论文部分内容阅读
机器人赛车
No.020249
8xxxxl39@qq.com
Q：不知编辑老师你有没看过《新世纪GPX号》（《高智能方程式》）？在这部动漫中，早在2015年就已经出现由人工智能辅助的超级方程式赛车。但在现实里，F1直到今天仍然完全由人类来操作，那我要到什么时候才能见到真正的机器人赛车？
A：Cyber Formula，高智能方程式嘛～当然看过啦！但要说现在的F1赛车单靠车手一人就能驾驭，只怕他自己都不信。讲真，好多眼看着赛车日益电子化的老司机都曾经抱怨过，现在开车要是没有team radio的指导，连方向盘上的开关都不敢乱动，因为一旦弄错或误操作，就很有可能掉名次其至导致车辆失控。说实话，如今像F1这样的顶级专业赛车，还真离不开高度集成化的芯片电路，否则根本无法管理车上众多自动控制部件。至于机器人赛车，如今这些配备车载电脑又高度自动化赛车，其实已相当于机器人的雏形。而且，无人驾驶的真机器人赛车，也已经登场亮相！
这里说的机器人赛车可不是大约10年前在Top Gear赛道上震惊Jeremy Clarkson的宝马330i，也不是最近两年出现在Sonoma、银石赛道上的那几辆奧迪无人车，而是俄罗斯人Denis Sverdlov创建的Roborace公司在2017年MWC世界移动通讯大会上发布的“The Robocar”。
跟那些由汽车厂商或大学团队研制，然后放到赛道上演示的无人驾驶试验车不同，Robocar从一开始就是为竞赛而生的，并将作为开发平台提供给Roborace联赛的参赛车队。Roborace更在2017年H月，讓两辆Robocar的技术验证车“Devbot”在Formula E电动方程式的赛道上，进行真格的无人驾驶竞速。
然而，正是这场实战，把当下机器人赛车的不足之处暴露在观众面前。从车载视频可以看到，扮演追击角色的那辆Devbot，在通过一个小角度弯道时，不知是转向机卡死还是其他原因，方向盘呈固定角度，从而导致车辆因转向不足而撞墙。不仅如此，现场还㈩现当前车在“射程”之内时，后车并未像人类车手那样发动攻击，而是按既定路线继续跟车的场景。对此，舆论早就有多种解释，但结合其他无人驾驶车辆在赛道上的表现来看，目前机器人赛车显然还无法脱离“剧本”来自由表演，应变能力更是不及经验丰富的“老司机”。甚至可以大胆地预测，如果现在有一群Devbots挤在F1摩纳哥站的赛道上，肯定会沉闷地完成游车河任务，而不会做出人类车手曾经表演过的那些不可思议的超车动作。但不幸的是，对于一项赛车运动来说，“毫无悬念”却是最致命的缺陷。
尽管Devbot和其他无人驾驶车辆一样具有学习能力，可以复制人类车手的驾驶模式，或许在正赛时，也能模仿出一些赛车策略，但从目前来看，“Devbot”们的学习方式更偏重于实战，即在现场实时观察、学习，并作㈩反应。而不似AlphaGo可以“闭关静修”，即便不参加实战，也能主动调用网络大数据，从而在虚拟环境中进行修炼。如果只能通过实战来学习，那无论学习能力多强，效果都会被现场条件所限制。举个例子。假如现在维斯塔潘要学习舒马赫在伊莫拉赛道的驾驶模式，他就没法完成；而AlphaGo就可以调㈩数据来进行虚拟练习，甚至是范吉奥、寒纳都可以“请”来对战。那显然AlphaGo会比维斯塔潘成长得更快。
当然，随着人工智能以及神经网络等技术的发展，按固定路线反复驰骋的机器人赛车，早晚都会如同AlphaGo一般，以压倒性的优势完胜人类选手。届时，也许真会催生出Cyber Formula。然后，采用氢能，乃至量子能动力的机器人赛车将成为主角，而观众也不再讨论奔驰的裤档有多深，转而评价起电脑车手的策略来。同时，机器人丁程师也会逐渐取代车手，成为Pit房内汽车工程师的新搭档……以眼下的进化趋势来看，这样的未来未必是妄想。
