硅谷“封城”前夜的L4級別無人車試乘實(shí)況，及其背后創(chuàng)新技術(shù)的深度剖析

編者按：本文來自微信公眾號“量子位”（ID:QbitAI），36氪經(jīng)授權(quán)發(fā)布。

主講人 | 輕舟智航：于騫汪堃

硅谷“封城”前夜，讓無人車途徑搶購中的超市，會是怎樣的體驗(yàn)？

3 月 21 日，這家自動駕駛公司的無人車，就經(jīng)歷了這樣獨(dú)一無二的體驗(yàn)。

最初，這個計(jì)劃是“在硅谷晚高峰乘無人車買漢堡”，但因?yàn)槊绹咔樾蝿莸募鞭D(zhuǎn)直下，最后難度大大增加。

但最終，輕舟智航的無人車還是順利完美地經(jīng)受住了新挑戰(zhàn)、新考驗(yàn)，圓滿完成既定目標(biāo)——買到了漢堡。

所以這是一個怎樣的過程，對于這個過程和背后的技術(shù)，輕舟智航的兩位聯(lián)合創(chuàng)始人又如何解析？

在輕舟智航x量子位的技術(shù)直播分享中，輕舟智航CEO、前Waymo感知關(guān)鍵模塊的機(jī)器學(xué)習(xí)算法研發(fā)負(fù)責(zé)人于騫，輕舟智航聯(lián)合創(chuàng)始人、Google中國直接入職Waymo第一人汪堃，基于現(xiàn)場試乘的實(shí)時數(shù)據(jù)，詳細(xì)介紹了其創(chuàng)新技術(shù)路徑以及大規(guī)模智能仿真系統(tǒng)的具體應(yīng)用，包括如何借助大規(guī)模智能仿真系統(tǒng)復(fù)現(xiàn)邊界化場景、生成模擬真實(shí)場景，如何自主學(xué)習(xí)各種復(fù)雜場景、尋求最優(yōu)運(yùn)動規(guī)劃決策等。

如果你錯過了直播，現(xiàn)在也可以細(xì)致看看這份文字實(shí)錄。

分享要點(diǎn)

試乘體驗(yàn)技術(shù)難點(diǎn)解析

以 DMV 年度報(bào)告談自動駕駛技術(shù)評價(jià)標(biāo)準(zhǔn)

當(dāng)前自動駕駛技術(shù)演化至哪一階段？

自動駕駛長尾挑戰(zhàn)的解決之道

為什么無人駕駛規(guī)?；涞匦枰抡妫?/p>

無人車需要什么樣的仿真系統(tǒng)？

硅谷“封城”前夜無人車試乘體驗(yàn)

大家好，我是輕舟智航的聯(lián)合創(chuàng)始人和CEO于騫。

很高興能跟大家在屏幕前見面，而且是以這種比較新鮮的方式見面。

輕舟智航，一直希望以一條獨(dú)特嶄新的路徑實(shí)現(xiàn)無人駕駛，在公司成立之初，我們就立志打造一個輕、快、高效的團(tuán)隊(duì)，這也是公司名稱的由來——兩岸猿聲啼不住，輕舟已過萬重山。

今天想要展示的，是在硅谷“封城”前夜，讓我們的無人車路經(jīng)遭遇搶購、人流車流密集的超市地段。

加州“在家隔離”強(qiáng)制執(zhí)行令發(fā)布后的3個小時，對輕舟智航來說是難忘的3個小時。

硅谷時間3月16日下午4點(diǎn)23分，我們收到加州相關(guān)政府發(fā)布的正式強(qiáng)制性命令，所有居民必須在家隔離，除非采購食物，就醫(yī)或者其他緊急情況才允許離開住所，強(qiáng)制性命令于當(dāng)天午夜12點(diǎn)生效。

收到這個通知時，離生效只剩下8個小時。為了保障硅谷同事的健康安全，也是為了不違反強(qiáng)制性命令，原計(jì)劃于今天進(jìn)行的試乘直播活動是不是只能取消？

