没错！谷歌无人车Waymo是很牛，但它凭什么？

厚势按：作为自动驾驶领域的先行者，谷歌 Waymo 的一举一动一直备受关注。近日，《大西洋月刊》日前发表长文：Inside Waymo's Secret World for Training Self-Driving Cars，对 Waymo 为何能在自动驾驶这一赛道上保持领先，进行了独家揭秘。

在 Alphabet（谷歌母公司）园区一隅，一支团队正在开发一个软件，而这个项目可能就是打开无人驾驶汽车未来的钥匙。在我们之前，从未有记者得以一窥其貌。他们将这个软件取名为 Carcaft，而这个名字的灵感则来源于暴雪公司游戏——魔兽世界（Warcraft）。

这个软件的缔造者 James Stout 是一个头发蓬乱的娃娃脸年轻工程师。此刻，他正坐在一间安静的开放式办公室内，眼睛盯着屏幕上显示的环形路虚拟图像。一眼看上去，没什么特别的，也就是几条简单的线勾勒出道路的结构信息。在这个虚拟的环形路口，我们可以看到一辆以中等分辨率呈现的克莱斯勒 Pacifica 无人驾驶车，以及一个代表另一辆汽车的简单的四方体。

Waymo 的模拟场景构建软件 Carcraft

几个月之前，Waymo 的自动驾驶车团队在德州便碰到了一个这样的环形路。当时的车速和路况的复杂度难倒了他们的自动驾驶汽车，因此他们决定在测试基地铺一条差不多一样的实体道路。而我（本文作者）现在看到的则是整个学习过程的第三步：实际驾驶场景的数字化。在这一步，一个简单的实际驾驶行为，比如在环形路超车，可以引申出数千个模拟场景，用以探测自动驾驶汽车驾驶能力的边界。

这样的场景为这家公司强大的模拟工具奠定了基础。「绝大部分工作的完成，都是受到模拟场景中遇到的问题的启发。」Stout 表示。正是这个工具加速了 Waymo 自动驾驶汽车的研发。Waymo 是 2016 年 12 月从 Alphabet 负责超前项目的「X」研究部门中脱离出来的。

如果 Waymo 在几年后能供应全自动驾驶汽车，那么 Carcraft 将会被永远铭记，作为现实世界的虚拟呈现，它对重塑现实世界功劳巨大。

Carcraft 的设计初衷是用于「回放」车辆在公共道路上行驶时经历的场景，但是现在它（总的来说是场景模拟）在自动驾驶研究中扮演的角色已越来越重要。

现在，Waymo 有 25000 台虚拟自动驾驶汽车穿行在模拟版本的虚拟奥斯汀、山景城、凤凰城和测试跑道中。自动驾驶汽车一天之内可能要在特别复杂的虚拟道路上跑成千上万遍。总的算来，自动驾驶汽车每天在虚拟世界的行驶里程可达 800 万英里。2016 年，Waymo 在虚拟世界中总共行驶了 25 亿英里，而 Google 的 IRL 自动驾驶汽车在公共道路上测试里程只有 300 多万英里，低了几个数量级。而且关键是，Waymo 将其测试里程称为「有趣的」里程，与千篇一律的高速公路不同，在这些道路中他们可以学到新的东西。

当然，场景模拟只是 Waymo 诸多复杂工作中的一部分。他们将汽车在公共道路上数百万英里的测试里程与一个「结构化测试」项目紧密结合在一起，这个项目是在 Central Valley 的一个秘密基地中进行的，Waymo 把这个基地称为 Castle。

Waymo 此前从未公开过这个系统。自动驾驶汽车在常规道路上的测试可以告诉他们，需要在那些区域进行更多测试。他们在 Castle 中真实还原了需要进行测试的空间，让汽车在数千种不同的道路场景中进行测试。在这两种实际测试中，他们可以收集到足够多的数据，用来在未来某一时间点创造出全电子化的模拟场景。在那样的一个虚拟空间之中，他们能够摆脱真实世界的限制，根据任何一个的场景都可创造出数千种该场景的变形，再将数字化的车辆放在全部这些场景中进行测试。随着驾驶软件的改进，该系统将会被下载到真实的汽车上，在更长的里程和更复杂的道路上进行测试。虚拟世界和现实世界的训练将会一直交替循环，不断改进自动驾驶系统的能力。

