去年 9 月，集智慧、胆量和疯狂于一体的特斯拉 CEO Elon Musk 曾断言，人类社会可能是更高级文明控制下的一场模拟游戏。虽然听起来脑洞有些大，但你不得不承认的是，人类正在为了各种目的使用模拟这种方法，比如教飞行员如何飞行，训练 AI 算法找出猫和狗之间的不同。

据悉，类似 Improbable 这样的新创公司正试图模拟整个世界，所以即使我们成不了火星人，至少能在地球破败不堪时进入那个模拟的理想王国逃避一下现实。

在自动驾驶行业，模拟则成了自动驾驶系统学习驾驶技能的好帮手。

“革命”尚未成功，自动驾驶汽车仍需努力

看着铺天盖地的自动驾驶新闻，你可能会觉得，它们马上要占领公路。事实上还早着呢。诚然，类似 Waymo 这样的公司已经开始进行有限的部署了，自动驾驶公交或矿车更是在各自领域取得了不错的成绩，但真正成了气候的只有 ADAS 系统，其自动化功能有限，被许多自动驾驶“原教旨主义者”看不起。

关于自动驾驶，SAE 曾形象的将其分为五个级别，到了 Level 5 后你就能随心所欲享受自动驾驶汽车的服务了，而我们较为常见的 ADAS 系统，则只有 Level 2 的级别。

想要达到 Level 5 级别的自动驾驶（特别是大规模实现），需要多重因素交织在一起才能成功。比如说超快的无线通讯（5G），高精地图和类似激光雷达的专用传感器。

当然，自动驾驶系统的第一要务还是学会如何驾驶。眼下，为了让算法认识到，真正的驾驶可不是“侠盗猎车手”（其实已经有公司利用这款游戏来合成训练数据了），大家主要还是靠数百万公里的实地驾驶。

自动驾驶汽车步入“模糊矩阵”

这样日以继夜的采集路测数据不但费时费钱，还非常危险。

首先，尚未成熟的自动驾驶汽车可能会造成致命事故，就像去年 3 月 Uber 测试车那样。

其次，这样的鲁莽测试会招来反对者的攻击，Waymo 测试车在凤凰城遇到的恶意攻击就是最好的例子。

除了路测历程突破 1000 万英里，Waymo 还在借助类似矩阵的模拟技术 Carcraft 训练自动驾驶汽车。去年一年时间里，Waymo 的虚拟车队中的 2.5 万台测试车在虚拟世界中跑了 50 亿英里。

Waymo 虚拟世界的首席建筑师 James Stout 还解释了它的工作原理：

“我们有同时运行着的不同宇宙和世界，在对微小变量进行不断测试的同时，我们也在创造车辆从未见过的模拟场景。模糊在这里起了重要作用。”

所谓的“模糊”其实始于一个驾驶场景，比如四向停车的路口，在这里 Waymo 数不清的实地测试经验能帮上大忙。不过，顺利攻克这一难关后，数据开始模糊化，变出了近乎无穷无尽的场景等待虚拟测试车去挑战。自动驾驶系统在这里积累的经验随后会被反馈到实地测试中。

举个简单的例子，这就像黑客帝国中的 Neo 直接在云端下载了成龙的全套技能，随后瞬间变身武术大师。