不玩游戲的工程師做不好自動駕駛

　　人類未來很可能要把命“交給”自動駕駛，但很少有人知道，許多公司正在把實(shí)現(xiàn)這項(xiàng)“人命關(guān)天”技術(shù)的任務(wù)，交給一幫“玩游戲”的工程師。

　　這不是開玩笑。

　　“行業(yè)里甚至有人在用GTA 5的游戲引擎做自動駕駛相關(guān)的研發(fā)。”一名從事自動駕駛技術(shù)研發(fā)的人士對品玩表示。GTA 5是一款非常流行的開放世界冒險類電子游戲，內(nèi)容涉及暴力、黑幫、槍戰(zhàn)等，當(dāng)然，也包括搶走路邊的汽車然后在虛擬世界里橫沖直撞。

　　第一時間你很難想象這樣一個“粗暴”的游戲和“安全第一”的自動駕駛之間有何干系。

　　事實(shí)上，工程師們看上的，是GTA 5作為一個現(xiàn)成的“仿真平臺”的作用。

　　所謂仿真平臺測試，簡單說就是在一個模擬了現(xiàn)實(shí)道路的虛擬世界里進(jìn)行自動駕駛測試，從而更快更節(jié)省成本的完善自動駕駛的代碼。

　　要實(shí)現(xiàn)廣義的自動駕駛，難度不亞于實(shí)現(xiàn)強(qiáng)人工智能。雖然自動駕駛領(lǐng)域看起來還是一片火熱，但今天各公司距離能達(dá)到L4級別商業(yè)落地并盈利還有不短的距離，這其中，安全原因是最重要的影響因素之一。

　　2018年3月，Uber的自動駕駛汽車因與行人發(fā)生碰撞事故，直接導(dǎo)致其道路測試許可被吊銷，也進(jìn)一步讓各國各地的監(jiān)管機(jī)構(gòu)更嚴(yán)格的對待測試車輛上路的事情。但另一方面，大量的實(shí)車場景數(shù)據(jù)是自動駕駛不斷“進(jìn)化”的重要條件之一。2016年蘭德智庫曾指出，一套自動駕駛系統(tǒng)需要測試110億英里才能達(dá)到量產(chǎn)應(yīng)用的條件。這就意味著，即便是一支擁有100輛測試車的自動駕駛車隊(duì)，以25英里(40公里)每小時的平均時速7×24小時進(jìn)行測試，也需要花費(fèi)大約500年的時間。于是一個悖論出現(xiàn)：監(jiān)管者認(rèn)為，車要足夠安全才能上路，但自動駕駛從技術(shù)實(shí)現(xiàn)上來說，又必須要靠多上路才能收集更多真實(shí)數(shù)據(jù)進(jìn)而變得更安全。

　　因此，從業(yè)者們紛紛把目光對準(zhǔn)了仿真平臺。

　　與實(shí)車道路測試類似，自動駕駛的仿真測試同樣需要吸收大量場景數(shù)據(jù)來加速算法的迭代。從公布的測試數(shù)據(jù)來看，最早涉及自動駕駛技術(shù)研究的Waymo，自2009年正式成立以來，截止2020年1月，其道路實(shí)測2000萬英里，其虛擬仿真測試100億英里，這完全是兩個數(shù)量級。

　　自動駕駛的仿真測試也使得企業(yè)的研發(fā)、運(yùn)營成本降低。2000萬英里距離110億英里仍有不小的距離，如果要用實(shí)車測試，幾乎沒有哪家企業(yè)能夠承擔(dān)這個它的時間成本與資金成本。Waymo在做其Robotaxi(自動駕駛出租車)項(xiàng)目時以每年10億美元的速度燒錢，僅激光雷達(dá)的安裝成本就達(dá)到75000美元。有研究表示，大規(guī)模的智能仿真系統(tǒng)讓實(shí)車的測試成本大大減少，其花費(fèi)僅為路測成本的1%，還可以拓展千倍于實(shí)際路測的里程。

