Waymo Keynote at NAIAS AutoMobili-D 2017

來源：网易科技作者：小小

據大西洋月刊報導，在谷歌母公司Alphabet的園區一角，有個團隊正在開發一款軟體，它對無人駕駛汽車來說至關重要。到目前為止，還沒有任何記者看到過它。

研發團隊稱這款軟體為Carcraft，顯然是從深受歡迎的視訊遊戲《魔獸世界》(World of Warcraft)身上獲得了靈感。

　　圖1：Alphabet旗下雄心勃勃的無人駕駛項目

這款軟體的開發者是個頭髮蓬亂、長著一張娃娃臉的年輕工程師，他叫詹姆斯·斯托特(James Stout)。他和我(本文作者，大西洋月刊負責科技專欄的副主編阿萊克西斯·馬德里加爾(Alexis C. Madrigal))在開放式辦公室裡安靜地坐著。螢幕上顯示著環形路口示意圖。

對於人類的眼睛來說，這些圖沒什麼可看的，只有簡單的線條圖，呈現在道路紋理的背景上。我們在中等分辨率下看到無人駕駛的克萊斯勒Pacifica，旁邊簡單的線框顯示出另一輛車的存在。

　　圖2：Alphabet無人駕駛子公司Waymo的模擬建築軟件Carcraft

幾個月前，有個無人駕駛汽車團隊，在德克薩斯州遇到了這樣的環狀交叉路口。在這種情況下，高速和複雜性使無人駕駛汽車感到困惑，因此他們決定在測試設備上，建造外觀相似的實體通道。

我所看到的是這個學習過程中的第三個步驟，即現實世界駕駛數位化。在這裡，一個現實世界的駕駛動作(就像汽車在環狀交叉路口上)，可以被成千上萬倍地，放大到的模擬場景中，以此來探測汽車能力的邊緣。

這樣的場景，為該公司強大的模擬測試提供了基礎。斯托特告訴我:「我們看到的絕大多數工作，都是由模擬的東西所驅動的。」它就是Waymo加速無人駕駛汽車開發的工具。

2016年12月，Alphabet將無人駕駛項目，從研究機構X中剝離出來，成為獨立業務。如果Waymo能夠在未來幾年，推出全自動駕駛汽車，那麼這種以重塑現實世界為目標、創造虛擬世界為基礎的Carcraft將會立下大功。

最初開發Carcraft的初衷，是作為汽車在公路上行駛經歷的「場景回放」手段，現在Carcraft在無人駕駛計劃中，扮演越來越重要的角色。在任何時候，透過Carcraft重建的模擬城市——奧斯汀、山景城、鳳凰城，以及其他測試場中，都有25000輛虛擬無人駕駛汽車正在行駛。

僅僅在一天內，Waymo就可能在路況特別複雜的地方，模擬成千上萬次駕駛。現在，Waymo汽車每天在虛擬世界中，行駛的里程數超過1287萬公里。

在2016年，他們的虛擬總里程數達到40億公里，而在真實公路上行駛的谷歌無人駕駛汽車，則行駛了483萬公里。至關重要的是，虛擬里程集中在Waymo稱之為「有趣的地方」，他們可能會從中學到許多東西。

這些模擬是Waymo開發的，一個錯綜複雜系統的組成部分。他們的無人駕駛汽車在公共道路上，行駛了數百萬公里，同時在名為「城堡」的中央山谷秘密基地中，進行「結構化測試」。

Waymo從來沒有公開過這個系統。他們在常規道路上行駛的里程數顯示，有些地方他們需要額外練習。他們將這些地方雕刻入城堡里，以便在原地體驗數以千計不同的場景。

在兩種現實世界的測試中，他們的汽車捕捉到足夠多的數據，在未來的任何時刻，都能創造出完整的數位娛樂。而在虛擬空間中，他們可以從現實生活的極限中脫離出來，創造出成千上萬個單一場景的變體，然後駕駛虛擬汽車透過所有的場景。隨著驅動軟體的改進，它再被下載回物理汽車中，從而可以驅動越來越多的里程。這個過程周而復始，往復循環不斷。