要去 Castle，你需要驾车从旧金山湾区往东行驶，上了通往弗里斯诺（Fresno）的99号公路后一直往南走。一路途经一望无际的玉米地，地平线消失在农田的尽头。这里的地形非常平坦，作家 John McPhee 把这里描述为「泥土海洋」（earthen sea）。在靠近 Atwater 小镇的地方下高速。Castle 空军基地曾设在这里，当时它雇佣了 6000 员工服务于 B-52 项目。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%，现在仍然很少低于 10%。此地区有 40% 的人说的是西班牙语。我们穿过了一些铁道线，在这个 1621 英亩的老基地上穿行，Merced 市动物管理局和 Atwater 监狱等机构也都设在此地。

我手机上的导航软件显示出的不是具体的地址，而是一组 GPS 坐标。我们沿着一排不透明的绿色高围栏一直往前开，直到谷歌地图告诉我们停下。没有任何迹象表明这里有一扇门，看起来就像是围栏的另一部分。但是 Waymo 的随行工作人员十分确定就是这里。果然，一名安保人员出现在眼前，他把围栏打开，检查我们的证件。

围栏 （Alexis Madrigal）

围栏打开后，我们驶入了一个熙熙攘攘的小园区，穿着短袖戴着帽子的年轻人走来走去。这里建有一些活动建筑、原顶车库，主建筑的停车场中停放着很多自动驾驶车辆。这里有多种车型改造的自动驾驶车辆，包括你经常在公路上会见到的雷克萨斯车型，已经退役的丰田普锐斯车型以及新款的克莱斯勒 Pacifica 小型客货车。

自动驾驶汽车很容易辨认，因为它的车身上装了很多传感器。最显眼的当然还是车顶上的激光扫描仪（通常被称为 LIDAR）。Pacifica 车型上装有一个啤酒罐大小的 LIDAR，在反光镜周围不停地旋转着。车的后方装了雷达，看上去就像是白色的怪物史莱克的耳朵。

当车上的传感器启动时，即使已经停好车，旋转的 LIDAR 还是会发出怪异的响声。听起来像吱吱声，又像是撞击声，我的耳朵还没有习惯这种新的声音。

在主建筑的街对面，停着一辆更加特别的车，车身上贴满了用红色胶带做的不同大小的「X」样。这是一辆 Level 4 级别的自动驾驶汽车。所谓的级别就是美国汽车工程师学会（Society of Automotive Engineers）规定的车辆的自动化程度。我们平常听说的可上路的自动驾驶汽车都是Level 1 或 Level 2 级别的车，也就是在高速公路上可以智能行驶控制的汽车。但是我们看到的这辆可不一样。它不仅是全自动的，而且人类无法驾驶它，因此不能将它与其他车混淆。

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。在主建筑的意见教室大小的活动办公室中，我终于见到了这个秘密基地的幕后操控者，她就是 Steph Villegas。

Villegas 穿着一件很长但很合身的白色带领衬衫，搭配一条破布牛仔裤，脚踩一双灰色的针织运动鞋，时尚程度不输其在旧金山 boutique Azalea 工作时的打扮。她在加州 East Bay 郊区长大，加利福尼亚大学伯克利分校美术专业毕业，2011 年加入谷歌的自动驾驶汽车项目。

「你开车吗？」我问她。

「当然。」Villegas 答道。

她经常在 101 和 280 号高速公路上行驶，这是往返旧金山和山景城的主要路线。像其他驾驶员一样，她能感觉到汽车在公路上是如何行驶的，这种感觉在自动驾驶项目中非常重要。他们可以用直觉想象出什么样的状况是自动驾驶汽车难以处理的。「在对新开发的软件进行测试时，我开始思考我们应该如何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罕见的场景，在其中以可控制的方式测试自动驾驶汽车的一些新行为。他们征用了 Shoreline Amphitheater 当地的一些停车场，在所有的入口设卡，除了获得批准的谷歌工作人员，其他闲杂人等一律不得入内。

