Waymo模拟了近百起车祸现场，证明「自动驾驶比人类靠谱得多」

来源：机器之心

编辑：蛋酱、杜伟

Waymo：94% 的碰撞是由人类失误造成的，如果换成自动驾驶，100% 的车祸事故都能避免。

道路交通安全一直是全球性的公共危机。据世界卫生组织统计，全球每年有超过 130 万人死于车祸。我们可以寄希望于自动驾驶技术以改善这一局面吗？

尽管近年来自动驾驶技术取得了明显的进展，但由于眼下在公共道路上行驶的自动驾驶汽车数量非常有限，包括自动驾驶技术安全性能在内的很多问题仍然难以得到证明。

作为一家自动驾驶公司，Waymo 在避撞研究方面投入了巨大的精力。为了证明机器驾驶员比人类驾驶员更加安全，Waymo 最近进行了一项大规模测试：模拟近十年来在亚利桑那州发生的近百起真实车祸场景。

结论是，自动驾驶技术是减少此类意外死亡人数的关键。只要将车祸事故中两辆车的任意一辆替换为机器驾驶员操作的车辆，基本可以避免事故死亡。

91 次「致命瞬间」的模拟

去年，Waymo 发布了 2019 年和 2020 年共 610 万英里的行驶数据，包括 18 起撞车事故 29 起未撞车事故。这些数据中的一部分也被提供给了学界的研究人员。

随后，相关的研究仍在继续。借助第三方机构，Waymo 收集了 2008 年到 2017 年间亚利桑那凤凰城郊外发生的每起致命交通事故。Waymo 选择模拟了其运营范围内公共道路上发生的 72 起致命车祸。由于其中很多场车祸涉及两辆车，因此分别进行了单独的实验，以模拟 Waymo Driver 在每辆车中产生的作用。

首先用 Waymo Driver 替换引发撞车的车辆（「发起者」），然后 Waymo Driver 替换其他车辆（「响应者」）动作的响应判断。按照此方法，最终总共进行了 91 次模拟。

将 Waymo Driver 替换为模拟发起者（52 个模拟）时，它能够平稳地驾驶，并通过遵守道路规则来避免撞击，包括适应现场交通状况、选择适当的间隙并观察交通信号。

如下图所示，可以看到屏幕底部的 Waymo Driver 通过速度限制（而不像现实中的驾驶员那样闯红灯）来避免了现实中致命事故的重演：

在两车即将相撞的十字路口，Waymo Driver 采取了限速措施并在交通信号灯处停下了。

还是同一场景，Waymo Driver 可预测到另一车辆不会在红灯处停下，因此它开始减速，从而避免了车祸。

在 91 场事故模拟中，Waymo Driver 所表现的性能始终优于人类驾驶员：

将 Waymo Driver 置于响应者角色后，避免了 82％的模拟撞击；

在另外 10％的场景中，Waymo Driver 是模拟中的响应者，当另一辆汽车横穿十字路口时，Waymo Driver 采取了利于缓解事故严重性的相关措施；

只有 8％的模拟响应者未发生变化，在这些情况下，当 Waymo Driver 停下或以恒定速度行驶时，人类驾驶的车辆在其毫无机会响应的情况下撞击了模拟 Waymo Driver。

Waymo 的安全研究主管 Trent Victor 表示，Waymo 汽车最多可将重伤概率降低到 15 分之一。「这意味着，即使不能完全避免撞车事故，仍会采取措施降低撞击的严重性。如果降低了严重程度，那么驾驶员死亡的可能性就会降低。」

其中二十次模拟撞车包含一名行人或骑自行车的人被汽车撞倒。本次测试中，Waymo 的自动驾驶汽车避免了 100％的模拟事故。

换而言之，即使人类驾驶员做了一些事情（例如闯红灯）引发了碰撞，模拟的 Waymo Driver 也能避免或减轻大多数的致命撞击。Waymo 将这些测试结果写进了论文：

论文链接：https://storage.googleapis.com/waymo-uploads/files/documents/Waymo-Simulated-Driving-Behavior-in-Reconstructed-Collisions.pdf

自动驾驶需要一个「通用框架」

目前针对自动驾驶汽车安全没有标准的评估方法。兰德公司（RAND）最近的一项研究表明，在缺少框架的情况下，用户最有可能信任政府，然而美国监管机构似乎打算让私营企业决定安全性。在这种「真空环境」中，Waymo 希望通过公布这些数据，促使决策者、研究人员乃至其他公司可以开始承担开发通用框架的任务。

一位发言人表示，可以肯定的是，Waymo 的调查结果并未接受同行评审分析，所以不会在学术或科技期刊上发表，尽管将来它可能会公开发表。此外，这些模拟并非独立于公司进行，也没有在公司公开之前进行任何第三方的审查验证。

不过，Waymo 确实与一个选定的学术专家小组分享了其发现，以征询他们的意见。爱荷华大学国家高级驾驶模拟器实验室主任 Daniel McGehee 表示，Waymo 正在将安全性分析和透明度「推向新的高度」。

瑞典查尔默斯理工大学汽车安全副教授 Jonas Bargman 表示，Waymo 在基于模拟的评估应用领域处于「科学前沿」，但这只是评估自动驾驶汽车安全性所需的组件之一。

在审查报告后，Bargman 得出结论，「Waymo 模拟平台是高度复杂的」，并以该公司的 3D 传感器级感知模型作为引证。他指出反事实假设情景（counterfactual what-if scenario）的使用与「向公众介绍 Waymo 自动驾驶汽车高度相关」。

参考链接：https://www.theverge.com/2021/3/8/22315361/waymo-autonomous-vehicle-simulation-car-crash-deaths

最佳技术实践：CV+联邦学习怎么搞？

FedVision是首个轻量级、模型可复用、架构可扩展的视觉横向联邦开源框架，基于Python 实现，内置PaddleFL/PaddleDetection插件，支持多种常用的视觉检测模型, 助力视觉联邦场景快速落地。

3月11日，微众银行联合飞桨带来实战公开课，聊聊FedVision实战与技术展望。