驶离2022，有关打破世界纪录的赛车与开发者们

[TiAmozhang]

在2022年的最后一天，2022 Amazon DeepRacer 自动驾驶赛车中国联赛的总决赛正式在成都收官。

 

从中国联赛中脱颖而出的来自全国赛手们相聚在成都，共同在1/18的 Amazon DeepRacer 赛道上竞速驰骋，也见证了“最大规模的机器学习竞赛”吉尼斯世界纪录的现场颁奖。

本次决赛采用了更具有挑战性的【re:Invent 2019】赛道，不过大神赛手们还是各显神通。冠军队伍 Mad-Cross 战队在出界1次的情况下，仅用时41秒即完成了挑战。

 

Amazon DeepRacer 是亚马逊云科技推出的1/18比例自动驾驶赛车，开发者能够通过构建强化学习模型，快速通过 Amazon DeepRacer 学习并掌握人工智能的知识。

 

利用短短几行代码，即可在 3D 模拟器上完成自己的机器学习模型的训练，并能在虚拟赛道与实体赛道上验证自己的模型。无论你是机器学习小白，还是已经能够成熟训练模型的大神，都可以通过 Amazon DeepRacer，一起与来自全球的开发者同场竞技。

 

▲ Amazon DeepRacer 赛车

 

在2022年，亚马逊云科技组织了组织了面向全国开发者的 Amazon DeepRacer 中国联赛、面向青少年群体的 Amazon DeepRacer 青少年联赛以及邀请全球机器学习爱好者共同参与的 Amazon DeepRacer 吉尼斯世界纪录挑战等好玩且刺激的竞赛项目，众多亚马逊云科技的客户、合作伙伴也在自己的公司内部举办了 Amazon DeepRacer 竞赛，体验“人人都可以上手的机器学习”的乐趣。

 

我们也遇到了许多执着、可爱的 Amazon DeepRacer 开发者，他们来自不同的行业，拥有不同的背景：有企业的算法专家，有创业者，有大学生，也有没有任何技术背景的机器学习爱好者。我们访谈了其中的几位开发者，让我们来听听这些人开拓与创造的故事。

两位大牛，12小时亚洲突围

 

时间只有12个小时。

 

2022年10月底，Amazon DeepRacer 亚洲外围赛的比赛时间，只剩下12个小时。参赛者李宝生、梁耀锦却刚刚下班，还未准备充分。

 

在国内 Amazon DeepRacer 竞赛领域，二人是公认的大牛，被许多爱好者追捧。

 

在亚马逊云科技面向中国开发者组织的Amazon DeepRacer中国联赛中，胜出的佼佼者将有机会在美国拉斯维加斯参与到在每年云计算行业的世界级盛会——re:Invent大会上举办的世界联赛总决赛。

 

对开发者来说，走上世界级舞台，这是 Amazon DeepRacer 竞技崇高的荣耀。

 

 

▲ 李宝生（左）和梁耀锦（右）

 

李宝生和梁耀锦既是同事，又是 Amazon DeepRacer 比赛中国赛区的常胜将军，吉尼斯全球挑战赛中的佼佼者。

 

对于这次参加亚洲入围赛，二人踌躇满志。在比赛中成绩优异者，可以前往美国拉斯维加斯参加线下决赛，这对所有爱好者都是不小的诱惑。

 

仅剩的12个小时准备时间，被二人切割成了三份。下班回到家后，李宝生和梁耀锦投入到紧张的准备中。

 

第一步，根据拿到的赛道信息，重新测试自己之前的策略和赛车的完赛成绩。想要实现赛车平稳、快速完成比赛，开发者编写的机器学习策略，至关重要。

 

二人拿到赛道之后，根据赛道的弯道、宽度设置等，重新微调之策略的参数，使得赛车更加快速完成比赛。

▲ 李宝生和梁耀锦在讨论赛车

 

机器学习的本质，是人对机器设置奖励函数，以此为赛车的学习、决策给出参考条件。例如转弯角度、是否沿赛道中心行驶、行驶速度等。诸多复杂条件调试完成，赛车便通过自我学习，探索出一条最佳路线行驶。

 

“像训练动物一样，想让它坐下，就每当它坐下的时候给它一块肉，这样养成习惯，它就学会了坐。”

 

对于赛车而言，奖励函数中任何参数的变化，都会对最终的成绩产生影响。这会干扰赛车的前进、转弯和速度。

 

分析完赛道，修改策略代码之后，二人发现想要在如此短的时间内，实现自己想要的结果，测试时间根本不够。为了确保晋级，他们开始分析对手。

 

在过往的排名中，想要排名达到前三，他们要让赛车最好的成绩达到8秒/圈。但当天晚上，面对全新的赛道，二人一直“折腾”了2个小时，梁耀锦发现，成绩仍然不理想，甚至都不如从前。而此时，时间已经接近深夜12点……

 

“最后都放弃了，就用最开始我们设定的那个策略了。”放下之后，二人开始休息，为第二天清晨的比赛作准备。

 

