結(jié)合了圖像翻譯和行為克隆的端到端零鏡頭框架

大多數(shù)自駕車公司使用模擬來驗證他們的系統(tǒng)，而Wayve讓自動駕駛汽車在仿真中廣泛學(xué)習(xí)如何處理罕見的邊緣情況。Wayve訓(xùn)練汽車進行模擬駕駛，并將學(xué)到的知識轉(zhuǎn)化到現(xiàn)實世界。

Wayve沒有將模擬和現(xiàn)實世界視為兩個不同的領(lǐng)域，而是設(shè)計了一個框架，將兩者結(jié)合起來，既可以在模擬中訓(xùn)練轉(zhuǎn)向決策，又可以在現(xiàn)實世界中展現(xiàn)出類似的行為而無需進行真正的演示。

Wayve的模型由一對最初用于圖像轉(zhuǎn)換的卷積變分自動編碼器式的網(wǎng)絡(luò)組成，用于圖像翻譯，即無監(jiān)督圖像到圖像的翻譯網(wǎng)絡(luò)（Unsupervised Image－to－Image Translation Networks， UNIT））。在兩個域之間沒有任何已知的對齊或?qū)��?yīng)關(guān)系的情況下，模型能夠在它們之間進行轉(zhuǎn)換。下圖是一個捕捉場景主要布局的例子。值得注意的是，模擬器的視覺保真度在學(xué)習(xí)駕駛時并不是最重要的，他們的模擬世界就像卡通一樣，依舊可以很好的完成仿真模擬。Wayve研究稱，內(nèi)容保真度比視覺保真度更重要。但是，有效地模擬其他交通參與者的行為仍然是一個巨大的挑戰(zhàn)。

基于真實世界的駕駛數(shù)據(jù)和精心設(shè)計的邊緣案例來模擬場景

汽車由基于模型的深層強化學(xué)習(xí)系統(tǒng)驅(qū)動，該算法從離線收集的真實數(shù)據(jù)中學(xué)習(xí)預(yù)測模型。這讓模型學(xué)習(xí)并使用預(yù)測模型所想象的新場景數(shù)據(jù)來訓(xùn)練駕駛。

Wayve致力于開發(fā)更豐富，更強大的時態(tài)預(yù)測模型，并相信這是構(gòu)建智能安全自動駕駛汽車的關(guān)鍵。

目前，該系統(tǒng)已經(jīng)部署在 JaguarI－PACE 車上。這輛車贏得了2019年度歐洲年度車型的稱號，未來將在整個英國和歐洲大陸收集數(shù)據(jù)。當(dāng)下，讓數(shù)據(jù)逐漸積累，其驅(qū)動算法可能達到人類駕駛員質(zhì)量的95％，能夠處理交通燈，環(huán)形交叉路口，十字路口等。

盡管有人會覺得端到端的自動駕駛系統(tǒng)，既不聰明也不靈活，發(fā)生問題難以解釋，然而Wayve在用其強大的算法證明這種深度學(xué)習(xí)的技術(shù)不只可以做demo，未來也可以保證安全，也可以商用。