AI电话机器人免费使用   加微信：veteran88
防封电销卡免费获取   加微信：veteran0003 几个月之前，无人驾驭谷歌地图标注在德克萨斯州奥斯汀遇到了相似的环岛。行进速度和环境的杂乱程度给轿车带来了困扰，因而团队决议在测验环境中规划相似的场景。 在Alphabet园区的一角，团队正在开发一款软件。这或许将成为无人驾驭轿车的要害。此前，没有任何记者实践看过软件怎么作业。作为对《魔兽国际》英文名的致敬，这款软件被称作Carcraft。
软件的开发者是长着娃娃脸的年青工程师詹姆斯·斯图特（James Stout）。在一间敞开作业室里，他坐在我身旁。屏幕上显现着虚拟的环岛。对人眼来说，屏幕上并没有太多值得一看的内容：布景上制作着简略的线条，路途上有一辆无人驾驭的克莱斯勒Pacifica，以及用线条表明的另一辆轿车。
几个月之前，无人驾驭谷歌地图标注在德克萨斯州奥斯汀遇到了相似的环岛。行进速度和环境的杂乱程度给轿车带来了困扰，因而团队决议在测验环境中规划相似的场景。我所看到的是学习进程的第三步：实在国际驾驭的数字化。在这儿，单一的实在国际交通事情，例如在环岛上一辆轿车逼停另一辆轿车，能够被拓宽为数千个模仿场景，然后对轿车的功能进行测验。
这样的场景是Waymo强壮的模仿东西的根底。斯图特表明：绝大部分的作业，包含关于新特性的开发，都来自模仿环境中看到的状况。这样的东西加速了Waymo自动驾驭轿车的开展。Waymo是Alphabet旗下无人驾驭部分，于2016年12月从谷歌(微博)X中独立。
如果Waymo能够在未来几年内推出全自动驾驭的轿车，那么Carcraft将会被铭记在职业历史上。Carcraft依据实际国际，但在重塑实际国际的进程中又扮演了重要人物。
Carcraft开端被用于回放轿车在实在路途上遇到的场景。不过现在，包含Carcraft在内的模仿技术正在无人驾驭的开展进程中扮演更重要的人物。
现在在恣意时刻，都会有2.5万辆虚拟无人驾驭轿车在模仿的奥斯汀、山景城和凤凰城大街上，以及专门的测验车道上行进。在短短一天内，Waymo就能够模仿杂乱路途环境中的驾驭数十万次。现在，Waymo每天在虚拟环境中的驾驭总路程数抵达800万英里（约合1287.5万公里）。2016年，虚拟环境的驾驭总路程抵达25亿英里。比较之下，谷歌IRL无人驾驭轿车在公共路途上的行进路程只略高于300万英里。更重要的是，虚拟环境中的驾驭专心于Waymo所谓的风趣场景：这些驾驭行为能让研讨者学到新东西，而不只仅单纯堆积路程数。
Waymo开发了杂乱的程序，而模仿环境只是其间一部分。Waymo将无人驾驭轿车在公共路途上的数百万公里行进记载整合至结构化测验项目。这个项目在加州Central Valley一个被称作城堡的隐秘基地中进行。
Waymo此前从未公布过这个体系。在一般路途上的驾驭成果表明，在哪些区域轿车需求额定练习。他们在城堡中缔造所需的空间，然后能够测验数千种不同场景。在实在国际的测验中，Waymo的轿车能够搜集到满足多数据，以仿制出未来任何时刻点的完好数字环境。在这样的虚拟环境中，工程师能够消除实在环境的约束，规划恣意单一场景的数千种改动，随后让虚拟轿车在场景中行进。反过来，不断优化的驾驭软件被安装至实在轿车，让轿车能够应对更杂乱的环境。Waymo不断重复着这样的循环。
城堡探秘
