抛弃汽车本身？科学家完全在仿真模拟中进行人工智能驾驶员的训练

制造无人驾驶汽车是一个缓慢且耗资巨大的过程。尽管经过了多年的努力和数十亿美元的投资，这项技术仍然处于试点阶段。有一位名为Raquel Urtasun的女士对此有着不同的看法，她坚信自己能够推动这一领域的发展。在主持了Uber的自动驾驶研究工作四年后，由于对行业的缓慢发展感到沮丧，她离开了并成立了名为Waabi的新公司。在她的领导下，该公司现在揭示了一种颠覆传统的自动驾驶新策略。

这种新策略的最大创新之处在于摒弃了传统的汽车测试方式。在过去六个月里，Waabi公司建立了一个超级真实的虚拟仿真环境——Waabi世界。该公司计划在此环境中进行人工智能驾驶员的几乎全部训练，而不是在真实的车辆中进行。只有在最后一轮微调时，人工智能才会在真实道路上进行测试。

关键在于，要让一个人工智能系统学会应对真实道路的复杂情况，就必须让它接触到各种可能出现的场景。虽然无人驾驶汽车公司在全球各地的街道上已经累计测试了数百万英里，但进展仍然缓慢。一些公司已经开始在某些简单的城市环境中测试无人驾驶车辆，但扩张速度仍然缓慢。对此，Urtasun提出了一个问题：“为什么我们不能更快地将无人驾驶技术推向市场？”

Waabi公司的策略是避免在真实街道上花费大量的研发成本进行软件测试。通过这种方法，Urtasun希望能够打造出一个比竞争对手更快、更经济的人工智能驾驶员，从而为整个行业带来突破性的进展。该公司使用虚拟环境来模拟真实世界的驾驶场景，并利用人工智能充当驾驶教练和环境监督系统。这种创新方法被称为“虚拟驾驶员”。

仿真模拟在过去几年中已经成为了无人驾驶汽车公司的重要支柱。仅仅依靠模拟技术是否足够帮助行业克服技术难题，使得无人驾驶成为可行的选择仍然存在争议。尽管如此，几乎所有自动驾驶汽车公司都在使用某种形式的模拟技术，以提高测试速度、降低成本并展示更广泛的场景给人工智能模型。

Waabi世界的独特之处在于，它使用人工智能来生成和控制虚拟环境，同时充当驾驶教练和环境监督系统。这意味着可以快速地识别人工智能驾驶员的弱点，并通过重新布置虚拟环境来测试它们。Waabi世界还能同时教授多个人工智能驾驶员不同的能力，并将他们组合成一套技能，这一切都是不间断地发生，并且不需要人类的参与。

对于处理小概率事件——比如罕见的交通情况或异常行为——仿真模拟也发挥着至关重要的作用。通过模拟这些场景，无人驾驶汽车公司可以测试神经网络如何调整并应对这些情况。Waabi世界通过生成各种长尾事件并调整细节以涵盖一系列潜在场景，使得工程师能够全面测试人工智能的反应能力。使用真实摄像头数据可以使模拟更加真实。

仿真模拟在无人驾驶汽车的研发过程中发挥着越来越重要的作用。它允许公司在虚拟环境中快速测试和改进其技术，而不必依赖耗时的真实道路测试。随着技术的不断进步和模拟环境的日益完善，我们可能会看到无人驾驶汽车的普及速度加快。在繁忙的伦敦街头，Wayve公司一直在测试其自动驾驶汽车。虽然车内一直有安全员，但模拟测试已成为其不可或缺的一部分。Wayve公司的首席科学家杰米·肖顿指出，模拟不仅降低了测试成本，加速了自动驾驶汽车的发展，而且使测试更加可靠。这得益于模拟仿真能够轻松进行多次重复测试。

模拟成功的关键在于不断提升其现实性和多样性。为了实现这一目标，Waabi公司创建了一个基于真实传感器数据的虚拟世界，包括雷达和相机数据。利用这些数据，Waabi模拟了人工智能驾驶员所看到的传感器数据，包括各种可能干扰摄像头和激光雷达的场景，以确保虚拟世界尽可能接近真实世界。

Waabi世界的真正关键是一个独特的驾驶教练系统。当人工智能驾驶员学会处理一系列环境时，另一个AI模型则负责发现其弱点并生成特定场景进行测试。这一过程形成了一个独特的对抗机制，智能教练与智能司机相互竞争，共同推动技术的进步。随着人工智能驾驶员的进步，智能教练能够设计出更具挑战性的场景来挑战它。乌尔塔森表示：“你需要让它在数百万甚至数十亿个场景下运行，才能发现其缺陷。”这种模拟训练方式更贴近人们学习新技能的方式。

仿真模拟已经成为一种强大的技术，让人工智能在虚拟环境中与自身或对手进行对抗。这是DeepMind团队训练其人工智能玩围棋和星际争霸游戏的方式，也是智能机器人在虚拟游乐场学习的方式。人工智能在模拟中的行动自由可能会导致其学会利用现实世界中不存在的漏洞。企业需要确保模拟结果的准确性，以防止人工智能驾驶员学习坏习惯。神经网络总是能找到虚拟世界和现实世界之间的差异并利用这些差异来“作弊”。乌尔塔森表示：“他们知道如何作弊。”企业需要采取措施来缩小真实和虚拟驾驶环境之间的差异。乌尔塔森透露，该公司已经开发出了衡量这种差异的方法并计划公布这项技术细节。至于Waabi公司仅使用仿真模拟能走多远的问题，这完全取决于Waabi世界能否达到足够高的真实度水平。“仿真模拟正在不断进步，因此在现实中可以学到的但在模拟中无法学到的东西会逐渐减少，”莱文森说，“但我们还需要一段时间才能消除这种差异。”对于自动驾驶公司来说最终的考验是在具有真实装备的复杂情况下能否将技术安全地应用于道路上无论技术如何发展现实世界测试的重要性仍然无法忽视乌尔塔森也强调了我们需要一些新的思维方式来加快这个进程。