為了抵達「城堡」，你需要從舊金山灣駕車向東出發，然而向南轉往99號公路，沿著中央山谷高速公路，向南行駛到弗雷斯諾(Fresno)的阿特沃特小鎮。

這裡比舊金山熱30攝氏度，曾作為卡斯爾空軍基地，最繁華時曾雇傭了6000人來參與B-52項目。現在，它位於默塞德小都市區的北部邊緣，那裡的失業率在2010年代初突破了20%，而且仍然很少下降到10%以下。這裡有40%的人說西班牙語。

離開阿特沃特鎮，我們穿過一些鐵路，轉向從前留下的老基地，現在那裡被改造成了默塞德動物控制中心，和阿特沃特監獄。我的手機並未指向具體地址，而是提供了GPS坐標。

我們沿著高大而不透明的綠色柵欄前進，直到谷歌地圖告訴我們停下來。這裡似乎沒有任何東西，甚至就連門看起來也很像另一段柵欄，但我的Waymo主人很自信。果然，一個保全人員出現了，然後從裂縫中滑出來，並檢查我們的證件。

　　圖3：城堡外圍的柵欄

透過柵欄部分，我們開車進入一個熙熙攘攘的小園區。許多穿著短褲、戴著帽子的年輕人走來走去。還有可移動的建築、圓頂車庫，以及我們此行主要目標——無人駕駛汽車的停車場。這裡有好幾種無人駕駛汽車，包括你在公路上最有可能看到的雷克薩斯車型，已經退休的普銳斯，以及新的克萊斯勒Pacifica。

無人駕駛汽車很容易被分辨出來，因為它們全身布滿傳感器。其中最突出的，是在汽車頂部的雷射掃描器(通常稱為LIDARs)。但克萊斯勒Pacifica的側視鏡附近，也有尺寸較小的旋轉LIDARs。它們的後面還有雷達，看起來就像史瑞克令人不安的白色耳朵。

當汽車的傳感器投入使用時，即使是在停車的時候，旋轉的LIDARs也會發出奇怪的聲音。它介於哀嚎和重擊聲之間，僅僅因為它是如此的新奇，以至於我的耳朵無法像往常那樣，自動過濾掉汽車發出的常見聲音。在主樓對面的街道上，停著一輛比較特別的汽車。它全身被印有X標識的不同尺寸紅色膠帶纏住，那是四級車的標誌。

對無人駕駛汽車自主化程度的分級，是汽車工程師協會(Society of Automotive Engineers)制訂的。我們在公路上看到的大部分汽車都屬於一級或二級汽車，這意味著它們可以在高速公路上，進行智慧巡航控制。但是紅色的X汽車則完全不同，它不僅是完全自動化的，而且無法被人在內部驅動，所以Waymo不想把它和其他汽車混在一起。

當我們駛進停車場時，不禁產生「曼哈頓計劃」的印象，這裡是科技初創公司的前沿。在主樓中一個教室大小的房間裡，我看到了這個神奇地方的背後原動力——斯蒂芬·維勒格斯(Steph Villegas)。維勒格斯穿著一件長長的、非常合身的白色圓領襯衫、乞丐牛仔褲、灰色針織運動鞋，依然像她加盟谷歌前在舊金山精品時裝店Azalea工作時那樣時尚。

維勒格斯在加州伯克利附近的東灣郊區長大，並在加州大學伯克利分校學習美術，2011年加入谷歌無人駕駛汽車項目。

我問道：「你是司機嗎?」維勒格斯回答說：「我永遠都是司機。」她在101號和280號高速公路之間花了無數時間，這些高速公路通往舊金山和山景城。

就像其他司機那樣，她開始對在開放道路上，行駛的汽車產生一種感覺，這在無人駕駛計劃中被認為非常重要，因為他們對汽車可能會遇到哪些困難，有非常敏銳的直覺。維勒格斯告訴我:「在更新的軟體上做些測試，在團隊中待久後，我開始思考挑戰現有系統的方法。」

為此，維勒格斯和部分工程師開始準備進行嘗試，以期找到可控的方式測試新的行為。他們開始霸佔Shoreline Amphitheater停車場，所有入口都安排人，以確保只有經過批准的谷歌人才能進入。

