Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

2月9日消息,据国外媒体报道,Waymo首席技术官兼工程副总裁多德米特里·多尔戈夫(Dmitri Dolgov)最近接受了科技媒体TechCrunch的采访,谈及自动驾驶项目成立早期的日子、公司现状以及未来发展。他表示,技术在发展、观念在改变,永恒不变的是技术迭代的速度,以及发现新事物和解决新问题的能力。

Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

十年前,大约十几名工程师聚集在位于查尔斯顿路(Charleston Road)的谷歌山景城园区,从事“司机计划”(Project Chauffeur)的工作。

“司机计划”也就是俗称的“谷歌自动驾驶汽车项目”于2009年1月启动,隶属于谷歌X项目。其最终于2016年从谷歌项目中剥离出来,成为一家名为Waymo的独立公司。

该项目最初由塞巴斯蒂安·特伦(Sebastian Thrun)领导,从而激发出一个至今仍在发展的完整生态系统。风险投资家也注意到了这一点,纷纷涌入其中,汽车分析师改变了既定策略,监管机构、城市规划者和政策专家开始收集数据,并考量自动驾驶汽车对城市发展的影响。

这一项目也成为了许多工程师的跳板。在项目得到锻炼后,他们纷纷创建了自己的公司。其中包括Aurora联合创始人克里斯·厄姆森(Chris Urmson)、Argo AI联合创始人布莱恩·Salesky (Bryan Salesky)和安东尼·莱万多夫斯基(Anthony Levandowski)。

Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

可能不太为人所知的是,最初加入Waymo项目的许多人仍在Waymo公司工作,其中包括安德鲁·查塔姆(Andrew Chatham)、德米特里·多尔戈夫(Dmitri Dolgov)、德克·海内尔(Dirk Haehnel)、纳萨尼尔·费尔菲尔德(Nathaniel Fairfield)和迈克·蒙泰默罗(Mike Montemerlo)。根据人们对“早期员工”的通常定义,还包括像Hy Murveit、Phil Nemec和Dan Egnor这样的人,他们已经在那里工作了八九年。

Waymo首席技术官兼工程副总裁多尔戈夫最近接受了科技媒体TechCrunch的采访,谈及项目成立早期的日子、公司现状以及未来发展。

Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

TC:让我们回到最开始的时候。给我介绍一下你到谷歌自动驾驶项目的最初几天。

多尔戈夫:当提到是什么吸引我来到这个领域时,我想到的总是三件主要事情:技术的影响、技术本身的挑战以及与你共事的人。很明显自动驾驶技术可以对交通安全产生巨大的影响。但除此之外,自动驾驶技术还可以提高效率,消除交通中人、物的摩擦。

这种兴奋感似乎永远不会消失。我还记得我第一次驾驶自动驾驶汽车的经历。那是我第一次用我早些时候写的软件驾驶汽车。当时是在2007年。这完全出乎我的意料。(2007年11月,在谷歌自动驾驶项目启动之前,多尔戈夫参加了DARPA的城市挑战赛。)

Waymo首席技术官:最大的挑战是如何把自动驾驶变成产品

TC:谷歌联合创始人拉里·佩奇(Larry Page)提出的10100英里的挑战是什么?你能给我描述一下吗?

多尔戈夫:这可能是我们2009年在谷歌启动这个项目时为自己定下的主要目标。其最终目标是利用自动驾驶技术驾驶10条路线,每条都有100英里长。你必须从头到尾让自动驾驶技术驾驶每一辆车,没有任何人为干预。

这些都是定义非常清晰明确的路线。所以在一开始,你就要使用自动驾驶模式的汽车,然后必须独自完成整个100英里。

这些路线都是特意挑选出来的,以确保自动驾驶任务具备完全的复杂性。在项目早期,对我们来说,一切都是为了理解问题的复杂性。所有的路线都在旧金山湾区。我们在帕洛阿尔托周围开车,在高速公路上花了很多时间,开过了旧金山湾区的所有桥梁。我们有一条路线是从山景城到旧金山,还穿过朗伯德街。我们还有一条路线是环绕着太浩湖。

我们试图尽可能多地覆盖道路环境的复杂性。这项任务的伟大之处在于它帮助我们快速理解道路空间的核心复杂性。

TC:完成这些挑战需要多长时间?

