，现在它隶属于Merced市，在其城区的北部边缘。 2010 年时，当地失业率超过20%，现在还在10%的样子。此地有40%的人说西班牙语。我们穿过了一些铁道线，在这个 1621 英亩的老基地上穿行，这里还是动物保护区和监狱的聚集地。
我的手机导航无法指出具体的地址，但是GPS信号为我们定好了位置。我们一路往前，开到了一个很高不透明的绿围墙前，在此地，谷歌地图告诉我们停下。没有任何迹象表明，这里会有一扇门。但是Waymo的随行工作人员透露出了神秘的自信。一名安保人员出现，把绿围墙打开，检查我们的证件……
我们开进了一个看上去忙乱的小型营地，穿着短袖的年轻人走来走去。这里有一些便携式的建筑、原型顶的车库，以及醒目的停车场上停放着自动驾驶车辆。这里有多种车型的自动驾驶车辆，包括雷克萨斯原型的自动驾驶汽车，你可能在公开道路上见到过它们;还有已经宣布退役的丰田普锐斯原型车以及新的克莱斯勒 Pacifica 厢式旅行车(Minivans)。
这些自动驾驶汽车非常易于辨认，因为其上布满了传感器。最为醒目的当然还是车顶上那些激光雷达扫描仪，也就是 LiDAR。在 Pacifica 车型上，一个啤酒罐大小的激光雷达在反光镜两侧不停旋转着。车辆的后方装配了毫米波雷达，看上去就像是白色的怪物史莱克的耳朵。激光雷达旋转时，还会发出非常奇怪的声音。
在主建筑的对面，有一辆非常特别的车停在那里，车身上用红色胶带贴上了“X”的字样，显得很神秘。这是一辆 Level 4 级别的自动驾驶汽车，可以实现全自动驾驶，而且人类已经无法驾驶这辆车，猜测应该没有方向盘或者制动装置。这可能也是它和其他车辆分开停放的原因。
当我们把车开进停车场，这里像极了影片《曼哈顿计划》里的场景，科研基地、科技创业公司的气息扑面而来。在主建筑里，我终于见到了这个让人印象深刻的地方的幕后掌控者，她的名字是 Steph Villegas。
Villegas 穿着一件很长但很合身的白色有领衬衫，搭配一件磨破了的牛仔裤，脚踩一双灰色的针织运动鞋，很是时尚，并不输其在旧金山谷歌办公室的打扮。她在加州 East Bay 郊区长大，在加利福尼亚大学的美术专业毕业， 2011 年她加入谷歌的自动驾驶汽车项目。
在过去的很长一段时间里，她经常要上 101 和 280 号高速，这是往返旧金山和山景城的主要路线。像其他驾驶员一样，她也要不断去感受自动驾驶汽车在公共道路上是如何行驶的，这也是自动驾驶项目非常重要的研究分支。他们不断通过直觉去探知到底什么样的状况是自动驾驶汽车难以应对的。“在对新开发的软件进行测试以及在团队中处理一些事务的过程中，我开始思考我们应该给系统制造一些挑战。”Villegas表示。
所以，她和一些工程师们开始虚构和搭建起一些极端的场景，可以让他们测试自动驾驶汽车的一些新的驾驶习惯和操控方式。他们征用了 Shoreline Amphitheater 当地的一些停车场，在所有的入口设卡，除了谷歌的工作人员，其他闲杂人等一律不让入内。
“我们就这样开始了我们的计划，”她说。“每周，我和其他几位工程师会构想出一些我们想测试的内容，用卡车把我们需要用到的一些大局和配件运到执行的一些测试地点开始测试。”
这些便成为了这个自动驾驶项目“结构化测试”的开始。测试中最难的部分其实是要求车辆自身在正常交通环境的无数种变体情况下自信、可靠地像人类驾驶员一样操控汽车。
Villegas 从那时开始，到处收集一些小道具，包括一些仿制品、锥形桶、假植物、儿童玩具、滑板、球类等等。这些所有道具都被归置在一个小仓库里，现在这些道具也被运到了 Castle 基地。