如果想要前往城堡，那么需求先从旧金山湾区向东行进，然后沿着99号公路向南。沿路上有大片棉花地，天际线消失在农田里。这儿的气温比旧金山更高。我们的轿车在挨近Atwater小镇的出口驶出。这儿曾经是Castle空军基地，聘用了6000名职工，为B-52项目服务。但是现在这儿已是Merced城市区的北沿。10年代初，这儿的失业率超越20%，而现在仍有不到10%。40%的居民说西班牙语。我们穿过了几条铁路，进入了总面积1621英亩（约合656万平方米）的抛弃空军基地。
我手机上的导航并没有指向任何地址，而只是一组GPS坐标。我们沿着绿色的不透明围挡行进，直到谷歌地图标注告诉我们停下。没有任何标志标明这儿就是大门，这看起来只是围挡的一部分。不过，接待我的Waymo职工很有决心。这时，一名保安从围挡中走了出来，检查我们的身份信息。
围挡分开，我们驶入了园区。穿戴短裤戴着帽子的年青人忙忙碌碌，这儿有许多活动板房和车库，而主楼的泊车场上还有许多无人驾驭轿车。在这儿，我们能够看到多种类型的自动驾驭轿车：在公共路途上最常见的雷克萨斯轿车、已淘汰的普锐斯，以及新的克莱斯勒Pacifica。
很容易判别，哪些是无人驾驭轿车。这些车辆装备了传感器。其间最显眼的是车顶上方的雷达传感器（也被称作激光雷达）。不过，Pacifica还在后视镜上安装了啤酒罐大小的小型激光雷达。而在车尾，这些轿车还安装了一般雷达。
如果传感器开端作业，即便车辆处在泊车状况，激光雷达的旋转也会发出古怪的动静。这与一般的轿车噪声不同，我的耳朵无法不注意到这种声响。
此外还有一种更特别的轿车停在主楼外的大街上。这些车辆用赤色胶布贴上了大大小小的X。这些是第四级自动驾驭轿车。自动驾驭轿车的分级来自于轿车工程师协会，说明晰驾驭自动化的程度。路途上行进的自动驾驭轿车大多只能完成榜首级或第二级自动驾驭，这一般代表了能够在高速公路上供给智能巡航控制。但是，这种带赤色X标志的轿车是另一种生物。这些轿车不只能够完成全自动行进，而且无法被人工做出干涉。因而，Waymo不期望这些轿车与其他车辆混在一起。
行走在泊车场里，给人的感觉就像是曾经的曼哈顿项目。我在主楼里见到了这儿的管理者。她的名字是史蒂夫·薇尔加斯（Steph Villegas）。
应战无人驾驭体系
薇尔加斯穿戴白色T恤、破洞牛仔裤和灰色板鞋。这样的装束显现了她以往的时髦气味。她在东湾的郊区长大，大学是加州大学伯克利分校。她于2011年开端进入无人驾驭轿车项目。
我问她：你曾经是个司机？她的答复是：一向都是司机。
她花了许多时刻，在旧金山和山景城之间的101号公路和280号公路上行进。与其他司机相似，关于轿车在敞开路途上怎么行进，她有着很深的感触。在无人驾驭轿车项目中，这些经历十分重要。关于无人驾驭轿车的难点，这些司机有自己的直觉。她表明：在新软件进步行了一些测验，并在团队中度过一段时刻之后，我开端考虑，我们能够用什么样的方法去应战体系。
因而，薇尔加斯和其他一些工程师开端规划并建立稀有的场景，然后以受控的方法去测验轿车的新行为。他们开端征用旧金山城外Shoreline Amphitheater的全部泊车场，将人们拦在入口外，保证只要取得权限的谷歌职工能够进入。
她表明：这就是我们的起点。其时每周只要我和少量司机。我们会设想各种需求测验的场景，放上我们想要的道具。我们将这些道具装上卡车，运往实验场所，进行测验。
在无人驾驭轿车项目中，这些就是开端的结构化测验。成果表明，最困难的部分并不是如果有僵尸在路口咬人那么要怎么办，而是怎么对项目进行保密，使一般路途上的无人驾驭轿车看起来就像是有人在驾驭。