「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，然后再用卡车把我们要用的设备运到停车场进行测试。」

这些测试便成为了这个自动驾驶项目的首批「结构化测试」。测试中最难的部分并不是在人们想象的「僵尸正在路上吃人的场景」中行驶，而是像人类驾驶员一样在千变万化的正常交通环境中自信、可靠地操控汽车。

Villegas 从那时开始到处收集一些小道具，有人体模型、锥形筒、假植物、儿童玩具、滑板、三轮车、洋娃娃、球类和装饰品等等。这些所有道具都放在一个小仓库里，现在这些道具都被运到了 Castle 基地，保存在一个完整的仓库中。

但是问题在于，他们让汽车开得更快一些，用交通灯和停车标识来进行测试。但是 Shoreline Amphitheater 的音乐节经常会让计划行不通。「比如说，金属乐队 Metallica 要来演出了，我们必须赶紧上路测试。」她说。

他们需要一个基地，一个秘密基地。这就是 Castle 的用途。他们租下了一个场地，开始搭建他们想象中的虚拟城市。「我们很明智地决定要设计并建造一些居住区街道、高速公路式的街道、胡同和停车场等等，因此我们建了一些具有代表性特征的的道路进行车辆的测试。」

我们从活动办公室走到她的车旁边，当我们开车出发去参观基地时她给了我一张地图。「就像迪士尼乐园一样，你可以跟着地图走。」Villegas 说。这地图是经过精心绘制的。在一个角落，竖着一个写着「欢迎来到迷人的加州 Castle 基地」的拉斯维加斯风格标牌。基地里的每条路都是以著名车型（如 DeLorean、Bullitt）或者项目早期用的原始普锐斯车型（如 Barbaro）的名字命名的。

我们穿过一群曾经是军人宿舍的粉红色的建筑，其中有一栋经过翻修。这里是 Waymo 的工作人员没办法回到湾区时用来歇脚的地方。除此之外，整个测试场地再没有其他建筑物。真的是名副其实的自动驾驶汽车城市：最重要的是沥青道路和道路上的障碍物。

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。从主街道行驶到铺有水泥车道的小区式街道，在来到郊区十字路，路两旁完全没有该有的建筑，这种感觉实在是太怪了。我总是感觉到眼前的道路好像以前在哪里见过。

我们驱车进入到一个大型双车道环岛，中间是一个由白色栅栏围成的圈。「我们起初只建了一个单车道环岛，但是我们的自动驾驶团队在德克萨斯州的奥斯汀遇到了这样一个多车道环岛，所以为了让自动驾驶系统能学会处理这样的道路，我们便在此地搭建了这样一个环岛。」 Villegas 表示。

在参观过程中，Villegas 望向一个新建的场地：一条双车道和一条自动车道旁建有一个平行停车区域，毗邻处还有一处草坪。这像极了我们日常生活中在城市里习以为常的道路场景。「我真的很喜欢见一些带有平行停车场的场地。这样的场地在郊区商业区很常见，比如核桃溪市（Walnut Creek）、山景城和 Palo Alto 等地。」

回到主办公区域后，Villegas 带我坐上了一辆克莱斯勒 Pacifica 自动驾驶车。坐在驾驶座上的是 Brandon Cain，副驾驶位上的一名工作人员使用一个名为「XView」的软件在手提电脑上监控车辆的行驶状态。

当然，还有诸多的测试助手，他们把这些人称为「foxes」，这个名字是从「faux（假的）」演变而来的。助手们要么驾车、要么扮演行人，要么骑自行车、要么举着停止标识。他们是演员，观众则是那辆自动驾驶汽车。

