点击热键，屏幕上的物体就开始移动。汽车就像汽车那样移动，在车道上行驶，转弯。骑自行车的人就像真正骑自行车的人。在无人驾驶汽车团队操纵无人驾驶汽车在现实世界行驶了数百万公里后，他们的逻辑已经形成固定模式。在这一切的背后，有一份关于世界的超详细地图，以及在现场的不同物理模型，橡胶和道路都被建模。

无需感到奇怪，最难模拟的实际上是其他人的行为。Waymo的软件主管德米特里・多尔戈夫（Dmitri Dolgov）告诉我：“我们的车看到了世界，也了解世界。然后，对于任何在环境中扮演动态角色的物体来说，无论是汽车、行人、骑单车者还是摩托车，我们的车都能理解它们的意图。仅仅追踪某个物体通过某个空间还不够，你必须明白它在做什么。这是建造有能力的、安全的无人驾驶汽车的关键。这种建模，这种对世界上其他参与者的行为的理解，与这个任务中模拟它们非常相似。”

有一个关键的区别：在现实世界中，他们必须接受关于环境的新鲜实时数据，并将其转化为对场景的理解，然后进行导航。但现在，经过多年的研究，斯托特等人相信自己能做到这一点，因为他们已经运行了“一系列的测试”，并证明他们能识别各种各样的行人。

因此，在大多数模拟中，他们跳过了对象识别步骤，没有给汽车提供识别行人的原始数据，而是直接告诉汽车，这些都是行人。在路口，科拉洛夫为无人驾驶汽车甚至更多困难。她点击了V，这是车辆的一个热键，一个新对象出现在Carcraft中。然后她把鼠标移到右手边的下拉菜单上，那里有很多不同的车型，包括我最喜欢的bird_squirrel。

不同的对象被告知需要遵循Waymo为它们建模的逻辑，需要在Carcraft构建的场景中以精确的方式移动，以测试特定的行为。斯托特说:“有个很好的光谱，可以控制一个场景，然后把对象放进去，并让它们离开。”一旦它们具备了场景的基本结构，他们就可以测试它所包含的所有重要变量。所以，想象一下，对于路口来说，你可能想要测试各种车辆、行人以及骑单车者的到达时间，他们停下来的时间，他们移动的速度，以及其他任何东西。”

他们称【新葡京官网】这种模式为“fuzzing”。在这种情况下，这个路口可产生800种可能的情况。它创造出美丽的花边图表，工程师可以进去看看，不同变量的组合如何改变了汽车采取路径的决定。

这个问题真的变成了分析所有这些场景和模拟，以找到可以指导工程师更好地驾驶的有趣数据。第一步可能是：汽车会被撞吗?如果确实如此，那将是一个有趣的场景。下图就显示了这种情况。在山景城的现实生活中，路口的场景更为复杂。当车子向左行驶时，atv，一辆自行车靠近了，导致汽车停在路上。

工程师们解决了这类问题，并重新设计了软件进行纠正。图中显示的是真实情况，然后再模拟运行。这意味着两种不同的情况，你会看到模拟汽车继续行驶，然后写着“shadow_vehicle_pose”的虚线框出现。这个虚线框显示了现实生活中发生的场景。对Waymo团队来说，这是最清晰的可视化进展。

但他们不只是在寻找汽车被撞时的细节。他们可能还想要在正确范围之外寻找太长时间的决策或刹车反应迟缓的影响。如果工程师想要从中吸取教训，他们将通过模拟寻找问题。斯托特和Waymo软件主管多尔戈夫强调，模拟有三个核心方面。第一，他们驾驶的里程数远远超过现实世界中的物理车队，而且获得更多更好的经验。第二，这些汽车专注于有趣且仍然互动困难的里程，而不会关注无聊的里程。第三，软件的开发周期可以更快。

多尔戈夫表示：“这个迭代周期对我们非常重要，我们在模拟过程中所做的所有工作都允许我们戏剧性地减少时间。在项目的最初阶段，这个周期可能需要好几个星期，而现在只需要几分钟的时间。”我继续问他，路上的油片或者是爆胎、怪鸟、天坑以及其他令人疯狂的事情，他们都能模拟吗?多尔戈夫对此很乐观，称【新葡京官网】已经可以模拟，但是关键在于这些模拟的逼真度有多高?也许有些问题你得到了更好的价值，或者通过运行一系列测试得在模拟中确认物理世界中的场景。