Waymo軟體工程總監Sacha Arnoud：Waymo還需在應用場景和語義理解方面繼續突破

在計算機編程和軟體工程領域，有一個著名的90-90法則。意思就是，在開發軟體時，前90%的代碼要花費90%的開發時間，剩餘的10%的代碼要再花費90%的開發時間。合計180%的時間總量用看似荒誕的形式指出了軟體開發項目里一個普遍的傾向—完成時間常常嚴重超出預期時間表。這項法則揭示了工程項目實際所花時間遠比預期的更長。

最近，Waymo軟體工程總監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的經驗來看，前90％的技術工作量只佔總工作時間10％，而要完成最後的10％的工作，需要再花10倍的氣力。

這番話是Arnoud在麻省理工學院開展題為「自動駕駛汽車的深度學習」的講座時所說的。他從技術的角度對Waymo項目的發展進行了分析，包括如何應用人工智慧和深度學習，以及如何從演示程序轉向工業級產品。

不同於大多數Waymo管理演講和新聞事件，Arnoud對這個複雜項目分享了迄今為止最生動的細節描述，並用自己的洞察力分析了即將到來的挑戰，這對那些試圖追趕的人提供了寶貴的資料。雷鋒網新智駕總結了這次報告的關鍵要點。

從實驗室的演示版本到可安全上路的工業化產品，Arnoud強調這所需的大量工作，「你需要10倍的技術能力，10倍的團隊規模，要有讓眾多工程師和研究人員緊密協作的有效管理方式。此外，還需要把感測器功能提高10倍，系統的整體質量提高10倍，包括實際測試。」

深度學習使演算法取得突破

Arnoud指出，谷歌2010年開始進行自動駕駛汽車項目時，深度學習技術遠不如現在先進。多年以來，深度學習取得了明顯進展，在自動駕駛的幾個關鍵領域實現演算法突破，包括製圖、感知和場景理解。

Arnoud舉了很多例子，比如使用深度學習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誌，這些數據通過預先計算，存儲為數字地圖放在汽車裡，為實時任務節省了寶貴的機載計算資源。

據雷鋒網新智駕了解，深度學習推動了實時任務的突破，如分析感測器數據以識別交通信號、其他車輛、障礙物、行人等。深度學習還有助於預測其他駕駛員、騎行者和行人的可能行為，並據此來控制駕駛。

Arnoud承認Google整個機器學習生態系統對Waymo發展的重要性，包括Google Brain團隊開發的開創性軟體，以及與其他Google團隊一起開展的大規模深度學習，如視覺、語音、自然語言處理和地圖等。Google生態系統還為機器學習提供專用基礎設施和工具，包括加速器、數據中心、標記數據集和支持Google TensorFlow編程範例的研究。

Arnoud強調說，不管Waymo的演算法、感測器和整體套件有多強大，自動駕駛汽車仍然是複雜的嵌入式實時機器人系統，必須在不可預知的世界中依靠不完美的數據安全地工作。他強調Waymo的真實環境測試、模擬環境測試和結構化測試是技術迭代和產品化的關鍵。

Waymo的自動駕駛汽車已經累計測試400萬英里，Arnoud表示這相當於人類300年的駕駛體驗並繞全球160圈，真實環境的駕駛至關重要，但模擬能力更為重要。

模擬非常關鍵，因為它可以讓Waymo的每個新迭代軟體版本測試所有先前數據，更重要的是分析這些不同版本的能力，比如看看它們如何處理速度稍微不同的汽車，如何處理有其他汽車或行人在汽車前穿過等等。Arnoud表示，僅2016年，Waymo就通過模擬系統模擬行駛了25億英里來加快學習速度。在模擬系統中，每天有超過25000輛虛擬自動駕駛汽車反覆體驗類似在實際道路上遇到的惡劣環境。

Waymo測試程序的第三個組成部分是其結構化測試。Arnoud說，一般駕駛很少發生長尾效應。為了測試實際駕駛中可能遇到任何情況，Waymo在退役的卡斯爾(Castle)空軍基地建了一個佔地90英畝的模擬城市。在那裡，Waymo可以測試汽車對抗這種邊緣效應,這些測試隨後被送入模擬引擎進行模糊化以創建更多測試樣本。

最後，Arnoud討論了Waymo面臨的工程挑戰，主要有兩個方面。

• 擴大汽車的運行設計域（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Waymo在雪地上進行相應的環境測試。

• 語義理解

他列舉了巴黎凱旋門周圍秩序混亂的交通環島。這個環島由12條道路交匯，非常難導航。Arnoud說，雖然他已經多次安全路過此處，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，還需要深刻理解當地的規則和期望，以及與其他駕駛員保持溝通和協調，包括信號、手勢等。這種深刻原因是分析大量邊緣效應的關鍵，也是提高自動駕駛汽車綜合能力的關鍵。

儘管Waymo在自動駕駛方面已經取得了巨大進步，但Arnoud最後仍然強調了基礎工程的重要性以及解決自動駕駛落地為安全產品的複雜性。

總之，在該工業化過程的最後90％中，Waymo還有多遠的路要走？我們拭目以待。

PS：看遍這一年中國與全球智能駕駛領域的技術前沿與商業探索，雷鋒網新智駕年度推薦，掃描下圖二維碼或點擊 https://www.leiphone.com/special/custom/AIdrive.html，了解更多信息。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！