陳怡然力薦《關(guān)于我博士畢業(yè)的這件小事》，Waymo研究員2年半心路分享火了

編者按：搞科研、讀博士，這從來都不是一條輕松的路。今年9月，UCLA博士生葉小飛終于通過答辯，正式成為自動駕駛領(lǐng)域的一位“刀客特”。
兩年半讀博期間，葉小飛經(jīng)歷了一次重大的思維方式轉(zhuǎn)變，才得以“一改前非”、獲得高度自驅(qū)的科研原動力。
這讓他每天保持13小時工作時長也樂在其中，最終畢業(yè)之前拿下數(shù)篇頂會文章、引用從個位數(shù)漲到4位數(shù)，畢業(yè)后則直接加入谷歌旗下的明星公司W(wǎng)aymo擔(dān)任研究員。
他將其中心路歷程化為一篇《關(guān)于我博士畢業(yè)這件小事》分享在知乎上，字字干貨，一經(jīng)發(fā)布便引發(fā)了大量關(guān)注和共鳴。連杜克大學(xué)的陳怡然教授看完也力薦：“非常值得一讀”。
那么，具體是什么改變了他？他又分享了那些有用的讀博經(jīng)驗？一起來看看。
注：本文經(jīng)授權(quán)轉(zhuǎn)載。

在2023年九月里的平凡的一日，我通過了答辯，正式成為了一名刀客特。

我朋友問我答辯成功后怎么慶祝，我說我要先把自己知乎頭銜“UCLA在讀博士”的“在讀”倆字去掉。

今天我在這里寫下這篇文章，一是想和大家，尤其是那些博一博二處于迷茫、或者正在苦苦掙扎的小伙伴分享一些自己的經(jīng)驗心得，二是為自己此時此刻一些微不足道的感悟做個記錄。

這篇文章或許和以前的文風(fēng)相比更感性、條理性弱了點(diǎn)，但句句都會是肺腑之言。

我的博士生涯其實很短，有時我自己都覺得恍然如夢。我在2021年入學(xué)1月入學(xué)，2023年9月畢業(yè)，其中還夾雜著半年在Waymo的實習(xí)。

我的博士生涯又很漫長，我的過去兩年可能頂別人的四年——我靠著自己近乎瘋狂的熱忱每天都保持著將近13個小時的工作時間。

在這13個小時里，我的身體雖然被限制在家里的方寸之地，但是精神卻是前所無比的自由、不羈。

得益于這種熱忱，我在過去的兩年半里發(fā)表了不少頂會頂刊文章，引用從個位數(shù)漲到了4位數(shù)。

但這些身外之物絕不是我讀博最大的收獲，我最大的收獲應(yīng)是思考方式的一種重塑。

讀博中最重要的事

讀博里最重要的事情是什么？我想大部分新入學(xué)的PhD會回答說發(fā)表論文、做好項目、順利畢業(yè)。

但我個人覺得這些事都是表，并非根。在我看來，讀博中最重要的事是重塑你的思維方式。

博士學(xué)位的英文是Doctor of Philosophy, 而不是Doctor of Engineering：

這就代表讀博的最終目標(biāo)，是學(xué)會以一種新的目光看待科研、甚至看待整個世界。

拿我自己舉例子。如果有心的朋友讀過我讀博前的文章，可以發(fā)現(xiàn)他們真的非常Boring。

那時的我做科研就一個想法：

找一個熱門的CV問題搭積木刷榜單，先把分?jǐn)?shù)提上去再編故事，結(jié)果就是我只能發(fā)一些垃圾會議。

這種做法其實在計算機(jī)視覺領(lǐng)域很常見，而它最大的問題在于，你從未認(rèn)認(rèn)真真、獨(dú)立思考過問題本身。

你做科研的原動力要么為了刷文章幫自己以后找工作，要么為了滿足自己勝過別人的欲望。

我?guī)е@種思維讀博讀了半年，直到我做到一個車路協(xié)同感知的文章遇到瓶頸才得以突破。

當(dāng)時我一直很苦惱一件事：

路端傳感器由于擺放位置較高，看什么都是一馬平川，它如果把自己的感知信息傳給經(jīng)過的無人汽車，隨便用個transformer一融合，那感知的問題不全都迎刃而解了？

這么簡單的課題我怎么才能發(fā)頂會？

這個苦惱困擾了我整整一周，直到有一天我開車經(jīng)過一個十字路口，忽遇大風(fēng)，整個交通桿被晃的搖搖欲墜，我就在此刻突然開竅了：

車路協(xié)同遠(yuǎn)遠(yuǎn)不是我想象的那樣完美—這樣大的晃動一定會造成定位誤差極大，導(dǎo)致路段設(shè)施傳導(dǎo)的感知信息有著較大的偏差，直接影響融合效果。

