苹果造车项目被曝搁浅后再整大活，无需真实数据就能训练自动驾驶

无需真实数据，苹果实现自动驾驶 SOTA（果粉控注：State-of-the-art，当前最佳）。

苹果造车项目搁浅 1 年后，项目成员集结，联合 2017 年提出端到端的同事，以及 CVPR 2023 技术主席，攒局整了个大活：

将强化学习自博弈引入自动驾驶，10 天生成 16 亿公里模拟数据，训练算法无需真实数据。

海量的模拟数据，背后却是极低的成本，最终还实现了 SOTA 的效果。

苹果引入自博弈，实现自动驾驶 SOTA

苹果最近将自博弈（Self-play）引入自动驾驶，获得了很好的鲁棒性。

所谓自博弈，思想有点像自对抗生成网络（GAN），是指智能体在与自我的副本或历史版本博弈实现进化，这是强化学习领域的重要策略。

早前落地了游戏领域、机器人和生物工程领域，现在苹果将其用于自动驾驶，设计了极简的奖励函数，无需真实数据，而是生成“前所未有规模”的模拟数据，让若干智能体在地图上大乱斗，实现算法进化。

一个实例至多生成 150 个智能体（Agent），智能体种类涵盖乘用车，重型卡车、自行车和行人，生成的环境信息包括停车线和交通信号灯等等。

这种训练方式的优势在于速度快，成本也很低。

依靠公共云上的 8 张 A100，苹果每小时可模拟和学习 44 亿次状态转移，相当于 720 万公里的驾驶经验，速度比利用真实数据快了 36 万倍。

一轮完整的训练需要 10 天，就能学到 16 亿公里的驾驶里程，相当于从太阳到土星的距离。

而每百万公里的费用还不到 5 美元，折合人民币也就是 1 万公里 3 毛 6。

这个成本和速度，是不是有点夸张？性能表现怎么样？

苹果将该成果放在 CARLA、nuPlan 和 Waymo 开放数据集上进行零样本独立测试，均获得了 SOTA 表现。

这些基准涵盖不同地图、驾驶场景、交通密度和评分标准，证明了苹果工作的泛化性和鲁棒性。

苹果同时还强调，这些过去的 SOTA 成果都是使用特定数据集，专门针对某个基准进行训练。

能以低成本快速实现很好的性能，背后的核心成果是 GIGAFLOW 模拟器。

苹果在论文中具体阐述了其原理，简单展望了在其他领域比如具身智能的应用前景，还指出了当前工作存在的不足。

GIGAFLOW 模拟器，极简版世界模型

GIGAFLOW 是一个批量模拟器，目标是获得一个通才策略，生成了海量的 GIGAFLOW World，可以说是极简版世界模型，长这样：

不需要编写场景脚本，不需要人类司机的驾驶数据，也不用设计复杂的奖励函数，奖励项只有到达目标、避免碰撞、居中行驶和对齐车道等，处罚项包括闯红灯、驶离道路。

简单的奖励函数，如何不断促进算法进化？

苹果团队认为，大规模数据模拟可以弥补奖励函数简单的不足，复杂且拟人的驾驶行为能够从海量的自博弈中涌现出来。

具体实现上，GIGAFLOW 同时生成 3.84 万个 GIGAFLOW World，每个 World 模拟了多样的交通情况和交互场景，比如拥堵的环岛、无灯十字路口和拉链式同行车道。