我们做的第一项测试是简单的穿行和紧急刹车，但是是在 45 英里/小时的高速行驶状态下。开始时我们的汽车在一条宽路上直线行驶。

在测试助手突然挡住前路后，这辆自动驾驶汽车进行了刹车，测试团队会检查关键数据点：减速。他们正在尝试制造一些导致车辆急刹车的场景。有多急？这类的急刹车足以让我腋下不自觉出汗，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。之前，我坐过两次自动驾驶汽车。第一次是一辆雷克萨斯 SUV，载着我在山景城的街道上行驶了一番；第二次是坐着谷歌可爱的萤火虫（Firefly）自动驾驶车，在谷歌转了几圈。关键是这两次体验都没什么特别之处。

但是这次体验却大不相同。这一次有两辆快速行驶的车辆，其中一辆按计划要超我们的车，而且超车方式十分「刺激」——引用 Waymo 的说法。

真正的测试开始了。Cain 启动车后，汽车发出一声提示「Autodriving」（自动驾驶）。不一会儿，另一辆车开始靠近并超车，超车方式十分危险。我坐的这辆自动驾驶车进行了快速、流畅的紧急刹车。这一点让我印象深刻。 

测试工作人员立马检测了减速的参数，发现车辆刹车力道依然不够强，必须要重新测试。之后又进行了一遍又一遍的测试。实施超车的车辆从不同的角度使用不同的方法超车。他们将之称为「涵盖所有的可能情形」。

我们还经历了另外三个测试：

• 高速并行；

• 当自动驾驶车辆的视野被阻挡时，正好遇到一辆正在车道上倒车的汽车；

• 当行人将篮球扔到汽车前方时，汽车平稳地滑动停止。

每个测试都以其独特的方式让人印象深刻，但是超车测试最让我难忘。

当我们等待进行另一个测试时，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，主角们与巨大的机器战甲同步作战。「我正试图与车同步，与它分享一些想法。」

我让 Cain 解释他说的与汽车同步到底是什么意思。「我正试图调整坐在汽车里的人的体重差异。」他说，「因为坐在车里久了，我能用屁股感觉到汽车在做什么。虽然这听起来很奇怪，但是我有点知道汽车想做什么。」

和 Castle 风吹日晒的办公环境不同，坐落于山景城的谷歌总部非常舒适。我拜访了 Waymo 的工程师，确切的说其实是 X 部门的工程师。众所周知，Google X 实验室是谷歌旗下进行长期、高风险研究工作的部门。2015 年，在谷歌重组为 Alphabet 时，X 部门脱离了谷歌，现在他们的网站是 X.company。在重组一年后，Alphabet 决定将自动驾汽车项目纳入自家公司旗下，成立 Waymo 这一实体，因此 Waymo 就像是谷歌重新相认的亲儿子。

Waymo 的办公室仍在谷歌总部，不过据我了解，Waymo 部门现在与其他部门无过多交集。

Waymo 所在的办公楼既宽敞又通风。楼里到处挂着 Project Wing 的无人机原型。我还看到了几辆该公司研发的「萤火虫」汽车。

从自助餐厅走上去，你会在大楼侧翼的一个角落里看到 Waymo 的模拟团队办公室。在这里，每个人的屏幕上都显示有 Carcraft 和 XView 的画面。黑色背景中的穿插着大量的多边形。正是他们创造了测试 Waymo 汽车的虚拟世界。

当四个人在前面推一辆车时，Waymo 自动驾驶车的激光扫描仪探测到的画面（Waymo）

接待我的是 Carcraft 的创造者 James Stout，他以前从未公开谈论过这一项目。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汽车团队正在招人。」他说，「我不敢相信他们恰好正在招人。」于是，他加入了这个团队，立即开始构建 Carcraft，现在这个系统每天能实现 800 万公里的虚拟里程。

当时，他们主要利用这个系统来测试自动驾驶汽车在遇到人类驾驶员驾驶汽车所面临的棘手情况时会做出哪些行动。他们开始根据这些情况创建一些场景。「很快，我们就发现这个系统非常有用，我们可以用它构建很多场景。」Stout 说。现在 Carcraft 的模拟场景规模已经扩大到到整座城市，虚拟汽车的数量也变得十分庞大。