但是问题在于，很多时候他们想要提升测试时的行驶速度，同时想借助交通灯和停车标识来进行测试。但是在 Shoreline Amphitheater 是办不到的。他们需要一个基地，一个秘密基地。
而这正是 Castle 基地可以提供的。
他们马上租下了场地开始搭建他们想象中的虚拟城市，“我们很明确的决定要设计和打造一些居民区形式的道路、高速行驶风格的公路、胡同和停车场等等，”她表示，“因此我们就有了一些典型的道路模型可以进行车辆的测试。”
我们穿过办公室走到她的车旁边，她用手指着地图上我们要去参观的地方。“就像迪士尼乐园一样，你跟着我走就行了。” Villegas表示。这地图是经过精心绘制的，角落上还写着“欢迎来到迷人的加州 Castle 基地”的标语。很多地点是根据不同车型的名字进行命名。
我们穿过一组粉红色的建筑，是一些旧的军事建筑，其中有一栋经过翻修。这里，是 Waymo 的工作人员可以歇脚的地方，一旦他们没办法回到湾区的办公室。整个测试场地没有建筑物，是专门为自动驾驶汽车而生的“城市”，全是沥青和水泥构筑出来的交叉道路。
置身在这样的地方，仿佛是在一个没有人类角色的电子游戏场景里一样。我们驱车进入到一个大型双车道的环岛，中间是白色栅栏围成的圈。这个模拟的环岛其实是因为此前他们的自动驾驶团队在德克萨斯州奥斯汀遇到过这样一个多车道的环岛，所以为了让自动驾驶系统能学会处理这样的道路模型，便在此地搭建了这样一个模拟环岛。
在参观过程中，Villegas 望向正在新建的一处工地，这是一条双车道，同时还有自动车道以及平行停车区域，而且还有草坪。这像极了我们日常生活中在城市里习以为常的道路场景。
这个测试场，有许许多多这样模拟真实环境搭建起来的交通场景。
回到办公区域后，Villegas 又将我领到一辆自动驾驶的克莱斯勒 Pacifica 上。驾驶位上的是 Brandon Cain，副驾驶位上是一名工作人员拿着手提电脑监控车辆的行驶状态，使用的是名为“XView”的软件。当然，还有诸多的测试助手，他们在自动驾驶车辆行进的前方要么驾车、要么扮演行人，要么骑自行车、要么举着停止的标识。他们正在表演着一场大戏，观众则是那辆自动驾驶汽车。
我们做的第一项测试是较为简单的穿行和超车，但是是在 45 英里/小时的高速情况下。这次测试是在一条宽直的高速上进行的。
在假扮的一些突发交通状况发生后，这辆自动驾驶汽车进行了刹车，测试团队便开始检查核心的数据点：减速功能。他们正在尝试制造一些导致车辆急刹车的场景。这类的急刹车足以让我的腋窝不自觉的流汗，手机也滑落掉到地上。
更为不可思议的是，这不是我第一次试乘自动驾驶汽车，过去，我有过两次体验自动驾驶的经验。第一次是一辆雷克萨斯 SUV，载着我在山景城的介绍上行驶了一番;第二次是在谷歌可爱的萤火虫小车上，在谷歌的园区转了几圈。这两次体验都没什么特别之处。
而这一次则不同，这一次有两辆快速行驶的车辆，其中一辆还想超对方的车。真正的测试开始了，只听见这辆自动驾驶汽车发出一声提示“Autodriving”，然后另外一辆有人驾驶的车辆便开始超车，说时迟那时快，当我所在的这辆自动驾驶车辆探测旁边的另一辆车时，进行了快速、流畅的紧急刹车。这让我印象深刻。
测试工作人员立马检测了减速的参数，发现车辆刹车依然不够有力道。必须要重新测试，然后一遍一遍直到达成最佳效果。实施超车的车辆也要从不同的角度进行尝试，覆盖所有的可能情形。
我们还经历了另外三场测试：
▪ 高速合并
▪ 当自动驾驶车辆的视野被阻挡时，正好遇到一辆从车道上倒车的汽车
▪ 当行人将篮球推向我们的路线时，能平稳地滚动停止
