雖然Waymo已經(jīng)在美國當(dāng)?shù)貢r間12月5日宣布正式商用，但是外界對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讓外界對其技術(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。

在美國當(dāng)?shù)貢r間12月11日，Waymo在其官方博客上首次對外發(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） 】來打造世界上最有經(jīng)驗的司機。

Waymo要打造的最有經(jīng)驗的機器人司機像任何一個優(yōu)秀司機一樣，需要通過識別周圍的物體，從而感知和理解周圍的世界，并預(yù)測它們下一步的行為，然后在遵守交通規(guī)則的前提下安全駕駛。

近年來，用大量標(biāo)記數(shù)據(jù)對深層神經(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，接來下的想法就是，Waymo已經(jīng)擁有了超過1000萬英里的自動駕駛數(shù)據(jù)，是否可以使用純粹的監(jiān)督的深度學(xué)習(xí)方法來訓(xùn)練出最有經(jīng)驗的司機呢？

因此，數(shù)據(jù)專家創(chuàng)建了一個神經(jīng)網(wǎng)絡(luò)，不僅能模擬開車，在具有挑戰(zhàn)性的情形下，還足以驅(qū)動一輛真正的車進(jìn)行測試。但是，簡單的模仿大量的“好司機”的駕駛習(xí)慣，并不能創(chuàng)造出一種功能強大、可靠的自動駕駛技術(shù)。

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

1、創(chuàng)建ChauffeurNet

為了通過模仿“好司機”來駕駛，Waymo創(chuàng)建了一個名為“ChauffeurNet”的深度循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），該網(wǎng)絡(luò)通過觀察場景的中層表示作為輸入來發(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，這個輸入表示由一個自頂向下（鳥瞰）的環(huán)境視圖組成，該視圖包含諸如地圖、周圍對象、交通燈狀態(tài)、汽車軌跡信息。該網(wǎng)絡(luò)還提供了一條谷歌地圖風(fēng)格的路線，指引車輛到達(dá)目的地。

ChauffeurNet在每次迭代中輸出未來驅(qū)動軌跡上的一個點，同時將預(yù)測的點寫到內(nèi)存中，該內(nèi)存將在下一次迭代中使用。從這個意義上說，RNN不是傳統(tǒng)的，因為內(nèi)存模型是地精心設(shè)計的。ChauffeurNet的軌跡輸出由10個未來點組成，然后被提供給一個低級控制器，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。

此外，還使用了一個單獨的“PerceptionRNN”頭，它迭代地預(yù)測環(huán)境中其他移動對象的未來，并且這個網(wǎng)絡(luò)與預(yù)測軟件駕駛的RNN共享特性。未來的一種可能性是，在選擇我們自己的駕駛軌跡的同時，預(yù)測其他因素的反應(yīng)，這一過程會發(fā)生更深層次的交叉。

驅(qū)動模型的呈現(xiàn)輸入和輸出

從左到右：路標(biāo)、紅綠燈、限速和路線。從左到右的底部行：當(dāng)前代理框、動態(tài)框、過去代理位姿和輸出未來代理位姿。

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

AgentRNN消耗一個圖像的呈現(xiàn)過去代理姿勢，一組特性計算卷積網(wǎng)絡(luò)“FeatureNet”呈現(xiàn)的輸入，與最后一劑盒渲染圖像，一個外顯記憶呈現(xiàn)的預(yù)測未來的代理對預(yù)測未來代理構(gòu)成和自頂向下的鳥瞰圖圖。這些預(yù)測用于更新AgentRNN的輸入，以便預(yù)測下一個時間步驟。

2、模仿“好司機”

Waymo用相當(dāng)于60天“好司機”駕駛數(shù)據(jù)的例子對模型進(jìn)行了訓(xùn)練，同時加入了訓(xùn)練技術(shù)，以確保網(wǎng)絡(luò)不會簡單地繼續(xù)從過去的運動中推斷，而是對環(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年代的阿爾文項目（ALVINN Project），純粹模仿“好司機”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)運行。

該模型學(xué)會了對諸如停車標(biāo)志和交通燈等交通管制作出適當(dāng)?shù)姆磻?yīng)。然而，會有偏差，例如對軌跡引入擾動或?qū)⑵渲糜诮咏�碰撞的情況下，會導(dǎo)致其表現(xiàn)不佳，因為即使在使用大量數(shù)據(jù)進(jìn)行訓(xùn)練時，它也可能從未在訓(xùn)練過程中看到過這些確切的情況。

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

在沿著彎曲的道路行駛時無法從偏離的軌跡中恢復(fù)

上述兩幅動圖備注：藍(lán)綠色的路徑表示輸入路徑，黃色的框表示場景中的動態(tài)對象，綠色的框表示Agent，藍(lán)色的點表示Agent的過去位置，綠色的點表示預(yù)測的未來位置。

3 、“合成壞司機”

從真實世界的駕駛中獲得的“好司機”駕駛行為中，通常只包含在良好情況下駕駛的例子，因為出于明顯的原因，我們不希望我們的“好司機”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”實際的駕駛軌跡。這種擾動使得軌跡的起點和終點保持不變，偏離主要發(fā)生在中間。這教會神經(jīng)網(wǎng)絡(luò)如何從干擾中恢復(fù)。

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

通過將當(dāng)前Agent位置（紅點）從lane center拉出，然后擬合一個新的平滑軌跡，使agent沿lane center回到原來的目標(biāo)位置，從而對軌跡進(jìn)行擾動。這項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，還可以對高度交互或罕見情況進(jìn)行廣泛的模擬，同時使用強化學(xué)習(xí)（RL）調(diào)整驅(qū)動策略。

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行為，包括其他車輛、行人和騎自行車的人。由于這個原因，我們在當(dāng)前的工作中專注于一種純粹的監(jiān)督學(xué)習(xí)方法，記住我們的模型可以用來創(chuàng)建自然行為的“智能代理”來引導(dǎo)RL。