Waymo最新最强自动驾驶模拟器，刚刚对外开源了

曹原 来源： 量子位

轻量级，支持硬件加速器的多智能体模拟器

联手 谷歌 ，发布最新自动驾驶仿真模拟器。

和比较常见、提供十分逼真的车辆和道路环境的仿真模拟器不同，的图像简洁到有点粗略了：

但别看效果图只剩下小方块和实线虚线，实际上这是一个复杂而细致的 多智能体 环境，能让自动驾驶系统更好学习决策和规划：

△处理拥堵，系统能更像人类司机

更重要的是，Waymax各项代码文件 已开源 。

并且在Waymax的开发团队中，还有不少华人科学家的身影。

Waymax有什么特点

首先，Waymax是一个更专注自动驾驶决策和规划层面的自动驾驶仿真模拟器，并且提供的是 多智能体场景 。

智能体（agent）是自动驾驶仿真中常见的术语，也会译作“代理”，代表的是自动驾驶车辆、行人、其他车辆、公交车等等路上常见的道路交通参与者。

为什么要叫智能体？

是因为在这样的仿真场景下，每个智能体都具有一定的自主决策和行为能力，让仿真场景从交通参与者的角度更接近真实环境。

△比如图中这些粉色的框

并且，传统模拟器往往采用预定义的智能体，人为编写智能体应该做什么，但往往和真实情况有差距。

Waymax提供的则是利用Waymo Driver（Waymo自动驾驶平台），收集到的超过数千万英里真实世界自动驾驶数据，提前构建出的智能体，更符合现实情况。

从Waymax的效果图也能看出，Waymax是一个 轻量级模拟器 ，方便进行快速迭代。

Waymax完全使用JAX编写，可以运行在TPUs、GPUs等硬件加速器上，支持单图内仿真训练，同时支持大规模、分布式机器学习工作流。

并且，Waymax也支持在线训练和评估。

那么，Waymax都包括什么？

Waymax的介绍

首先，在 数据使用 方面，Waymax支持三种方式：

其次，Waymax定义了五个 评估车辆行为的指标 ，包括：

在车辆模拟的动力学模型方面，Waymax支持两种，分别是 直接基于状态的控制模型 ，和 自行车运动学模型 。

其中， 直接基于状态的控制模型 允许用户直接设置车辆的位置，方向和/或加速度，不考虑运动学约束。

也就是用户可以完全控制车辆状态，模拟器则根据用户提供的状态来模拟车辆行为。

而 自行车运动学模型 通过加速度和转向来控制车辆，并将车辆模拟成一个没有摩擦的刚体，考虑车辆的运动学特征，可以更精确模拟车辆行为。

Waymax模拟器的 默认帧率 是每秒10帧（10Hz），和Waymo开放数据集使用的帧率相同。用户也可以根据需要 自行调整帧率 。

而对于仿真场景中未受控制对象，Waymax也支持三种操作模式允许智能体模拟行为，包括 日志回放 （Log playback）， 基于IDM的路径跟随模型 （IDM-based route-following model），以及 用户自定义模型 。

Waymax还支持 强化学习训练 ，提供两种常用接口，包括无状态仿真接口（类似Brax API）和有状态仿真接口（实现dm-env API）。

为什么做出Waymax

Waymo这几年都会举办公开仿真智能体挑战赛（Waymo Open Sim Agents Challenge），Waymo在模拟器中预先放置了智能体，研究人员需要训练这些智能体能够和车辆进行尽可能真实的交互。

而在2022年的挑战赛中，Waymo意识到自己没有建立足够强大的模拟器来训练智能体。

所以，Waymo和Google DeepMind合作开发出Waymax，可以实现闭环运行，并且能持续监控和调整自动驾驶系统的行为，以实现训练自动驾驶系统的目的。

对于自动驾驶系统来说，仿真模拟是更经济安全的测试和评估性能的方式。

所以这就要求仿真模拟器不仅能够提供真实的仿真环境，同时环境中各种物体应该像真实道路上的车、行人、自行车等等一样，能够自我决策该怎么走，以及要做出什么反应。

因此，仿真模拟器需要提供能够互相交互的智能体，最好还能低成本、可以快速迭代训练。

Waymo副总裁、研究主管 Drago Anguelov 表示：

并且Anguelov还说，明年Waymo可能会重新举办一次仿真智能体挑战赛，就用新的模拟器。

Waymo也提供了一份Waymax详细的代码和教程，感兴趣的可以试起来了～（不可商用）

代码传送门：

论文传送门：

参考链接：

版权所有，未经授权不得以任何形式转载及使用，违者必究。