1 个“World”至多可容纳 150 个智能体，包含 8 种随机变动的地图，经过翻转、缩放和剪切等处理。

地图合计道路里程 136 公里，一路上会随机生成 1 到 N 个智能体，系统会要求智能体在自博弈中驶向各自的目的地。

智能体的驾驶策略采用参数化，可以指定智能体的类型，驾驶风格有激进和谨慎可选。这些参数可在测试时修改，无需训练。

智能体上路会通过观察局部环境，比如周边车辆的大小、位置和速度，优化自身驾驶策略，在自博弈中学会并道、无保护左转和绕过事故现场。

是的，智能体模拟训练依然会引起交通事故，据苹果介绍频率大概在 300 万公里 1 次。

作为对比，现实世界国内老司机的事故率大概在 3.5 万公里 1 次，当然现实世界的道路复杂度肯定要更高。

此外，苹果还通过多种方式优化了 GIGAFLOW 模拟器的整体效率。

首先，GIGAFLOW 在模拟过程中将大部分地图观测值预计算，并缓存在哈希空间，便于快速的查找和搜索。

然后，在模拟训练过程中，通过简单计算会发现 GIGAFLOW 会同时模拟 4800~576 万个智能体，这些智能体会共享同一个策略神经网络，架构类似 Deep Sets，每个模拟步骤仅需一次批处理的前向传递，显著改善了系统整体的吞吐量。

最后，在更新参数时，GIGAFLOW 采用了近端策略优化（PPO）算法，这是 OpenAI 在 2017 年提出的算法，限制了策略更新幅度，能够简化训练过程。

苹果指出当前的工作还有一些不足，根源是向现实迁移和落地。

首先是技术上，当前对感知的处理比较简单，工作主要集中在规划和决策。

并且其中的奖励函数还比较简单，在复杂场景中可能不够灵活。面对更多样的现实世界，需要更复杂的奖励函数。

最后还有工程上的问题，团队认为大规模自博弈训练需要的资源极高，落地要考虑计算成本。

论文还展望该工作在其他领域应用的可能，比如消费级和工业机器人或者网络游戏。

这项工作是多位领域专家的集体智慧，多名苹果造车团队成员参与其中。

作者介绍

论文作者共有 12 人，第一作者 David Hafner，是 CVPR 2023 的技术主席。

公开信息显示，还有三分之一都是苹果造车项目 SPG（Special Project Group）成员：

Stuart Bowers，原特斯拉工程副总裁，负责研发自动驾驶系统 AutoPilot。

2020 年加入苹果，相关报道称，他在 SPG 项目负责自动驾驶算法。

Brody Huval，自动驾驶创业公司 drive.ai 联合创始人，drive.ai 后来在 2019 年被苹果收购，他随之加入苹果的 SPG 团队，担任高级机器学习研究员。

Aleksei Petrenko，也是苹果 SPG 成员，曾在英伟达做机器人方面的实习生，2023 年 3 月加入苹果任高级科学家。

Eugene Viningtsky，2016 年至 2022 年在伯克利机器学习专业读研，期间从事自动驾驶研究。

2022 年 9 月毕业后入职苹果，两年后离职。

当时距离苹果被曝放弃造车刚刚过去 4 个月。

有意思的是，对于在苹果的工作经历，他在社交平台上特别注明：

我不打算说我在苹果的工作是什么。

离开苹果后，他一直在纽约大学坦登工程学院做助理教授，研究方向包括交通运输等。

从近 10 年的经历，结合不愿公开的工作内容推测，其很可能也是 SPG 成员。

其他作者也都具有行业背景。

比如 Vladlen Koltun，在 2017 年 10 月便提出将端到端范式应用于自动驾驶，同年 11 月推出自动驾驶测试基准 CARLA，前面提到过该基准。

2024 年 2 月底，苹果被曝终止造车时，Cruise 正在悬崖边苦苦挣扎，Waymo 商业化进程尚未提速，马哥的 Cybercab 在车库里大改，文远和小马还是独角兽。

项目搁浅的这一年，自动驾驶风云变幻，高潮再起。

Waymo 在 Cruise 轰然倒下后，扛起硅谷自动驾驶，无人车今年计划落地超 10 城，迅猛推进商业化。

马斯克计划 6 月落地 Robotaxi，文远和小马先后敲钟，百度 Apollo 要把“萝卜”种到海外。

Robotaxi 大规模商业化，在大洋两岸同步启动。

苹果在此时发布了一项 SOTA 成果，不仅指出一条新技术路径，或许还暗示着什么……

论文传送门：

https://arxiv.org/pdf/2502.03349

本文来自微信公众号：智能车参考（ID：AI4Auto），作者：一凡，原标题《啊？苹果自动驾驶新研究 SOTA 了，造车不是停了吗》