没有充足的体力，无法应对接下来的比赛。

 

幸运的是，在第二天的清晨的比赛中，二人最终以0.1秒之差，获得亚洲入围赛的第二、第三名。这个成绩让他们很兴奋，代表中国，他们终于拿到了去往拉斯维加斯比赛的入场券！

 

▲ 线上模拟赛车行驶

 

对 Amazon DeepRacer 的热爱，李宝生和梁耀锦完全来自于兴趣。过去的几个月，这两个男人，付出了全部周末时间，一头扑到 Amazon DeepRacer 的比赛、研发中。

 

二人同在汇丰科技工作，为银行系统的安全、流畅保驾护航。去年9月，接触 Amazon DeepRacer 后，二人产生了极大兴趣。“当时 AI 很火、也想多接触接触，就参与进来了。”李宝生介绍。

 

这一接触，就再没停下来。

 

从线上的模拟赛道，到线下的实体赛车，过去的一年多时间，二人参加了数不清的赛事，也不断成长为圈内的“大牛”。

 

让他们感受最深的，是线上赛和线下赛有着巨大的差别。

 

线上模拟赛道的演练，几乎将参数都调整到了完美，所以奖励函数的设定，也是按照虚拟的完美的模型来测试。

 

但当赛车真正开上跑道，传感器反应速度、光照强度、赛道平整程度等诸多因素，都要重新考虑进奖励函数中。

 

巨大的差别也让二人产生了浓厚的兴趣。“当真的看到一个赛车自动跑完全程，那种震撼还是比线上强烈。”几乎每一个周末，他们都会投入到赛车的测试和模拟、调整练习过程中去。

 

比赛成绩最终给了他们回报。今年，在大大小小的赛事中，二人不断取得好名次，甚至获得前往拉斯维加斯参加全球总决赛的入场券。

 

因为疫情，二人最终未能在现场参与角逐，这是他们的遗憾。但在人工智能的路上，脚步并没有停歇，二人仍在努力，向明年的总决赛发起冲击。

神秘技术拓荒者

 

 

任何一项技术的进步，离不开拓荒者、先行者和爱好者，李宝生、梁耀锦属于先行者，潘石属于拓荒者。

 

在国外读书时，潘石的专业是电子通信，前沿领域的科研发现，技术的更迭他很清楚。但相对于通信，他对人工智能更感兴趣。

 

早在2018年在国外留学时，他就注意到了人工智能的发展。当围棋领域的 AlphaGo 战胜世界冠军之后，更是掀起一阵人工智能热潮。

 

这个谦逊、甚至带一点神秘的男人，也在2018年回国，扑到人工智能的创业领域。

 

▲ 潘石

 

此前，他接触到的人工智能发展相对缓慢，通过数据的采集，将规定好的程序输入到机器中，机器从而复刻采集到信息汇总处理，输出结果。

 

相当于，人让机器做什么，机器就只能做什么。

 

但2018年在国外接触到 Amazon DeepRacer 之后，情况发生了变化。在他的理解，Amazon DeepRacer 的机器学习，是机器基于自己的“意识”进行学习。

 

例如赛车在跑道上行驶，从前只能设定好程序，以特定的速度在特定的位置实现特定角度的转弯。而如今，仅需要告诉赛车需要在道路上正常行驶，赛车便可以自动判断位置、速度、转弯方向。

 

“我觉得特别特别好，能学习到很多关于深度学习的知识。”潘石说。

▲ 潘石在展示开发板

 

他的创业项目，也是围绕人工智能进行。几个爱好者凑在一起，他们研发出赛车的开发板。一辆能够实现自动驾驶的赛车，离不开信息采集器、开发板和处理中心。潘石的开发板，可以帮助简化赛车的组装，帮助开发者实现不同功能，降低开发者在硬件上的门槛。

 

这项开发板的研发，不仅在人工智能互动社区引起不小反响，也帮助了很多专业研发人员测试、工作。

 

为了拓宽市场，也是为了让开发板更有价值，潘石将目光从专业领域挪开，开始在线下进行推广，举办线下开发者聚会，希望能够将技术普及给更多热爱人工智能的人。

 

▲ 潘石参加社区活动

 

那时，他还习惯让赛车通过摄像头收集数据，然后在赛车上的电脑中做机器学习、训练，最后导出模型文件，传输到赛车上，开启自动驾驶服务。

 

到了2021年，他发现事情变得简单。“Amazon DeepRacer 的整个功能都已经通过代码封装好了，你可以直接用，很多普通人也可以快速学会。”

 

听说有线下比赛后，他用了一周的时间，查询相关资料，调整奖励函数，模拟比赛，最终意外拿到了第六名的好成绩。

 

能拿到好成绩，潘石总将结果归结于运气，但这份运气皆来自付出。

 

“当时真的是没日没夜地搞这个东西，整个学习的过程，感觉特别有挑战。”回忆当时比赛，潘石仍觉得意犹未尽。他还记得比赛时，最兴奋的不是取得的名次，而是通过比赛结识了太多“同道中人”。

 

