在計算機編程和軟件工程領(lǐng)域，有一個著名的90-90法則。意思就是，在開發(fā)軟件時，前90%的代碼要花費90%的開發(fā)時間，剩余的10%的代碼要再花費90%的開發(fā)時間。合計180%的時間總量用看似荒誕的形式指出了軟件開發(fā)項目里一個普遍的傾向—完成時間常常嚴(yán)重超出預(yù)期時間表。這項法則揭示了工程項目實際所花時間遠(yuǎn)比預(yù)期的更長。

最近，Waymo軟件工程總監(jiān)Sacha Arnoud使用了90-90法則的變體來描述Waymo的自動駕駛項目。他說，從Waymo的經(jīng)驗來看，前90％的技術(shù)工作量只占總工作時間10％，而要完成最后的10％的工作，需要再花10倍的氣力。

這番話是Arnoud在麻省理工學(xué)院開展題為“自動駕駛汽車的深度學(xué)習(xí)”的講座時所說的。他從技術(shù)的角度對Waymo項目的發(fā)展進(jìn)行了分析，包括如何應(yīng)用人工智能和深度學(xué)習(xí)，以及如何從演示程序轉(zhuǎn)向工業(yè)級產(chǎn)品。

不同于大多數(shù)Waymo管理演講和新聞事件，Arnoud對這個復(fù)雜項目分享了迄今為止最生動的細(xì)節(jié)描述，并用自己的洞察力分析了即將到來的挑戰(zhàn)，這對那些試圖追趕的人提供了寶貴的資料。雷鋒網(wǎng)新智駕總結(jié)了這次報告的關(guān)鍵要點。

工業(yè)化需要10倍的努力

從實驗室的演示版本到可安全上路的工業(yè)化產(chǎn)品，Arnoud強調(diào)這所需的大量工作，“你需要10倍的技術(shù)能力，10倍的團隊規(guī)模，要有讓眾多工程師和研究人員緊密協(xié)作的有效管理方式。此外，還需要把傳感器功能提高10倍，系統(tǒng)的整體質(zhì)量提高10倍，包括實際測試?！?/p>

深度學(xué)習(xí)使算法取得突破

Arnoud指出，谷歌2010年開始進(jìn)行自動駕駛汽車項目時，深度學(xué)習(xí)技術(shù)遠(yuǎn)不如現(xiàn)在先進(jìn)。多年以來，深度學(xué)習(xí)取得了明顯進(jìn)展，在自動駕駛的幾個關(guān)鍵領(lǐng)域?qū)崿F(xiàn)算法突破，包括制圖、感知和場景理解。  

Arnoud舉了很多例子，比如使用深度學(xué)習(xí)分析街道圖像來提取街道名稱、房屋號碼、交通信號燈和交通標(biāo)志，這些數(shù)據(jù)通過預(yù)先計算，存儲為數(shù)字地圖放在汽車?yán)?，為實時任務(wù)節(jié)省了寶貴的機載計算資源。

據(jù)雷鋒網(wǎng)新智駕了解，深度學(xué)習(xí)推動了實時任務(wù)的突破，如分析傳感器數(shù)據(jù)以識別交通信號、其他車輛、障礙物、行人等。深度學(xué)習(xí)還有助于預(yù)測其他駕駛員、騎行者和行人的可能行為，并據(jù)此來控制駕駛。

與Google其他團隊的協(xié)作是Waymo進(jìn)步的關(guān)鍵

Arnoud承認(rèn)Google整個機器學(xué)習(xí)生態(tài)系統(tǒng)對Waymo發(fā)展的重要性，包括Google Brain團隊開發(fā)的開創(chuàng)性軟件，以及與其他Google團隊一起開展的大規(guī)模深度學(xué)習(xí)，如視覺、語音、自然語言處理和地圖等。Google生態(tài)系統(tǒng)還為機器學(xué)習(xí)提供專用基礎(chǔ)設(shè)施和工具，包括加速器、數(shù)據(jù)中心、標(biāo)記數(shù)據(jù)集和支持Google TensorFlow編程范例的研究。

