1700045318
特伦团队解决无限状态空间的方法其实很简单：把车外千变万化的客观世界简化成两种情况：可驾驶和不可驾驶。他们训练机器学习系统把车载雷达和摄像机收集到的原始实时视觉数据分成两类。为了教机器学习软件识别可驾驶的地面，每个周末团队都会回到沙漠中，收集更多能反映沙漠地貌的视觉数据。当系统出错，他们就会及时调整，然后训练继续。
1700045319
1700045320
为了用采集来的数据给中层控制软件的概率网格图搭建视觉系统，特伦团队把数据流配上颜色代码。把机器学习软件认为可以驾驶的前方路面配上一种颜色，不能驾驶通过的路段数据配上另一种颜色。视频显示，当“史丹利”前进时，屏幕上会出现让人眼花缭乱的色彩漩涡，机器学习软件就这样把沙漠的无限状态空间简化成两种类型的。
1700045321
1700045322
“史丹利”在2005年挑战赛最终获胜，证明了计算机的视觉应用系统能通过机器学习在复杂多变的现实世界环境中应用。在机器学习软件的发展过程中，关键的推动因素之一是培训数据增多，数量充足。在无人驾驶的应用中，培训数据来源于车载硬件设备，曾经作为稀缺资源的培训数据，随着车载硬件设备在过去几年中的极大提升，也将变得不再稀缺。
1700045323
1700045324
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043807]
1700045325
现代工具箱
1700045326
1700045327
“重组创新（Recombinant Innovation）”指的是用创新的方式，把现行的几项技术组合起来的过程。尽管人们总觉得像无人驾驶这样的新兴技术（尤其是看起来非常复杂的技术）是孤僻的天才发明家用新奇的方式凭空创造的，但实际上它是重组创新的最佳案例。
1700045328
1700045329
重组创新是摩尔定律间接衍生而来的副产品，这条著名定律的内容是半导体材料的性能增长是呈指数型的，同时成本的下降也是呈指数型的。几十年来，摩尔定律堪称指导半导体技术发展的真理。它的影响力已经延伸至其他类型的硬件，如内含计算机芯片的数码相机、数字电视和电动玩具。
1700045330
1700045331
自20世纪70年代以来，自动驾驶原型车逐渐得到高速发展，彰显了重组创新的力量和摩尔定律的影响。80年代，卡内基·梅隆大学的导航实验室研发出一辆名为“怪人（Codger）”的自动驾驶原型车，车型庞大如UPS全球特快的运输卡车一般。“怪人”的庞大体型是因为装载了多种昂贵的高端科技产品，包括大块头的彩色电视摄像机、GPS接收器、激光测距仪和几台安装了第三代太阳操作系统的计算机。“怪人”行驶在空旷的公路上，最高时速可达每小时20英里。该车行驶在城市街道上并不安全，在开阔的街道上完成导航需要10秒，若是在混乱的环境中需要20秒以上甚至更长……
1700045332
1700045333
让我们快进到2007年，此时已经出现了先进水平的自动汽车，前景一片光明。康奈尔车队为参加2007年DARPA挑战赛的车辆耗费巨资，用195,850美元购买激光雷达和传感器、GPS系统和摄像机；另花46,550美元购入若干台式电脑、手提电脑及外围设备。虽然在2007年装备一台无人驾驶汽车的费用要比20世纪80年代少许多，但购入的计算机和传感器的运行速度总是慢半拍，跟不上自动驾驶车速。2007年DARPA的赛后分析中，CMU车队的负责人，后来成为谷歌无人驾驶项目领导者的克里斯·厄姆森（Chris Urmson）悲哀地发现“现行可用的传感器无法满足城市驾驶的需求”……
1700045334
1700045335
再快进到现在，前景看起来更诱人了。车载中层控制软件能保证数据的供应，其价格也比2007年大幅下降。到写作本书的今天，装配一辆无人驾驶汽车的硬件系统每年只需要5000美元，而且这个价钱在未来5~7年还会更低。现代硬件设备不仅价格亲民，而且体积小巧，适合安装在车体内部。雷达检测器的大小仅相当于一个冰球；GPS系统的接收器小到能轻易放置在汽车仪表盘内部；一台轻便的手提电脑处理能力远远超过1960年的微型货车般大小的大型机；一些雷达设备可以安装在汽车前灯隔壁。
1700045336
1700045337
今天的使能技术性能更好。就在厄姆森感慨“现行传感器性能不足”的7年后，2014年谷歌汽车的驾驶路程达到了70万英里。厄姆森说：“两年前，我们绝对应付不来城市街道的上千种复杂路况，而现在自动驾驶却可以处理得游刃有余。”2007年，无人驾驶还属于那种让人浮想联翩的“明日科技”。才过了几年，谷歌公司先进的无人驾驶原型车就成功在城市街道行驶超过70万英里。
1700045338
1700045339
谷歌汽车项目团队在短短几年时间内就设计和研发出一款功能完备的无人驾驶汽车，其成功也许可以看作以超前的意识走在行业前端的一个例证。此外，谷歌还享有其他几项优势，其中一项是资金。多年充裕的财政预算，足以使谷歌应付棘手的科研问题。