每个测试，都以其特殊的方式令人印象深刻。
当我们排队进行另一场比赛时，Cain转过身来，问我“你看过《环太平洋》吗?”在Guillermo del Toro导演的这部电影中，这些主角与巨大的机器人套装同步，与怪物作战。“我正在试图与车同步，彼此分享一些想法。”
我让Cain解释，他与汽车同步的实际意义。他说，“我正在努力调整坐在汽车里的人与其实际的体重差异。因为坐在车里久了，我能感觉到汽车正在做什么。虽然这听起来很奇怪，但是我慢慢知道汽车的一些想法。”
Waymo 本部
远离Castle的阴晴不定，坐落于山景城的谷歌总部非常舒适。我们拜访了Waymo的工程师部门，其主要为Google X实验室提供内部技术指导。如雷锋网此前报道，“Google X实验室”是个前沿创新的诞生地，但是其负责的很多项目，如Google Glass、Google光纤、智能家居平台等都因各种原因而失败了。
2015 年，谷歌重新整合，X实验室将其中的“Google”删除。一年过后，X实验室决定将无人驾驶计划并为谷歌母公司Alphabet旗下，成立“Waymo”这一独立实体。Waymo办公室就在谷歌总部，不过，据相关负责人介绍，Waymo部门与其他部门分开办公。
我们来到Waymo办公室的时候，发现整座大厦非常大，而且很通风。一进去，就能看到Project Wing的飞行无人机的原型就那样悬挂着。同时，我们还在大厦里看到了一些小型的“萤火虫”汽车(该项目目前已退役)。
在这里，每个人面前都摆放着Carcraft和XView两块屏幕，黑色背景中的多边形比比皆是。这些都是创造了可以让Waymo汽车驾驶通过的Carcraft虚拟世界的工作人员。
此次探访，接待我的正是Carcraft的负责人 James Stout。到目前为止，他还未公开谈论这一项目。在聊天的过程中，我们发现他对这个项目非常热情。
“当时我只是随便浏览招聘信息，然后就看到了自动驾驶部门正在招人。”他说，“我不敢相信他们正在做这件事。”于是，他加入了这个团队，很快就开始构建这个工具，现在，这一虚拟世界“Carcraft”每天已经能支撑 800 万公里的虚拟里程。
当时，他们主要利用这个工具来测试“当无人驾驶汽车遇到‘人类司机不能控制汽车’的棘手情况时”会做出哪些举动。从那时起，他们就开始创建一些情景。“很快，一切就变得非常明朗。经过验证，我们发现这是一件非常有用的事，可以在此基础上设立多个场景。”Stout说。现在Carcraft的能力空间范围已经扩大到整座城市，汽车的数量也已经成长为一个巨大的虚拟“舰队”。
在这之后，Stout带来了Elena Kolarov，后者主要负责“场景维护”团队的运营控制。在她面前，一般有两个屏幕。在右边，她放立着XView，该屏幕可以显示汽车“正在看”的东西。雷锋网了解到，他们的无人驾驶汽车配备了照相机、雷达和激光扫描，所以可以识别“出现在其视野”中的目标对象。而在屏幕上，会以小线框的形状来代替这些物体在现实世界中的轮廓。
当绿色线条从形状中消失，则代表汽车“看到”的预期物体将会移动的可能路径。在底部，还有一个图像条来显示汽车的常规照相机捕捉到的图像。除此之外，Kolarov还可以查看由激光扫描仪(LIDAR)反馈的数据，这些数据会以橙色和紫色点来显示。
在Castle的回旋处，我们看到了一个真正合并的回放。当Kolarov切换到模拟版本时，虽然上面和底部看起来一样，但是它不再是数据日志，而是汽车必须解决的新情境。唯一的区别在于，在XView屏幕的顶部，它以大红色字体标记为“模拟”。Stout说，他们不得不加上这个标记，因为人们总是将模拟混淆成现实。