Waymo的測試計劃可能是其秘密武器

Arnoud強調(diào)說，不管Waymo的算法、傳感器和整體套件有多強大，自動駕駛汽車仍然是復(fù)雜的嵌入式實時機器人系統(tǒng)，必須在不可預(yù)知的世界中依靠不完美的數(shù)據(jù)安全地工作。他強調(diào)Waymo的真實環(huán)境測試、模擬環(huán)境測試和結(jié)構(gòu)化測試是技術(shù)迭代和產(chǎn)品化的關(guān)鍵。

Waymo的自動駕駛汽車已經(jīng)累計測試400萬英里，Arnoud表示這相當(dāng)于人類300年的駕駛體驗并繞全球160圈，真實環(huán)境的駕駛至關(guān)重要，但模擬能力更為重要。

模擬非常關(guān)鍵，因為它可以讓W(xué)aymo的每個新迭代軟件版本測試所有先前數(shù)據(jù)，更重要的是分析這些不同版本的能力，比如看看它們?nèi)绾翁幚硭俣壬晕⒉煌钠嚕绾翁幚碛衅渌嚮蛐腥嗽谄嚽按┻^等等。Arnoud表示，僅2016年，Waymo就通過仿真系統(tǒng)模擬行駛了25億英里來加快學(xué)習(xí)速度。在模擬系統(tǒng)中，每天有超過25000輛虛擬自動駕駛汽車反復(fù)體驗類似在實際道路上遇到的惡劣環(huán)境。

Waymo測試程序的第三個組成部分是其結(jié)構(gòu)化測試。Arnoud說，一般駕駛很少發(fā)生長尾效應(yīng)。為了測試實際駕駛中可能遇到任何情況，Waymo在退役的卡斯?fàn)?Castle)空軍基地建了一個占地90英畝的模擬城市。在那里，Waymo可以測試汽車對抗這種邊緣效應(yīng),這些測試隨后被送入仿真引擎進(jìn)行模糊化以創(chuàng)建更多測試樣本。

Waymo下一步

最后，Arnoud討論了Waymo面臨的工程挑戰(zhàn)，主要有兩個方面。

• 擴大汽車的運行設(shè)計域（ODD）
  

主要擴展到密集的城市核心，如舊金山（Waymo最近宣布正在擴大其測試計劃）。另一個ODD是額外的天氣條件，如強降雨、雪和霧。最近，Waymo首席執(zhí)行官John Krafcik對底特律附近12英寸降雪感到興奮，因為這可以讓W(xué)aymo在雪地上進(jìn)行相應(yīng)的環(huán)境測試。

• 語義理解
  

他列舉了巴黎凱旋門周圍秩序混亂的交通環(huán)島。這個環(huán)島由12條道路交匯，非常難導(dǎo)航。Arnoud說，雖然他已經(jīng)多次安全路過此處，但他感覺這種情況下，需要的不僅僅是感知能力和車輛操作技能，還需要深刻理解當(dāng)?shù)氐囊?guī)則和期望，以及與其他駕駛員保持溝通和協(xié)調(diào)，包括信號、手勢等。這種深刻原因是分析大量邊緣效應(yīng)的關(guān)鍵，也是提高自動駕駛汽車綜合能力的關(guān)鍵。

盡管Waymo在自動駕駛方面已經(jīng)取得了巨大進(jìn)步，但Arnoud最后仍然強調(diào)了基礎(chǔ)工程的重要性以及解決自動駕駛落地為安全產(chǎn)品的復(fù)雜性。

總之，在該工業(yè)化過程的最后90％中，Waymo還有多遠(yuǎn)的路要走？我們拭目以待。

PS：看遍這一年中國與全球智能駕駛領(lǐng)域的技術(shù)前沿與商業(yè)探索，雷鋒網(wǎng)新智駕年度推薦，掃描下圖二維碼或點擊 http://www.ozgbdpf.cn/special/custom/AIdrive.html ，了解更多信息。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。