薇尔加斯开端从各种地方搜集小道具，包含假人、假植物、儿童玩具、滑板、三轮车、洋娃娃、皮球和其他小玩意。这些被放在道具仓库里。（道具开端保存在一个帐篷里，而现在则放在了城堡的储藏室内。）
不过，还有些其他问题需求处理。他们期望轿车行进速度更快，并运用交通灯和泊车标志。此外，Shoreline Amphitheater的表演季也常常给他们的方案形成影响。薇尔加斯表明：例如，金属乐队就要来开演唱会，我们需求赶忙上路测验。
他们还需求一个基地，一个隐秘基地。城堡刚好供给了这样的基地。他们签订了租约，开端缔造愿望中的虚拟城市。我们在规划中有认识地做出一些决议，缔造居民区大街、高速公路、死胡同，以及泊车场等场景。她表明，我们将一些代表性场景集成在一起，让轿车在其间行进。
我们从作业室走向她的轿车。当我们脱离作业室时，她递给我一张地图。她表明：就像迪士尼乐土一样，你能够按图索骥。这时一张精心制造的地图。在一个角落，拉斯维加斯风格的标志牌显现：欢迎来到加州的‘神话城堡’。园区的不同部分有各自的命名规矩。我们穿过的每条路途都以闻名轿车（DeLorean和Bullitt）或前期的普锐斯车队（Barbaro）来命名。
我们走过了一组粉赤色修建。这是旧的戎行宿舍，其间之一已被改造过：如果Waymo职工来不及回来湾区，那么就会在这儿歇息。除此之外，测验区内没有其他修建。这是个归于机器人轿车的城市。全部重要的事都发生在沥青路面上。
在一般人看来，这就像是个没有玩家的电子游戏场景。从林荫大道到社区路途，从水泥车道到郊区十字路口，而这些场景中都没有修建，这令人不可思议。我不断看到似曾相识的路途场景。
我们来到一个大型双车道环岛，中心有一圈白色围挡。薇尔加斯表明：我们在德州奥斯汀遇到了一个多车道环岛，随后就在这儿仿制了这个环岛。我们开端规划的是单车道环岛，但随后又遇到了多车道的场景。
薇尔加斯停下来，看着一处新增的设备：两条轿车道和一条自行车道穿过挨近一块草地的平行泊车场。我很喜欢在这些场景中参加平行泊车场。相似的场景在郊区商业区很常见，无论是Walnut Creek、山景城，仍是帕洛阿尔托。她表明，人们从店面或公园中走出来，在轿车之间走动，或许搬着东西穿过马路。这条小路就像是她回忆中的碎片，而她将这些回忆嵌入了地上的沥青和混凝土中，并使其成为一种更笼统的形式。
她用车送我回主作业室，我们坐进了一辆无人驾驭的克莱斯勒Pacificas。坐在左面驾驭位的是布兰顿·凯恩（Brandon Cain），而右边坐着另一名驾驭者，担任使用名为XView的软件，在笔记本上盯梢车辆的状况。
这儿还有许多被称作狐狸（fox）的测验助理，这样的称呼来自英文单词faux（人工的）。他们驾驭轿车，发明交通环境，像行人一样活动，骑自行车，拿着中止标志。在必定程度上他们是艺人，而观众则是轿车。
我们要做的榜首种测验是简略地经过和超车，但速度将抵达时速45英里（约合72公里）。我们方案前往一条名为Autobahn的宽广路途。
当狐狸呈现在车道上时，无人驾驭轿车将刹车，团队将检查一个要害数据点：车辆减速状况。他们企图规划一种导致轿车不得不急刹车的场景。那么这种刹车有多猛？我的腋下开端不自觉的出汗，而手机飞到地上，的确很猛。
实践上这并不是我初次乘坐无人驾驭轿车。以往我曾体会过两次无人驾驭轿车。榜初次是一辆雷克萨斯SUV，其时我乘坐轿车穿过了山景城的大街。第二次是乘坐谷歌Firefly，其时是在谷歌一栋大楼的楼顶上。这些轿车都不显眼，这才是重点。
但这次有所不同。这是两辆行进速度很快的轿车，其间一辆会阻止我们的移动。用Waymo的术语来说，这十分辛辣。