我們沒有放棄，而是在第一時間聯(lián)系了硅谷風(fēng)險(xiǎn)投資BoomingStar Ventures管理合伙人Alex Ren作為第三方見證者，在當(dāng)天晚上7點(diǎn)多緊急錄制了路測視頻。

由于時間緊張，我們只有一次機(jī)會，所以這個視頻也是按照一次性錄制完成的。

為什么我們會選擇用直播的方式做試乘體驗(yàn)?zāi)兀?/p>

主要是因?yàn)橹辈ケ旧頃龅皆S多不可控的情況，例如天氣、交通情況等，我們希望借直播向大家展示對自身技術(shù)的信心。



以上是本次試乘的部分路線圖，無人車將開到一個商業(yè)區(qū)周邊的麥當(dāng)勞，經(jīng)過一個汽車穿梭窗口（Drive-through），隨后穿過一個大超市和其停車場，回到公司。

Drive-through 是美國很常見的一種點(diǎn)餐方式，是典型的城市復(fù)雜交通環(huán)境之一。從技術(shù)上角度來看，Drive-through場景也是很有挑戰(zhàn)性的。

首先，其車道比單車道更窄，對定位和控制的要求都比較高，如果橫向定位和控制不精確，就會軋到路沿或蹭到建筑物，如果縱向不準(zhǔn)，就會對不準(zhǔn)點(diǎn)餐窗口。

其次，在出口處便是停車場，是非結(jié)構(gòu)化道路，要應(yīng)對人車混雜的情況，還要通過無保護(hù)右轉(zhuǎn)進(jìn)入道路主路。

最后，更有挑戰(zhàn)性的是這里是正常營業(yè)的地方，不像開放道路般可以重復(fù)進(jìn)行路測，而我們通過大量的仿真測試，做到了第一次上路就非常安全可靠。

△硅谷“封城”前夜的L4級別無人車試乘實(shí)況

以上是當(dāng)天一次拍攝的一鏡到底視頻，由于疫情的影響，許多人到超市搶購物資。輕舟智航的無人車在超市附近就遇到了不少行人和車輛。

當(dāng)然，對于無人車的技術(shù)評價(jià)，除了試乘體驗(yàn)參考，業(yè)內(nèi)也有一些行業(yè)報(bào)告，里面也提供了一些指標(biāo)，所以就著這一次分享，不妨也解讀下這份報(bào)告：

加州自動駕駛接管報(bào)告

今年2月，加州車管局（DMV）公布了2019年加州自動駕駛接管報(bào)告，引起了眾多討論，其中接管里程數(shù)（MPI）這個指標(biāo)更是引起了比較大的爭議。

在我看來，不同公司的接管標(biāo)準(zhǔn)是不一樣的，將不同公司間的接管率相比較是沒有意義的。

打個比方，如果某家公司路測的道路足夠簡單，例如沒有其他車輛、沒有十字路口、也沒有行人，那這家公司的接管率就可以做到足夠低。



但是，如果把同家公司的接管率在時間維度上進(jìn)行橫向比較就比較有意思了。

以總里程數(shù)和里程覆蓋的多樣性都比較受業(yè)內(nèi)認(rèn)可的Waymo為例，當(dāng)比較Waymo在2018年和2019年的接管類型時，可以發(fā)現(xiàn)很有意思的一點(diǎn)：感知所占的比例明顯變多了，從25%升到了47%。

這是不是意味著Waymo的感知能力下降了呢？

并不是。

從絕對MPI來看，Waymo無論在感知還是運(yùn)動規(guī)劃上都有了進(jìn)步。

從整體比例的變化可以看到，感知占的比例上升，更多是由于規(guī)劃決策造成接管所占比例下降的緣故。

這也意味著Waymo在規(guī)劃決策方面有了很大的技術(shù)進(jìn)步，這是非常了不起的，也是和其大規(guī)模的仿真測試應(yīng)用離不開的。

