游戏无人车
文浩·奥特在开车？杨明
无人驾驶公司canoe智航CEO于谦在3月21日举行的线上分享会上表示，与传统自动驾驶公司的“造梯子”路径相比，canoe智航是在“造火箭”。
作为一家成立不到一年的无人驾驶初创公司，本次在线分享会首次公开分享了其基于大规模智能仿真系统和自主学习决策规划框架的技术路径，并介绍了大规模智能仿真系统的具体应用。
其目标是打造适应城市复杂交通环境的“老司机”，商业模式是为合作伙伴提供量产的无人驾驶解决方案。
对此，轻舟智航决定从两个方面解决自动驾驶的实际落地问题:
一方面，基于大规模仿真技术的应用解决规划决策问题是无人驾驶技术领域的关键课题。以Waymo为代表的无人驾驶公司正在通过大规模的模拟测试来提高规划决策技术。
另一方面，通过建立大量的工具链和模拟测试环境，实现技术迭代的自动化，以更快更高效的方式处理自动驾驶的边界问题，应对自动驾驶行业的长尾效应。
相比当初的“造梯子”，轻舟智航更喜欢“造火箭”
我们知道，自动驾驶的关键因素包括感知、决策和规划，其中感知是一个比较确定的问题，如何测试和评估非常明确，整体的方法论也比较清晰，所以业界开始关注规划决策技术，把规划决策作为目前最具挑战性的问题。
规划决策的挑战可以从两点看出:一是不确定性难以衡量。现有的判断规划决策好坏的指标是舒适度和安全性，但这两个指标是主观的。
一方面，不同的人在开车的时候有不同的行为偏好，有的激进，有的保守，舒适度本身就是一个非常主观的判断。
另一方面，在安全性方面，简单的安全指数是不碰撞，但即使不碰撞，如果你的车始终与下一辆车保持1 cm的距离，你也会感到不安全。
其次，从方法论的角度来看，占据行业主流地位的规划与决策方法论相比20年前并没有大的突破，模仿学习或强化学习的大规模实际应用还存在很多问题。
于谦认为，“仿真技术的出现很大程度上是为了帮助规划和决策进行更好的测试——毕竟不能每次修改算法都部署到车上进行测试。随着仿真技术的采用，行业进入快速发展轨道。”
不同于大多数自动驾驶技术从无到有的构建过程——先做好地图和定位，再做好感知，最后开始做规划决策和仿真，仿真测试平台从一开始就作为轻舟智航的关键核心能力，与其他模块一起构建，使得开发达到了非常高效的状态。
此外，自动驾驶技术具有突出的长尾效应，在技术上解决了90%的问题，但剩下的10%可能会耗费同样多甚至更多的能量，这其中包含了很多边界问题。
于谦分析了为什么无人驾驶还没有落地。他说，“除了收集大量的数据，更重要的是建立自动化的生产工厂，通过自动化的工具将不断收集的有效数据加工成可用的模型。以更快、更高效的方式应对边界问题。”
上图是典型的边界问题。你甚至在遇到野鸭之前都不知道会有野鸭的问题，所以边界问题是需要发现和解决的。
那么如何找到并解决边界问题呢？
除了收集大量的数据，更重要的是建立自动化的生产工厂，通过自动化的工具将不断收集的有效数据加工成可用的模型。以更快更有效的方式处理边界问题。
以以上野鸭的场景为例。如果我们需要为这些场景开发特殊的模型，将会有无穷无尽的场景需要处理。
但是在自动化的帮助下，只要对数据进行标记，这种情况在下次系统更新时就可以得到更好的处理，节省了工程师大量的时间。
以感知为例很容易理解，但其实规划技术都是一样的。为了让汽车做出准确的规划，最原始的方法是工程师编写规则——大量的工程师编写大量的规则，但是这种方法可维护性差，不能满足需求。