现在到了开车的时分。凯恩发动了轿车，轿车说自动驾驭。另一辆车随后挨近我们，就像是要逼停我们。我们猛地刹车，操作很快、很流通。
随后他们检查了减速数据，发现刹车强度还不行。我们需求再做一次，一次又一次。另一辆车从不同视点，以不同方法来逼停我们。他们将这样的做法称作掩盖。
我们随后还进行了其他三项测验：高速并线；遇到一辆倒车的车辆，一起第三辆车挡住视野；在泊车进程中有行人将篮球扔到行进路线上。每种测验都令人印象深刻，但最难以忘掉的仍是逼停测验。
在我们开端另一次测验之前，凯恩问我：你有没有看过《环太平洋》？在这部电影中，主角操作巨大的机器人与怪兽作战。我企图与轿车同步，共享一些考虑。
我问询凯恩，关于与轿车同步，他想要表达的是什么。他表明：我依据车内乘客的体重差异进行调理。在屡次乘坐这辆轿车后，我能够感触到轿车在干什么，用我的屁股。这听起来很古怪，但我的确知道轿车想要干什么。
从实在测验到模仿环境
远离湿热的城堡，这儿是谷歌的山景城总部。我来这儿是为了访问Waymo的工程师。从安排架构上来说，他们率归于X。你或许现已知道，X是Alphabet面向久远开展、高危险的研讨部分。2015年，当谷歌重组为企业集团Alphabet时，谷歌X改名为X（他们的网站是X.company）。在重组的一年后，X和Alphabet决议让无人驾驭轿车项目结业，组成独立的公司Waymo。Waymo就像是谷歌的孩子。
因而，Waymo的作业室依然坐落母舰内部，但也在渐渐独立。我传闻，Waymo的职工现在都坐在一起。
X和Waymo的作业楼很大、很宽阔。来自Project Wing项意图无人机原型正在飞行，我也看到了谷歌自主开发的Firefly轿车。（薇尔加斯在城堡中曾说过：自己开发的东西或许很甜美。但它们没有空调，所以我一点都不想念它们。）
从餐厅往上，走到大楼的一角，这儿是Waymo的模仿集群。在这儿，全部人的屏幕上都打开了Carcraft和XView。屏幕上是黑色布景的多边形图画。他们正在为Waymo轿车规划虚拟国际。
等待我的是Carcraft的发明者詹姆斯·斯图特（James Stout）。他从来没有揭露讨论过自己的项目。这次他体现出极大的热情。Carcraft就是他的孩子。
他说：我只是看了下招聘信息，发现无人驾驭团队正在招聘。我几乎不能信任他们供给了一个职位。他参加了这支团队，并立即着手开发东西。现在，这款东西支持了每天800万英里的虚拟驾驭。
此前，他们主要运用这款东西去检查，轿车在杂乱状况下会怎么操作。在实在国际的这些状况下，人工司时机接纳轿车。从这些状况起步，他们开端制造场景。很快我们就看到，这是一款十分有用的东西，我们能够在此根底进步行各种开发。斯图特表明。Carcraft的才能随后快速进步，能够包容整个城市，而轿车数量也扩大为一支巨大的虚拟车队。
斯图特介绍了艾连娜·科拉罗夫（Elena Colarov）。她是场景保护团队的担任人。她的面前放着两块屏幕。在右侧屏幕上，她在检查XVivew，屏幕显现了轿车看到的画面。轿车运用摄像头、雷达和激光雷达去辨认场景中的目标，并在软件上用线框来呈现这些目标，制作实在国际的概括。
从这些形状中延伸出的绿色线条代表了轿车预期目标可能移动的方法。底部的图画条显现了，轿车搭载的一般摄像头（可见光摄像头）捕捉到的画面。科拉罗夫还打开了激光雷达回来的数据，这些数据以橙色和紫色点来显现。