維勒格斯說：「這就是我們開始的地方，我和幾個司機每周都去嘗試。我們會想出一組我們想要測試的東西，在卡車裡裝滿補給，然後把卡車開到停車場進行測試。」

這些成為無人駕駛項目的，第一個結構化測試。事實證明，最困難的部分，其實並不是人們想象的那種「僵屍末日」的場景，而是像人類司機那樣，在正常交通中體驗無盡的變化。

維勒格斯開始從她能找到的任何地方收集道具：假人、圓錐體、假植物、兒童玩具、滑板、三輪車、洋娃娃、球以及其他小玩意兒，並將它們全部收進了道具箱。這些道具先是被儲存在帳篷里，然後是城堡裡，現在有了完整的儲藏室。

　　圖4：城堡中的「道具車庫」

但這個過程也出現很多問題。他們想要將車開得更快，並使用街燈和停車標誌。而Shoreline Amphitheater經常舉辦演唱會，也常常會打亂他們的計劃。為此他們需要一個基地，一個秘密基地。這就是城堡所能提供的。他們簽了租約，開始建造自己夢想中的虛假城市。

維勒格斯說:「我們決定設計住宅街道、高速公路、死衚衕、停車場等基礎設施，所以我們就像在真實城市中開車一樣。」

我們從主拖車辦公室步行到她的汽車旁。當我們即將離開時，她遞給我一張地圖，並說：「就像在迪斯尼樂園一樣，你可以沿著地圖走。」地圖也是精心繪製的。在一個角落裡，有個維加斯風格的牌子，上面寫著:「歡迎來到加利福尼亞的神話城堡。」園區的不同部分甚至有自己的命名習慣。在我們正在穿越的那塊地方，每條路都是以名車命名的。

我們穿過幾棟粉紅色的建築，它們是舊的軍用宿舍，其中一個已經被改造過了。當Waymo員工無法回到灣區時，他們可以在這裡休息。除此之外，測試區域內再沒有其他建築物，它確實是一個機器人汽車的城市。

　　圖5：城堡中的「鄰居」

作為局外人，這裡給人的感覺就像一個沒有玩家的視訊遊戲場景。從林蔭大道到鄰近社區的街道，從水泥車道到郊區十字路口，再減去我們與這些地方聯繫的建築，這一切都顯得令人不可思議。我不斷地瞥見自己走過的路，最後停在巨大的雙車道環形路上。在中間，有一圈白色柵欄。

維勒格斯說：「我們在德克薩斯州奧斯丁，曾遇到多車道環形路口，然後在這裡特別安裝了這種環狀交叉路口。最初這裡只有單車道的環形路口，後來出現多車道路口，它看起來就像不同顏色的馬，感謝得克薩斯提供的靈感。」

　　圖6：雙車道環形路口

當維勒格斯盯著新增設設施——沿著與草皮比鄰的平行停車場，修建的兩條車道和一條自行車道時，我們停了下來。

她說：「我真的很喜歡沿著平行停車場建設新的設施，類似的場景已經出現在商業區的郊區，比如核桃溪市、山景城以及帕羅奧圖等。人們從店面或公園出來，在汽車之間行走，也可以提著東西穿過馬路。」

這條小路很像維勒格斯記憶中的碎片，特別是嵌入瀝青和混凝土中的記憶，這將會變成更抽象的形式，幫助機器人汽車改進適應家庭地形的能力。

維勒格斯開車送我回到主辦公室，我們跳上了一輛無人駕駛汽車，它由Chrysler Pacificas改裝。我們的「左側座位」司機是布蘭登·凱恩(Brandon Cain)，他透過筆電上的XView軟體，跟蹤汽車的表現。還有其他測試助理，他們被稱為「狐狸」，是由「人造」這個詞演變而來的。他們駕駛汽車、創造交通、像行人那樣行動、騎自行車以及舉著停車標誌。他們或多或少可以被稱之為演員，而他們的觀眾是汽車。

我們要做的第一個測試是「簡單的超車和並道」，只是需要在高速條件下完成，時速約為72公里。我們在名為Autobahn的寬闊公路上直行。當有「狐狸」將我們攔住時，Waymo汽車會剎車，然後團隊開始關鍵數據點，即減速過程。

