用SurfelGAN創造「元宇宙」！因為沒錢推模擬城市訓練汽車大腦？
自動駕駛是深度學習的一個重要應用領域。
經過多年積累，目前網絡上已經有大量公開的數據集供科研人員驗證和提升自己的AI算法。
但是對于在公開道路的自動駕駛技術而言，安全是擺在面前的首要因素。所以即便將自動駕駛AI的準確率訓練到99.99%，仍然不能滿足無人上路運營的條件。
為此，各自動駕駛公司的解決方案是持續不斷地給AI喂數據。想要讓汽車產生數據很簡單，就是讓它在實際道路上不斷地測試。
簡而言之，就是「大力出奇跡」。
根據全球領先的自動駕駛公司Waymo公布的自動駕駛報告顯示，自從首次在鳳凰城測試其自動駕駛技術以來，Waymo汽車總共行駛了610萬英里（約合982萬公里）。
但是在報告中仍然顯示從2019年到2020年的前9個月，Waymo的車輛發生了18起小型事故以及29起險些相撞事故。
怎么辦？接著跑！
但是隨著在實際道路上測試里程的不斷增加，車輛積累數據的質量在隨之不斷下降：大量之前訓練過的重復場景對于AI而言提升十分有限，真正有用的數據是AI無法判斷的邊緣場景，(所謂的Corner case）。
并且眾多車輛和安全員長期產生的運營成本，以及遲遲看不到商業化落地的曙光，讓Waymo這樣的巨頭也有些吃不消。
為此，許多自動駕駛公司也在嘗試讓AI「下車」，通過軟件模擬實際道路情況來在線訓練AI。但是這對于軟件對于真實路況模擬的真實性又提出了極高的要求。
「模擬城市」來幫你
早上好，模擬城！昨天的車禍樂透是滿打滿算的整整30起…
依托于谷歌的技術積累，Waymo最近又推出了最新的一版自動駕駛模擬軟件：Simulation City，（簡稱Sim City）。
跟游戲不同，Waymo版的模擬城市追求的就是真實。
這樣的模擬城市顯然不能用于自動駕駛測試
為此，Simulation City中集成了Waymo之前測試的超過2000萬英里的實際道路數據，以及NHTSA（美國國家高速公路安全管理協會）和美國國家科學院等機構公開的第三方數據等，力求全面覆蓋Waymo之前所有的積累。
來自美國汽車工程學院的模擬模型
有谷歌Alphabet團隊做為背后的技術支持，Waymo的模擬城市系統提供了車輛傳感器仿真、數據高質量的自動標注、自動代理等機器學習的技術。
據說這樣一來能夠加快「Waymo Driver」自動駕駛技術的部署落地。由于這套系統的普遍適用性，能夠使得Waymo能夠更加快速的在新城市推進自動駕駛車輛的投放和運營。
有什么新功能？
首先就是更加貼近與真實環境的模擬效果。這不僅僅是模擬通常肉眼看到的世界，而且還能夠模擬汽車從傳感器的眼中看到的世界。
Waymo還利用其自動駕駛汽車收集的人工智能和傳感器數據來生成逼真的相機圖像以進行模擬。他們將這種技術稱為 SurfelGAN（surfel 是“表面元素”的縮寫，而 GAN 代表生成對抗網絡）。比如下圖就自動生成了車輛激光雷達的點云陣列：
對于自動駕駛車輛而言，在雨雪等惡劣氣候環境下行駛是一項難度非常高的挑戰場景。為此，Simulation City系統同樣能夠模擬出在惡劣天氣下傳感器產生的各種噪音。
比如模擬在攝像頭上產生的雨滴，以及晚上昏暗的燈光和太陽炫光等等。
當然，通過軟件模擬正常行駛路況，很難對AI有實質性的提升——因為產生的都是沒有用的垃圾數據。
為此，Simulation City也在通過技術手段營造出一些Corner cases：比如模擬后方車輛面對前方車輛剎車時不同的反應時間，包括后車司機邊開車邊玩手機導致急剎車的情況。
根據與真實道路數據的比對，Simulation City對于Corner Case的模擬數量的概率分布也與真實環境趨于一致。
此外，依托于對真實環境的完整復刻，Simulation City還可以自動生成之前沒有遇到過的Corner Cases，從而幫助AI來適應更多的路況。
左側為真實環境，右側為Simulation City模擬的以假亂真的效果
另外對于如今商業化落地可能性更高的商用車而言，Simulation City也進行了最貼近真實情況的模擬，比如模擬一臺卡車拖車的重量——這對于自動駕駛卡車而言會極大影響到加速及剎車的能力。
Simulation City的推出，預期將會進一步降低Waymo在實際道路測試以及運營的資金數量，同時也會加速Waymo的自動駕駛技術在更多城市落地。
這對于最近風雨飄搖的Waymo而言，是一劑提升股價的強心劑。
但是對于在線模擬訓練自動駕駛AI技術，業內很多人士仍持懷疑態度，比如密歇根自動駕駛測試場Mcity的負責人就說：「假如給自動駕駛AI輸入的是有缺陷的數據，那么得出的結果就毫無意義。」
你看好虛擬城市嗎？
