辅助训练和决策，VR 技术如何让无人车快速上路？

上个月底，谷歌下属的 Waymo 无人车，在加州中央山谷秘密测试基地，向媒体展示了无人车路测情况。Waymo 的无人驾驶汽车在完全没有人类司机保护的情况下，按照既定导航路线行驶，成功避开游乐设施，合理地躲避其他车辆、行人和骑自行车的人，最后成功到达目的地，给受邀媒体留下了深刻的印象。路试的视频如下：

VR 和无人驾驶汽车都是目前很热的领域，通常大家认为这两种技术的结合点不多。但 Waymo 这次成功路测，离不开 VR 技术。

谷歌 Waymo、丰田、Uber和苹果都在使用 VR 来训练他们的无人车。目前 VR 主要通过两种途径帮助无人车尽快上路，一种是帮助训练无人车的机器学习系统，在短时间内提供大量的样本供无人车学习，让它尽快聪明起来，同时避免了实际路试可能导致的公共安全风险；第二种是能够在未来帮助决策者，判断一型无人车是否具备了可靠的安全性，是否符合上路的资质，提高决策效率。

VR 帮助训练无人车

为了说明这个问题，我们先从机器学习开始谈。大约十年前，谷歌在开发第一代无人车的时候，受计算机处理能力所限，工程师们只能把路上可能遇到的每一个小细节都进行编码，一行一行地写到汽车软件程序中去。随着计算机处理能力的迅速增长，无人车制造商开始构建复杂的算法，让其具备自主学习的能力，尽快达到甚至超越人类司机的水平。

无人车工程师 Luc Vincent 说，「这就是为什么我们的无人车能够快速发展，10 年前谷歌开始做的时候，机器学习还无法用于无人车」。Waymo 和它的许多竞争对手已经开始构建深层神经网络算法，通过大量的机器学习样本，来辨认行人、识别街道标志和车道标志，预测道路下会发生什么，并计划前进路线。

Waymo工程副总裁德米特里说，当汽车需要更深刻地了解周围的世界时，机器学习就变得更加重要了，机器人技术和机器学习齐头并进。

机器学习离不开大量的学习样本，需要用摄像头、雷达和其他传感器来收集实际道路中的数据，并由人类进行准确标注，比如标注出哪是路牌、行车道、信号灯、行人、骑自行车的人等，再供机器学习算法学习。在实际道路中收集和标注每一个细节的工作量非常庞大，因此实际路测提供的样本数量严重受限。

VR 模拟技术可以解决这个问题。最近 Waymo 公布了一款名为 Carcraft 的巷道模拟器，这个模拟器能够提供现实路试不可能实现的样本规模，来训练无人车。无人车花在虚拟道路上的时间将比在真实道路上多得多，其算法也将从模拟器中学到更多新的行为。

丰田研究院首席执行官 Pratt 说，丰田也正在使用模拟道路来训练该公司无人车的神经网络，并已取得了成果。模拟已经跟实际情况足够相似，可以用来支撑无人车的算法训练。模拟器的优点