　　自從Uber事件的發(fā)生，各國對各公司進(jìn)行自動駕駛道路測試的行為變得警惕，對公共道路上的實(shí)車測試管理愈發(fā)嚴(yán)格，如我國至今開放放高速公路的自動駕駛許可，通常在某封閉測試場所以及指定道路對申請企業(yè)發(fā)放測試牌照，由于道路場所容積有限，經(jīng)常出現(xiàn)企業(yè)排隊(duì)的現(xiàn)象。因此，種種客觀限制減緩了實(shí)車測試方式的數(shù)據(jù)積累。

　　同時，固定場所及指定道路也使得實(shí)車測試中的場景較為有限，無法滿足各類特殊路況的測試需求，換句話即長尾場景的需求。人們通常將長尾場景理解為一切突發(fā)的、低概率的、不可預(yù)知的場景，比如交通信號燈故障的路口、醉駕的車輛、極端天氣等。在仿真平臺上，為了窮盡自動駕駛系統(tǒng)可能會遇到的各種場景，保證系統(tǒng)的安全可靠，從業(yè)者們需要對長尾場景做更多模擬和測試。

　　通過上述描述，行業(yè)們對自動駕駛的仿真測試的需求可謂不少，那到底什么是自動駕駛的仿真測試呢?

　　美國密西根大學(xué)智能網(wǎng)聯(lián)交通研究中心Henry Liu教授團(tuán)隊(duì)曾對品玩表示：“簡單來講，仿真測試就像是構(gòu)建了一個基于真實(shí)世界的游戲，讓一輛自動駕駛汽車在這個虛擬世界里不停地運(yùn)行。”你甚至可以認(rèn)為玩家在GTA5中開車的數(shù)據(jù)在某種程度上也可以用來進(jìn)行測試、利用。

　　實(shí)際情況也確實(shí)如此，用游戲引擎Unity、Unreal、UE4來做自動駕駛虛擬仿真平臺成為了不少公司的選擇�；�于UE4開發(fā)的自動駕駛仿真平臺有開源AirSim、Carla以及騰訊的TAD Sim。騰訊研發(fā)的仿真平臺TAD Sim與利用自身在游戲領(lǐng)域的技術(shù)積累，利用游戲中的場景還原、三維重建、物理引擎、MMO同步、Agent AI等技術(shù)，提升自動駕駛仿真平臺測試的還原度和高效性。 百度的Apollo平臺則選擇與Unity進(jìn)行合作，搭建了其全棧開源的自動駕駛軟件平臺。

　　自動駕駛廠商們選擇用游戲引擎來做仿真平臺，最主要原因是其可以生產(chǎn)一個全棧的閉環(huán)的仿真，尤其在感知模塊的仿真，它可以重構(gòu)一個三維環(huán)境，在三維環(huán)境中模擬相機(jī)，激光雷達(dá)等各種輸入信號。

　　仿真相當(dāng)于對真實(shí)世界的建構(gòu)。在感知算法訓(xùn)練中，仿真系統(tǒng)自帶場景元素真值，無需標(biāo)注自動生成各種天氣、路況，保證覆蓋度。真值即所有物品的客觀屬性，客觀值。平時人眼還是自動駕駛傳感器看到的都是觀測值，真值是一個物體絕對的客觀屬性不受任何觀察者觀測結(jié)果為轉(zhuǎn)移的。所有元素都是由仿真系統(tǒng)自己生成的，所以具備場景內(nèi)所有元素的客觀值，不需要觀察者的觀測，通過仿真系統(tǒng)的真值直接進(jìn)行感知系統(tǒng)所需要的自標(biāo)注。

　　一般傳統(tǒng)算法的感知訓(xùn)練都需要人工標(biāo)注，例如小女孩騎自行車就會畫個框來標(biāo)注，每年第三方標(biāo)注的人工成本就需要10億美元，Waymo就使用大量虛擬測試來來完成算法開發(fā)和回歸測試。