后来 Stout 招来了 Elena Kolarov，任命她为 「场景维护」团队负责人，掌管控制活动。在她面前，摆有两块屏幕。右侧屏幕运行 XView，显示汽车「正在看」的东西。无人驾驶汽车上安装有了摄像机、雷达和激光扫描装置，可以识别视野中的对象。在软件中，则以小线框来代表这些对象，以此勾勒现实世界的轮廓。

从线框上发散出去的绿色线条，代表汽车预测的物体的可能移动路线。底部有一个图像条，用来显示汽车的常规（即可见光）摄像机捕捉到的图像。除此之外，Kolarov还可以查看激光扫描仪(LIDAR)反馈的数据，这些数据会以橙色和紫色点显示。

首先，我们先观看了一段发生在 Castle 的环岛上的汽车并行回放录像。然后 Kolarov 将软件切换到模拟画面，虽然模拟画面和现实画面看起来一样，但是它不再是数据日志，而是汽车必须解决的新场景。唯一的区别在于，XView 屏幕的顶部有一个以红色大字体显示的「模拟」字样。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。

点击快捷键，屏幕上的对象开始移动。汽车和自行车在各自车道上行驶和转向。他们的逻辑是根据团队数百万英里的公路测试里程而模拟形成的。在这一切的下面，他们创建了超级具体的真实世界地图以及画面中不同对象所代表的实体的模型。他们对橡胶和路面都进行了建模。

最困难的是模拟其他人的行为。就像是那句老话：「我担心的不是你的驾驶行为，而是路面上其他人的行为。」

「我们的汽车不仅能看见世界，还能理解世界。对于环境中的任何一个动态因素：一辆汽车、一位行人、一个骑单车的人，或是一辆摩托车，我们的汽车能够理解到他们的意图。当然，通过空间追踪物体是远远不够的。你必须明白它在做什么。」Waymo 的软件主管 Dmitri Dolgov 告诉我，「这是构建安全可靠的自动驾驶汽车的关键。这种建模以及对环境中其他参与者的行为的理解与在模拟环境中对它们进行建模的任务非常相似。」

关键的区别在于：在现实世界中，我们必须获取关于环境的实时数据，并将其转化为对场景的理解，然后再进行导航。但是现在，经过此项目多年的工作，Waymo 确信已经可以做到这点，「因为一系列的测试结果表明，我们的系统已可以识别各种各样的行人」，Stout 说。

因此在大多数模拟中，他们直接跳过对象识别这一步骤。他们直接告诉这辆汽车：这儿有一位行人，而不是向汽车提供原始数据，让汽车识别行人。

同样在这个四岔停车路口，Kolarov 正给无人驾驶汽车布置更难的任务。她按下了用于合成汽车的快捷键 V 键，一个新的目标出现在了 Carcraft 的图像中。然后，她滑到右侧的一个下拉菜单，其中有一堆不同的车型以供选择，包括我的最爱：bird_squirrel 车型。

他们可以命令不同的对象遵循 Waymo 已经为其建模的逻辑，或者 Carcraft 场景生成器可以对这些对象进行编程让他们以准确的方式移动，以便测试具体的行为。「场景控制和添加对象任其行动之间有很大的区别。」Stout 表示。一旦建成场景的基本架构，他们就可以测试该场景所有的重要变体。所以，想象一下，在十字路口，你可能想要测试不同汽车、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以及其他因素。他们只要为这些数值设置一个合理的范围，该软件就能创建并运行这些场景的所有组合。

他们将其称为「模糊化」。这样做的话，根据这个四岔停车路口就可生成生 800 个场景。软件会生成一个美丽的网状图表，工程师可以根据该图表了解场景变体的不同组合会如何改变汽车决定采用的路径。

这时，问题就转变为分析这些场景以及模拟图，以找出可以指导工程师改进自动驾驶汽车驾驶能力的数据。第一步可能是「是否遇到了堵车？如果是，这将是一个有趣的场景。」

下图可以准确说明这样一个场景。它模拟的是位于山景城的一个复杂的真实四岔停车路口。当汽车向左转向时，前面出现了一辆自行车，汽车不得不停下了。工程师分析了这类问题，并重新调整了软件以使其能得出正确的结果。动图显示的是真实的场景，然后是模拟的场景。当这两个场景分离时，你会看到模拟汽车继续行驶，然后会出现一个带有「shadow_vehicle_pose.」的虚线立方框。这个立方框显示的就是真实情境。对 Waymo 的工作人员而言，这就是对过程最清楚的可视化说明。