他們正試圖創造出一種場景，讓汽車能夠及時剎車。這有多難?這就像讓光停下來，阻止我的腋窩出汗，或讓手機掉落地板的過程停下來那樣。

讓我說些可笑的事情：這不是我第一次駕駛無人駕駛汽車。過去，我選擇了兩種不同的無人駕駛方式：第一次我駕駛雷克薩斯越野車穿過了山景城的街道，第二次駕駛谷歌Firefly在谷歌屋頂上「跳舞」。它們都是不起眼的遊樂設施，但這次是不同的。這次涉及兩輛快速移動的汽車，其中一輛被需要以Waymo團隊所謂的「辛辣」方式停下來。

測試開始了，凱恩發動汽車，並小聲下令進入「自動駕駛」模式。另一輛車接近我們，並試圖阻隔我們。我們的車剎車了，又快又穩，這給我留下了深刻印象。隨後，凱恩等人檢查減速數字，並意識到我們的剎車做得還不夠好。我們必須再做一次，一次又一次地重複。另一輛汽車則利用不同的方式、從不同的角度阻擋我們，他們稱這種測試為「覆蓋」。

　　圖7：兩輛汽車高速行駛並道，其中1輛屬於無人駕駛汽車

我們經歷了另外三個測試：高速並道，遇到在車道上後退的汽車，而第三個則是以無人駕駛汽車的視線為主，當行人將籃球扔到道路上時，汽車平穩地減速剎車停下。每個測試都以自己的方式給人留下深刻的印象，但其中阻擋測試最讓我震驚。

當我們決定繼續體驗無人駕駛時，凱恩改變了座位。他問我：「你看過《Pacific Rim》嗎?」那是吉列爾莫·德爾·托羅(Guillermo del Toro)的電影，裡面的人通過與巨大的機器人同步來與怪物戰鬥。他說：「我試著和車保持同步，我們分享一些想法。」

我希望凱恩能夠解釋下「與汽車同步」到底什麼意思。他說:「我正努力調整汽車中人們的體重差異。我經常待在車里，能感覺到車在做什麼。這聽起來很奇怪，但我的確能用臀部感受到，我知道它想做什麼。」

遠離塵霧繚繞的城堡，來到山景城舒適的谷歌總部。我來拜訪Waymo的工程師，從技術角度來看，他們隸屬於X部門，即谷歌長期、高風險研究部門。2015年，當谷歌重組為控股公司Alphabet時，Google X中的「Google」被從其名稱中刪除。在重組後的一年里，X和Alphabet決定將無人駕駛汽車項目分拆，成立獨立公司，就像谷歌此前的其他項目也成為獨立業務那樣。

Waymo就像谷歌的孩子，它的辦公室仍然位於母艦內部。儘管這個部門由兩個小團體組成，但他們正慢慢融合成為整體。X/Waymo大樓很大，通風良好，還掛著Project Wing的無人機原型。在這裡，我抓住了該公司研發Firefly汽車的線索。從自助餐廳出來，你就可以看到Waymo的模擬集群。在這裡，每個人的屏幕上似乎都有Carcraft和XView，黑色背景的多邊形比比皆是。這些人創造了Waymo汽車通過的虛擬世界。

　　圖8：當四個人推著一輛汽車時，Waymo汽車的激光掃描儀會顯示什麼

等待我的人是Carcraft的創造者詹姆斯·斯托特(James Stout)。他從來沒有公開談論過他的項目，但其熱情從未消退，Carcraft就像他的孩子。他說:「我當時正瀏覽招聘訊息，看到無人駕駛汽車團隊正在招人。我簡直不敢相信他們竟然在招人。」斯托特成功進入這個團隊，並立即開始開發這個工具，現在它支持著無人駕駛汽車，每天在虛擬世界中行駛。

當時，他們主要用這個工具來觀察，汽車在棘手情況下會做些什麼。而在此前類似情況下，人類司機已經控制了汽車，他們開始進行各種假設。斯托特說:「很明顯，這是一件非常有用的事情，我們可以在這方面做很多事情。」Carcraft的空間範圍不斷擴大，甚至囊括整個城市，虛擬汽車的數量也不斷增加。

斯托特找來埃琳娜·科拉洛夫(Elena Kolarov)，她是被稱為「情景維護」團隊的負責人，負責管理控制。她面前有兩個螢幕。左邊螢幕運行XView，顯示汽車「看到」的東西。這輛車使用了攝影機、雷達和雷射掃器，來辨識其視野中的物體。