　　當(dāng)工程師對算法進(jìn)行了調(diào)整時，在仿真測試平臺測試或許只需要幾分鐘，但如果是道路實(shí)車測試，可能預(yù)約自動駕駛車隊(duì)調(diào)整就需要半天、一天的時間，而選擇在仿真平臺上測試，只要是在算力允許的情況下，可以同時進(jìn)行1000輛、2000輛等高并發(fā)的測試。

　　總結(jié)來說，自動駕駛仿真測試的核心能力包括對于場景的幾何還原，三維場景仿真+傳感器仿真;對于場景邏輯的還原，決策規(guī)劃仿真;對于場景的物理還原，控制+車輛動力學(xué)仿真;高并發(fā)，云端仿真等優(yōu)勢。

　　也因此，新老自動駕駛公司都在招聘具有Unity、Unreal等虛擬引擎背景的復(fù)合型人才。一位行業(yè)人士對品玩表示：“一個是仿真環(huán)境需要渲染得越來越逼真，另一個是這些人才可以根據(jù)虛擬引擎做一些優(yōu)化來降低整個仿真測試的成本。”

　　某自動駕駛公司仿真工程師的招聘要求

　　各自動駕駛公司也在想辦法提高仿真測試的效率，提高虛擬場景的逼真程度通常被認(rèn)為是一種合理的方式，但事實(shí)沒有那么容易。

　　Henry Liu教授表示：“由于這個環(huán)境是基于數(shù)學(xué)模型構(gòu)建的，如果我們想要計(jì)算結(jié)果越接近真實(shí)世界，那這個模型的構(gòu)建就越復(fù)雜，計(jì)算速度也會越慢。”建立一個高度逼真的虛擬世界的難度可能并不亞于實(shí)現(xiàn)自動駕駛。仿真測試也不是完美的，其結(jié)果也有一定的局限性，它并不能幫助自動駕駛公司解決所有問題。雖然Waymo2020年2000萬英里的自動駕駛總里程以及超過150億英里的自動駕駛仿真里程可以秒殺大多數(shù)自動駕駛行業(yè)的后來者，但2000萬英里對實(shí)現(xiàn)自動駕駛杯水車薪，況且數(shù)據(jù)不是萬能的，沒有證據(jù)表明自動駕駛仿真能夠完全模擬現(xiàn)實(shí)世界的復(fù)雜情況。

　　目前來說，所有基于數(shù)據(jù)驅(qū)動的方法總是會有失敗的場景。首先，數(shù)據(jù)本身的不確定性。舉個例子，比如對于很多遮擋的物體，即使是人的標(biāo)注也會存在很多不確定性;其次，由于模型具有高復(fù)雜度，在虛擬引擎中也難以識別所有模型，尤其是在歐美改裝車泛濫的場景下。

　　不同于人眼，算法對圖像的識別要困難的多，一旦圖像中的幾個關(guān)鍵要素發(fā)生微妙的變化，算法對其輸出的識別結(jié)果或許就會出現(xiàn)巨大的差異，更何況人眼也有不少誤判的時候。因此，海量數(shù)據(jù)也并不是實(shí)現(xiàn)自動駕駛L4乃至L5充分條件，不能指望僅僅通過虛擬仿真平臺上億萬公里的“安全駕駛”來證明線下道路實(shí)測上的絕對安全。

　　一專業(yè)人士對品玩表示：“利用游戲引擎進(jìn)行仿真測試雖然在一定程度上解決了自動駕駛的部分問題，但說到底，其重心仍在測試兩字上。其主要目的是防止自動駕駛算法可能在一些已經(jīng)犯過的錯誤上再犯錯，或者是一些工程師能夠預(yù)先想到的場景里面提前去測試，它更多的是保障整個系統(tǒng)邏輯的正確性。”