「差生」特斯拉和「头牌」Waymo做自动驾驶有什么不同？

至于谁最终会正在这场「昙花一现战」中胜出，咱们暂且不商讨。本日念和民众聊聊闭于特斯拉和Waymo正在工夫层面的一两点分歧。

资讯机构 Navigant Research 近来颁布的申报再次将两家公司推向风口浪尖。一个是正在排名中垫底的特斯拉，另一个则是拔得头筹的 Waymo。至于评判轨范，是遵照每家公司正在「愿景」、「贸易化政策」、「协作方」、「量产部署」、「工夫」以及「产物良久力」这几个方面的归纳呈现打分排名。

正在客岁的申报中，Waymo 和特斯拉的排名分手为第七位和第十二位。对 Waymo 而言，客岁最先的大领域贸易化试运营应当是其领先的苛重出处。但特斯拉垫底就有点说只是去了，排名公然比苹果都低。正在少许业内人士看来，这份申报正在成文的视角和法子论上略有过错，缺失了对「政府联系」和「数据」这两个苛重轨范的考量。

和政府搞好联系的苛重性自不必说。一朝硬件完毕商品化，软件就成了闭头。实践上不行说是软件，而是「数据」。数据是驱动自愿驾驶工夫繁荣的「燃料」，或者如前英特尔首席奉行官 Brian Krzanich 提出的见地，「数据是新的石油资源」。宇宙上最进步的人工智能也必要数据援手——它寄托浩如烟海的数据将消息传化为下一步的步履。

较着，倘使只琢磨「科技」和「数据搜罗」这两个维度，排正在榜首的应当是 Waymo 和特斯拉。至于谁最终会正在这场「昙花一现战」中胜出，咱们暂且不商讨。本日念和民众聊聊闭于特斯拉和 Waymo 正在工夫层面的一两点分歧性。

近些年，运用大宗标注过的数据对深度进修搜集实行监视陶冶，使得物体感知和行动预测才华有了大幅擢升，这些工夫正在 Waymo 自愿驾驶开辟进程中获得了大领域运用。咱们也从 Drago Anguelov 口中第一次明白了 Waymo 正在运用「效法进修（imitation learning）」，这里先稍微科普一下。

效法进修属于机械进修的一种，它的神经搜集也许通过「考察」人类的行动将某些特定的行动和场景实行完婚。倘使运用分歧类型的「人类行动」动作数据源来陶冶，最终神经搜集就也许遵照感知的结果输出相对应的决定行动。比如，「倘使你看到泊车记号，立时泊车」、「倘使火线有辆停着的车挡途了，绕开它」等等。

跟着贸易化试运营的推动，谷歌也许搜聚数据的场景更众了，效法进修算法也就有了更屡次的用途。但 Drago Anguelov 也指出，人类驾驶行动存正在着许众不确定性，少许罕睹的场景（所谓的「长尾」题目），Waymo 的数据聚会并没有足够的案例来陶冶算法应对。展现这种情状就只可寄托开辟职员手动编写算法。Drago 以为这种「折中」的做法早晚是会被机械进修代庖的。

遵照 Waymo 官方披露的数据，Waymo 目前仍然累积了约 1500 万英里的行驶里程。依据均匀每 3000 万英里才会展现一道事项的概率来策画的话，Waymo 可以到现正在都没有获得一个特定的「长尾」案例。假设行驶每 100 万英里会产生一道事项，waymo 也只是堆集了 15 个数据云尔。依据泛泛机械进修神经搜集必要的数据量（每个图像分类必要起码 1000 个样本）的轨范来看，Waymo 宛如还差得有些远。

纵然 Drago Anguelov 体现愿望通过搜聚尽可以众的人类驾驶行动（包罗「长尾」案例）来实行效法进修，但「数据量的缺失」是个很大的题目。

而为了填充这方面的缺陷，Waymo 仍然修建出了一套仿真模子，仿真出尽可以众的场景来实行测试。由于有时会得出截然相反的结果，是以要增强编制的鲁棒性，做出足够众的仿真模子，确保编制的切实性。

只是仿真模子的筑造仍然必要切实宇宙数据的援手，治理「长尾」题目也必要对人类驾驶行动实行大宗地效法进修。是以这就又回到了题目的原点，Waymo还必要更大宗级「数据」的援手。

特斯拉目前估计有赶过 40 万辆搭载了 Autopilot 编制的车子正在道途上行驶，单日行驶里程赶过了 1300 万英里。倘使改日这个车队的领域加添至赶过 100 万辆，那么每月形成的有用行驶里程将达到 10 亿英里的量级。对一家仍然有成熟产物落地的车企而言，这种切实宇宙形成的「数据」根基不是题目。

至于特斯拉正在自愿驾驶研发上的怪异色，遵照外媒The Information也曾暴露的消息，特斯拉同样正在诈欺「里程累积」上的上风实行效法进修。原文（）是这么说的：