之后，他们又加载了另外一个场景。这个场景显示的是在Phoenix(凤凰城)。Kolarov将模型放大，以便向我们更清楚的展示他们拥有的城市模型。对于这座城市，他们已经获知“所有的车道，哪条车道会通向其他车道，停车标记、交通信号灯、路边以及车道中心的位置”。“因为你必须将所有的一些都了解清楚。” Stout说。
在靠近凤凰城的某个地方，我们放大模型，停在了一个单程十字路口。Kolarov在此开始放入模拟车、行人和骑自习车的人。
使用热键按钮，屏幕上的目标对象开始移动。汽车按照汽车的角色，在车道上行驶、转向。而骑自行车的人则按照角色就位。这套逻辑的形成，是从这一团队已经完成的数百万公里的公路驾驶的经验中模拟而来。在这个场景下，不仅有超贴合世界各处细节的地图，也有不同角色的物理模型。同时他们还模仿了橡胶和道路。
毫不意外的是，在这个过程中最难模拟的就是其他人的行为。就像父辈们经常说的，“我并不担心你开车，但是我担心走在路上的人。”
“该项目的无人车，不仅可以看见‘世界’，也能理解‘世界’。对于任何一个处于该环境中的动态演员来说，一辆汽车、一位行人、一位骑单车的人，或是一辆摩托车，我们的无人车都能意识到他们的存在。当然，通过一个空间仅仅跟踪一个物体是远远不够的。你必须明白它在做什么。”Waymo的软件主管Dmitri Dolgov告诉我，“这是构建一个足够安全的自动驾驶汽车的关键所在。而那种模型中可以理解虚拟世界的其他参与者的行为与在模拟试验中对它们建模的任务非常相似。”
在这其中，有一个关键区别则在于：在现实世界中，他们必须获取关于该环境的实时的一手数据，并将其转化为现场情境的理解，以便导航。但是现在，经过项目组多年的工作，他们确信已经可以做到这点，因为“在开展了一系列测试之后的结果表明，该模型已经可以识别各种各样的行人”，Stout说。
因此，对于大多数的模拟试验，他们直接跳过目标识别这一步骤。因为不一定要对行人识别之后，才对汽车反馈原始数据，他们只要告诉这辆汽车：有一位行人在这里。
在一个十字路口，Kolarov 正给这辆无人驾驶汽车设置更难的模拟任务。她按下了汽车热键V键，然后一个新的目标出现在了Carcraft虚拟世界里。然后，她滑到右侧的一个下拉菜单，其有一堆不同的车型以供选择。
据 Stout介绍，他们可以根据不同的目标，来跟随Waymo已经为其建模的逻辑，或者 Carcraft场景生成器可以以精准的方式对其进行编程，以便测试具体的行为。“在控制场景和放弃物品之间，其实有一个很好的区别。”
一旦有了这个场景的基本架构，他们就可以测试该场景包含的所有重要的变体。所以，想象一下，在环形十字路口，你可能想要测试各类汽车、行人和骑自行车的人的到达时间，他们多久会停下来，以及他们移动的速度，或者任何其他方面。他们只要为这些物体设置一个合理的值，该软件就能为其创建并运行这些场景的所有组合。
他们将其称为“模糊”，在这种情况下，这个十字路口会产生 800 个场景。软件会创建一个美丽的花边图表，工程师可依据其了解变体的不同组合会如何改变汽车最终采用的路径。
所以，问题就变成——分析这些场景和模拟的组合，然后找到有趣的数据，来指导工程师更好的测试驾驶。第一步可能是：汽车卡住了吗?如果是的话，那么将会成为一个需要特别解决的场景。
