1700045190
1700045191
(读者们回想一下,在这以后,DARPA还使用了类似的方法来推动灾难般的CHIMP机器人的发展。)
1700045192
1700045193
2001-2007年六年间,DARPA分别赞助了三场公路赛事——2004年、2005年与2007年的DARPA挑战赛。2004年首届DARPA挑战赛,冠军团队的现金奖励高达100万美元,非常诱人。哪家的自动汽车能成功通过位于美国西南部的不毛之地莫哈维沙漠的150英里长赛道,就获胜。沙漠是第一届比赛地点的首选,由于当时的无人驾驶技术非常不完善,机器人专家必须选择远离繁华的地区进行测试,远离那些购物中心和熙熙攘攘的街道,避免潜在的风险。
1700045194
1700045195
事实证明,选择在沙漠开赛是正确的。由于车载软硬件系统过于粗糙,15支参赛团队都没能顺利完成眼前的任务。硬件传感器和GPS系统速度慢不说,而且极其不稳定。机器的软件表现就更糟了,致使车子在路堤和岩石上停滞不前。参赛车辆由于各种机器问题纷纷退出比赛,比赛进行了几个小时以后,15支参赛队伍中竟然无一能行走超过8英里的路程。最终,这一届比赛的100万美元的现金大奖没能送出。
1700045196
1700045197
面对如此惨淡的比赛结果,几乎每一位参赛者都会冒出放弃的念头。2004年挑战赛结束后,CNN对DARPA挑战赛的项目副经理汤姆·斯特拉(Tom Strat)进行了采访。汤姆本人却依然很乐观:“尽管没有一位选手能完成超过5%的赛程,但这更将激发工程师们的斗志。”
1700045198
1700045199
DARPA并没有知难而退,继续为下年赛事的举办筹集奖金。2004年的比赛汇集了各式各样令人眼花缭乱的自动化汽车,从小型承重2吨的卡车到车轮巨型的沙漠越野车,无奇不有。这次以后,在2005年的比赛中,主办方提高了参赛选手的门槛,对比赛场地严格把关,专门举办了一场全国资格赛,而冠军车队的奖金增加到了200万美元。
1700045200
1700045201
根据各参赛车队的资格赛成绩,DARPA从中选择了前23名参赛者进入2005年的DARPA挑战赛。比赛场地仍然是荒芜的沙漠,规则与2004年大致相同:参赛车辆在不借助公路设施和外力帮助的条件下,自动驾驶通过132英里长的越野赛道。
1700045202
1700045203
很遗憾,只有在半个世纪前任职通用汽车公司和美国无线电公司的工程师(比赛的评判者)才有机会真正亲眼见证这空旷沙漠里的奇迹——2005年的DARPA挑战赛是移动机器人发展史上的临界点。史上第一次,五辆无人驾驶汽车使用人工识别系统,成功通过了路况恶劣的沙漠赛道。
1700045204
1700045205
2005年挑战赛的冠军是斯坦福大学车队,他们在七小时内顺利完成了比赛。卡内基·梅隆大学的两支车队紧跟其后,分别获得亚军、季军。第四名由来自格雷保险公司(Gray Insurance Company)的选手摘得,第五名则花落美军重型战术卡车的唯一供应商奥什科什卡车公司(Oshkosh Truck Corporation)。
1700045206
1700045207
斯坦福车队赢得冠军的过程,比挑战赛结果更让人兴奋。有些车队使用拓扑地图(Topographic maps)和航空影像生成车行线路,而冠军车队,一辆名为“史丹利”的改装版大众途锐则另辟蹊径:史丹利的中级控制系统使用机器学习软件,成功地做到了识别与响应。
1700045208
1700045209
1700045210
1700045211
1700045212
图7.1 2005年DARPA挑战赛中,位于内华达州路西·格雷山(Lucy Gray Mountains)的Beer Bottle Pass赛道,此处距离终点约有7英里,颠簸崎岖的高难度路段超过20处
1700045213
1700045214
来源:维基百科,DARPA挑战赛(2005年)
1700045215
1700045217
机器学习和无人驾驶
1700045218
1700045219
斯坦福大学教授塞巴斯蒂安·特伦(Sebastian Thrun)带领那支研发出“史丹利”的冠军团队,对赛前准备有着不同于对手的思考。首先,他意识到是汽车软件,而不是硬件决定比赛胜负。其次,是对中级控制系统软件的研发。考虑到汽车引导软件中“识别”和“响应”两大功能的重要地位,他们摒弃了当时盛行的中规中矩的基于规则的人工智能软件。在项目初期,他们也曾尝试去写一套符合逻辑的指令,指导汽车在比赛过程中处理可能遇到的障碍,事实证明这种做法行不通。最终,特伦与其团队选择了机器学习的方法,他解释道:
1700045220
1700045221
许多参赛者非常关注硬件,于是许多车队研发出独家的机器人汽车来参赛。我们则认为,比赛重点不在于机器人的力量强弱或汽车底盘的设计优劣。如果是人类驾驶的话,任何车都能够顺利通过沙漠赛道,这段越野赛道并不复杂,只是一段普通的沙漠车道。于是,我们决定仅研究人工智能,把一台计算机安装在车内,为车子安装“千里眼”和“顺风耳”,打造出一辆智能化汽车。
1700045222
1700045223