据谙习特斯拉这套编制的线人爆料称，特斯拉的车子老手驶进程中会将摄像头及其他传感器的数据汇集起来，Autopilot 是否运转并没相闭系。之后工程师可能将这些数据中人类的驾驶行动与分歧的场景实行完婚，之后碰到犹如的场景机械就可能效法人类去奉行。比奈何如拐弯或遁藏麻烦物。当然这种被叫做「行动克隆」的法子也有部分性，但特斯拉的工程师以为只消有足够的数据维持，神经搜集就也许给出无误的决定结果，比如正在绝人人半场景中奈何转向、刹车以及加快。正在特斯拉看来，改日不再必要人类手动编程把持无人车应对特定场景。

只是依据个体的意会，特斯拉软件工程师提到的「行动克隆」和 Waymo 的「效法进修」是一个兴趣，等同于民众都正在讲的「端到端进修」的计划，即运用一个宏大的神经搜集，输入传感器数据后获得闭于转向、加快和刹车的全部奉行政策。

假设特斯拉采用的是端到端进修计划，那它一定是不必要对图像实行符号的。独一必要「符号」的是人类驾驶员的行动，比方转向角是众少、加减速的力度等。将所有传感器数据输入到一个宏大的神经搜集后，编制会进修奈何将传感器数据与人类驾驶员的行动实行完婚。但咱们明白特斯拉是正在做图片符号的，是以从这一点起程琢磨，它采用的就不大可以是和 Waymo 相同的「端到端进修」的政策。

而遵照外媒The Information报道的内容来揣度，特斯拉可以是正在开辟一套用于途径谋划或奉行把持的神经搜集。而用来陶冶这套神经搜集的数据并非来自传感器，而是由感知神经搜集输出的元数据。如许人类驾驶员的直接行动—转向、加快和刹车可能对元数据实行「符号」，犹如端到端进修中，驾驶行动与传感器数据的完婚。

这种将感知层和奉行层神经搜集分裂的做法也许规避 Shashua 讲授上面提到的端到端进修可以形成的一系列题目：如「不常睹场景」展现的几率会大幅降低；对先备学问（Prior Knowledge）的央浼提升，深度神经搜集正在治理少许粗略题目上可以会「惨败」。

假设特斯拉用于陶冶的数据来自特斯拉车主，通过人工的体例将少许「坏的」行动去掉，如许可能避开人工编码算法的部分和模仿测试的不切实。当然特斯拉还可能运用深化进修或监视进修来进一步优化。可能把途径谋划或奉行把持的神经搜集放正在运转 Autopilot 或其他驾驶辅助功用的车子上，一朝展现编制脱节、失效、碰撞等情状，工程师就可能通过 bug 申报来定位出处。这些「谬误」之后还可能用来陶冶新的神经搜集。

倘使上面推想无误的话，这种法子可能用相当疾的速率来治理途径谋划和奉行把持方面的题目。琢磨到目前搭载硬件 2.0 版本的特斯拉车型每个月可能得到近 10 亿英里的行驶里程，得到的数据量之大是 Waymo 无法企及的。之后硬件 3.0 版本上线后，搭载了 AI 芯片的这套编制会更有利于特斯拉算法的迭代。

纵然Waymo深受「数据」的困扰，但光凭对这个维度的考量自然是没措施断言什么的。只只是Waymo要治理自愿驾驶中的「长尾」题目，自然必要更众的数据援手。Waymo今天发外将正在亚利桑那州的梅萨市开设新的工夫供职核心，进一步增加无人车出行供职的领域。较着Waymo是奔着汇集更众「数据」的主意来的。

也有人以为，Waymo可能效仿特斯拉开辟一套犹如Autopilot的驾驶辅助编制，仅运用本钱低廉可量产的传感器。一朝正在市集放开后，汇集切实场景的驾驶数据也就不是什么难事了。当然，Waymo本人要竣工这件事较量难题，一定必要来自决机厂周围的协作伙伴。

上周有音问称，「Waymo正正在寻求外部投资人」。预睹之中的部署。倘使有车企成为Waymo的股东，要得到海量的驾驶数据自然容易得众。况且Waymo动作自愿驾驶治理计划的供应商，永远只要借助OEM的平台材干最终得到贸易化凯旋。不管是手中的全栈自愿驾驶工夫亦或是正正在实行的挪动出行营业，Waymo对许众车企而言，都是有一切吸引力的协作伙伴。Cruise和通用、福特与Argo.AI，这些都是较量凯旋的先例。

对特斯拉而言，之前由于Model 3陷入「量产地狱」，Autopilot的研发过程宛如展现了搁浅，硬件3.0也迟迟没有揭橥。纵然正在「数据」容量上有天才上风，但率先量产以及频发的几次事项使其屡陷舆情风云。是以，特斯拉正在自愿驾驶上毕竟能有何如的劳绩，还正在还很难说。

他说，「我不以为哪家企业能正在特斯拉之前打制出一套归纳性的自愿驾驶治理计划。除非它们保密事业做得太好了，到工夫要拿出惊人的结果来。我感觉这种可以性不大，对特斯拉而言，任何车企都不是咱们的逐鹿敌手」。

公司所在：北京市朝阳区酒仙桥途4号751 D·Park正东集团院内 C8座105室 极客公园