2009年谷歌(Waymo)自動駕駛事業(yè)正式開始，但實(shí)際上谷歌的自動駕駛可以追溯到2005年第二屆DARPA無人駕駛挑戰(zhàn)賽，已有了十幾年的歷史，目前也是自動駕駛領(lǐng)域的標(biāo)桿企業(yè)，不過Waymo也經(jīng)歷了各種坎坷，包括早期領(lǐng)導(dǎo)人職業(yè)操守嚴(yán)重不足，跟車企合作被鄙視，骨干員工加入競爭對手等。
Waymo在超過25個城市的公共道路上行駛了超過2000萬英里。另外還在模擬環(huán)境中行駛了數(shù)百億英里。此外，Waymo正在美國經(jīng)營L4自動駕駛出租車服務(wù)，真正的在沒有司機(jī)的情況下運(yùn)送乘客。下面來梳理一下Waymo的技術(shù)，以此來窺探一下頭部企業(yè)背后的實(shí)際情況。與其他公司的自動駕駛系統(tǒng)一樣，Waymo自動駕駛技術(shù)主要包括：感知、定位、規(guī)劃、控制。下面分別對其進(jìn)行梳理，不過對于控制，由于其與車輛動力學(xué)模型是強(qiáng)相關(guān)的，就不對其進(jìn)行介紹。01. 感知 感知模塊是自動駕駛的基礎(chǔ)也是核心，其主要實(shí)現(xiàn)對障礙物距離的估計(jì)，以及車輛的定位。Waymo的感知系統(tǒng)使用了攝像頭、激光雷達(dá)和雷達(dá)的組合，如圖1所示。感知模塊的大部分工作是由4個LiDAR完成的，因此其技術(shù)路線剛好與特斯拉相反。圖2為Waymo的感知系統(tǒng)處理后的視圖與原圖像。
從圖2中可以看出，Waymo的感知系統(tǒng)獲取障礙物信息的能力非常高，包括：1、可以識別常規(guī)汽車、警車、救護(hù)車、消防車和校車。如果遇到特種車輛，系統(tǒng)可以根據(jù)警報器和燈光做出判斷；2、每個檢測到的障礙物都有一個狀態(tài)：移動、停車等。在Waymo開發(fā)感知系統(tǒng)的過程中，遇到過不少棘手的問題，比如在車輛反射問題，如圖3所示，不過由于感知系統(tǒng)采用了激光雷達(dá)，這種發(fā)射問題不會出現(xiàn)在激光雷達(dá)的點(diǎn)云中。
另外還有一個極端問題：如果人們可能躺在卡車車頂，舉著STOP標(biāo)志。對于這樣的問題，感知系統(tǒng)首先會檢測STOP標(biāo)志，然后將這些信息與地圖進(jìn)行匹配，檢測地圖上此處是否有STOP標(biāo)志，是否有道路工程等，如果沒有，該標(biāo)志會被忽略。02. 架構(gòu) 最近在討論Tesla計(jì)算機(jī)視覺架構(gòu)時，我探索了HydraNet 架構(gòu)。它是一種旨在同時運(yùn)行多個神經(jīng)網(wǎng)絡(luò)的架構(gòu)。“Hydra”這個詞意味著一個有多個頭的系統(tǒng)。Waymo沒有HydraNets。圖4展示了一個神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索(NAS)單元，它是神經(jīng)網(wǎng)絡(luò)的構(gòu)建塊，類似于ResNet的大型神經(jīng)網(wǎng)絡(luò)中的構(gòu)建塊。這個想法已經(jīng)被采納并改編成一種叫做 AutoML 的東西。AutoML 的思想是神經(jīng)網(wǎng)絡(luò)架構(gòu)必須由算法估計(jì)，如圖5所示。
這些架構(gòu)是使用NAS單元構(gòu)建的，最佳組合獲勝。測試樣本為10000個架構(gòu)，預(yù)選100個模型，然后選出1個最終獲勝者，獲勝的標(biāo)準(zhǔn)是準(zhǔn)確性和推理成本。03. 數(shù)據(jù)集和模型 關(guān)于數(shù)據(jù)集和模型，Waymo使用的是一種稱為主動學(xué)習(xí)的過程。主動學(xué)習(xí)的思想如下：1、對于未標(biāo)記的數(shù)據(jù)，將其發(fā)送給模型進(jìn)行預(yù)測。2、如果模型對其預(yù)測非常確定，其將獲得一個自動標(biāo)簽。3、如果不確定，則將數(shù)據(jù)發(fā)送給人工標(biāo)注員。這樣，人工標(biāo)注員只標(biāo)注疑難數(shù)據(jù)，其余的都是自動標(biāo)注。Waymo使用主動學(xué)習(xí)來訓(xùn)練模型，利用TPU（Tensor Processing Units）和谷歌的深度學(xué)習(xí)框架TensorFlow。與特斯拉類似，這是一個閉環(huán)，循環(huán)迭代。