這些物體在軟體中用簡潔的線框形狀代表，非常易認。物體形狀上延伸出來的綠色線條，代表著其可能的移動方式。在底部，有一個圖像條顯示汽車上，常規攝影機捕捉到的場景。科拉洛夫還可以打開雷射掃描器傳回的數據，這些數據以橙色和紫色的點顯示出來。

我們在城堡的環形交叉路口，看到了真實並道場景的回放。科拉洛夫轉換為模擬版本，它們看起來幾乎沒有差別，但它不再是數據日誌，而是汽車必須解決的新情況。唯一不同的是，在XView屏幕的頂部，它用大紅字母顯示著「模擬」。斯托特說，他們必須給予補充說明，因為人們很難分清模擬與現實的區別。

　　圖9：在XView模擬中看到的Castle環形路口

他們加載了另一個場景，這次是在鳳凰城。科拉洛夫放大了模擬，顯示這是一座城市。斯托特說，裡面有各種各樣的車道，還有車道之間的連接情況、停車標誌是、交通燈位置、限行區、車道中心位置等，有你需要知道的一切。

　　圖10：Waymo的汽車模型行駛在虛擬的錢德勒市，它位於亞利桑那州鳳凰城附近

我們在鳳凰城附近的某個地方放大了4車道路口。然後，科拉洛夫開始投放人工合成的汽車、行人以及自行車。

　　圖11：在Carcraft中創建的合成場景

點擊熱鍵，屏幕上的物體就開始移動。汽車就像汽車那樣移動，在車道上行駛，轉彎。騎自行車的人，就像真正騎自行車的人。在無人駕駛汽車團隊操縱無人駕駛汽車，在現實世界行駛了數百萬公里後，他們的邏輯已經形成固定模式。

在這一切的背後，有一份關於世界的超詳細地圖，以及在現場的不同物理模型，橡膠和道路都被建模。

　　圖12：正在Xview中模擬的場景

無需感到奇怪，最難模擬的實際上是其他人的行為。Waymo的軟件主管德米特里·多爾戈夫(Dmitri Dolgov)告訴我：「我們的車看到了世界，也瞭解世界。然後，對於任何在環境中扮演動態角色的物體來說，無論是汽車、行人、騎單車者還是摩托車，我們的車都能理解它們的意圖。

僅僅追蹤某個物體通過某個空間還不夠，你必須明白它在做什麼。這是建造有能力的、安全的無人駕駛汽車的關鍵。這種建模，這種對世界上其他參與者的行為的理解，與這個任務中模擬它們非常相似。」

有一個關鍵的區別：在現實世界中，他們必須接受關於環境的新鮮即時數據，並將其轉化為對場景的理解，然後進行導航。但現在，經過多年的研究，斯托特等人相信自己能做到這一點，因為他們已經運行了「一系列的測試」，並證明他們能識別各種各樣的行人。

因此，在大多數模擬中，他們跳過了對象辨識步驟，沒有給汽車提供辨識行人的原始數據，而是直接告訴汽車，這些都是行人。在路口，科拉洛夫為無人駕駛汽車甚至更多困難。她點擊了V，這是車輛的一個熱鍵，一個新對象出現在Carcraft中。然後她把鼠標移到右手邊的下拉菜單上，那裡有很多不同的車型，包括我最喜歡的bird_squirrel。

不同的對象被告知需要遵循Waymo為它們建模的邏輯，需要在Carcraft構建的場景中，以精確的方式移動，以測試特定的行為。斯托特說:「有個很好的光譜，可以控制一個場景，然後把對象放進去，並讓它們離開。」

一旦它們具備了場景的基本結構，他們就可以測試它所包含的所有重要變量。所以，想像一下，對於路口來說，你可能想要測試各種車輛、行人以及騎單車者的到達時間，他們停下來的時間，他們移動的速度，以及其他任何東西。」

他們稱這種模式為「fuzzing」。在這種情況下，這個路口可產生800種可能的情況。它創造出美麗的花邊圖表，工程師可以進去看看，不同變量的組合如何改變了汽車採取路徑的決定。

