黑科技，前瞻技术，自动驾驶，Waymo,Waymo自动驾驶,Waymo仿真测试
（图片来源：Waymo）
当地时间4月28日，Waymo分享了自动驾驶车辆仿真工作的最新进展，表示其自动驾驶套件Waymo Driver每天在虚拟道路上行驶了约2000万英里，相当于在真实世界中行驶了10年。Waymo利用此类虚拟道路旅程磨练Waymo Driver的导航能力，让该系统接触到未来在公共道路上运送乘客时可能不得不面对的新场景。
Waymo的Carcraft仿真平台在谷歌的数据中心上运行，能够让虚拟车队每周7天，每天24小时不停地行驶。该软件利用真实自动驾驶车辆收集的超2000万英里公共道路数据，装配了虚拟测试轨道。目前，Waymo已经模拟行驶了150亿英里。相比之下，去年6月的数据是100亿英里。
Waymo利用收集来的数据复制了拥挤的道路、十字路口以及其他具有挑战性的驾驶环境。工程师可以调整仿真场景，让Waymo Driver面临更困难的任务。例如，工程师可以让车流加速，或者在仿真车辆之间增加骑自行车的人。此外，该仿真平台还可生成新型道路场景，让AI对现实世界中尚未遇到的罕见场景做好准备。
随着时间推移，工程师们将利用大量的变量，增强仿真场景，以评估Waymo Driver的期望行为，从而提升其安全性和性能。
除了构建由真实驾驶数据提供信息的场景外，Waymo还部署了从专用测试轨道捕获的、从未经过测试的合成场景。Waymo表示，可以用于继续扩大自动驾驶车辆的仿真里程数。
除了仿真驾驶之外，Waymo还评估“多种舒适度指标”，如人们对车辆各种驾驶行为的反应方式。Waymo将亚利桑那州自动驾驶网约车服务中的客户反馈整合至仿真测试中，找到影响乘客舒适度（如制动速度）的因素，并进行微调。
除了利用Carcraft仿真平台，Waymo的工程师还利用Content Search（内容搜索）、Progressive Population-based Augmentation（基于群体渐进式增强，PPBA）和Population-based Training（基于群体训练，PBT）等工具支持各种研发、测试和验证工作。内容搜索利用类似于谷歌照片（Google Photos）和谷歌图像搜索（Google Image Search）的技术，让数据科学家能够在Waymo行驶历史和日志中定位物体。PBT由Waymo与DeepMind合作设计，首先用于多种机器学习模型，再用之后的“产物”取代表现不佳的成员，在执行识别行人、骑车人和骑摩托车等任务时，可以减少24%的错误率。PPBA则可支持数据分类，同时能够降低成本，加速训练过程，因为只需要经过注释的激光雷达数据就可进行训练。
15021615632