雖然Waymo已經(jīng)在美國(guó)當(dāng)?shù)貢r(shí)間12月5日宣布正式商用，但是外界對(duì)Waymo的技術(shù)細(xì)節(jié)知之甚少。Waymo也很清楚這種信息差異會(huì)讓外界對(duì)其技術(shù)信心不足。這是Waymo需要改變的地方——公布更多技術(shù)細(xì)節(jié)，提高公眾信心。

在美國(guó)當(dāng)?shù)貢r(shí)間12月11日，Waymo在其官方博客上首次對(duì)外發(fā)布了部分技術(shù)細(xì)節(jié)——如何用名為“ChauffeurNet”的深度循環(huán)神經(jīng)網(wǎng)絡(luò)【recurrent neural network （RNN） 】來(lái)打造世界上最有經(jīng)驗(yàn)的司機(jī)。

Waymo要打造的最有經(jīng)驗(yàn)的機(jī)器人司機(jī)像任何一個(gè)優(yōu)秀司機(jī)一樣，需要通過(guò)識(shí)別周?chē)�的物體，從而感知和理解周?chē)�的世界，并預(yù)測(cè)它們下一步的行為，然后在遵守交通規(guī)則的前提下安全駕駛。

近年來(lái)，用大量標(biāo)記數(shù)據(jù)對(duì)深層神經(jīng)網(wǎng)絡(luò)進(jìn)行監(jiān)督訓(xùn)練，在很多領(lǐng)域得到了應(yīng)用，特別是在感知和預(yù)測(cè)領(lǐng)域，可以迅速提高技術(shù)水平，Waymo在這方面也有廣泛的應(yīng)用。

隨著神經(jīng)網(wǎng)絡(luò)在感知領(lǐng)域的成功，接來(lái)下的想法就是，Waymo已經(jīng)擁有了超過(guò)1000萬(wàn)英里的自動(dòng)駕駛數(shù)據(jù)，是否可以使用純粹的監(jiān)督的深度學(xué)習(xí)方法來(lái)訓(xùn)練出最有經(jīng)驗(yàn)的司機(jī)呢？

因此，數(shù)據(jù)專(zhuān)家創(chuàng)建了一個(gè)神經(jīng)網(wǎng)絡(luò)，不僅能模擬開(kāi)車(chē)，在具有挑戰(zhàn)性的情形下，還足以驅(qū)動(dòng)一輛真正的車(chē)進(jìn)行測(cè)試。但是，簡(jiǎn)單的模仿大量的“好司機(jī)”的駕駛習(xí)慣，并不能創(chuàng)造出一種功能強(qiáng)大、可靠的自動(dòng)駕駛技術(shù)。

相反，Waymo發(fā)現(xiàn)從良好的感知和控制中引導(dǎo)簡(jiǎn)化學(xué)習(xí)任務(wù)是有價(jià)值的，同時(shí)，除了模仿“好司機(jī)”的駕駛習(xí)慣，還要模仿“壞司機(jī)”不良駕駛行為，用額外的不良駕駛行為來(lái)訓(xùn)練出更好的駕駛行為。

1、創(chuàng)建ChauffeurNet

為了通過(guò)模仿“好司機(jī)”來(lái)駕駛，Waymo創(chuàng)建了一個(gè)名為“ChauffeurNet”的深度循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），該網(wǎng)絡(luò)通過(guò)觀察場(chǎng)景的中層表示作為輸入來(lái)發(fā)出駕駛軌跡。中間層的表示不直接使用原始的傳感器數(shù)據(jù)，從而分解出感知任務(wù)，并允許結(jié)合真實(shí)和模擬數(shù)據(jù)，以便更容易地進(jìn)行學(xué)習(xí)。

如下圖所示，這個(gè)輸入表示由一個(gè)自頂向下（鳥(niǎo)瞰）的環(huán)境視圖組成，該視圖包含諸如地圖、周?chē)鷮?duì)象、交通燈狀態(tài)、汽車(chē)軌跡信息。該網(wǎng)絡(luò)還提供了一條谷歌地圖風(fēng)格的路線(xiàn)，指引車(chē)輛到達(dá)目的地。

ChauffeurNet在每次迭代中輸出未來(lái)驅(qū)動(dòng)軌跡上的一個(gè)點(diǎn)，同時(shí)將預(yù)測(cè)的點(diǎn)寫(xiě)到內(nèi)存中，該內(nèi)存將在下一次迭代中使用。從這個(gè)意義上說(shuō)，RNN不是傳統(tǒng)的，因?yàn)閮?nèi)存模型是地精心設(shè)計(jì)的。ChauffeurNet的軌跡輸出由10個(gè)未來(lái)點(diǎn)組成，然后被提供給一個(gè)低級(jí)控制器，該控制器將其轉(zhuǎn)換為控制指令，如轉(zhuǎn)向和加速，使其能夠駕駛汽車(chē)。

此外，還使用了一個(gè)單獨(dú)的“PerceptionRNN”頭，它迭代地預(yù)測(cè)環(huán)境中其他移動(dòng)對(duì)象的未來(lái)，并且這個(gè)網(wǎng)絡(luò)與預(yù)測(cè)軟件駕駛的RNN共享特性。未來(lái)的一種可能性是，在選擇我們自己的駕駛軌跡的同時(shí)，預(yù)測(cè)其他因素的反應(yīng)，這一過(guò)程會(huì)發(fā)生更深層次的交叉。