在这里，我们可以通过以上GIF图来了解这一情况。图中是一个复杂的十字路口，其是发生在山景城现实生活中的一个场景。随着车子左转，一辆自行车走进，而导致汽车停在了路边。工程师考虑到了这一问题，并对软件进行了重新设计，以便无人驾驶车可以顺利解决这一问题。而图中显示的是真实情况，并且是运行在其上的模拟试验。由于两种情况分歧，你会看见模拟中的汽车仍然继续移动，然后出现带有“shadow_vehicle_pose.”标签的虚线框，则停在了路边。虚线框指的是现实生活中发生的情况。对于Waymo公司员工来说，这是最清晰可视化的进步。
在车停下时，他们不必奋力寻找。而是更想在正确的范围内制动配置文件。而工程师们也都在努力学习或调整，以求在模拟试验中发现问题。
据Stout和 Dolgov强调，模拟试验有三个核心方面。
▪ 第一，他们比实际的车队驾驶了更长的里程，所以经验会更好。
▪ 第二，这些里程可以针对有趣、困难的场景进行攻坚，而不是寻常“无聊”的里程。
▪ 第三，软件的开发周期会更快。
“这个迭代周期对我们非常重要，我们在模拟试验中做的所有工作都会随着模拟次数的增加而大幅缩减。”Dolgov告诉我，“在早期阶段，这个项目周期需要花费几个星期，而现在，只需几分钟就能完成。”
当被问及，是否模拟了汽车在行驶的路上遇到需要加油、爆胎、路面不平等情况，Dolgov对此非常乐观。他表示，这些情况他们当然有考虑到。
20000 个场景只是Waymo测试的一小部分
“Carcraft”虚拟世界的力量不在于他们演绎了一个完美、逼真的现实世界的效果图，而在于，他们可以为自动驾驶汽车提供模拟环境这一重要方式来反映现实世界，并允许它比真实测试可允许的范围多出数十亿的测试里程。虽然，对于运行在模拟试验中的驾驶软件来说，其与现实世界作出决策的方式并不相似，而是与这一过程一样。
而且它确实已经在发挥作用。据了解，加利福尼亚DMV要求公司每年上报自己的自动驾驶的里程，以测试车手们的脱机情况。最后报告表明，Waymo不仅比其他人多跑了三倍的里程，而且脱机人数也在直线下降。
从 2015 年 12 月到 2016 年 11 月，Waymo已经行驶了 635， 868 英里的里程。在所有的里程中，他们只脱机了 124 次，平均每 5000 英里遭遇一次脱机，即每 1000 英里遭遇0. 2 次脱机。去年，他们一共驾驶了424， 331 英里，共有 272 次脱机，平均每 890 英里一次。
虽然每个人都意识到，这些并不完全是精准的数据，但是“这些已经是我们在加利福尼亚获得的最好的比较，至少所有人都驾驶了 20000 英里左右。”
Waymo所采取的措施对于外部专家来说并不奇怪。一位Andreessen Horowitz的风险投资家Chris Dixon告诉我，“现在，很难去衡量一个自动团队(如无人机、自动驾驶汽车项目)处理模拟试验的复杂程度。Waymo无疑是最顶尖和最先进的。”
同时，我也问了Allstate Insurance的创新主管Sunil Chintakindi关于其对Waymo计划的看法。他说：“没有强大的模拟试验的基础设施，根本无法建立(更高层次的自动驾驶水平)。”
与此同时，其他自动驾驶汽车的研究人员也在寻求类似的道路。Huei Peng是密歇根大学自动互联实验室的主任。Peng对此表示，任何适用于自动驾驶汽车的系统都是“超过99%的模拟+一些精心设计的机构化测试+一些道路测试的组合”。
据了解，Peng和他下面的一名研究生也提出了一个利用模拟交织公路里程的系统，以实现加速测试。这与Waymo项目执行的不太一样。“所以，我们正在讨论的是，如何切断无聊的驾驶，而聚焦于有趣的部分。”Peng说，“这样就将实现数百倍的加速：一千英里可以变成百万英里。”
