闲话自动驾驶中的“影子模式”

自动驾驶汽车的“大规模可量产”

最近自动驾驶圈能让人振奋的消息真是少之又少，多的是唱衰、寒冬的论调。

有几家做基于L4限定场景的代客泊车放出了一些消息，宣布了自动驾驶汽车的大规模可量产。

这个说法其实很耐人寻味，尤其是这个“可”字，用朋友的话来讲就是你敢下订单，我就敢生产，至于效果怎么样，那就看祖师爷赏不赏饭吃了。按道理来说，代客泊车这个功能离自动驾驶还有十万八千里，凭啥就大规模可量产了？

我们先从大的方向看，自动驾驶依赖主要四个方面：计算平台、传感器、软件/算法和数据。

有些公司宣称这些具有代客泊车功能的汽车在经过软件升级之后可以逐渐具备自动驾驶功能，也即在这个基础之上可以称之为大规模可量产。那其实可以理解成计算平台和传感器已经满足自动驾驶的要求，只差软件算法和数据了。

接触过一些算法的朋友肯定清楚，现阶段尤其是基于图像的算法，都是基于深度学习的一套理论，其核心就是堆数据。

先不考虑计算平台是否真的可以承载当前或者未来的算法，那其实最核心的就在于怎么收集数据，怎么利用这些数据。

有些大咖说，这都不是问题，用影子模式都可以解决，到底怎么解决他们没说，或者更可能是这些大咖也不知道怎么解决，毕竟这个年代是炒概念的年代，先把名词亮出来，就赢了一半。

那么，“影子模式”真的这么神奇吗？

什么是影子模式

影子模式最早是由Tesla提出，就是人们驾驶的时候，汽车的传感器没有闲着，在“影子”中继续跑L4的算法，和人类的驾驶进行对比，看看是不是够好。

众所周知，在积累自动驾驶里程这件事情上，Waymo一骑绝尘，其他公司是无论如何也追不上了，之后Tesla另辟蹊径，弄出来了“shadow-mode"。

然而最近Tesla也改变了自己的口风，不在对外发布基于“shadow-mode”的积累里程数，而是基于Autopilot的积累里程数。

这其中的改变不言而喻，其实简单想想也可以理解，如果影子模式真的有用，Waymo、Tesla又为何弃而不用，反而用更笨的方法来实打实的积累里程。

一份报告给出现在估计Tesla已经在Autopilot上积累了超过12亿英里的里程，是在“影子模式”中计算里程数的两倍多。

真实的影子模式

我们假设影子模式是好用的，那来想想应该是怎么用是合理的，中间可能会遇到哪些不可避免的问题。

影子模式的核心在于在有人驾驶状态下，系统包括传感器仍然运行但是不进行控制，用来跑算法模型、对其进行验证。算法在“影子”中持续做模拟决策，并且把决策与驾驶员的行为进行对比。会出现两种情况，一种是完全一致，那其实啥也没学到；一种是显著不同，这样又会产生两种情况，一种是驾驶员出了问题，对驾驶员提出警报，一种是算法不够完善，需要从当前的情况学习新的控制策略。这里面其实存在一个可怕的逻辑，那就是还存在一个高于驾驶员和机器的存在，来判断到底是谁做的好，来帮助机器做下一步决策。

那好，我们把难度再降低一些，把第二种的数据回传进行分析，然后再改善。这里面又存在大量问题，光是隐私就够大家喝一壶。

然后是回传数据的问题，如果不能复现当时的场景，也就是把传感器的数据完整的回传，估计大咖们平常也不怎么参加实际开发，举个简单的例子，以视频数据为例，如果每隔1米拍一张照片，把北京城扫一遍，需要的移动流量费用将近千万，这还仅仅是一辆车，影子模式所需的百万车辆简直不敢想象。

再说回第一种情况，算法给出的决策和人一致，这个难道就是可信的吗？经常开车的朋友可能知道，路上多的是不好好开车的人，好好开车人的比例少之又少，这已经不是克服噪声的问题，而是好的学习范例被淹没在了噪声当中，恐怕即使能学，也会是个让人惶恐不敢坐上去的车。

写在最后

里程这事还是踏踏实实积累，要不模拟器也行，但是模拟器到真实的转换也是个问题，大家任重道远，脚踏实地，少拽一些名词。

感谢关注~