我们看到了城堡中环岛实在状况的回放。科拉罗夫切换至模仿版别。看起来是一样的，但不是数据日志，而是轿车需求处理的状况。仅有不同的是，在XView屏幕的最上方，赤色字符显现了模仿的字样。斯图特表明，参加这样的提示是因为，人们常常会混杂模仿与实在场景。
他们随后加载了另一个场景。这是在凤凰城。科拉罗夫缩小了画面，显现整个城市的模型。在模型中，他们描绘了全部的车道在哪里，一条车道怎么通向另一条车道，中止标志在何处，交通灯在哪里，哪里有妨碍，车道中心的方位是哪，以及全部全部你需求知道的信息。
我们随后放大了画面，中心是凤凰城邻近某处的一个十字路口。随后，科拉罗夫开端在场景中放入虚拟的轿车、行人和自行车。
在按下一个按钮之后，屏幕上的目标开端移动。虚拟轿车会像实在轿车一样在车道上行进、转弯。虚拟的自行车与实在自行车一样。这些目标的逻辑来自于该团队在公共路途上数百万公里的测验。这全部的背后是一份超级详细的国际地图，以及场景中不同目标的物理模型。他们对橡胶物体和路途都进行了建模。
意料之中地，最难模仿的是别人的行为。这就像是父母常常对孩子说的：我不忧虑你开车，忧虑的是路上的其别人。
我们的车调查国际，了解国际。随后，关于环境中任何的动态目标，无论是轿车、行人、自行车，仍是摩托车，我们的轿车都能了解意图。只是追寻空间中的目标还不行，你有必要能了解它们要做什么。Waymo软件担任人迪米特里·多尔戈夫（Dmitri Dolgov）表明，关于缔造功能强壮、安全可靠的无人驾驭轿车来说，这是要害问题。这种建模，以及对国际中其他参与者的了解，十分相似于在模仿环境中的建模。
不过这儿也存在要害的不同：在实际国际中有必要接纳关于环境的实时数据，并将其转化为对场景的了解，而轿车将在这样的环境中行进。但是现在，在从事该项意图多年之后，他们对此很有决心。用斯图特的话来说，他们现已完成了一系列测验，证明能够辨认出各种各样的行人。
因而关于大部分的模仿，他们跳过了目标辨认步骤。他们不需求向车辆供给原始数据，由轿车来辨认行人，而只是告诉轿车，行人就在这儿。
在十字路口，科拉罗夫给无人驾驭轿车设置了更困难的环境。她点击V键，一个新的目标呈现在Carcraft中。随后，她把鼠标移到右侧的下拉菜单上，这儿显现了许多不同的车型，包含我最喜欢的bird_squirrel。
这些目标能够依照Waymo的建模逻辑来运动，Carcraft的场景规划者也能够要求这些目标依照某种准确的方法运动，以测验特别行为。
在建立场景的基本结构之后，他们能够测验场景中包含的全部改动。因而能够幻想一下，关于十字路口，你可能想要测验不同车辆、行人和自行车的抵达时刻，以及他们的停留时刻和运动速度。他们只是简略地输入这些值的合理规划，随后软件就会生成并工作全部这些场景的组合。
Waymo将这样的做法称作分散（fuzzing），而只是这个十字路口就产生了800种场景。随后体系生成了一张美丽的表格，工程师能够检查，不同的变量组合怎么改动轿车的决议计划。
终究，这个问题变成了剖析全部实在场景和模仿场景，找到风趣的数据，然后指导工程师，怎么让轿车更好地行进。其间的榜首步可能是：轿车是否会被逼停下？如果是这样，那么就是个十分值得研讨的场景。
在这儿，我们看到了一段视频，展现了这样的状况。实际国际的山景城有一个杂乱的十字路口。当轿车左转时，一辆自行车挨近，导致轿车停在了路上。工程师处理了这类问题，并重新编写软件，以取得正确的成果。视频显现了实在国际的状况，而随后工程师依据实在状况进行了更多的模仿。因为两种状况不同，你将会看到，模仿的轿车继续行进，随后呈现了一个虚线盒子，显现着shadow_vehicle_pose。这个虚线盒子显现，实际国际中发生了什么。对Waymo的工程师来说，这是对当时开展最清晰的可视化体现。