但是他们不只是在汽车堵在一起时才寻找问题。他们可能想找出超出适当范围的决策时长和制动轮廓。对于工程师们正在尝试学习或调试的问题，他们都会通过模拟来寻找问题。

Stout 和 Waymo 软件负责人 Dolgov 强调，模拟有三个核心特性：第一，模拟环境中的车的行驶里程要比真实车辆多得多——因此其驾驶经验很好。第二，模拟测试里程主要是针对有趣且困难的汽车行驶场景，而不是千篇一律的场景。第三，软件的开发周期会更短。

 「迭代周期对我们来说很重要，我们在模拟上完成的工作使我们可以将其大幅缩短。」 Dolgov 表示，「项目早期可能要花费数周时间，现在只需几分钟。」

当被问及是否模拟了汽车在行驶的路上遇到路面浮油、爆胎、撞鸟、落水洞大小的坑洞等异常情况时，Dolgov 对此非常乐观。他表示，这些情况他们当然可以考虑到，但是「模拟器的准确度要沿着轴提升到多高？对于有些问题，也许通过在真实场景中进行一系列的测试，你就能得到更好的数值或者得到模拟器的确认。」

「Carcraft」虚拟世界的力量不在于它们能根据现实世界构建出了完美、逼真的模拟场景，而在于它们对现实世界的模拟对自动驾驶汽车的开发非常重要，它的测试里程比实际测试可允许的测试里程多出数十亿英里。虽然对于运行模拟试验中的驾驶软件来说，它们并不是在现实世界作出决策，但是虚拟世界和现实世界中作出决定的方式都是一样的。

而且它确实已经在发挥作用。据了解，加利福尼亚车管局（DMV）要求公司们每年上报自己的自动驾驶里程，以及测试驾驶员自动驾驶模式脱离（disengagements，人类驾驶员接管）的次数。数据表明，Waymo 不仅比其他人多跑了三个数量级的里程，而且自动驾驶模式脱离次数也在快速下降。

从 2015 年 12 月到 2016 年 11 月，Waymo 完成了 635,868 英里的自动驾驶里程。在所有的里程中，自动驾驶模式只脱离了 124 次，平均每 5000 英里脱离一次，即每 1000 英里遭遇 0.2 次脱离。去年，他们一共驾驶了 424,331 英里，共有 272 次脱离，平均每 890 英里一次，即每 1000 英里遭遇 0.8 次脱离。

虽然很多人指出这并不完全是精准的数据，但是这些是加利福尼亚州最好的比较结果，至少每个人都驾驶了 20000 英里左右。

外部专家对 Waymo 采取的方法并不感到意外。Andreessen Horowitz 的风险投资 Chris Dixon 表示：「现在，你几乎已经可以通过衡量一个自动化(如无人机、自动驾驶汽车项目)团队对待模拟的认真程度，来判断他们的技术的先进程度。Waymo 的技术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 对 Waymo 项目的看法。他表示：「没有强大的模拟基础设施，根本无法在汽车上实现高级别的自动化程度。我不会和在这一点上持相反观点的人进行交谈。」

与此同时，其他自动驾驶汽车研究人员也在寻求类似的方法。Huei Peng 是密歇根大学自动互联汽车实验室（autonomous- and connected- vehicle lab）的主任。Peng 表示，任何适用于自动驾驶汽车的系统都是「超过 99% 的模拟 + 精心设计的机构化测试 +道路测试」。

Peng 和他的一名研究生提出了一个利用模拟紧密结合公路里程的系统，以大幅加速测试速度。这与 Waymo 进行的项目不一样。「我们正在讨论的是抛弃驾驶行为中无聊的部分，聚焦于有趣的部分。」Peng说，「这样就将实现数百倍的加速：一千英里可以变成一百万英里。」

