自动驾驶是深度学习的重要应用领域。经过多年的积累，互联网上已经有大量的公开数据集供研究人员验证和改进他们的人工智能算法。但对于公共道路上的自动驾驶技术，安全是重中之重。因此，即使将自动驾驶AI的准确率训练到99.99%，仍然不能满足无人驾驶道路作业的条件。为此，各家自动驾驶公司的解决方案都是不断向AI馈送数据。让汽车产生数据很简单，就是让它在实际道路上不断测试。简而言之，就是“强化神迹”。根据全球领先的自动驾驶公司Waymo发布的自动驾驶报告，自其自动驾驶技术在凤凰城首次测试以来，Waymo车辆已累计行驶了610万英里（982万公里）。但报告仍然显示，从2019年到2020年前九个月，Waymo车辆共涉及18起轻微事故和29起未遂事件。该怎么办？跑步！然而，随着实际道路测试里程的不断增加，车辆积累的数据质量却在不断下降：大量之前训练的重复场景对AI的提升非常有限，真正有用的数据是AI无法判断的边缘场景，（所谓的Cornercase）。而且，很多车辆和安保人员产生的长期运营成本，以及延迟看到商业化曙光，都让Waymo这样的巨头举步维艰。为此，不少自动驾驶企业也在尝试让AI“下车”，通过软件模拟实际路况在线训练AI。但这对真实路况模拟软件的真实性提出了极高的要求。SimCity随时为您提供帮助。早上好，模拟城市！昨天的车祸开奖是整整30个……依托谷歌的技术积累，Waymo近日推出了最新版自动驾驶模拟软件：SimulationCity，（简称SimCity）。与游戏不同，Waymo版的模拟城市追求的是真实。这样的模拟城市显然不能用于自动驾驶测试。为此，模拟城市整合了Waymo此前测试以及NHTSA（美国国家公路安全管理协会）和美国国家科学院超过2000万英里的实际道路数据。第三方数据等，力求全面覆盖Waymo之前的所有积累。来自美国汽车工程学院的仿真模型得到了GoogleAlphabet团队的支持。Waymo的模拟城市系统提供了车辆传感器模拟、数据的高质量自动标注、自动代理等机器学习技术。据称，这将加快部署“WaymoDriver”自动驾驶技术。由于该系统的普遍适用性，Waymo可以更快地推动自动驾驶汽车在新城市的落地和运营。什么是新的？首先是更接近真实环境的模拟效果。这不仅模拟了它通常用肉眼看到的世界，而且还能够模拟汽车通过其传感器的眼睛看到的东西。Waymo还使用其自动驾驶汽车收集的人工智能和传感器数据来生成用于模拟的逼真摄像头图像。他们将这种技术称为SurfelGAN（surfel是“表面元素”的缩写，GAN代表生成对抗网络）。例如下图自动生成车载激光雷达的点云阵列：对于自动驾驶车辆来说，在雨雪等恶劣天气条件下行驶是一个非常困难和具有挑战性的场景。为此，模拟城市系统还可以模拟传感器在恶劣天气下产生的各种噪音。比如模拟摄像头上产生的雨滴，还有夜间昏暗的灯光和太阳刺眼等。当然，通过软件模拟正常的驾驶情况，很难对AI有实质性的提升——因为产生的数据都是无用的垃圾.为此，模拟城市也在通过技术手段打造一些cornercase：比如??模拟后车在面对前车刹车时的不同反应时间，包括后车司机打车的情况开车玩手机导致急刹车。根据与真实道路数据的对比，SimulationCity模拟的CornerCases数量的概率分布也趋于与真实环境一致。此外，依靠对真实环境的完整再现，SimulationCity还可以自动生成以前没有遇到过的CornerCases，从而帮助AI适应更多的路况。左边是真实环境，右边是模拟城市模拟出来的模拟效果。此外，对于如今更可能商用的商用车，模拟城也进行了最接近真实情况的模拟，比如模拟卡车拖车。车辆的重量——这会极大地影响自动驾驶卡车的加速和制动能力。SimulationCity的推出有望进一步降低Waymo实际道路测试和运营所需的资金量，同时也将加速Waymo的自动驾驶技术落地更多城市。对于近期动荡不安的Waymo来说，这是提振股价的一剂强心剂。不过，对于自动驾驶AI技术的在线模拟训练，不少业内人士仍持怀疑态度。例如，密歇根自动驾驶测试场Mcity负责人表示：“如果自动驾驶AI输入的是有缺陷的数据，那么得到的结果就没有意义。”你看好虚拟城市吗？