接下来是设计奖励函数——设计奖励函数比写规则简单多了；之后，利用数据自动学习奖励函数。
这个过程就是向自动化发展的过程。
于谦说，“轻舟智航追求的是建立一个自动化规模生产的工厂。比起当初的“造梯子”，我们更喜欢“造火箭”。为此，我们必须建立大量的工具链和模拟测试环境。”
对此，轻舟智航将有效数据、智能仿真系统、决策规划框架作为推动技术前进的齿轮。
借助大规模智能仿真系统和自主学习决策规划框架，轻舟智航可以最大限度地利用有效数据，大幅降低测试成本，提高开发效率，保证解决方案的可扩展性。
于谦说，“在过去的一年里，轻舟智航不想跟风进入特定的小应用场景，变成了一家靠人解决问题，无法规模化的工程公司。而是注重修炼内功，在主线足够深、横向可扩展之后，以一种轻便快捷的方式实现了真正的无人驾驶。”
拒绝“华而不实”，轻舟智航的仿真系统架构首次揭晓。
目前市场上有很多仿真软件，最流行的是基于游戏引擎的仿真软件，从界面上看很漂亮，像一个模拟的城市，场景非常真实。
与这款主流仿真软件不同的是，canoe智航的仿真软件界面非常简洁，摒弃了繁杂的渲染工作，只保留了感性的结果，包括3D？盒子和雷达点的叠加。
轻舟智航为什么不用游戏引擎建造一个漂亮的模拟城市？
轻舟智航联合创始人王琨总结了基于游戏引擎的仿真系统的三个特点:
第一，在使用游戏引擎的情况下，其本身的图像渲染工作对感知的提升是非常有限的，因为渲染效果和实物是不一样的。
其次，在自动驾驶领域，这种重新构建的软件(基于第三方软件开发)缺乏测试确定性。仿真软件在自动驾驶领域的重要应用是再现一定的路测效果。但是由于这种第三方软件和自动驾驶软件的开发是相互独立的，很难保证每个模块的确定性，导致整个仿真软件的不确定性，最终影响可用性。
再次，基于游戏引擎的模拟器会消耗大量额外的计算资源进行图像渲染，不利于大规模应用，也影响了其实用性。
基于以上考虑，轻舟智航开发了独特的模拟系统。
轻舟智航仿真系统的系统架构可以分为五层:底层是轻舟智航开发的汽车？OS，借助底层通信系统保证模块间的高效通信。
汽车？OS和仿真器是高度集成的系统，核心仿真器和评估器基于底层Car？操作系统接口可以保证仿真系统的确定性。
下一层是外围工具链和基础设施的模拟，可以保证整个数据闭环的有效性，高效利用所有数据；第四层是大型场景库的建设。
顶层是分布式系统仿真平台，支持快速大规模仿真应用，短时间内获得正确评价。
轻舟智华的模拟评价员也可以分为五类:第一类是安全评价员(安全？评价者)，包括是否碰撞，是否撞到路边，是否撞到行人等。
第二类是真理评价者(地？真相？Evaluator)，仿真结果可以通过人工阅卷或自动阅卷进行检测和比较，并及时反馈给工程师。
第三类是法律评价(法律？评价者)是指根据交通规则进行的评价，比如是否闯红灯，是否倒退等。
第四类是舒适度评估(舒适度？评价者)，指是否有急刹车等带来不适感的行为。
第五类是条件评估(Stats？Evaluator)，比较低级的，是指根据模块生成的中间结果进行纵向比较的结果。
王伟表示，“我们认为模拟是实现大规模无人驾驶技术的唯一途径。首先，借助仿真和相关工具链，可以形成高效的闭环数据测试，支持算法的测试和高效迭代，替代人或车的堆砌方式；其次，只有经过大规模智能仿真验证的软件才能保证安全性和可用性。以一个比喻结尾，如果说无人驾驶是一场赛跑，那么仿真就是助推完全无人驾驶实现的助推器。”
