神奇！自学成才的机器人驾驶员

2015-3-26 11:09| 发布者: 高华华| 查看: 2044| 评论: 0|来自: 车云网

摘要: 英伟达老黄（黄仁勋）在GPU技术大会上放话说自家的Drive PX平台能够支持无人驾驶车自学成才。换句话说，驾驶计算机不需要严密软件编程来规定它遇到行人或是信号灯该怎么做，直接跟随人类驾驶员上路学习即可。什么？无良媒体黑科技？洗洗睡？！

机器人 , GPU , DrivePX

今天的新闻很简单：英伟达老黄（黄仁勋）在GPU技术大会上放话说自家的Drive PX平台能够支持无人驾驶车自学成才。换句话说，驾驶计算机不需要严密软件编程来规定它遇到行人或是信号灯该怎么做，直接跟随人类驾驶员上路学习即可。什么？无良媒体黑科技？洗洗睡？！

No，no，no，黄老板此次力推Drive PX平台，旨在体现Tegra X1在运算能力上的强悍——两片这货组成一个深度学习平台，也是碉堡了。而机器学习领域最抓眼球且能给围观群众带来直接影响的实例便是自动驾驶系统，没有之一。新年伊始，老黄在CES上就为Tegra X1点赞无数，说好5月份正式开卖；不用说铁杆小伙伴奥迪早已出面站台，拍胸脯说自家的智能驾驶系统绝对跟上Drive PX。

机器人如何看待世界

先呢，用一段视频来让大家明白什么叫做机械学习。车云菌费尽九牛二虎之力弄来了2013年在Coursera自学Machine Learning（机器学习）的视频，第五周第八节，基于神经网络的自动驾驶系统演示。

       一台设计了神经网络算法的计算机，如同第一次走进驾校的学员，完全不知方向盘为何物；但在观察人类驾驶员随着前方路面转动方向盘仅仅2分钟后，计算机给出的转向角度就与人类驾驶员基本一致，虽然这只是在封闭且单一的路面环境下进行的试验。而此后人类驾驶员继续带计算机去多种路面环境“兜风”，在获得足够training set（训练集）后，拨动切换开关，将方向盘交给计算机，结果大家都看得到，每秒12次的转角更新，让机器人把一辆悍马开得无比平顺。对了，视频2分20秒有项目时间，这是在1992年，车云菌届时还在上小学。

       再多说一句，Coursera的机器学习课程讲师是吴恩达，中文名不为人所知，但英文名Andrew Ng就响亮多了，Google大脑创始人，目前是百度首席科学家，负责deep learning（深度学习）方向。

       老黄花了很长的篇幅解释这个过程，虽然在技术宅出身的阿菌看来并无多少必要。一个刚刚运行的神经网络系统可以视为呱呱坠地的婴孩，懵懂地看着周围一切却一无所知。因此第一步就是喂它，当然不是牛奶，而是数据。

       对Drive PX这个例子，带标签的数以百万计的图像输入到神经网络，等价于爷爷拿着画了红番茄的卡片教小孙子读“洋！柿！子！”……随着各种各样的西红柿的照片出现，小男孩心中的西红柿就不再是严格的图像，而是此物的典型特征，红果绿茎，球形或近球形，切开后有特殊纹理且多籽多汁，等等。

       神经网络也以同样的方式工作，将输入的图片按照其特征和纹理进行分析，从而学习识别路面上的常见物体，道路，车辆，交通信号，动植物，建筑，乃至气象实况。当计算机采集到无法准确辨认的图像，会尝试先将其分解，然后与自己存储的模式和纹理进行比对，以期识别，这与人的学习方式非常相近。

DrivePX神经网络计算机

       图像识别技术迄今已有50多年的发展史，而黄老板对2012年英伟达所做的革新非常自豪。目前，使用AlexNet进行测试，机器人对含有特定目标的图像识别率已超越人类。台上老黄拿出一幅猫的图片，计算机不仅轻松作答，还指明了其品种。这种精度的物体识别能力对自动驾驶汽车尤为重要，否则天知道横穿马路的是苏格兰绵羊还是美国龙卷风！

       机器人如何驾车

       上一个标题，说的是“机器人如何看世界”，但读者会发现其实是“机器：人如何看世界”。神经网络算法的神奇之处就在于此，除了一个相对合理的网络算法和深度，所有的知识都是自学来的（车云菌：否则你以为他那个半脑残的码工老爸能有多大知识储备？）。目前的汽车所谓驾驶员辅助功能，比如探测到前方障碍后主动刹车，在黄教主眼里太小儿科了：既然小孩子能认识西红柿，就能吃西红柿；同理神经网络既然看得清交通行为，自然也可以驾车。所需的“课程”仅仅是学习人类驾驶员在应对各种路面状况的操作。

       Project Dave，DARPA（美国国防部先进研究项目局）试验项目之一，要做的是教一辆遥控车学会自己开自己。研究员们既没有给它划定路线，也没有告诉它看到什么该如何做，而是给它看了一段在类似环境下人类驾驶车辆的视频。Dave从视频中学习了在遇到特定障碍时人类驾驶员的反应，并在随后的自动驾驶测试中很好地“学以致用”。

       目前的主动刹车系统是雷达探测到前方有障碍就立即制动，但计算机并不知道障碍物是什么。采用神经网络系统之后，计算机会主动识别“来者何物”，如同很多人类驾驶员一样，可能只需要收油或者轻点刹车就合理避让了，乘客们可能不必吓（he）得一滚。

       啊，是的是的，车云菌明白您的顾虑，您说的没错，即使是身经百战的神经网络也不能从人类驾驶员身上学到所有的驾驶技巧，尤其是紧要关头的避险策略。因此一些强制性的“硬编码”还是非常必要的，比如绝对不许撞人，或者哪怕是坚硬的实心体。嗯，请不要掩饰，车云菌也想到了艾萨克·阿西莫夫先生的“机器人三铁律”。

       硅谷大神间的切磋

       然后Musk来了。黄总很风趣，谈及几年后无人车遍地走的梦想，他说“就像在火星”，呃……因为Musk曾公开说自己百年之后想去火星安息。后来Musk站台主讲，大黄还是不肯放过小伙伴，问及后者在2014年的一篇推文，说是AI（人工智能）比核武更危险。Musk小朋友很害羞的回答：俺的意思是“潜在的”（风险），毕竟无人汽车只是AI在一个受限领域内的实现。

黄仁勋与马斯克侃（chun）侃（qiang）而（she）谈（jian）

Musk认为自动驾驶车的引入将会是个缓慢的过程，毕竟全球汽车总量大概是20亿，年度产能仅在1亿台左右，这个更新的过程不可能很迅速。对目前而言，Musk的观点是5到10英里时速的自动驾驶相对容易，因为这个速度上的制动距离在超声探头的探测距离内；高于50mph的纯高速自动驾驶也不难，毕竟高速路况比较单一。而10到50mph的城市路况，不用说是最复杂的，行人，车辆，各种路标，障碍，还有不断的突发状况。“但至少我们知道怎么做，也一定搞得掂”，Musk一如既往，充满信心。