多尔戈夫:直到2010年秋天我们才完成。

TC:能够在2010年完成这些挑战真是太神奇了。然而在这个任务上似乎还有很多工作要做。

多尔戈夫:没错。但我认为这是问题的本质。拥有一个可以完成一次两次任务的原型,与开发一个人们可以在日常生活中开始使用的产品有很大不同。尤其是在这个领域刚开始的时候,我们很容易在这种一次性的任务上取得进展。

但真正困难之处在于,你需要让整个系统达到难以置信的性能水平,才能使它成为一个产品。这是第一点。第二是你遇到的问题往往会拖着复杂的长尾。也许你99%的时间都发现不了问题,但你仍然要为那1%或1.1%做好准备。

TC:当你回想起那些早期的日子,或者更近一些的时期,是否曾经出现过看似无法解决的软件问题或硬件问题?

多尔戈夫:早期我们面临各种各样的问题。在这个项目的早期历史中,我们只是着手解决一些问题,并不真正知道我们将如何做到这一点。

你开始解决这个问题,并朝着既定方向前进。回想一下过去几年我的感受,这已经不是一个问题或者是一些非常困难问题的事了,而是说我们遇到了瓶颈。

相反,它更像是数百个真正困难的问题。但每个都不像一堵墙,因为你知道,团队很棒,技术真的很强大,你可以通过问题取得更多进步。

但是你总是在解决几百个这样复杂的问题,你越是深入地去解决每一个问题,你就越能意识到它有多难。

这是一个非常有趣的组合。一方面,你越了解就发现问题变得越难。但另一方面,技术进步和突破的速度比你原先预想的要快。

TC:你是什么时候意识到这个项目已经改变了(除了官方的公告)?你是什么时候意识到它可以是一门生意,而不仅仅是解决问题?

多尔戈夫:我认为更多方面是我们思维的一种进化,是我们在更清晰定义这种技术的产品和商业应用基础上投入更多努力的结果。

当我们开始的时候,第一个阶段的问题是“这可行吗?这项技术会奏效吗?”我想每个人都很清楚,如果这项技术成功了,将会产生巨大的影响。

目前还不清楚什么样的商业应用或什么样的产品会带来这种影响。但是这项技术改变世界的方式是如此之多,以至于我们没有花太多时间去担心这一方面的问题。

想想看,我们在这里构建的是一个驱动程序:我们的软件,我们的硬件——在汽车中运行的软件,在云上运行的软件。我们将整个技术堆栈视为一个驱动程序。

在美国,大约有3万亿英里行程是由人完成驾驶的。在某些情况下,他们会自己开车;在某些情况下,他们会开车送其他人;在某些情况下,他们会开车送货。一旦拥有了“驱动程序”技术,就可以在所有这些情况下进行部署。但是这一切有利有弊。

随着时间的推移,我们对于“最吸引人的是什么?”和“我们如何处理它们?”的思考已经成熟。

这就是我们目前的工作成果。叫车服务是我们追求的第一个商业应用。除此之外,我们还致力于长途货运和远程运输。在某种程度上,我们有兴趣将这项技术应用到私家车,快递业以及公共交通等等。

TC:你最感兴趣的应用是什么?你认为可能被忽视或者你个人最感兴趣的应用是什么?

多尔戈夫:看到这项技术和驱动程序被部署在全球不同的商业应用中,我感到非常兴奋。但我认为最让我兴奋的是我们现在追求的头号目标,也就是叫车服务。

我认为它有可能在最短时间内对最多的人产生积极影响。

我每天也在乘坐这种汽车,这就是我今天上班的方式。这就是我在山景城和帕洛阿尔托往返的方式。能够体验这些汽车真是太棒了,它消除了交通中的很多摩擦。

TC:所以说你现在每天都乘坐自动驾驶汽车上班?

多尔戈夫:是的,但是在加州,仍然有人呆在车里。

TC:你这样做多久了?

