无人车能在VR中自学驾驶技术？这画面科幻感爆棚

　　去年 12 月，Uber 在旧金山市区试运行了无人驾驶的出租车，乘客可以试乘这些由计算机驾驶的汽车，但一些工程师们认为，如果这些自动驾驶汽车可以在虚拟现实中进行运行试验，而不是在真正的街道上学习可能会更好。

　　众所周知，像丰田，Uber和Waymo等公司已在一些城市投放无人车进行测试了，但不为人知的是，他们也在这些城市的模拟环境中做了同样的事情：虚拟汽车在虚拟城市的场景中早已测试了数千小时。

　　这是一种在不危及人们安全的情况下，寻找自动驾驶汽车运行缺陷的好方法。如果在模拟驾驶中出了差错，工程师们一样可以作出相应的调整，制定新运行规则。据悉上周早些时候，谷歌与其自主的汽车品牌Waymo还在加州中央山谷的测试中心对记者公布了他们最新研发的无人车模拟测试器。

　　与此同时开发者们还在探寻新的途径，让自动驾驶汽车在这些VR环境中自主学习，甚至学习速度比工程师的软件代码还要快。“VR模拟器真的太了不起了!”丰田研究所CEO Gill Pratt说，目前该研究所也在探索VR技术为自动驾驶汽车和人工智能提供虚拟培训的可能性。

　　这些方法通过“机器学习”技术来加速自动驾驶汽车发展，十年前当谷歌推出世界首台自动驾驶汽车时，工程师们构建了绝大部分程序，并对每一个细微的行为都进行了仔细编程。现在随着技术能力的提高，自动驾驶汽车制造商们正在试着用更复杂的编程让无人车自主学习，比如识别道路上的行人或是预测未来可能发生的事件。

　　就职于Lyft的Luc Vincent说：“这就是为什么我们的发展如此之快，10年前谷歌刚开始研发自动驾驶汽车的时候，这样的技术还不存在。”作为Uber的主要竞争对手，Lyft最近也刚刚启动了一个自动驾驶汽车项目。

　　当然这项研究目前还存在着一些问题，最值得注意的是，由于这些算法比任何人工设置都可以分析更多的信息，有时候很难判断它们的经过计算所做出的决策，更不了解它们为什么要做出特定的决定。但未来毫无疑问的是，“机器学习”对于自动驾驶车辆的持续性发展至关重要。

　　经过十余年的研究、开发和测试，谷歌也将其自动驾驶汽车成品作为公共交通工具投放在亚利桑那州的街道上了。而旗下子公司Waymo也准备在菲尼克斯开设出租车服务，与以往不同的是，司机将作为后备以辅助自动驾驶，不过目前这项服务仍将受到严格的约束。

　　目前，如果不配备后被司机，所有自动驾驶车辆都将被限制在交通路况良好，没有降雨的街道区域，而且还被规定必须以低速行驶，在面对红绿灯时往往还需要更长的时间。

　　一些行业内的尖端公司相信，经过持续开发和测试，这些自动驾驶汽车未来面对更复杂的道路一定会处理得更好，而先进的处理器也能为它们提供对周围世界和机器学习更详细的解读。

　　Waymo和他许多竞争对手一样，深层神经网络也是他们的研究项目之一，这种复杂的算法可以通过分析数据来自主学习。例如，通过分析行人图像学会识别行人。这种算法还有助于自动驾驶汽车识别路标以及车到标记，预测未来将可能发生的事件从而规划前行路线。

　　但这需要摄像头、雷达等大量传感器收集数据，计算真实世界中的物体和情况。而工程师们必须为这些数据进行标记，哪些是用来识别行人、哪些是用来识别街道标志等等，而收集标注每一个数据是不可能的。而VR模拟器的出现则改善了这一现象。

　　最近Waymo发布了一个叫做Carcraft的道路模拟器，而后该公司表示，这种模拟器可以提供在现实世界中不可能实现的自动驾驶汽车测试方式。据推测， Waymo在探索这种模拟器可以为其算法带来哪些新的学习方式。

　　同样，丰田也早已使用模拟道路来训练系统神经网络了，并且得到了非常积极的效果。

　　总的来说，VR模拟器与现实世界非常相似，足以可靠的训练操作这些自动驾驶汽车的系统。其中一大优点便是研究人员可以完全控制它，而不需要花费大量金钱时间来分类数据。“你有充分的事实根据，你知道每辆车每个行人在哪里，甚至天气也是可控的。”Pratt说。

　　不过还有一种更复杂的方法在业内盛行——“强化学习”。这是世界上包括谷歌旗下DeepMind实验室、Berkeley AI实验室和特斯拉CEO Elon所创的OpenAI等顶级人工智能实验室在内的主要研究项目，这些实验室通过构建更为复杂的算法、大量的测试，让机器能够在虚拟世界中进行学习任务。

　　其中DeepMind通过这种技术创造了一台可以打败任何人类的围棋机器人，事实上这台机器人进行了成千上万把围棋自我对抗，从中记录数据并自主学习。而现在，DeepMind和其他实验室也在计划使用类似技术，构建可以玩像《星际争霸》这样的复杂游戏的机器人。

　　这可能看起来很无聊，但是如果自动驾驶汽车可以在虚拟世界中进行安全导航，这也意味着同样可以在物理世界中这样做。例如，在Uber的自动驾驶汽车项目中，研究人员打造了一套通过游戏《GTA》来进行训练的系统，，并将所得数据应用到现实世界中。接下来还计划将物理定位加入到训练系统中。

　　然而，弥补虚拟和物理世界之间的差距并不容易，更何况科技公司们还必须确保机器在自主学习的同时，不会产生一些其他的意外。这同样也是人工智能领域中研究人员最大的担忧之一。

　　由于以上种种因素，像丰田和Waymo这样的的公司除了通过“机器学习”来构建汽车外，还会以传统方式进行人工编程，以避免意外的发生。例如，Waymo汽车不必自主学习在红绿灯处停车，而是通过人工变成强制它们必须在相应位置停车。

　　该行业目前正在向着更多“机器学习”的方向发展，它提供了一种更好的途径来训练自动驾驶汽车。Waymo的工程副总裁Dmitri Dolgov认为：“机器人和“机器学习”技术总是相辅相成的。当自动驾驶汽车需要对周围环境更深入了解时，这就显得尤为重要了。”