1700045340
1700045341
2007年，谷歌科研经费开支高达21亿美元，占公司年收入的12%。虽然不清楚21亿美元中有多少分配到无人驾驶的项目上，但我们可以做个对比，同年DARPA为其他所有团队分发了总共100万美元用于车子配置全套技术装备（含团队里学生购买比萨的钱）。
1700045342
1700045343
谷歌也有钱去支付精英人才的薪水。间接地，DARPA在系列挑战赛中的投资帮助谷歌公司突破瓶颈，加速发展。在DARPA挑战赛中崭露头角的精英随后成为谷歌公司无人驾驶计划“Chauffeur”的重要人才来源。塞巴斯蒂安·特伦在挑战赛结束后不久就被谷歌公司聘用了。
1700045344
1700045345
在后来的采访中，特伦讲述了谷歌公司是如何在挑战赛的人才中挑选目标……然后再扩张至其他类型的人才。当DARPA挑战赛的精英人才都被挖掘并输送到谷歌任职以后，谷歌又吸引了世界各地多个领域的最顶尖的人才前来任职，研究领域包括机器学习、机器人、接口设计和激光技术。
1700045346
1700045347
谷歌聘用的部分工程师最终为公司设计出，改装自丰田普锐斯（Prius）的第一代谷歌无人车。DARPA挑战赛的资深选手，安东尼·莱万多斯基（Anthony Levandowski），因为在伯克利大学上学时期就创造出全球第一部“无人摩托车”而扬名，他毕业后创立“510 Systems”创业公司。DARPA挑战赛结束后，“510 Systems”受聘于探索频道，给观众展示比萨外卖机器人。比萨外卖机器人的成功，引起了谷歌公司的注意。“510 Systems”的员工马吉思克（Majusiak）回忆称：“从那时候起，我们开始了与谷歌的合作……我们几乎承包了谷歌所有的硬件集成设备，谷歌只做软件。我们手上有汽车和底层控制系统，直接提供给谷歌使用。”2011年，5辆改装过的无人驾驶普锐斯问世，谷歌便整体收购了“510 Systems”。
1700045348
1700045349
资金和人才毫无疑问是大型重点科研先项目取得成功的关键因素。此外，还有第三种因素让谷歌公司的汽车在同行中脱颖而出：准备时间。机器学习软件，就像小孩子，需要时间去学习驾驶。历届DARPA挑战赛的参赛车辆是高校学生、教授和专业工程师团队长达12~18个月艰苦卓绝的心血结晶。由于DARPA挑战赛设立的规定，参赛公司没有充裕的科研时间，也不能私下在赛道上测试软件。为了确保比赛的公平，DARPA绝对禁止各个车队对车辆在街道、公路和模拟沙漠的酷热环境中进行赛前演练。车队只能在无法知晓比赛会遇到什么障碍、路况的情况下调试软件。到了比赛当天，各参赛队伍纷纷把自家企业的声誉都赌在赛道上，向公众展示他们的车子。
1700045350
1700045351
事实上，为了保住“知名软件公司”“对数据有着独到洞察力”等良好印象，谷歌公司私底下进行了一次无人驾驶汽车的科研试验。因此，媒体和公众将无从得知谷歌早期的技术错误（如果曾经存在过的话）。到2011年谷歌的普锐斯车队面向公众的时候，车辆已经被“学习”得接近完美，表现无可指摘。
1700045352
1700045353
“充裕的科研预算、天才般的研发团队、预留的训练时间”，受益于这三大因素，人们看起来谷歌似乎轻而易举就创造出了优秀的无人驾驶车队。我们认为谷歌公司成功的原因里，还有一样和以上三大因素同等重要：绝佳的时机。事实上在过去的几年内，摩尔定律的无形而强大的影响力与日俱增，重组创新进入全盛时期。今天，无人驾驶汽车的发展终于步入正轨：智能软件来指路，数据支持有保障。提供数据来源的设备包括高速数码摄像机、高清数字地图、激光雷达和GPS定位系统。
1700045354
1700045355
1700045356
1700045357
1700045358
图7.3 无人驾驶领域的人工智能技术应用。大部分的机器人系统采用了各种技术的结合。物体识别技术被用来监测实时路障和识别交通秩序，部分是人工智能技术最大的挑战（如图中最左的一栏所示）
1700045359
1700045360
1700045361
1700045362
1700045363
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043808]
1700045364
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 第八章 无人驾驶汽车全解读
1700045365
1700045366
无人驾驶汽车依靠不同种类的车载传感器回传的数据流来“听”和“看”，而车辆识别地理位置则是通过GPS定位系统和高清存储数字地图。让我们一起来深入了解一下，这些为汽车操作系统提供数据的硬件设施。
1700045367