　　圖13：Carcraft的「fuzzing」圖表

這個問題真的變成了分析所有這些場景和模擬，以找到可以指導工程師，更好地駕駛的有趣數據。第一步可能是：汽車會被撞嗎?如果確實如此，那將是一個有趣的場景。下圖就顯示了這種情況。在山景城的現實生活中，路口的場景更為複雜。當車子向左行駛時，一輛自行車靠近了，導致汽車停在路上。

工程師們解決了這類問題，並重新設計了軟件進行糾正。圖中顯示的是真實情況，然後再模擬運行。這意味著兩種不同的情況，你會看到模擬汽車繼續行駛，然後寫著「shadow_vehicle_pose」的虛線框出現。

這個虛線框顯示了現實生活中發生的場景。對Waymo團隊來說，這是最清晰的可視化進展。

　　圖14：Waymo模擬顯示車輛導航系統的改進

但他們不只是在尋找汽車被撞時的細節。他們可能還想要在正確範圍之外，尋找太長時間的決策，或剎車反應遲緩的影響。如果工程師想要從中吸取教訓，他們將透過模擬尋找問題。斯托特和Waymo軟體主管多爾戈夫強調，模擬有三個核心方面。

第一，他們駕駛的里程數遠遠超過現實世界中的物理車隊，而且獲得更多更好的經驗。第二，這些汽車專注於有趣且仍然互動困難的里程，而不會關注無聊的里程。第三，軟體的開發週期可以更快。

多爾戈夫表示：「這個迭代週期對我們非常重要，我們在模擬過程中所做的所有工作都允許我們戲劇性地減少時間。在項目的最初階段，這個週期可能需要好幾個星期，而現在只需要幾分鐘的時間。」

我繼續問他，路上的油片或者是爆胎、怪鳥、天坑以及其他令人瘋狂的事情，他們都能模擬嗎?多爾戈夫對此很樂觀，稱已經可以模擬，但是關鍵在於這些模擬的逼真度有多高?也許有些問題你得到了更好的價值，或者通過運行一系列測試，得在模擬中確認物理世界中的場景。

Carcraft虛擬世界的力量並不在於它們是真實世界的美麗、完美、逼真效果圖，而是在於他們以多種方式反映出了現實世界，這對無人駕駛汽車來說是非常重要的，它能比物理測試多獲得數十億公里的里程。對於運行在模擬中的驅動軟體，儘管它的決定方式與現實世界不同，但卻與在現實世界中做出的決定相同。

這種方法是有效的。加州機動車管理局要求公司，報告他們每年無人駕駛的里程，以及脫離司機進行的自動測試。Waymo不僅行駛里程比其他任何人都要多出3個數量級，它們人類司機干預的數量也在快速下降。

從2015年12月到2016年11月間，Waymo汽車以無人駕駛模式行駛了102萬公里。在所有里程中，司機只參與了124次，平均每8000公里1次。而在此前1年，這些汽車自動行駛了68萬公里，但人類司機干預了272次，平均1432公里1次。

雖然每個人都煞費苦心地注意到，這些並不是「蘋果與蘋果」之間進行的同類數字對比，但讓我們來看看現實：這些都是我們得到的最好比較，至少在加州是這樣的，其他車輛總共以自動駕駛模式行駛了大約3.2萬公里。

Waymo所採取的策略，對於外部專家來說並不奇怪。風險投資公司Andreessen Horowitz的投資主管克里斯·迪克森(Chris Dixon)說：「現在，你幾乎可以通過對待模擬的認真程度，衡量某個無人駕駛團隊的成熟程度。Waymo處於最頂端的位置，也是最成熟的。」

我問Allstate Insurance保險公司的創新主管蘇尼爾(Sunil Chintakindi)關於Waymo項目的看法，他說：「如果沒有強大的模擬基礎設施，就無法構建(更高級別的)自動化車輛。」其他無人駕駛汽車的研究人員也在尋找類似的路徑。

密西根大學自動與聯網汽車實驗室Mcity主任彭暉(Huei Peng)說，任何用於無人駕駛汽車的系統都將是「99%以上的模擬+精心設計的結構化測試+公路測試。」

彭暉和一名研究生提出了一套系統，可以透過模擬來加速測試，這與Waymo的執行方式沒什麼不同。彭暉說：「所以我們爭論的是只是把開車的無聊部分切斷，專注於有趣的部分。這可以讓你加速數百倍，1000公里變成數百萬公里。」