大家知道，感知是一個比較確定性的問題，如何測試和評價(jià)是非常明確的，整體的方法論也是比較清楚的。

所以業(yè)內(nèi)開始把注意力集中在規(guī)劃決策技術(shù)上，把規(guī)劃決策視為目前最具挑戰(zhàn)性的問題。

規(guī)劃決策的挑戰(zhàn)性可以從兩點(diǎn)來看：

第一，不確定性難以衡量?，F(xiàn)有判斷規(guī)劃決策做得好壞的指標(biāo)是舒適度和安全性，但這兩項(xiàng)指標(biāo)都是比較偏主觀的。

一方面，不同人開車有不同的行為喜好，有人激進(jìn)一些，有人保守一些，舒適程度本身是很主觀的一個判斷；另一方面，在安全性上，簡單的安全性指標(biāo)是不碰撞，但即使是不碰撞，要是你的車總是離旁邊車就差1厘米，你也會覺得不安全。

第二，從方法論的角度來說，行業(yè)里占主流位置的規(guī)劃決策方法論，整體上看與20年前相比并沒有大的突破。模仿學(xué)習(xí)或強(qiáng)化學(xué)習(xí)的方法，在大規(guī)模實(shí)際應(yīng)用時也仍然存在眾多問題。

因此，相比感知，規(guī)劃控制的提高更困難。

那么或許也會有以下這個問題了：

自動駕駛的技術(shù)演進(jìn)到了哪個階段？

自動駕駛技術(shù)，最早是從地圖和定位開始做起的，簡單理解就是先要知道自己在哪里。

在做好地圖和定位之后，業(yè)內(nèi)開始專注于感知技術(shù)，高線數(shù)的激光雷達(dá)對感知的早期發(fā)展有重要推動作用。

在2012年學(xué)習(xí)爆發(fā)了之后，業(yè)內(nèi)開始把深度學(xué)習(xí)應(yīng)用在感知上，感知技術(shù)有了快速的、長足的進(jìn)步。



當(dāng)該檢測和識別的物體都檢測出來了，業(yè)內(nèi)又發(fā)現(xiàn)規(guī)劃決策一點(diǎn)都不簡單，甚至更困難。

這時，仿真技術(shù)出現(xiàn)了，其出現(xiàn)很大程度上是為了幫助規(guī)劃決策進(jìn)行更好的測試——畢竟不能每修改一次算法就部署到車上進(jìn)行測試。

隨著仿真技術(shù)的采用，行業(yè)又進(jìn)入一個快速的發(fā)展軌道，從2016年至今，Waymo的實(shí)際路測里程超過1000萬英里，比繞地球赤道400圈還多，這還只是2018年的數(shù)據(jù)。

這一條技術(shù)演進(jìn)路徑，既是我在自動駕駛領(lǐng)域10多年經(jīng)驗(yàn)的一個總結(jié)，是不同時間點(diǎn)自動駕駛技術(shù)所專注的不同核心，也是近幾年來許多創(chuàng)業(yè)公司從無到有的技術(shù)構(gòu)建過程——先做好建圖和定位，再做好感知，最后再開始做規(guī)劃決策和仿真。

但對于輕舟智航而言，我們從一開始便把仿真測試平臺作為關(guān)鍵核心能力，與其他模塊一同建設(shè)起來，使開發(fā)達(dá)到了十分高效的狀態(tài)。

△輕舟智航L4級別無人駕駛技術(shù)

面對自動駕駛長尾效應(yīng)，自動化是解決邊界化難題的最好辦法

除了規(guī)劃決策方面的挑戰(zhàn)，還要提到自動駕駛行業(yè)的長尾效應(yīng)。

從事自動駕駛的技術(shù)人員肯定深有體會，技術(shù)上已經(jīng)解決了90%的問題，但剩下的10%卻可能要花費(fèi)同樣多甚至更多的精力，這10%包括很多邊界化難題，經(jīng)常被稱為Corner Case。



上圖便是一個典型的邊界化難題（Corner case），在你遇上野鴨子之前，你甚至不知道會有野鴨子的問題，所以邊界化難題（Corner case）是需要去發(fā)現(xiàn)，并且解決的。