而最让人惊讶的，则在于Waymo项目的规模、组织和强度。当我向Peng描述了谷歌已经进行的结构化测试，包括从Castle结构化测试团队里得到的，已经用于模拟试验的 20000 个场景时。Peng一开始没听清，以为只是 2000 个场景。而当我发现这点并及时纠正他，说“是 20000 个”时，Peng明显停下了手中的动作，思考了好一会儿，才说，“这太让人印象深刻了。”
事实上，这 20000 个场景只是Waymo测试的总场景中的一小部分。其只是创建于结构化测试。据了解，他们还有更多的场景，远超公共驾驶和想象力的范畴。
“他们做得真的很好。”Peng如此表示，“他们在Level 4(即无人驾驶汽车的分级，Level4 指高度自动化：汽车自动驾驶，人类不一定需要提供操作)已远远先于其他人。”
但是，Peng也提出了传统汽车制造商的立场。他说，他们正在努力做一些完全不同的事情——试图为驾驶员添加辅助技术，“赚一点钱”，然后继续投身于完全的自动化。所以，和拥有丰富资源的Waymo相比，这一开始就是不对等的。因为Waymo有强力的企业资金支撑，可以将 70000 美元的激光测距仪“任性的”用在汽车上，而像雪佛兰这样的汽车制造商可能已经将 40000 美元作为大众市场采用的价格上限。
“像通用、福特、丰田这类汽车制造商可能会说‘我们要减少大规模交通事故和死亡人数，增加大众市场的安全’，所以他们的目标完全不同。”Peng说，“我们需要考虑数百万计的车辆，而不仅仅是几千辆的汽车。”
人类和AI驱动的自动驾驶系统应该互相了解
即使是在完全自动化的比赛中，Waymo也比以前多了很多的挑战者，比如特斯拉。Chris Gerde是斯坦福大学汽车研究中心的主任。十八个月前，他曾告诉我的同事 Adrienne LaFrance，Waymo“对于问题的深度有很深远的洞察力”。而上周当我再次向他确认这一看法时，他说：“很多事情都已发生了变化。”
Gerde说：“福特、通用等汽车制造商已经部署了自己的车辆，并建立了道路数据集。而特斯拉现在已经从Autopilot部署中收集到非常多的数据，也了解了系统如何在客户体验的条件下精准的运行。他们不仅拥有在无声模式下测试算法的能力，也具备快速扩张的车辆基础，二者结合起来必将形成一个惊人的测试平台。”
在模拟试验领域，Gerde表示，他已经看到了多个竞争对手的实质性计划。“我相信会有相当多的模拟功能，Waymo在这方面看起来不再那么独特。即他们肯定跳出了早期的领先地位，因为现在有很多团队正在寻求类似的方法。所以，现在的关键在于，谁能做的最好的问题。”
这不是一个神经网络的“类脑”能力的低风险证明。这是人工智能技术的一大跃进，甚至对于Alphabet这样的公司也是如此(其一直在积极采用AI技术)。这是一个可以和人类世界实现实时互动、完全自动化的系统。它能理解我们的规则，传达自己的想法，让人类眼睛看到的、脑袋思考的东西清晰可见。
Waymo就像拥有驾驶技术一样，可以掌握速度、方向等等。但是，随之而来的还有一个问题，即汽车可以“正常”驾驶，但是“合法”这类问题，则需要人类来指导。
事实证明，构建这类人工智能，不仅需要大量的数据和工程实力，还需要人类与汽车同步，让汽车做到像人类一样了解这个世界，做出一样的决定。最好的结果就在于：人类和AI驱动的汽车可以相互了解。”
当然，即使利用AI驱动模拟软件可以了解路况，理解现实世界，但人类梦想的痕迹、回忆的碎片、驾驶汽车的感觉等等，这些专属于人类情感的部分并不能就此抹掉，它们应该作为自动驾驶系统的必要组成部分，去彻底改变交通、城市和附近的一切。
Via theatlantic，由雷锋网张伟、李秀琴共同编译。
雷锋网原创文章，未经授权禁止转载。