令人驚訝的是Waymo項目的規模、組織和強度。我向彭暉描述了谷歌所進行的結構化測試，包括Castle結構化測試團隊設計的20000個模擬場景。

但他聽錯了，並說:「這2000個場景讓人印象深刻。」當我插話並糾正他時，他回答說：「確實如此，20000個場景。那的確讓人印象深刻。」

實際上，2萬個場景僅代表Waymo所測試全部場景的一小部分。它們都是由結構化測試創建的，還有更多場景來自於公共駕駛和想像。彭暉說：「他們做得真的很棒，他們在四級車領域面遙遙領先於其他所有人。」

但彭暉也強調了傳統汽車製造商的立場。他說，他們正在嘗試做一些截然不同的事情，而不是瞄準完全自動化的「moon shot(瘋狂而難以實現的項目)」，他們試圖增加司機輔助技術，「賺點錢」，然後逐步走向完全自動化。

與Waymo進行對比不公平，它有豐富的資源，在一輛車上安裝了7萬美元的雷射測距儀，而像雪佛蘭這樣的汽車製造商可能會看到，4萬美元可能已經是大眾市場採用的價格上限。

彭暉表示：「通用、福特、豐田和其他汽車公司都在說：’讓我減少車禍和死亡人數，增加大眾市場的安全性。’它們與Waymo的目標完全不同，我們需要考慮數百萬輛汽車，而不僅僅是幾千輛。」即使是在完全自動化的競賽中，Waymo現在也比過去有更多挑戰者，尤其是特斯拉。

史丹佛大學汽車研究中心主任克里斯·格迪斯(Chris Gerdes)曾說過，Waymo對問題的深度有更深入的瞭解。與其他人相比，我們更接近解決問題的方案。

當我之前問他是否還如此認為時，他說：「很多事情都改變了。福特和通用汽車等汽車製造商已經在開發自己的汽車，並建立了公路數據集。

特斯拉現在已經通過佈署Autopilot，收集了大量數據，瞭解系統是如何在其客戶體驗條件下運作的。他們能夠在靜默模式下測試算法，並快速擴展測試車輛數量，這讓它們成為驚人的試驗台。

在模擬領域裡，格迪斯說：「我看到了很多有實質性項目的競爭者。我確信有相當多的模擬能力，但我已經看到許多看起來值得信賴的東西。在這方面，Waymo看起來不再那麼獨特了。他們當然起步很早，但現在有很多團體都在利用類似的方法。所以現在最重要的問題是誰能做到最好。」

這不是神經網路「大腦式」能力的低風險演示，而是在人工智慧領域取得的巨大飛躍，甚至對Alphabet內部公司來說也是如此，後者在採用人工智慧方面始終很積極。這不是Google Photos，如果在這裡犯錯後果還不算太嚴重。而對於在人類世界裡積極互動全自動系統，它將理解我們的規則，傳達它的渴望，讓我們的眼睛看到。

Waymo似乎想把駕駛作為一種技能，速度和方向都是其中的一部分。他們現在正將駕駛融入到人類社會活動中，通常情況下，如何駕駛才算「合法」?人類如何教人工智慧其所代表的含義?

事實證明，研發這種人工智慧，並不僅僅需要無窮無盡的數據和工程技術。這些都是必要的，但還不夠。相反，開發這個人工智能要求人類與汽車同步，瞭解世界。

儘管任何人都能做到，但在城堡裡的司機們都知道，作為一輛汽車，要像人類那樣觀察和做出決定。也許這也有兩種方式：人類對汽車的瞭解越深，汽車對人類的理解也就越深。

奧斯汀環形路口的記憶變成了城堡的一部分，變成了無人駕駛汽車的數據日誌，變成了Carcraft中的場景，變成了模擬網路，最終重新回到了德克薩斯州無人駕駛汽車的新軟體中。

即使在模擬中AI用來瞭解世界的多邊形抽象圖，也有人類夢的痕跡、回憶的片段、司機的感覺。這些要素不是錯誤，也不是人類的污點，而是那些可以徹底改變交通、城市和其他一切的系統的必要組成部分。