Waymo軟件工程總監：還需在應用場景和語義理解方面繼續突破

在計算機編程和軟件工程領域，有一個著名的 90-90 法則。意思就是，在開發軟件時，前 90% 的代碼要花費 90% 的開發時間，剩余的 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件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 軟件工程總監 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能和深度學習，以及如何從演示程序轉向工業級產品。

不同于大多數 Waymo 管理演講和新聞事件，Arnoud 對這個復雜項目分享了迄今為止最生動的細節描述，并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(公眾號：雷鋒網)新智駕總結了這次報告的關鍵要點。

工業化需要 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，還需要把傳感器功能提高 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志，這些數據通過預先計算，存儲為數字地圖放在汽車里，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，如分析傳感器數據以識別交通信號、其他車輛、障礙物、行人等。深度學習還有助于預測其他駕駛員、騎行者和行人的可能行為，并據此來控制駕駛。

與 Google 其他團隊的協作是 Waymo 進步的關鍵

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件，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 編程范例的研究。

Waymo 的測試計劃可能是其秘密武器

Arnoud 強調說，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 表示這相當于人類 300 年的駕駛體驗并繞全球 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 的每個新迭代軟件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 就通過仿真系統模擬行駛了 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復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，這些測試隨后被送入仿真引擎進行模糊化以創建更多測試樣本。

Waymo 下一步

最后，Arnoud 討論了 Waymo 面臨的工程挑戰，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。

盡管 Waymo 在自動駕駛方面已經取得了巨大進步，但 Arnoud 最后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復雜性。

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

來自: 雷鋒網