No.020249
8xxxxl39@qq.com
Q：不知编辑老师你有没看过《新世纪GPX号》（《高智能方程式》）？在这部动漫中，早在2015年就已经出现由人工智能辅助的超级方程式赛车。但在现实里，F1直到今天仍然完全由人类来操作，那我要到什么时候才能见到真正的机器人赛车？
A：Cyber Formula，高智能方程式嘛～当然看过啦！但要说现在的F1赛车单靠车手一人就能驾驭，只怕他自己都不信。讲真，好多眼看着赛车日益电子化的老司机都曾经抱怨过，现在开车要是没有team radio的指导，连方向盘上的开关都不敢乱动，因为一旦弄错或误操作，就很有可能掉名次其至导致车辆失控。说实话，如今像F1这样的顶级专业赛车，还真离不开高度集成化的芯片电路，否则根本无法管理车上众多自动控制部件。至于机器人赛车，如今这些配备车载电脑又高度自动化赛车，其实已相当于机器人的雏形。而且，无人驾驶的真机器人赛车，也已经登场亮相！
这里说的机器人赛车可不是大约10年前在Top Gear赛道上震惊Jeremy Clarkson的宝马330i，也不是最近两年出现在Sonoma、银石赛道上的那几辆奧迪无人车，而是俄罗斯人Denis Sverdlov创建的Roborace公司在2017年MWC世界移动通讯大会上发布的“The Robocar”。
跟那些由汽车厂商或大学团队研制，然后放到赛道上演示的无人驾驶试验车不同，Robocar从一开始就是为竞赛而生的，并将作为开发平台提供给Roborace联赛的参赛车队。Roborace更在2017年H月，讓两辆Robocar的技术验证车“Devbot”在Formula E电动方程式的赛道上，进行真格的无人驾驶竞速。
然而，正是这场实战，把当下机器人赛车的不足之处暴露在观众面前。从车载视频可以看到，扮演追击角色的那辆Devbot，在通过一个小角度弯道时，不知是转向机卡死还是其他原因，方向盘呈固定角度，从而导致车辆因转向不足而撞墙。不仅如此，现场还㈩现当前车在“射程”之内时，后车并未像人类车手那样发动攻击，而是按既定路线继续跟车的场景。对此，舆论早就有多种解释，但结合其他无人驾驶车辆在赛道上的表现来看，目前机器人赛车显然还无法脱离“剧本”来自由表演，应变能力更是不及经验丰富的“老司机”。甚至可以大胆地预测，如果现在有一群Devbots挤在F1摩纳哥站的赛道上，肯定会沉闷地完成游车河任务，而不会做出人类车手曾经表演过的那些不可思议的超车动作。但不幸的是，对于一项赛车运动来说，“毫无悬念”却是最致命的缺陷。
尽管Devbot和其他无人驾驶车辆一样具有学习能力，可以复制人类车手的驾驶模式，或许在正赛时，也能模仿出一些赛车策略，但从目前来看，“Devbot”们的学习方式更偏重于实战，即在现场实时观察、学习，并作㈩反应。而不似AlphaGo可以“闭关静修”，即便不参加实战，也能主动调用网络大数据，从而在虚拟环境中进行修炼。如果只能通过实战来学习，那无论学习能力多强，效果都会被现场条件所限制。举个例子。假如现在维斯塔潘要学习舒马赫在伊莫拉赛道的驾驶模式，他就没法完成；而AlphaGo就可以调㈩数据来进行虚拟练习，甚至是范吉奥、寒纳都可以“请”来对战。那显然AlphaGo会比维斯塔潘成长得更快。
当然，随着人工智能以及神经网络等技术的发展，按固定路线反复驰骋的机器人赛车，早晚都会如同AlphaGo一般，以压倒性的优势完胜人类选手。届时，也许真会催生出Cyber Formula。然后，采用氢能，乃至量子能动力的机器人赛车将成为主角，而观众也不再讨论奔驰的裤档有多深，转而评价起电脑车手的策略来。同时，机器人丁程师也会逐渐取代车手，成为Pit房内汽车工程师的新搭档……以眼下的进化趋势来看，这样的未来未必是妄想。