“和前几名的大佬聊，能让自己的技术更上一层楼。”

 

▲ 潘石（左1）和爱好者交流

 

曾经，这个年轻的人工智能爱好者，希望让更多普通人更便利地学习人工智能。因此创业时，他们做社区活动，吸引更多普通人参与，他投入教育市场，以自己的产品，帮助学生了解编程、了解人工智能、机器学习。

 

如今这份分享欲依旧没变。疫情过后，他希望更多参与到 Amazon DeepRacer 的比赛中，做一些社区活动。

 

“现在操作流程已经很友好了，小白也完全可以操作，按照他们网上的流程，设计一个简单的模型，还能学到 python 编程。”

 

人身处于时代洪流，很难置身事外，他希望每个人都能多多少少了解人工智能。

拿亚军的居然是00后

 

让赛车在赛道上实现自动驾驶，听起来不可思议的事，如今却几乎唾手可得。作为重庆一所职业技术学校的学生，爱好者封磊便是最好的例子。

 

封磊今年二十岁出头，读大四。即将毕业，同学在为工作惆怅，他却一头钻进电脑里，捣鼓自己的赛车。

 

因为疫情等各种原因，他没有机会参加一直想参加的线下赛，但在线上，这个年轻人已经拿到不错的成绩。

 

第一次了解到 Amazon DeepRacer，是在2019年，那时候的封磊还在读大二。他参加学校的技能大赛，筹备过程中，偶然发现了 Amazon DeepRacer 比赛，并迅速被这项赛事吸引。

 

“如果通过自己的设计、编程，让赛车实现自动驾驶，该是一件多么炫酷的事！”他心里想。“而且那段时间，人工智能、机器学习很火，我却从没有接触过这方面的东西，就非常想学习一下。”

 

▲ 封磊展示的模型数据

 

详细了解 Amazon DeepRacer 之后，他发现工具本身已经提供了一些可以使用的规模编程，“做一个最简单的模型，你一直按照界面的提示操作就可以了，然后就可以训练出这样一个模型，直接提交比赛就可以的。”

 

但想要获得不错的成绩，需要投入大量时间学习和研究。封磊还记得，当时外网有一个大牛一直在写博客分享自己的设计思路、奖励函数编写逻辑，封磊学到很多，也根据他的思路，增加了不少最新的调整。

 

第一次参加比赛，封磊很紧张，他一直盯着屏幕，看赛车在模拟的轨道上运行的轨迹，不断翻看日志，寻找解决问题的方案。

 

时间来到今年8月，已经有不少参赛经验和钻研成果的封磊，参加了月赛。那场比赛用的是之前2019年测试的赛道，封磊很熟悉，也调试过无数次。

 

每次测试结果出来之后，他都会认真分析测试日志，调整相关参数。最终在比赛中，他的赛车，拿到了专业组第二名的好成绩，跟冠军仅仅差了0.1秒！这个成绩让封磊非常意外，也让诸多爱好者震撼。

 

让他欣喜的还有，自己第二名的奖品，是一台 3D 打印机。他可以利用这台打印机，做更多有意思、有突破的事了。

 

 

▲ 封磊线上赛车行驶片段

 

4年前封磊刚读大学，这个腼腆的男孩选择了“云计算”这门专业就读。即便当时并不能完全理解，这三个字意味着什么，但他隐约觉得，那似乎就是未来科技前进的方向。

 

4年过去，在经历实验室学习、网课、实习之后，到了就业的时候，他相信自己可以在人工智能领域，贡献自己的一份热情。

 

工作多年的李宝生和梁耀锦，已经通过实践，将技术用在了工作中。从前工作中的分类，要依靠人工，繁杂、琐碎、容易出错。

 

如今梁耀锦开始使用机器进行智能分类，解放了生产力。可贵的是，他们仍保持着强烈的好奇心，想要去探索机器学习的更多可能。

 

▲ 潘石（右一）在参加 Amazon DeepRacer 比赛

 

潘石对 Amazon DeepRacer 的发展有更清晰的认识。他的理解里，这项技术可以在多种场景下，帮助人类完成更多工作。

 

他认为，未来人工智能会替代很多重复性的工作。

 

“重复性的工作，我们其实可以通过机器学习来生成模型，取代物理世界中机械的重复。通过机械模型，也能反推结构等等，让机器自己探索出最好的解决办法，完成工作。”

 

他强调：“这时候，我们人类需要去做更高智慧的一些工作了。”

 

从今年的盛夏到深秋，超过10,000位Amazon DeepRacer 赛手，参与到各种自动驾驶赛车竞赛以及吉尼斯世界纪录挑战之中。每一位参赛者都是不可或缺的贡献者和见证者；同时正是因为有他们的加入，再次刷新了各国选手的最快圈速纪录，也让世界看到中国开发者的热情与实力。

 

2023年，我们希望继续通过 Amazon DeepRacer 这辆小车以及相关的赛事与活动，让更多的人能够体验机器学习的乐趣，掌握人工智能的知识与技能。2023，不见不散！