如何訓練無人駕駛汽車？Waymo給的方案是「虛擬世界+虛假城市」

編者按：本文來自網易科技，編譯：小小，36氪經授權發布。

據大西洋月刊報道，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頻遊戲《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)）在開放式辦公室里安靜地坐著。屏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。我們在中等解析度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的模擬建築軟體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物理通道。我所看到的是這個學習過程中的第三個步驟，即現實世界駕駛數字化。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，通過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字娛樂。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，然後駕駛虛擬汽車通過所有的場景。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，往複循環不斷。

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，一個保安出現了，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

通過柵欄部分，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，因為它們全身布滿感測器。其中最突出的是在汽車頂部的激光掃描儀(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。

當汽車的感測器投入使用時，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)制定的。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能巡航控制。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里，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，在團隊中待久后，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「殭屍末日」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，然後是城堡里，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、死胡同、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頻遊戲場景。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。最初這裡只有腳踏車道的環形路口，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腳踏車道時，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），他通過筆記本電腦上的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、騎腳踏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。我經常待在車裡，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。在重組后的一年裡，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:「我當時正瀏覽招聘信息，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。她面前有兩個屏幕。左邊屏幕運行XView，顯示汽車「看到」的東西。這輛車使用了攝像頭、雷達和激光掃描來識別其視野中的物體。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像頭捕捉到的場景。科拉洛夫還可以打開激光掃描儀傳回的數據，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

他們載入了另一個場景，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、行人以及腳踏車。

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。騎腳踏車的人就像真正騎腳踏車的人。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后，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的軟體主管德米特里·多爾戈夫（Dmitri Dolgov）告訴我：「我們的車看到了世界，也了解世界。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、騎腳踏車者還是機車，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實時數據，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，他們跳過了對象識別步驟，沒有給汽車提供識別行人的原始數據，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。然後她把滑鼠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數。所以，想象一下，對於路口來說，你可能想要測試各種車輛、行人以及騎腳踏車者的到達時間，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，不同變數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，一輛腳踏車靠近了，導致汽車停在路上。

工程師們解決了這類問題，並重新設計了軟體進行糾正。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，他們將通過模擬尋找問題。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，這些汽車專註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，軟體的開發周期可以更快。

多爾戈夫表示：「這個迭代周期對我們非常重要，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，這個周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。密歇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。」

彭暉和一名研究所提出了一套系統，可以通過模擬來加速測試，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，專註於有趣的部分。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象。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7萬美元的激光測距儀，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。

18個月前，斯坦福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了解。與其他人相比，我們更接近解決問題的方案。當我上周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部署Autopilot收集了大量數據，了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演算法，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。而對於在人類世界里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,開發這個人工智慧要求人類與汽車同步，了解世界。儘管任何人都能做到，但在城堡里的司機們都知道，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：人類對汽車的了解越深，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用來了解世界的多邊形抽象圖，也有人類夢的痕迹、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。