令人惊讶的是 Waymo 项目的规模、组织和强度。当我向 Peng 描述了谷歌已经完成的结构化测试时，其中包括从 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。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 停了下来并思考了好一会儿，才说，「这太惊人了。」

事实上，这 20000 个场景只是 Waymo 测试的全部场景的一小部分。它们只是从结构化测试中得到的场景。据了解，场景总数要远超通过公共驾驶和想象得出的场景的数量。

 「他们做得真的很好，」Peng 表示：「他们在 Level 4自动驾驶（全自动驾驶）上已远远领先于其他人。」

但是，Peng 也指出了传统汽车制造商的立场，他们正在努力做一些完全不同的事情。他们正试图推广驾驶辅助技术，而不是投身于全自动驾驶技术的研发。「赚一点钱」，然后继续朝全自动化驾驶努力。拿这些汽车制造商与 Waymo 相比是不公平的。因为 Waymo 除了拥有丰富资源，而且还有庞大的企业资金支撑，可以将价值 70000 美元的激光测距仪「任性地」用在汽车上，而像雪佛兰这样的汽车制造商，他们的汽车在大众市场采用的价格上限可能就为 40000 美元。

「像通用、福特、丰田这类汽车制造商可能会说：我们要减少交通事故和死亡人数，增强大众市场汽车的安全，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。」

即使是在全自动驾驶的比赛中，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 对于问题的深度以及我们离解决问题有多远有很深的洞察力」。而上周当我再次向他确认这一看法时，他说：「很多事情都发生了变化。」

他们现在的任务是将驾驶作为一项人类社交活动。

Gerde 说：「福特、通用等汽车制造商已经部署了自己的车辆，并建立了上路测试数据集。而特斯拉现在已经从 Autopilot 部署中收集到非常多的数据，用以了解系统如何在客户体验到的状况中精准地运行。他们不仅能在无声模式下测试算法，还能快速扩大的车辆数据库。借助这两项能力，特斯拉构建了一个惊人的测试平台。」

针对模拟领域，Gerde 表示，他已经看到了多个竞争对手在开展实质性项目。「我相信现在有很多模拟功能，我也见过一些看起来很好的模拟系统。Waymo 在这方面已不再独领风骚。虽然他们肯定占据了领先地位，但是现在有很多团队正在寻求类似的方法。所以，现在问题在于谁能做的最好。」

自动驾驶系统不是对神经网络「类脑」能力的低风险证明。而是人工智能技术的一大跃进，甚至对于 Waymo 也是如此(其一直在积极采用AI技术)。它不像 Google Photo，犯错也没什么影响。这是一个在人类世界中可以完全自主地存在和进行交互的系统。它能理解我们的规则，传达自己的想法，我们的眼睛和思维也能明显地感知到它。

Waymo 似乎将驾驶看作为一门技术，控制速度、方向等等。现在，它们的任务是将驾驶作为一项人类社交活动。汽车可以「正常驾驶」而不只是「合法驾驶」是什么意思？人类该如何指导人工智能理解这个问题？

事实证明，构建这类人工智能，不仅需要大量的数据和工程学造诣，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。Castle 的驾驶员懂得像车一样观察环境和作出决策，其他人也可以做到这一点。也许这种理解是双向的：人类对汽车理解的越深，汽车对人类的理解就越深。

一段关于奥斯特环岛的记忆转变为 Castle 的一个测试场地，然后变为一个自动驾驶汽车数据日志，再变成一个模拟场景网络，最后变为新的软件，下载到实体自动驾驶汽车上，指导该汽车在德州奥斯汀的那个环岛上行驶。

即使是在 AI 用于理解世界的工具——模拟系统中的多边形抽象图案中，我们也能找到人类梦想、回忆的碎片、驾驶汽车的感觉等等痕迹。这些组成成分不是可以抹掉的，它们是自动驾驶系统的必要组成部分，可以彻底改变交通、城市，甚至一切。

厚势往期推送精选

厚

势

汽

车

为您对接资本和产业

新能源汽车 自动驾驶 车联网

联系邮箱

bp@ihoushi.com