IT思维

公众号/ 新智驾

文 | 利荣

来自新智驾（AI-Drive）的报道

在计算机编程和软件工程领域，有一个著名的90-90法则。意思就是，在开发软件时，前90%的代码要花费90%的开发时间，剩余的10%的代码要再花费90%的开发时间。合计180%的时间总量用看似荒诞的形式指出了软件开发项目里一个普遍的倾向—完成时间常常严重超出预期时间表。这项法则揭示了工程项目实际所花时间远比预期的更长。

最近，Waymo软件工程总监Sacha Arnoud使用了90-90法则的变体来描述Waymo的自动驾驶项目。他说，从Waymo的经验来看，前90％的技术工作量只占总工作时间10％，而要完成最后的10％的工作，需要再花10倍的气力。

这番话是Arnoud在麻省理工学院开展题为“自动驾驶汽车的深度学习”的讲座时所说的。他从技术的角度对Waymo项目的发展进行了分析，包括如何应用人工智能和深度学习，以及如何从演示程序转向工业级产品。

不同于大多数Waymo管理演讲和新闻事件，Arnoud对这个复杂项目分享了迄今为止最生动的细节描述，并用自己的洞察力分析了即将到来的挑战，这对那些试图追赶的人提供了宝贵的资料。新智驾总结了这次报告的关键要点。

工业化需要10倍的努力

从实验室的演示版本到可安全上路的工业化产品，Arnoud强调这所需的大量工作，“你需要10倍的技术能力，10倍的团队规模，要有让众多工程师和研究人员紧密协作的有效管理方式。此外，还需要把传感器功能提高10倍，系统的整体质量提高10倍，包括实际测试。”

深度学习使算法取得突破

Arnoud指出，谷歌2010年开始进行自动驾驶汽车项目时，深度学习技术远不如现在先进。多年以来，深度学习取得了明显进展，在自动驾驶的几个关键领域实现算法突破，包括制图、感知和场景理解。

Arnoud举了很多例子，比如使用深度学习分析街道图像来提取街道名称、房屋号码、交通信号灯和交通标志，这些数据通过预先计算，存储为数字地图放在汽车里，为实时任务节省了宝贵的机载计算资源。

据新智驾了解，深度学习推动了实时任务的突破，如分析传感器数据以识别交通信号、其他车辆、障碍物、行人等。深度学习还有助于预测其他驾驶员、骑行者和行人的可能行为，并据此来控制驾驶。

与Google其他团队的协作是Waymo进步的关键

Arnoud承认Google整个机器学习生态系统对Waymo发展的重要性，包括Google Brain团队开发的开创性软件，以及与其他Google团队一起开展的大规模深度学习，如视觉、语音、自然语言处理和地图等。Google生态系统还为机器学习提供专用基础设施和工具，包括加速器、数据中心、标记数据集和支持Google TensorFlow编程范例的研究。

Waymo的测试计划可能是其秘密武器

Arnoud强调说，不管Waymo的算法、传感器和整体套件有多强大，自动驾驶汽车仍然是复杂的嵌入式实时机器人系统，必须在不可预知的世界中依靠不完美的数据安全地工作。他强调Waymo的真实环境测试、模拟环境测试和结构化测试是技术迭代和产品化的关键。

Waymo的自动驾驶汽车已经累计测试400万英里，Arnoud表示这相当于人类300年的驾驶体验并绕全球160圈，真实环境的驾驶至关重要，但模拟能力更为重要。

模拟非常关键，因为它可以让Waymo的每个新迭代软件版本测试所有先前数据，更重要的是分析这些不同版本的能力，比如看看它们如何处理速度稍微不同的汽车，如何处理有其他汽车或行人在汽车前穿过等等。Arnoud表示，仅2016年，Waymo就通过仿真系统模拟行驶了25亿英里来加快学习速度。在模拟系统中，每天有超过25000辆虚拟自动驾驶汽车反复体验类似在实际道路上遇到的恶劣环境。

Waymo测试程序的第三个组成部分是其结构化测试。Arnoud说，一般驾驶很少发生长尾效应。为了测试实际驾驶中可能遇到任何情况，Waymo在退役的卡斯尔(Castle)空军基地建了一个占地90英亩的模拟城市。在那里，Waymo可以测试汽车对抗这种边缘效应,这些测试随后被送入仿真引擎进行模糊化以创建更多测试样本。

Waymo下一步

最后，Arnoud讨论了Waymo面临的工程挑战，主要有两个方面。

扩大汽车的运行设计域（ODD）

主要扩展到密集的城市核心，如旧金山（Waymo最近宣布正在扩大其测试计划）。另一个ODD是额外的天气条件，如强降雨、雪和雾。最近，Waymo首席执行官John Krafcik对底特律附近12英寸降雪感到兴奋，因为这可以让Waymo在雪地上进行相应的环境测试。

语义理解

他列举了巴黎凯旋门周围秩序混乱的交通环岛。这个环岛由12条道路交汇，非常难导航。Arnoud说，虽然他已经多次安全路过此处，但他感觉这种情况下，需要的不仅仅是感知能力和车辆操作技能，还需要深刻理解当地的规则和期望，以及与其他驾驶员保持沟通和协调，包括信号、手势等。这种深刻原因是分析大量边缘效应的关键，也是提高自动驾驶汽车综合能力的关键。

尽管Waymo在自动驾驶方面已经取得了巨大进步，但Arnoud最后仍然强调了基础工程的重要性以及解决自动驾驶落地为安全产品的复杂性。

总之，在该工业化过程的最后90％中，Waymo还有多远的路要走？我们拭目以待。