那么邊界化難題怎樣去發(fā)現(xiàn)并解決呢？

除了收集大量的數(shù)據(jù)，更重要的是建立自動化生產(chǎn)的工廠，將源源不斷收集來的有效數(shù)據(jù)，通過自動化的工具，加工成可用的模型。以更快的速度、更高效的方式應(yīng)對邊界化難題（Corner case）。



以上面野鴨子的場景為例，如果需要專門針對這些場景去開發(fā)特殊的模型，那會有無窮無盡的場景需要處理。

但借助自動化的辦法，只要數(shù)據(jù)標(biāo)注好了，下次系統(tǒng)更新時便可以更好處理這種情況，省下大量工程師的時間。

以感知舉例是比較容易理解的，但其實(shí)規(guī)劃技術(shù)也一樣。要想讓車做出準(zhǔn)確的規(guī)劃，最原始的方法是工程師寫規(guī)則——大量的工程師寫出大量的規(guī)則，但這種方式維護(hù)性很差還不能滿足需求；再進(jìn)一步便是設(shè)計(jì)獎勵函數(shù)——設(shè)計(jì)獎勵函數(shù)比寫規(guī)則要簡單的多；再往后則是利用數(shù)據(jù)自動學(xué)習(xí)獎勵函數(shù)。這個過程便是往自動化方向發(fā)展的過程。

輕舟智航所追求的，是建立自動化規(guī)模生產(chǎn)的工廠，相比原本的“造梯子”，我們更希望“造火箭”。為此，就要建立大量的工具鏈以及仿真測試環(huán)境。

測試在自動駕駛里是不可或缺的

在系統(tǒng)開發(fā)和測試中，有一個10x定律，指的是在概念、設(shè)計(jì)、開發(fā)、測試、發(fā)布的整個過程中，Bug每晚一個階段發(fā)現(xiàn)，解決成本就要更高一個數(shù)量級。



這個10x定律在自動駕駛領(lǐng)域體現(xiàn)尤為明顯，問題越晚暴露越難以解決。如果到發(fā)布后問題才暴露，那可能就是威脅到生命的災(zāi)難。

從這也可以看到仿真測試的重要性，除了應(yīng)用在規(guī)劃決策，仿真測試也能支撐無人駕駛技術(shù)的所有關(guān)鍵模塊的快速迭代。

可類比一個現(xiàn)代化工廠的生產(chǎn)過程，在產(chǎn)品發(fā)布前的每一個環(huán)節(jié)，都需要有充分的測試。

從地圖到定位，從感知到預(yù)測，再到最終的規(guī)劃決策，我們并非全部開發(fā)完再測試整體模塊，而是從一開始就同步進(jìn)行。

目前行業(yè)里，都認(rèn)識到了測試的重要性，都理解自動駕駛的核心競爭力不是某一兩個單點(diǎn)算法，而是如何構(gòu)建一個高效的數(shù)據(jù)工廠，高效快速地完成測試。

輕舟智航的測試工具是為了幫助工程師高效地開發(fā)，快速復(fù)現(xiàn)車輛上的問題，并提前暴露可能的潛在問題，同時也是提供一個評估系統(tǒng)，評價(jià)一個版本和另外一個版本比是變好了還是變壞了，而非做成給人看的好看的圖像或好看的點(diǎn)云。

我們的測試系統(tǒng)可做到和車載系統(tǒng)的高度一致，在路上出現(xiàn)的問題，回來就能在仿真里復(fù)現(xiàn)，并進(jìn)行修復(fù)。保證再次上路時不出現(xiàn)同樣問題。我們產(chǎn)生的場景庫也與現(xiàn)實(shí)環(huán)境高度一致，因?yàn)楸緛砭褪菑默F(xiàn)實(shí)中學(xué)習(xí)來的。

做不到上述這些能力，仿真測試就只是一個擺設(shè)。有了這些能力，就能把開發(fā)效率快速提高。

創(chuàng)新技術(shù)路徑才能推動無人駕駛?cè)轿?、多場景的高效落?p>

無人駕駛領(lǐng)域的兩個重要議題，一個是技術(shù)路徑，一個是商業(yè)應(yīng)用。

無人駕駛是一個很獨(dú)特的領(lǐng)域，不是沒有需求，而是有大量的需求。不論是增加安全性，還是降低人力成本，或者是提供城市交通效率，都是無人駕駛領(lǐng)域的強(qiáng)需求，但目前技術(shù)還存在各類問題，這也正是輕舟智航的機(jī)會。

在技術(shù)路徑方面，輕舟智航重視自動化和測試。有效數(shù)據(jù)、大規(guī)模智能仿真系統(tǒng)以及可自主學(xué)習(xí)決策規(guī)劃框架是推動輕舟智航技術(shù)不斷向前轉(zhuǎn)動的齒輪，也是我們獨(dú)特的技術(shù)路徑。

在過去一年的起步階段，輕舟智航不希望“只見樹木不見森林”——通過見招拆招的方式進(jìn)入到某個具體的小應(yīng)用場景，變成一家靠堆人來解決問題、無法規(guī)?；墓こ坦?，而是專注于修煉內(nèi)功，在做到主線夠深入、橫向可擴(kuò)展之后，再以輕、快的方式實(shí)現(xiàn)真正的無人駕駛。

在商業(yè)應(yīng)用方面，我們的思路是：與其什么都做，不如聚焦擅長的領(lǐng)域，與合作伙伴共同努力，將無人駕駛帶入現(xiàn)實(shí)。

這樣的一套齒輪，要想轉(zhuǎn)動起來，也離不開外部的行業(yè)環(huán)境。在我看來，無人駕駛行業(yè)正處于一個大發(fā)展階段。

一方面，是技術(shù)的新高度，另一方面，是政策的強(qiáng)支撐。技術(shù)的新高度指的是傳感器和計(jì)算單元正在高速迭代，技術(shù)人才正在升級和增加等。政策的強(qiáng)支撐則包括近期“新基建”里對自動駕駛的重視、5G等配套技術(shù)的發(fā)展、配套法律法規(guī)的完善等。

可以說，這是一個最好的時間，也是為什么輕舟智航會選擇在這個時間出現(xiàn)。

我們專注于適應(yīng)城市復(fù)雜交通環(huán)境的L4級別自動駕駛技術(shù)，致力于打造“老司機(jī)”，希望為合作伙伴提供全方位、可量產(chǎn)的無人駕駛解決方案。

我們有輕、快、高效的全棧式明星團(tuán)隊(duì)，有支持快速拓展的技術(shù)路徑，最后也將達(dá)到全方位、多場景的高效落地。

無人車需要什么樣的仿真？

大家好，我是輕舟智航的聯(lián)合創(chuàng)始人汪堃。很高興今天有機(jī)會針對無人駕駛領(lǐng)域的仿真技術(shù)與大家進(jìn)行交流。

市面上有許多仿真軟件，最流行的是基于游戲引擎開發(fā)的仿真軟件。這種仿真軟件從界面的角度來說是比較好看的，像一個模擬城市，場景很真實(shí)。

與這種主流的仿真軟件不同，輕舟智航的仿真軟件界面是很簡單的，拋棄了復(fù)雜的渲染工作，僅保留了感知結(jié)果，包括3D Box和雷達(dá)點(diǎn)的疊加。我們?yōu)槭裁床焕糜螒蛞?，造一個好看的模擬城市呢？

我們總結(jié)了基于游戲引擎開發(fā)的仿真系統(tǒng)的三大特點(diǎn)：

第一，在使用游戲引擎的情況下，其本身的圖像渲染工作對感知的提升是很有限的，因?yàn)槠渲械匿秩拘Ч驼鎸?shí)物體是有一定差別的。

第二，在自動駕駛領(lǐng)域，這種Re-build軟件（基于第三方軟件開發(fā)）是缺乏測試確定性的。仿真軟件在自動駕駛領(lǐng)域的重要應(yīng)用，就是復(fù)現(xiàn)某一次的路測效果。但由于這種第三方軟件的開發(fā)與自動駕駛軟件的開發(fā)是相互獨(dú)立的，很難保證其中各個模塊的確定性，導(dǎo)致整個仿真軟件存在不確定性，最終影響可用性。