在汽车智能化的研发中,我们发现简单的规则不足以指导软件完成驾驶,需要成百上千条代码指令,才足以应付多种的意外情况。某天的测试中,公路旁有一群鸟。当汽车靠近时,鸟群飞起。这时候我们才发现在机器人的“眼睛”里无法识别鸟类和岩石!于是我们不得不提高汽车智能化程度,把鸟和石头区别开来。
1700045224
1700045225
后来,我们依靠所谓的机器学习或大数据来驱动汽车:与其写出所有的程序,不如用教人类驾驶的方法来教机器人。我们来到沙漠,我开车,机器人“观看”并“模仿”我所有的动作。后来,我们直接让机器人来驾驶,当它犯错的时候,我们返回到数据中解释错误原因,给机器人机会改正错误。
1700045226
1700045227
要搞清楚为什么特伦的机器学习在当时被称为一项重大创新,一起来回顾前面几章提到的两种主流人工智能软件类型:自上而下的基于指令的符号型人工智能和自下而上的数据驱动型人工智能。正如我们之前所讨论的,自上而下的符号型人工智能要求程序员必须先搭建出整体的理论模型,然后写出一系列应对各种状况的指令,与模型产生交流。不同的是,自下而上的数据型人工智能,例如机器学习,采用大量的数据算法并使用相应的技术进行数据处理,最终使得汽车软件无需人类监管,也能自主学习并“识别”固定的模式。
1700045228
1700045229
在第四章的一项实验中,假设现在要利用中层控制软件来指导无人驾驶汽车通过一个繁忙的十字路口。在这项实验中,我们发现无法通过写代码的方式指导汽车处理每一种状况,或定义每一处在现实世界中可能遇到的障碍。仅仅依靠计算机软件发出死板的“如果-则”指令,无法灵活调控汽车的视觉和响应功能。用不了多久,临界状况或指令以外的小插曲就足以令它寸步难行。
1700045230
1700045231
现在设想进行一项类似的实验,不过这次实验的目的是利用中层控制软件来指导无人驾驶汽车穿越沙漠,那么这种中层控制软件必须具备强大的识别功能,准确分辨车辆前方路段能否安全通过。一个可能的办法是利用航空影像和GPS定位系统为参赛车辆生成路线,穿越沙漠(2005年DARPA挑战赛中部分参赛者使用了这种方法)。经过考虑,我们认为该方法治标不治本。当车辆在行驶途中遇到系统预设好的指令以外的情况,如凹凸不平的路面、坑洞、岩石和沟渠等,软件将不知所措。
1700045232
1700045233
于是,我们得出一项重要结论,为了确保无人驾驶汽车的安全、顺利驾驶,需要构建中层控制软件实时读取从传感器输出的路况数据。在此基础上,仍然有许多程序员倚赖死板的指令方法来定义“驾驶功能”。在2005年DARPA挑战赛中,某支参赛队伍花费数月时间,编写整套逻辑指令来处理传感器输出的数据流。他们希望当车辆前方的路况数据增长时,系统控制软件能够指示车辆转向,绕开障碍物。经过数月的艰苦努力,他们创建了数量巨大、详细的数据库。遗憾的是,这支车队赢取百万奖金的旅程停止在比赛途中。他们的车辆由于制动不及时,在隧道入口发生碰撞。对此,该车队表示他们在预先编写中,缺乏应对隧道的特殊指令,团队在赛前准备时没有预料到这种状况。在缺乏清晰指令的情况下,系统只能根据数据胡乱猜测:隧道顶部很高,且赫然出现在车道中央,于是系统软件将其判断为一座巨大的高墙。在这样的误解下,系统作出自认为对的处理:踩下刹车,拒绝前进直等到工作人员到来,将它带回安全地段。
1700045234
1700045235
假如我们是参与“史丹利”项目的研发人员,就会明白特伦团队的选择:自动驾驶不是两三条指令可以做到的事,需要成百上千条指令方可成事。指令数量之大,绝对不是凭几个程序员的力量可以完整写出来的。哪怕在一条空旷的赛道上,也可能发生无数人们始料未及的新状况。以指令为基础的符号型人工智能,只能在沙漠路面结冰的时候起作用。配备测量团队和研发团队投入无限时间精力,创建出覆盖整个路面的数字地图,详细到路面每一块小石子和车库里一点点的不整齐之处。哪怕人们创造出了这幅完美的数字地图,该模型的代码基础仍然不能避免失败,因为客观世界会出现各种混乱的突发状况,千变万化。
1700045236
1700045237
以指令为基础的软件价值体现在无人驾驶汽车的高级控制功能应用上,例如路线规划、检查油箱等简单的操作。然而,由于这种类型的人工智能在非结构性环境中很容易崩溃,所以也给许多机器人专家留下“脆弱不稳”的印象。在2004年的DARPA挑战赛恰好反映了这种情况,参赛者使用的软件无法持续正常工作,结果全部失败,最好的驾驶成绩是8英里路程。
1700045238
1700045239
第三届,也是最后一届DARPA城市挑战赛在2007年举行。在这届挑战赛中,自动汽车收获了好几项突破性的成果。为了让各参赛队伍能够有所突破,主办方将比赛地点选在洛杉矶东北部75英里的一座废弃空军基地,赛道长60英里。该赛道状况无法事先预测,充满未知数,模拟的是在混乱的战争地区或车水马龙的高速公路上行驶的场景。想要赢取冠军的200万美元奖金,各参赛车队需要在没有清晰指令的条件下,通过中层控制软件在陌生的交通环境中或高速行驶的车流中安全驾驶。在当时,要完成这项任务,面临的挑战就好比人类在伸手不见五指的暴风雪中攀登珠穆朗玛峰,并且没有地图可以参阅。
[
上一页 ]
[ :1.70004519e+09 ]
[
下一页 ]