不过，他们重视的场景并不只仅是轿车停住。他们还想要研讨过长的决议计划时刻，或是超出正常规划的刹车状况。关于任何工程师能够学习或调优的场景，他们都会经过模仿环境加以研讨。
斯图特和Waymo软件担任人多尔戈夫着重，关于模仿环境有3个核心点。首要，相关于实在国际中的驾驭，模仿环境中的驾驭路程数要多出许多，而且带来了不错的经历。其次，这些驾驭进程专心于风趣，但在实际国际中难以完成的互动。第三，软件的开发周期能够变得快许多。
对我们来说，迭代周期十分重要。我们在模仿技术方面的作业有助于大幅缩短迭代周期。多尔戈夫表明，在项意图最开端阶段，迭代周期可能抵达几周，而现在只需求几分钟。
随后我问他，如果路上呈现油迹、爆胎、飞鸟和大坑，那么车辆会怎样？他们是否对这些状况都进行了模仿？多尔戈夫很达观。他表明，这肯定能够做到，但你期望模仿器在这条轴上有多大的保真度？或许关于其间某些问题，你得到了更好的值，或许你也能够在实际国际中进行一系列测验，来验证模仿器的成果。（想想城堡。）
Carcraft虚拟国际的力气并不在于，以美丽而完美的方法去烘托实在国际，而是使用对无人驾驭轿车有意义的方法去反映实在国际，使测验路程数比实在测验增长数十亿公里。关于模仿国际中的驾驭软件，做出决议计划的方法与实际国际完全相同。
这种方法作用很好。加州机动车辆管理局（DMV）要求相关公司陈述每年自动驾驭的路程数，以及司机解除自动驾驭状况的次数。Waymo陈述的路程数要比其他公司高出3个数量级，一起司机干涉的次数也有大幅下降。
从2015年12月到2016年11月，Waymo的自动驾驭路程数抵达635868英里（约合102万公里），而司机做出干涉只要124次，相当于每5000英里司机才会有一次干涉，或许说千英里司机干涉次数为0.20次。前一年，Waymo的自动驾驭路程数为424331英里，司机干涉次数为272次，相当于每890英里司时机有一次干涉。
虽然许多人指出，这些数字并不合适拿来直接比照，但实际状况是，这就是我们在加州能够取得的最佳数据。而其他公司一共的自动驾驭路程数只要约2万英里。
其他厂商开端追逐
对外部专家来说，Waymo的做法并不古怪。安德森-霍洛维茨的危险出资人克里斯·迪克森（Chris Dixon）表明：现在，依据对待模仿技术的情绪，你就能够衡量自动化团队的高档程度，无论是无人机团队仍是轿车团队。他主导了安德森-霍洛维茨对模仿技术公司Improbable的出资。Waymo处于职业顶端。
我也向Allstate Insurance立异总监苏尼尔·钦塔金迪（Sunil Chintakindi）了解了Waymo的项目。他表明：如果没有强壮的模仿根底设施，你就无法将更高程度的自动化集成至轿车。
其他无人驾驭研讨员也在重视这个开展方向。密歇根大学自动驾驭和互联轿车实验室Mcity项目担任人彭晖表明，适用于无人驾驭轿车的体系将会是超越99%模仿、某些精心规划的结构化测验，以及某些上路测验的一起成果。
他和一名研讨生提出了一种体系，将上路测验和模仿结合在一起，然后加速测验速度。这与Waymo的方法相似。彭晖表明：因而我们的观点是，将驾驭进程中无聊的部分去掉，专心于风趣的部分。这能够让速度进步数百倍，让总路程从几千英里上升至百万英里。