驅(qū)動(dòng)模型的呈現(xiàn)輸入和輸出

從左到右：路標(biāo)、紅綠燈、限速和路線(xiàn)。從左到右的底部行：當(dāng)前代理框、動(dòng)態(tài)框、過(guò)去代理位姿和輸出未來(lái)代理位姿。

ChauffeurNet有兩個(gè)內(nèi)部部分：FeatureNet和AgentRNN

AgentRNN消耗一個(gè)圖像的呈現(xiàn)過(guò)去代理姿勢(shì)，一組特性計(jì)算卷積網(wǎng)絡(luò)“FeatureNet”呈現(xiàn)的輸入，與最后一劑盒渲染圖像，一個(gè)外顯記憶呈現(xiàn)的預(yù)測(cè)未來(lái)的代理對(duì)預(yù)測(cè)未來(lái)代理構(gòu)成和自頂向下的鳥(niǎo)瞰圖圖。這些預(yù)測(cè)用于更新AgentRNN的輸入，以便預(yù)測(cè)下一個(gè)時(shí)間步驟。

2、模仿“好司機(jī)”

Waymo用相當(dāng)于60天“好司機(jī)”駕駛數(shù)據(jù)的例子對(duì)模型進(jìn)行了訓(xùn)練，同時(shí)加入了訓(xùn)練技術(shù)，以確保網(wǎng)絡(luò)不會(huì)簡(jiǎn)單地繼續(xù)從過(guò)去的運(yùn)動(dòng)中推斷，而是對(duì)環(huán)境做出正確的反應(yīng)。

正如許多人在我們之前發(fā)現(xiàn)的，包括上世紀(jì)80年代的阿爾文項(xiàng)目（ALVINN Project），純粹模仿“好司機(jī)”給出的模型，只要情況不太偏離培訓(xùn)中看到的情況，模型就能平穩(wěn)運(yùn)行。

該模型學(xué)會(huì)了對(duì)諸如停車(chē)標(biāo)志和交通燈等交通管制作出適當(dāng)?shù)姆磻?yīng)。然而，會(huì)有偏差，例如對(duì)軌跡引入擾動(dòng)或?qū)⑵渲糜诮咏�碰撞的情況下，會(huì)導(dǎo)致其表現(xiàn)不佳，因?yàn)榧词乖谑褂么罅繑?shù)據(jù)進(jìn)行訓(xùn)練時(shí)，它也可能從未在訓(xùn)練過(guò)程中看到過(guò)這些確切的情況。

經(jīng)過(guò)純模仿學(xué)習(xí)訓(xùn)練的Agent被困在一輛停著的車(chē)輛后面

在沿著彎曲的道路行駛時(shí)無(wú)法從偏離的軌跡中恢復(fù)

上述兩幅動(dòng)圖備注：藍(lán)綠色的路徑表示輸入路徑，黃色的框表示場(chǎng)景中的動(dòng)態(tài)對(duì)象，綠色的框表示Agent，藍(lán)色的點(diǎn)表示Agent的過(guò)去位置，綠色的點(diǎn)表示預(yù)測(cè)的未來(lái)位置。

3 、“合成壞司機(jī)”

從真實(shí)世界的駕駛中獲得的“好司機(jī)”駕駛行為中，通常只包含在良好情況下駕駛的例子，因?yàn)槌鲇诿黠@的原因，我們不希望我們的“好司機(jī)”駕駛陷入近碰撞或爬坡限制，只是為了向神經(jīng)網(wǎng)絡(luò)展示如何在這些情況下恢復(fù)。

為了訓(xùn)練網(wǎng)絡(luò)走出困境，模擬或綜合合適的訓(xùn)練數(shù)據(jù)是有意義的。一種簡(jiǎn)單的方法是加入一些例子，在這些例子中，我們干擾了“好司機(jī)”實(shí)際的駕駛軌跡。這種擾動(dòng)使得軌跡的起點(diǎn)和終點(diǎn)保持不變，偏離主要發(fā)生在中間。這教會(huì)神經(jīng)網(wǎng)絡(luò)如何從干擾中恢復(fù)。

不僅如此，這些擾動(dòng)還會(huì)產(chǎn)生與其他物體或道路限制物發(fā)生合成碰撞的例子，我們通過(guò)增加阻止此類(lèi)碰撞的顯式損失來(lái)教會(huì)網(wǎng)絡(luò)避免這些碰撞。這些損失使我們能夠利用領(lǐng)域知識(shí)來(lái)指導(dǎo)學(xué)習(xí)在新的情況下更好地泛化。

通過(guò)將當(dāng)前Agent位置（紅點(diǎn)）從lane center拉出，然后擬合一個(gè)新的平滑軌跡，使agent沿lane center回到原來(lái)的目標(biāo)位置，從而對(duì)軌跡進(jìn)行擾動(dòng)。這項(xiàng)工作演示了一種使用合成數(shù)據(jù)的方法。除了我們的方法之外，還可以對(duì)高度交互或罕見(jiàn)情況進(jìn)行廣泛的模擬，同時(shí)使用強(qiáng)化學(xué)習(xí)（RL）調(diào)整驅(qū)動(dòng)策略。

然而，做RL需要我們精確地模擬環(huán)境中其他道路參與者的真實(shí)行為，包括其他車(chē)輛、行人和騎自行車(chē)的人。由于這個(gè)原因，我們?cè)诋?dāng)前的工作中專(zhuān)注于一種純粹的監(jiān)督學(xué)習(xí)方法，記住我們的模型可以用來(lái)創(chuàng)建自然行為的“智能代理”來(lái)引導(dǎo)RL。