Waymo 的自動駕駛出租車「Waymo One」已經(jīng)上線了，現(xiàn)在美國亞利桑那州鳳凰城的居民可以像叫個滴滴一樣用手機(jī) app 打來一輛自動駕駛汽車。這些高度智能化的無人車使用的是哪些技術(shù)？最近這家谷歌旗下的公司終于公開了自己的第一篇論文，介紹了 Waymo 自動駕駛算法的細(xì)節(jié)。

Waymo近日發(fā)表了一篇關(guān)于名為ChauffeurNet的模型的論文ChauffeurNet: Learning to Drive by Imitating the Best and Synthesizing the Worst，該模型嘗試用模仿學(xué)習(xí)駕駛汽車。ChauffeurNet 模型希望能更接近人類的駕駛，與傳統(tǒng)的robotics approaches形成鮮明對比，駕駛方式就像a robot。

ChauffeurNet 與典型的端到端方法不同。有一個單獨(dú)的感知堆棧來處理傳感器輸出（激光雷達(dá)和相機(jī)），然后將其作為輸入饋入模型，同時預(yù)測目標(biāo)和預(yù)先計(jì)算的路線。

當(dāng)面對交通規(guī)則（停車標(biāo)志，交通信號燈等）時，典型的端到端方法（輸出原始控制命令的原始傳感器輸入）會很困難。ChauffeurNet的目標(biāo)是在這個問題上取得進(jìn)展，以產(chǎn)生一個更像人類的驅(qū)動程序，可以處理復(fù)雜的場景。

ChauffeurNet 方法使用了地圖，但與傳統(tǒng)自動駕駛汽車截然不同，可想而知谷歌地圖比物理世界的點(diǎn)云要多很多。由于所采用的這些方法（主要是感知），ChauffeurNet 與基于單個相機(jī)的端到端模型沒有可比性，可以將其視為傳統(tǒng)運(yùn)動規(guī)劃模塊的潛在替代品。

在傳統(tǒng)的規(guī)劃模塊中有許多算法，這些算法決定了車輛沿路線的確切路徑，以及相對于其他車輛的速度和距離。ChauffeurNet試圖通過觀察真實(shí)和模擬數(shù)據(jù)（包括地圖、周圍目標(biāo)、交通燈狀態(tài)和汽車過去的運(yùn)動）學(xué)會了生成駕駛軌跡。

該模型接受了為期60天的現(xiàn)實(shí)“專家駕駛培訓(xùn)”，并試圖在仿真和真實(shí)場景中驗(yàn)證以下場景：1.從錯誤路徑中回復(fù)，2.對周圍車輛微調(diào)，3.慢慢減速，4.停止牌和轉(zhuǎn)彎。

最初他們發(fā)現(xiàn)，只用3000萬個例子進(jìn)行純模仿學(xué)習(xí)是不夠的，經(jīng)常發(fā)現(xiàn)（模擬）汽車會與其他車輛碰撞或卡住。然而，他們通過模擬異常場景則顯著改善了模型性能，比如讓模型出現(xiàn)一些碰撞、脫離等行為，新模型的碰撞率僅有為10％。他們還在真實(shí)車上測試了該模型，從模擬到真實(shí)的難度可想而知。

Waymo 的模型在轉(zhuǎn)彎時的表現(xiàn)。圖源：Waymo

ChauffeurNet 在模擬環(huán)境中表現(xiàn)較好，它將損失和合成的示例都考慮在內(nèi)，甚至還能繞過停泊的車輛，在信號燈由黃變紅時停下以及在其軌道上修復(fù)些微的偏差。在現(xiàn)實(shí)世界的私人試車跑道駕駛 Waymo 的克萊斯勒 Pacifica 小型貨車時，ChauffeurNet 成功地駛過了彎道，并正確判別了停止信號和轉(zhuǎn)彎。

ChauffeurNet團(tuán)隊(duì)的認(rèn)為“該模型還不能完全與運(yùn)動規(guī)劃方法競爭，但我們認(rèn)為這是機(jī)器學(xué)習(xí)駕駛模型向前邁出的一大步?！?/p>

這種使用損失來微調(diào)規(guī)劃，完成避障的方法給眾多研究者提供了一種全新的思路。