圖6中的描述已經(jīng)比較清晰；從底部的Releases開始，然后沿著箭頭一步一步執(zhí)行。1、當(dāng)模型發(fā)布完成，開售數(shù)據(jù)收集。2、一些數(shù)據(jù)被選中并由神經(jīng)網(wǎng)絡(luò)或人工標(biāo)注員進(jìn)行標(biāo)注。3、將標(biāo)注的數(shù)據(jù)集發(fā)送到AutoML架構(gòu)搜索，評估最佳模型。4、最佳模型經(jīng)過驗(yàn)證、測試并發(fā)Releases新版本。04. 定位 定位很顯然就是獲取車輛的實(shí)時位置，要求精度在1~3cm。一些公司使用了GPS，或是添加了攝像頭和激光雷達(dá)信息。Waymo使用了地圖、激光雷達(dá)和GPS來定位車輛，這方面采用了從Google地圖積累的經(jīng)驗(yàn)。多年來，Google地圖團(tuán)隊(duì)一直致力于使用激光雷達(dá)、攝像頭和GPS進(jìn)行高精地圖繪制。這些傳感器正好也是用于自動駕駛相吻合。谷歌幾乎已經(jīng)繪制了整個世界的地圖。如果從相對位置檢測到您看到了2號街道，就可以準(zhǔn)確地知道您在哪里。這就是他們過去二十年一直在努力的事情。Waymo的定位模塊由地圖、攝像頭、GPS和算法組成，可在全世界范圍內(nèi)準(zhǔn)確定位車輛。另外Waymo還進(jìn)行了大量冗余設(shè)計(jì)，使其更加健壯、可靠。05. 預(yù)測 行為預(yù)測Waymo自動駕駛汽車最重要的特點(diǎn)是行為預(yù)測。在自動駕駛汽車中，最終想要的是了解人類行為并預(yù)測。這就是所謂的行為預(yù)測。這些行為預(yù)測是使用循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行的：它們使用過去的信息來預(yù)測未來的行為。因此，可以確切地知道要做什么，并且可以衡量預(yù)測的置信度。舉兩個行為預(yù)測簡單的例子：1、如果車輛觀察到有行人注視著它，則發(fā)生事故的風(fēng)險很低。如果觀察到行人不注意就跑，風(fēng)險會更高。Waymo的系統(tǒng)是如何做到這一點(diǎn)的呢？其預(yù)測系統(tǒng)是一個混合體，結(jié)合了機(jī)器學(xué)習(xí)和人類知識。所謂的人類知識，就是人類對世界的了解，例如交通法規(guī)和不可能的事情——人類行走或者跑步的速度不可能達(dá)到50公里/小時）。06. 仿真 如文章開頭所說，Waymo的自動駕駛在模擬器中運(yùn)行了數(shù)百億公里，該模擬器的輸入為真實(shí)世界數(shù)據(jù)。Waymo的仿真系統(tǒng)可以實(shí)時回放，可以模擬行為構(gòu)建完整的場景，并查看算法是如何表現(xiàn)的。事實(shí)上，Waymo平均每天運(yùn)行25,000輛虛擬汽車，并且在這些模擬中每天行駛1千萬英里。為了模擬更多場景，Waymo正在使用DeepMind和深度強(qiáng)化學(xué)習(xí)來創(chuàng)建代理和駕駛策略。在強(qiáng)化學(xué)習(xí)中，策略是一種行為。其可以模擬一個憤怒的司機(jī)試圖危險的切入。每次他們都會查看算法的行為和正確性。一旦他們對駕駛員進(jìn)行了準(zhǔn)確且訓(xùn)練有素的預(yù)測，就可以生成要采取的軌跡。這也稱為決策和軌跡生成。Waymo的駕駛模型稱為ChauffeurNet，如圖7所示。
07. 規(guī)劃 軌跡是一系列點(diǎn)坐標(biāo)組成，其目標(biāo)是綜合來考慮安全性、速度和可行性，生成誤差最合適的軌跡。Waymo的完整規(guī)劃模塊如圖8所示。
Agent RNN是一個為自動駕駛車輛生成軌跡的網(wǎng)絡(luò)。這些軌跡將考慮航向（可行性）、速度（交通規(guī)則）、航路點(diǎn)（長度）等。Agent RNN的目標(biāo)是模擬一個可行的、現(xiàn)實(shí)的軌跡。Road Mask Net用于確保生成的軌跡為動車道，防止生成的軌跡中含有非機(jī)動車道。最后，軌跡還考慮了排斥器和吸引器。用于將車輛維持在車道中，避開路障。生成軌跡的過程還使用了逆強(qiáng)化學(xué)習(xí)技術(shù)。在逆強(qiáng)化學(xué)習(xí)中，嘗試著眼于真實(shí)的人類軌跡，并確定是什么使這條軌跡成為一個好的軌跡，這有利于改進(jìn)了生成的軌跡并使其更接近人類行為。總結(jié)Waymo的自動駕駛技術(shù)積累了十幾年，而且背靠Google，可以借鑒不少地圖方面的經(jīng)驗(yàn)，但是Waymo專注于L4以上的自動駕駛開發(fā)，這一點(diǎn)從目前來看，不是大多數(shù)，大部分公司先著眼于L2和L3的落地，并且逐步實(shí)現(xiàn)L4及以上。像百度之前也專注于L4及以上的開發(fā)，但是后來嘗試L2和L3的落地。
|
