這個星期除了我跟CloudJ的OPF4影片，comma ai也上了縱向實驗第二回合。看起來好像沒甚麼不一樣，但仔細瞧瞧裡面又是充滿巧門。來聽看看我的觀察與分析吧!
影片一開始到0:14秒時，跟縱向01一樣遇到停止號誌加上十字路口緩慢停止，接著前進。這看起來跟前一個實驗很像。不過，你可以仔細看，C3在路口並沒有完全靜止，他時速降到2Km/h時幾乎接近停止，但因為對向橫向沒有車流，C3就開始加速前進了。
第一個是它的停止位置很漂亮，再來就是他並沒有完全靜止，只是放緩速度之後再加速。如果沒有看到方向盤，你在外面觀察，很可能會以為有人在開車。這就是e2e ML奇妙的地方，他透過學習每個駕駛通過路口的習慣，C3的ai決策是放緩到近乎停止又未靜止，接著流暢的加速前進。我沒有看過傳統車廠的ADAS有類似這種決策品質的系統展示。
接下來影片中段0:20秒處，C3駛入無車道線的環境，兩旁還有路邊停車，ai很穩定的保持偏右直線，還可以跟對向車道會車。在這個場景之下，車子也不會刻意置中，接下來幾秒很順暢的掠過整排的路邊停車。如果你在外處看，你很可能還是會以為這是人在開車。
壓軸果然放在最後，0:46秒的時候，C3來到了海邊路口。前方不是停止車，也沒有牆壁，就是一個紅色T字型的道路邊緣，一張海灘椅，一個垃圾桶。這個測試環境對於雷達是活路一條，雷達肯定會直接衝進沙灘，只有視覺有辦法克服。然後車子也是平穩的慢下來，接著ai選擇完全靜止。
如果你是在外面看的路人，你一定會以為這是人在開車(這句話我講第三遍了)。ai的目的當然是要學會人類的推理跟預測。這段不到1分鐘的影片會嚇壞許多的ai人。因為C3並沒有圖資，然後是在一個開放環境測試。
我們知道不論是特斯拉還是Waymo或是其他傳統車廠，還是相當依賴圖資的額外資訊做為輔助駕駛的輸入。不論是速限阿，還是彎道或路口的辨識，甚至是用高精圖資環境場景的重新描繪。
comma提出的問題是，人是否需要地圖才能開車？以我們每個人的經驗，顯然不是。人類並不需要圖資一樣可以開車。這個意思就是說，輔助駕駛的ai如果先學會了開車這件事情，就算沒有圖資，它依然可以駕駛，唯一的差別只在於它不知道目的地。
反過來說comma ai的C3已經開始學會仿人開車這件事情，他依照幾個不同場景做出仿人類的決策，而且行駛過程相當精緻，這是comma的e2e ML很厲害的地方。
在comma ai的官方清單裡面還有三條尚未上架的影片，讓我們來期待comma ai接下來要拿出什麼縱向成果來向世界展示囉！
其他相關問題歡迎在社群粉專留言發問～