一面镜子展现了硅谷“封城”前夕无人车的真正实力。
加州“居家隔离”的强制令发出后的三个小时，对独木舟志航来说，是难忘的三个小时。
硅谷时间3月16日下午4点23分，轻舟智航收到加州相关政府发出的正式强制令。所有居民必须在家隔离，除非购买食物、就医或其他紧急情况，否则不允许离开住所。强制令于当天午夜生效。
这一天，轻舟智航将进行现场试乘。
于谦说:“我们接到这个通知的时候，离通知生效只有八个小时了。我们没有放弃，而是在第一时间联系了硅谷的风险投资BoomingStar。风险投资公司的管理合伙人亚历克斯？任作为第三方证人，记录了当天晚上7点的路测视频。”
由于时间紧张，独木舟智航只有一次机会，所以下一次测试视频是一次性录制的。
独木舟航行的试乘路线会先开到一个商业区周围的麦当劳，穿过一个免下车窗口(一个不用下车就能得到服务的餐厅)，然后穿过一个大超市及其停车场，返回公司。
免下车服务。在美国是很常见的点餐方式，是典型的复杂城市交通环境之一。从技术角度来说，免下车场景也很有挑战性。
首先，它的车道比单车道窄，对定位和控制要求更高。如果水平定位和控制不准确，就会滚过路缘石或蹭到建筑物。垂直方向不准就不准。
其次，出口处有停车场，是无结构道路。为了应付人车混杂的情况，我们不得不在没有保护的情况下右转进入主干道。
最后，更具挑战性的是，这是一个正常的经营场所，不像开放的道路，可以重复路测。据悉，轻舟智航已经通过了大量的模拟测试，使得它在第一条道路上非常安全可靠。
从视频上看，明星？风险投资公司的管理合伙人亚历克斯？任驾驶独木舟智能无人驾驶汽车经过一家免下车餐馆，完成了点餐、付款和取餐的整个过程。后来，他在一家大型超市周围遇到了因抢购物资而导致的复杂道路场景，但无人车实现了良好的应对。
接下来，从仿真的角度，在真实图像中，我们可以看到前方没有车辆。
但是在模拟的帮助下，我们在场景中制作了两辆绿色的虚拟车辆来测试车辆是否能够准确的避开虚拟车辆。
同样，还制作了黄色帧的行人进行测试，视频中的白色帧是当时的实际行驶轨迹。
王琨说，“因为麦当劳的这个场景是不允许多次测试的，所以这个视频只是众多例子中的一个。其实已经产生了很多类似的场景。评价员在模拟测试中取得良好效果后，对车辆进行了实际场景测试。”
此外，上述视频还展示了仿真场景库自动生成的相关工作。视频中的红绿点分别代表两辆车的运动轨迹。这些轨迹的产生和变化都是基于真实的交通数据集，利用深度学习的方法进行训练，然后利用训练好的深度神经网络进行合成。
你可以看到交互车辆的轨迹是不断变化的，这是使用生成模型对交互车辆的运动行为空间进行随机采样造成的。
生成模型支持不同地图上不同场景库的合成，具有真实性、有效性、多样性、规模可扩展等特点。
视频中的两个点或者两辆车是互动的，可以正确互动。这种交互行为不是人工创建的，而是通过深度学习从实车之间的交互数据中学习到的。
关于皮划艇和帆船运动:
作为一家年轻的创业公司，canoe智航的核心团队成员来自Waymo、Tesla和优步。ATG、福特、英伟达、脸书等世界级自动驾驶公司和科技公司。
目前，我们在中国硅谷、北京、深圳、苏州等城市设有办事处。其联合创始人兼CEO于谦是顶尖的核心感知算法和地图专家。曾任Waymo感知关键模块机器学习算法研发负责人，拥有十余年计算机视觉和机器学习经验。
本文来自车家作者汽车之家，不代表汽车之家立场。