【自动驾驶】Waymo 在 Google I/O 大会的精彩回顾

我们参加了 Google I/O（Google 年度开发者大会），分享了 Waymo 如何使用人工智能（AI）使完全自动驾驶成为现实的细节。...

原标题：

Google I / O 回顾：借助 AI 让自动驾驶汽车从科幻变成现实

我们参加了 Google I/O（Google 年度开发者大会），分享了 Waymo 如何使用人工智能（AI）使完全自动驾驶成为现实的细节。如果您熟悉我们的工作，就会知道 AI 和机器学习（Machine Learning）在推动我们将自动驾驶技术带给每个人的目标方面发挥了关键作用。

以下是我们在主题演讲中分享的内容。

#1 借力 AI 快速启动

许多人都知道 Google 早期的 AI 在图像搜索和语音识别方面的进步，但是你知道 Google 的 AI 研究人员还帮助 Waymo 在开始自动驾驶的道路上快速起步吗？

举一个例子：随着深度学习的开始，我们的自动驾驶工程师与 Google Brain 团队并肩工作，将深度网络应用于我们的行人检测系统。即使在早期，结果也是显著的 ——在几个月内，我们能够将行人检测的错误率降低 100 倍，从而使我们的系统更安全。

#2 实现完全自动驾驶

时间来到 2018 年，Waymo 在 AI 方面的进步帮助自动驾驶汽车从科幻小说变为现实，今天，Waymo 是世界上唯一一家在公共道路上拥有真正自动驾驶汽车的公司。

#3 AI 无处不在

AI 在我们的自动驾驶系统中的每个部分都扮演着至关重要的角色。虽然知觉（perception：知觉; 观念; 觉察）是深度学习最成熟的领域，但我们也使用深度网络（deep nets）进行从预测到计划再到测绘和模拟的所有内容。

通过机器学习（Machine Learning），我们可以对各种细致入微的场景了如指掌，我们之所以能这样做，是因为我们已经用很多不同的例子训练我们的 ML 模型。迄今为止，我们已经在公共道路上行驶了 600 万公里，并且收集到车辆，行人和骑车者之间的数以百亿计交互数据。

我们几乎在我们的自动驾驶系统的每个部分都使用ML，包括感知，预测，规划和制图。在上图当中，我们使用 ML 来准确检测到行人，即使他们穿着恐龙服装。

#4 超越算法

要把自动驾驶车辆放在公路上并扩大到更多的城市，需要的不仅仅是好的算法。基础设施（Infrastructure）在培训和测试我们的 ML 模型方面起着关键作用。

在 Waymo，我们使用 TensorFlow 生态系统和 Google 的数据中心（包括TPU）来训练我们的神经网络。我们还在模拟环境中严格测试我们的 ML 模型，我们每天驾驶相当于运行 25,000 辆汽车。

有了这个强大的培训和测试周期，我们可以更加快速改进我们的 ML 模型，并快速在自驾车上部署最新的成果。

通过仿真，我们可以快速测试和验证我们的ML模型，使我们能够快速迭代并加速我们的软件开发过程。

#5 天气的影响

我们的目标是将自动驾驶技术带给每个人，无论在任何地方、任何天气。在大雨或下雪的情况下驾驶自动驾驶汽车是一项艰巨的任务，部分原因是因为能见度有限。并且雨滴和雪花可能会在传感器数据中产生很多噪音。机器学习有助于我们滤除噪音并正确识别行人，车辆等。

在这个例子中，我们使用ML滤除了传感器中的噪音(雪花、雾气等)，这有助于我们的车辆清楚地看到前方的道路。

凭借我们多年的经验与 Google AI 的合作以及强大的基础设施，我们比以往任何时候都更加接近未来，让交通更安全，更方便每个人。

原文链接：https://medium.com/waymo/google-i-o-recap-turning-self-driving-cars-from-science-fiction-into-reality-with-the-help-of-ai-89dded40c63?source=linkShare-97acc1437cb4-1526199812