多尔戈夫:有一段时间了。事实上,似乎永远都是这样。

我总是待在车里。我认为体验你正在开发的产品并直接感受技术是非常重要的。在项目早期就是这种情况,当时只有一小拨人在做所有事情。

随着团队的成长,我仍然会确保自己能够体验这项技术,每周至少进行一次测试。

当我们开始着手部署叫车应用时,我们开发了一个应用程序,我们建立了相应的基础设施,使之成为面向用户的产品,我也是早期的测试人员之一。

那一定是三年前的事了。

TC:10年前,你有没有想到10年后的今天我们会发展到如此地步?或者说比你预期得更快或更慢?

多尔戈夫:对我来说,我认为一方面,2009年我不会预想到未来在硬件、软件、人工智能和机器学习方面的技术会有所突破。我认为今天的技术比我在2009年所想的要强大得多。

另一方面,实际开发出一个真正的产品并将其部署供人们使用的挑战比我预期的要困难得多。所以说这是一种复杂的情况。

TC:相应的技术突破有哪些?

多尔戈夫:有很多。比如说激光雷达和车载雷达都变得更加强大了。

我所说的强大,是指作用范围更大,分辨率更高,功能更高。也就是说,它们可以测量的东西更多。这是在感知方面的技术突破。

计算技术特别是在硬件加速并行计算也有所突破,这对于神经网络的发展是非常重要的。这是一个巨大的推动力量。

然后是深度学习,神经网络本身也带来了一些突破。

TC:对,我也认同你给出的最后两个例子,我也认为这是最近几年的突破。这些技术突破有相应的时间框架吗?

多尔戈夫:我们一直在这个项目中使用机器学习技术,但它与今天的机器学习不同。

我认为2012年是项目最有意义的时间点。我们开始与谷歌在自动驾驶技术和深度学习方面进行了合作。

可以说,当时谷歌是世界上唯一一家认真投资于自主驾驶和深度学习的公司。

那时,我们还没有能够在汽车上实时运行这些网络的相关硬件。但是你可以在云上做一些非常有趣的事情。

对于深度学习来说,2013年是非常重要的一年。我想这是ImageNet赢得一场大赛的时候,它是深度学习的一个突破。其在计算机视觉竞赛中的表现胜过了所有其他方法。

TC:2009年时你能想象2019年的世界吗?届时,加州将有大量的自动驾驶汽车公司在公开道路上进行测试。这在当时看起来会成为现实吗?

多尔戈夫:不,不,这不是我在2009年或2010年想象的场景。

在项目早期,人们甚至会嘲笑我们。我只是觉得这个项目很好玩,对于谷歌自动驾驶汽车项目有很多搞笑的恶搞。

从‘哦,在谷歌有一小群疯狂的人想要做科幻小说的事情’,发展成今天的一个主要产业,有几十家甚至上百家公司都在追求这个目标,这真是太神奇了。

TC:在各大城市,什么是让人们开始使用自动驾驶汽车的临界点?仅仅是纯粹的饱和问题吗?还是包括Waymo在内的所有公司都有责任帮助引入新业务?

多尔戈夫:人们对新技术和变化的态度总是有差异的。一些负面影响更明显。但实际上,我在过去10年感受到,积极态度和兴奋情绪已经在势不可挡地增加。

我一次又一次地看到,自动驾驶汽车项目强大到足以改变人们的态度,从不确定和焦虑到兴奋、舒适和信任,从而能够体验技术。

这让人们乘上我们的车,然后去兜风。即使是那些对自动驾驶的汽车感到焦虑的人一旦有所体验,一旦他们明白了产品有多有用,汽车的性能有多好,他们就开始信任它,这真的会带来改变。

随着这项技术的推广,越来越多的人能够亲身体验它,这将会有所帮助。

TC:2009年最大的挑战和今天一样吗?最后的关键问题是什么?

多尔戈夫:2009年,所有的挑战都是需要解决的一次性问题。而今天,所有的挑战是把它变成一种产品。

这是关于自动驾驶效果的展示,是关于如何构建评估和部署技术的工具和框架。你知道,一直存在的是技术迭代的速度,以及我们发现新事物和解决新问题的能力。

本文来源 腾讯科技,由 ati725 整理编辑,其版权均为 腾讯科技 所有,文章内容系作者个人观点,不代表 TheCars 对观点赞同或支持。如需转载,请注明文章来源。
38

发表评论