Waymo项意图优势包含规划、安排和强度。我向彭晖介绍了谷歌所做的结构化测验，包含城堡的结构化测验团队在模仿环境中测验的2万种场景。他听错了数字，并对我表明：2000个场景很凶猛。随后我纠正了他，是2万个场景。他停顿了一下，原来是2万个，的确凶猛。
实践上，这2万个场景只是只是Waymo全部测验场景的一小部分。这些场景都来自于结构化测验。依据公共路途的驾驭测验和幻想，他们还规划了更多场景。
彭晖表明：他们干得很棒。在第四级自动驾驭方面，他们远远领先于其别人。
不过，彭晖也提到了传统轿车厂商的位置。他表明，传统轿车厂商正在测验完全不同的做法。这些公司没有专心于全自动驾驭，而是首要开发能够变现的驾驭辅助技术，随后再向全自动驾驭开展。将Waymo与通用等传统厂商比较并不公正。Waymo具有许多的资源和自由度，能够将成本7万美元的激光雷达安装在测验轿车上。比较之下，雪佛兰这样的品牌会认为，4万美元就是群众商场承受的上限。
彭晖表明：通用、福特、丰田和其他厂商都在说，‘我们要削减事端和死亡率，进步群众用户的安全性。’他们的目标完全不同。我们需求考虑数百万辆轿车，而不只是几千辆轿车。
即便是在全自动驾驭的比赛中，Waymo面对的应战也要比以往更大。特斯拉正成为一家重要竞争对手。克里斯·盖尔德斯（Chris Gerdes）是斯坦福大学轿车研讨中心主任。18个月之前，他曾表明，Waymo相对其他公司对问题有更深化的了解，而且比其别人更挨近于处理这些问题。不过上星期他再次表明，现在有许多状况都发生了改动。
他指出：福特和通用等轿车厂商正在布置自己的无人驾驭轿车，并获取行进数据。特斯拉现在已经过Autopilot的布置积累了许多数据，了解体系怎么在实在用户体会下工作。他们以静默形式在实在轿车上测验算法，而车辆总数也在快速添加，这一起形成了令人惊叹的测验渠道。
盖尔德斯表明，在模仿技术方面，他看到了多家竞争者拿出了实质性的项目。他表明：模仿才能多种多样，但我看到了一些很强壮的技术。在这个方面，Waymo不再显得与众不同。当然，他们有很大的领先优势，但现在许多团队都在探究相似的方案。现在的问题是，谁能做到最好。
这并不是简略地演示神经网络的大脑式才能。神经网络技术正在推进人工智能快速开展，Alphabet旗下公司正在敏捷承受这类技术。这也不是Google Photos使用，一次犯错并不会引起太大的问题。这将是一个在人类国际中完全自主生计和活动的体系，能够了解我们的规矩，交流本身需求，而且对我们的眼睛和思维清晰可见。
Waymo好像将驾驭视为一种技术，例如怎么操作方向和速度。不过，驾驭更是一种人类社会活动。在合法驾驭的根底上，什么是正常驾驭？我们怎么让人工智能了解其间的准确含义？
事实证明，开发这样的人工智能需求的并不只仅是海量数据和工程技术。这些是必要的，但还不行。实践上，开发这样的人工智能需求人类与轿车同步，让轿车像人类一样了解国际。城堡中的司机知道，怎么让一辆轿车去像人类一样调查并作出决议计划。或许这将向两个方向开展：人类对轿车的了解越深，轿车对人类的了解就越深。
对奥斯汀一个环岛的回忆演化成了城堡的一部分，成为了无人驾驭轿车的数据记载，成为了Carcraft的一个场景，成为了模仿网络，成为了新的软件，而这终究将把更强壮的无人驾驭轿车送上奥斯汀的环岛。
即便是在用于帮助人工智能了解国际的模仿笼统多边形中，也带有人类愿望的痕迹、回忆的片段，以及司机的感触。这些元素并非过错，也不是人类的污点，而是体系的必要部分，能够完全变革交通、城市，以及其他全部全部。