第三，基于游戲引擎開發(fā)的仿真器會消耗大量額外計(jì)算資源做圖像渲染，不利于大規(guī)模應(yīng)用，這也影響到本身的實(shí)用性。

基于以上考慮，才有了輕舟智航獨(dú)特的仿真系統(tǒng)。

仿真能為自動駕駛帶來什么？

仿真對自動駕駛的重要性不言而喻，它具有幾個優(yōu)勢：

一、低成本

仿真的路測成本大約是實(shí)際路測成本的1%，甚至更少。在進(jìn)行實(shí)際路測時，需要有硬件成本、傳感器成本、司機(jī)成本以及系統(tǒng)工程師的成本，而且一天只能有效測試8到10個小時。而利用仿真路測，在要求不高時，只需要一臺電腦和GPU，便能連續(xù)24小時進(jìn)行測試。

二、靈活性

在實(shí)際路測中，遇到極端情況是很小概率的事件，而且不安全。而在仿真系統(tǒng)里，工程師可以通過手工編輯或自動生成來測試眾多極端情況，保證在實(shí)際路測前有充分的驗(yàn)證。

三、可擴(kuò)展性

仿真的擴(kuò)展性比實(shí)際道路測試的擴(kuò)展性大，仿真路測里程大概1000倍于實(shí)際路測里程。仿真系統(tǒng)所需要的硬件成本是很低的，而車隊(duì)的硬件成本、人員成本以及運(yùn)營成本是非常高的，隨著云服務(wù)的發(fā)展，仿真的可擴(kuò)展性將遠(yuǎn)大于車隊(duì)的可擴(kuò)展性。

四、可衡量性

在開發(fā)自動駕駛軟件時，每一天都存在大量代碼的更改以及算法的迭代，那如何知道這個月的軟件和上個月的軟件哪個表現(xiàn)更優(yōu)？這種比較是難以通過實(shí)際路測進(jìn)行的，因?yàn)樵谲囕v有限的情況下，測試的場景以及里程數(shù)都有限，很難得到一個可靠的統(tǒng)計(jì)結(jié)果。但借助仿真，工程師能在大量場景庫里并行地進(jìn)行測試，在很短時間內(nèi)便能對軟件版本進(jìn)行評估。未來，在評估軟件是否達(dá)到量產(chǎn)水平時，仿真也是主要的測試評價(jià)技術(shù)。

輕舟智航仿真系統(tǒng)的系統(tǒng)架構(gòu)以及仿真評估器分類



輕舟智航仿真系統(tǒng)的系統(tǒng)架構(gòu)可以分為5層：

最底層的是輕舟智航自研的Car OS，借助底層的通訊系統(tǒng)來保證模塊之間的高效通訊；

Car OS與仿真器是高度整合的系統(tǒng)，核心仿真器及評估器，是基于底層的Car OS接口開發(fā)的，能保證仿真系統(tǒng)的確定性；

再往上一層是仿真周邊工具鏈和基礎(chǔ)架構(gòu)，可保證整個數(shù)據(jù)閉環(huán)的有效性，將全部數(shù)據(jù)高效利用起來；

第四層是大規(guī)模場景庫構(gòu)建；最頂層則是分布式系統(tǒng)仿真平臺，支持快速、大規(guī)模的仿真應(yīng)用，在短時間內(nèi)得出正確評估。



輕舟智航的仿真評估器也可以分為5類：

第一類是安全性評估器（Safety Evaluator），包含是否碰撞、是否壓到路邊、是否撞到行人等評估；

第二類是真值評估器（Ground Truth Evaluator），可通過人工標(biāo)注或自動標(biāo)注的方式對仿真結(jié)果進(jìn)行檢測對比，及時反饋給工程師；

