Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

今年 8 月,Alphabet 旗下的自驾车品牌 Waymo 突破了公路驾驶 1,600 万公里的里程数。拿绕一圈台湾 1,200 公里来算的话,Waymo 无人车可说绕了台湾 1 万多圈呢。

这虽是自驾车产业的一大创举,不过新闻上我们还是能看到自驾车因为判断错误,导致车祸发生或驾驶、路人受伤的情形;况且要把命全然交给自驾车,总让人无法接受。这揭露了自驾车在技术开发上还有太多困境要突破。市民对自驾车的不熟悉也是未来无人车普及的必定会面对的课题。

(延伸阅读:Uber 撞死人调查结果:自驾车有看到路人,但却「自己决定」不闪开?)

而普通市民能如何参与这场自驾车革命呢?无发参透高难度工程学与程式语言的你,可以先从自驾车团队是如何训练 AI 开始理解。

碰巧就在今天(11 日),有两位研究人员 Mayank Bansal 和 Abhijit Ogale 在  Medium 上 发布 了一篇 Waymo 自驾车的研究报告。文内展示 Waymo 训练 AI 驾驶的过程,以及训练进展与结果的的示意图。光是这些动图就能让你轻鬆掌握,一个什幺都不会的自驾车系统是怎幺成长到能在公路上自由的行驶。

ChauffeurNet 用 10 个绿点预判未来路线,并不断做驾驶优化

Waymo 採用了一套叫做递归神经网络(Deep Recurrent Neural Network, RNN)的系统,又名 ChauffeurNet。ChauffeurNet 被训练能够在系统运作中,画出自身移动轨迹、预期移动方向、自我修正并将数据回馈给研究人员。下图为运行範例:

Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

上图的绿色方框就是 ChauffeurNet 系统,也就是自驾车的预览图、蓝色点是车体过往位置、黄色方框代表过去一秒内可能移动的物体,又可称为有机率产生意外的动态物件。而最重要的就是跑在自驾车前方的 10 个绿点了。这 10 个绿点揭露了系统本身预测车体将抵达的位置;在确立判断后,这些绿点的位置会传递至真实车体,以操控车体的基础自驾功能,例如转弯、加速等。

Waymo Research 的 官网 上,研究人员附上许多 ChauffeurNet 的训练影片。ChauffeurNet 从一开始不知道怎幺併车:距离目标物还很远就开始减速并倒退,直到最后懂得缓速但仍安全的开过目标物。

Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

系统当然也训练过各种意外发生时,该如何应对。例如前方车子突然减速,ChauffeurNet 该如何行动。不用多说,ChauffeurNet 最初的反应实在让人连叹气,前方车辆减速,ChauffeurNet 就当发生地震要避难将时速缓到 1.08 公里。

Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

但到了最后一阶段训练,ChauffeurNet 就得懂得降低车速,保持距离跟在前方车辆后方。

Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

当然训练绝对不能少了车水马龙的情况演练,如果 ChauffeurNet 过不了这一关,那他也别想再任何大城市混了。

Waymo 首次公开自驾车「训练过程」,AI 怎幺练开车技术

Waymo Research 同时也将 ChauffeurNet 上路行驶的影片上传官网,虽然还有一些部份不如人类,但能做到判别停车号誌也算是很不错的了。以下影片供大家观看。

以上为自驾车实际行驶于弯道。

以上为自驾车行驶间遇到行车号誌。

这些就是自驾车眼中的世界,也是自驾车训练的过程。如果你想看更多训练过程就到 官网 看吧,如果你对研究报告有兴趣,就到 Medium 读吧,里面有更完整的系统介绍。

参考

    《Waymo Research》:〈ChauffeurNet: Learning to Drive by Imitating the Best and Synthesizing the Worst〉《Medium》:〈Learning to Drive: Beyond Pure Imitation〉《机械之心》:〈Waymo 首次公开自动驾驶技术:让 AI 学会「危机想象力」〉
多面向的自驾车报导

Uber 撞死人调查结果:自驾车有看到路人,但却「自己决定」不闪开?

20 世纪物理学家怎幺用「量子力学」,解决自驾车系统除错问题?

特斯拉眼中的世界:线条、区块与座标,这才是自驾车「看见」的真相


上一篇:
下一篇: