苹果在自动驾驶领域的最新研究引起了广泛关注。近日，该公司在其机器学习研究页面上发布了一篇论文，详细介绍了其在自动驾驶技术上的新突破。
这篇论文的核心在于提出了一个名为GIGAFLOW的大规模自博弈强化学习框架。该框架旨在通过模拟数十亿公里的驾驶数据，训练出通用且具备鲁棒性的驾驶策略，而且这一过程无需依赖真实世界的数据。
据论文介绍，GIGAFLOW能够在8块GPU上同时模拟3.84万个虚拟环境，每小时生成4.4亿次状态转换，相当于42年的驾驶经验。在短短10天内，通过这一自监督训练体系，即可完成16亿公里的训练，等效于约9500年的驾驶经验。
值得注意的是，GIGAFLOW的模拟环境设计虽然简洁，但通过大规模自博弈的方式，成功弥补了设计上的简化。在模拟环境中，每个智能体从随机位置出发，目标是到达地图中随机生成的目的地，途中需要经过若干个中间点。这样的设计使得智能体在训练过程中能够逐步学会复杂的驾驶行为，包括在拥堵路段执行“拉链式”并线、在环岛中协调通行等。
GIGAFLOW在成本控制方面也表现出色。据估算，每百万公里的模拟成本低于5美元（约合人民币36.1元），远低于同类强化学习方案。这一成本优势主要得益于GIGAFLOW在单节点上进行大规模并行环境模拟的能力，以及通过GPU加速的物理计算和动态状态压缩来降低内存占用和通信开销。
在基准测试中，GIGAFLOW策略的零样本泛化能力得到了验证。在CARLA、nuPlan和Waymax三个主流自动驾驶基准上，GIGAFLOW的策略均超越了特定于基准的专家模型，展现出强大的泛化能力。甚至在未针对任何特定基准进行微调的情况下，其表现仍优于那些专门为基准优化的模型。
进一步分析表明，GIGAFLOW策略在长期驾驶鲁棒性方面也表现出色。在降低动态噪声和提高控制频率的条件下，智能体平均可以连续驾驶1750万公里才发生一次事故，而美国人类驾驶者的平均事故发生率为每82.9万公里一次。这一结果充分证明了GIGAFLOW策略的有效性和鲁棒性。
尽管GIGAFLOW取得了显著的成果，但该项目团队也承认仍存在一些局限性。例如，纯模拟训练的策略尚未在现实世界中进行验证，因此其在实际应用中的表现仍然未知。研究还假设感知系统是完美的，但在现实中，传感器噪声和环境的不确定性可能会显著影响策略的表现。
尽管如此，苹果在自动驾驶领域的这一新突破仍然具有重要意义。它不仅展示了自博弈在自动驾驶领域的巨大潜力，还为未来的自动驾驶研究开辟了新的方向。这一研究也为其他多智能体协作领域提供了有益的启发。