第三類是法規(guī)評估（Law Evaluator），指的是根據(jù)交通規(guī)則進(jìn)行評估，例如是否闖紅燈、是否逆行等；

第四類是舒適度評估（Comfort Evaluator），指是否有急剎等帶來不舒適感的等行為；

第五類是狀況評估（Stats Evaluator），相對比較底層一些，指根據(jù)模塊生成的中間結(jié)果，進(jìn)行縱向比較得到評估的結(jié)果。

真正能用起來的仿真

△大規(guī)模智能仿真系統(tǒng)演示

以上視頻是我們在麥當(dāng)勞進(jìn)行仿真測試的一個例子，從下方的真實(shí)影像中，可看到前方是沒有車輛的。



但借助仿真，我們在場景中產(chǎn)生了兩輛綠色的虛擬車輛，測試車輛能否對虛擬車輛進(jìn)行準(zhǔn)確的避讓。

同樣，也產(chǎn)生了黃色框的行人來進(jìn)行測試。視頻中的白色邊框則是當(dāng)時的實(shí)際行駛軌跡。

由于麥當(dāng)勞這種場景是不允許多次實(shí)際測試的，這個視頻只是眾多例子中的一個，我們實(shí)際上生成了非常多個這種類似的場景，在仿真測試中評估器，都得到不錯的結(jié)果后，才讓車輛到實(shí)際場景中測試。





△自動化互動場景生成演示

此外，以上動圖也展示了仿真場景庫的自動生成的相關(guān)工作。視頻中紅色和綠色的兩個點(diǎn)，分別代表兩輛車的運(yùn)動軌跡，這些軌跡的生成和變化，是在真實(shí)的交通數(shù)據(jù)集上，利用深度學(xué)習(xí)的方法進(jìn)行訓(xùn)練，再使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò) (生成模型) 合成大規(guī)模的互動車輛的軌跡。

大家可以看到互動車輛的運(yùn)動軌跡在不斷變化，這個變化是由于我們借助生成模型在互動車輛的運(yùn)動行為空間進(jìn)行隨機(jī)抽樣而產(chǎn)生的。

該生成模型支持在不同地圖上合成不同的場景庫，具有真實(shí)有效，多樣豐富，以及規(guī)模擴(kuò)展等諸多特性。

視頻中的兩個點(diǎn)或者兩輛車，是具有交互性的，它們之間可以進(jìn)行正確的互動，這種互動行為不是人工手動創(chuàng)制，而是從真實(shí)車與車之間的互動數(shù)據(jù)中通過深度學(xué)習(xí)的方法學(xué)習(xí)而來的。

總結(jié)而言，我們認(rèn)為仿真是達(dá)到規(guī)?；療o人駕駛技術(shù)的唯一路徑。

首先，借助仿真及相關(guān)工具鏈，能形成高效的數(shù)據(jù)測試閉環(huán)，支持算法的測試和高效迭代，取代堆人或堆車的方式。

其次，只有經(jīng)過大規(guī)模智能仿真驗(yàn)證過的軟件，才能夠保證安全性和可用性。以一個比喻作為結(jié)尾，如果無人駕駛是個賽跑，那么仿真便是助推器，助推完全無人駕駛的實(shí)現(xiàn)。

關(guān)于輕舟智航：

輕舟智航（QCraft）成立于美國硅谷，是世界前沿的無人駕駛公司，致力于打造適應(yīng)城市復(fù)雜交通環(huán)境的“老司機(jī)”，將無人駕駛帶進(jìn)現(xiàn)實(shí)?；诖笠?guī)模智能仿真系統(tǒng)和可自主學(xué)習(xí)運(yùn)動規(guī)劃框架，輕舟智航專注于為合作伙伴提供可量產(chǎn)的無人駕駛解決方案，全方位覆蓋從低速到高速、從物流到出行、從商用車到乘用車等多個應(yīng)用場景。其核心團(tuán)隊(duì)成員來自Waymo、特斯拉、Uber、福特、英偉達(dá)等世界頂級公司，實(shí)現(xiàn)了無人駕駛關(guān)鍵技術(shù)模塊的全棧覆蓋。

作者系網(wǎng)易新聞·網(wǎng)易號“各有態(tài)度”簽約作者