如何訓練無人駕駛系統

黃耀鵬

在高速公路上，按照美國國家公路交通安全管理局（NHTSA）劃分的標準，擁有L1、L2級輔助駕駛的車輛，看起來和其他車輛沒什么區別。L4級則完全無須人工干預，自主駛向目的地。所有自動駕駛項目的終極目標都是L4級無人駕駛系統。

不過，指望無人系統“無師自通”是難以如愿的。無人系統就像剛出生的嬰兒一樣，擁有用于感知外界環境的“感官”（攝像頭、毫米波雷達、激光雷達），也擁有高速大腦（計算單元、圖像處理單元），但“大腦”功能尚在分化中，需要教它識別環境中一切可能出現的人和物體。是的，你沒看錯，是一切可能。

如何識別

教無人系統分辨道路和其他可能遇到的一切，是訓練的第一步。就像教嬰兒看圖識物一樣。因為圖像的信息太豐富，難以建模，深度學習似乎能發揮特殊優勢。

深度學習既可以用于感知，也可以用于決策。比如AlphaGo的走子網絡，就是一套DNN訓練系統。用最簡單的話說，就是根據當前狀態做出決策。它的設計者和訓練師不是要教它決策（事實上人類不知道系統將如何決策），而是教它一些基本知識。

首先，在一大批車的圖像中提取基本特征，比如車的正面和側面大致的幾何形狀，令系統分辨出車的左側和右側（用不同特征標記）。

有了連續多幀的圖像，根據其間的連續變化，可以分辨車的行駛方向。并可以辨識出遠處視野中很小的車輛，比任何人類都看得遠、看得清楚。如何評估它們對自身的影響，將放在后面訓練。

其次，傳統圖像中，路肩和馬路本身顏色難以區分、立體視覺也很難辨別（畢竟高程差太小）。人類是如何輕易識別的？靠陰影。區區10厘米的路肩，將形成一條連續暗色的窄帶區域。系統，你學會了嗎？

用連續窄帶陰影（斷開的個別路段，正好可以做高危提醒信號），結合道線識別，勾勒出可行駛區域。

看上去很完美，可是有時候沒有道線，或者由于天氣原因道線難以識別，可以用人類在缺乏道線標識的情景下開車圖像，來讓系統學習人類是如何駕駛的，系統可以從大量的視頻中（實際上是多幀圖像）提取出人類策略，并加以優化。

因此，我們看到系統和明智的人類駕駛員，采取幾乎相同的步驟，只不過判斷更果斷迅捷。

訓練開始

當無人系統具備了辨識能力之后，它需要面對兩類場景：一類是真實世界，另一類是數字世界。從前者取得“實操”經驗后，在后者里面變換各種條件（比如將障礙物移動位置、讓行人的行為更加不可預測），不斷磨練應對策略，直到最優。

我們可能需要從更簡單的情況開始，譬如在高速路上超車和并道，只涉及兩輛車。A車搭載無人系統，B車將作為阻礙出現。

當A車以90公里的速度在內側道路直行，右側B車猛然超車并到A車前方，并且緊接著剎車。A車能否迅速、平穩地剎車，同時還要給后面車輛留出足夠的剎車時間？

讓我們將情況復雜一點：高速多車并道，遇到在車道上后退車輛、路上突然出現滾動的籃球或者從隔離帶上突然躥出行人，以考核無人系統的應對是否得當。

值得指出的是，軟件設計師并不預先設定無人系統將如何應對，他們也無法在程序中窮盡所有情景。他們只希望無人系統在數萬種情景中提煉出方法，以便在“超綱”情景中也能做出理智決策。

逐漸擴張

為了加速訓練，有必要創造出虛擬世界（城市），模擬數萬個無人系統在其中日夜奔跑。軟件完善后，虛擬空間的設定越來越宏大、場景越來越復雜，直到像一個真實的城市。

一方面，訓練師可以看到無人系統所能“看”到的一切，另一種視角下，人類也能俯瞰整個數字世界，監視無人系統之間的復雜互動。真實場景以數字化方式呈現在無人系統感官世界里，從人類的角度看，不能分辨是虛擬的場景，還是無人系統真的“看”到了這一切。

Waymo的專家們吹噓他們是惟一一個采用“加速訓練系統”的公司，實際上，福特、優步和通用也都在硅谷建立了類似的訓練系統。Waymo只不過是開始得最早的一個。當然，他們取得的數據也是最多的。不過，大家對各自的訓練效果以及如何改進，都秘而不宣。

有人認為，一旦無人系統在虛擬城市中的數量達到數百萬個，其群體行為模式，已經非常接近真實的超級城市日常。而在其背后，必須部署足夠的實際車輛和傳感器，建立公路數據庫。完全依靠虛擬場景訓練出來的無人系統，可能面對真實路況時表現“不大一樣”。

訓練雖然開始時借鑒了人類司機應對的場景，但最終人工智能可能會采取不同的策略。無人系統對人類行為理解得更深刻，反過來促使它形成自己的駕駛風格。令人吃驚的是，無人系統面對另一個無人系統時采取的策略，與它面對人類駕駛車輛時不一樣，雖然都以乘客的安全作為最高準則。

這意味著，無人系統統治整個城市的時候，可能自發形成全新的交通準則，且更高效、更默契。人類在上百年汽車時代所積累并奉為圭臬的準則，很可能被替代。但這不是令人悲傷的故事。就像人類最終不再掌握方向盤一樣。