這樣一來，這個課題不是有更多的研究點(diǎn)了嘛？

從這一刻起，我的思維開始改變。

我不再想當(dāng)然地去攻克一個已知的科研問題，而是先捫心自問：

我是否足夠深入地思考這個領(lǐng)域有哪些真正的痛點(diǎn)問題？已有的問題本身是否就有問題？

關(guān)于第一個捫心自問，即我是否足夠深入地思考這個領(lǐng)域有哪些真正的痛點(diǎn)問題，我可以拿自動駕駛里的現(xiàn)在很流行的純相機(jī)BEV感知檢測來舉個例子。

大部分人的想法還是停留在如何魔改網(wǎng)絡(luò)結(jié)構(gòu)來刷榜單，這種做法不是發(fā)不了頂會，而是只有少部分擁有雄厚資源的研究人員才有機(jī)會。

但其實做科研完全不必如此硬卷，你只要稍微深入思考一下，就知道這個領(lǐng)域還有很多實際問題沒有被人探索。

舉個例子，相機(jī)擺放的位置是否會直接影響你的表現(xiàn)結(jié)果？

多個相機(jī)直接有一個掛掉該如何處理？多個相機(jī)出現(xiàn)嚴(yán)重異步怎么辦？

我可以不可以用谷歌地圖的prior knowledge幫助表現(xiàn)？

這些問題我其實在兩年前腦子里就有了，礙于時間有限未來得及探索，但在今年的CVPR和ICCV中，我確實看到了有論文去探索這些問題并且成功中獎，這也證實了這種思路的有效性。

關(guān)于第二個捫心自問，已有的問題本身是否就有問題，我個人認(rèn)為是推動整個科研領(lǐng)域每一次質(zhì)的飛躍的原動力。

飛飛教授在做ImageNet的時候，她認(rèn)為大家一直集中在如何設(shè)計好的算法在狹小的數(shù)據(jù)集上刷到高分的思路是意義不大的，所以她換了一種思路：直接從數(shù)據(jù)本身下功夫。

當(dāng)時她收到了很多質(zhì)疑，但最后的結(jié)果大家都知道：ImageNet促成了AI新紀(jì)元。

再比如大火的Transformer, 正當(dāng)大家在關(guān)心如何把LSTM設(shè)計的更好這個問題時，谷歌的研究員直接摒棄LSTM，打破原有框架，提出使用attention機(jī)制。

我最崇拜的Raquel教授也做過類似的事情，她在V2VNet這篇ECCV2020文章中指出單車智能實現(xiàn)L4可能是個偽命題，多車協(xié)同可能才是最終方案。

她這篇文章也直接促使了自動駕駛協(xié)同感知這個領(lǐng)域的興起，可以說我的整個PhD都是靠她這篇文章養(yǎng)活的。

那么如何才能鍛造這種科研思維？我認(rèn)為有4點(diǎn)：

1、學(xué)會批判。

無論是你眼中的大佬同行，或者你的導(dǎo)師，他們的觀點(diǎn)都有可能是錯的。

你讀到的論文里面那些精彩的故事可能都是湊巧編出來的，換一個數(shù)據(jù)集或者環(huán)境可能就完全不work了。

看待一切的research work，哪怕是CVPR best paper這樣的文章都要帶著批判的眼光去看：

他們還有哪些問題沒有考慮到？他們的設(shè)計是否還有瑕疵？他們那精彩的故事是否在某個特定條件下就完全失效了？

2、永遠(yuǎn)不要限制你的想象力，想的越大膽越有奇效。
在2021年初，自動駕駛BEV鳥瞰圖感知還完全沒有一點(diǎn)影子的時候，我文科專業(yè)的女友曾經(jīng)就問我，為什么一定要用LiDAR，直接讓AI把相機(jī)信息變成俯視圖的一個判斷不就行了嗎？

我當(dāng)時很嗤之以鼻，說這個太難了，相機(jī)只有2D，直接用網(wǎng)絡(luò)推測俯視圖結(jié)果肯定很爛。

結(jié)果沒過多久特斯拉就公布了它們的方案，和我女友所講的思路是一致的。

3、多讀好論文，而且讀的要廣。

正如古人所言，思而不學(xué)則怠。

只是空想永遠(yuǎn)鍛煉不了你的科研思維，一定要多讀論文再結(jié)合自己的思考才有用，而且很多時候要跨領(lǐng)域去讀，譬如現(xiàn)在大火的vision transformer很多都是從NLP借鑒來的。

4、多和其他resaercher交流。

這不僅僅限于自己實驗室，其實天南海北，從北極到赤道的人你都可以去交流。有時候你會驚奇的發(fā)現(xiàn)， 一封郵件會帶來很多新的朋友。

熱愛你所做的

讀博的時候會有各種各樣的壓力和不確定性，包括導(dǎo)師的push, 同行的壓力，抽風(fēng)一樣的審稿意見。

我在寫自己開竅、也是讀博期間最滿意的那篇V2X-ViT時曾經(jīng)遇到過各種阻力—導(dǎo)師對初稿的不滿、靈感枯竭，甚至我第一次投CVPR時還遭到了同行惡意審稿，他對協(xié)同感知很了解，卻單以我們沒有video demo作為理由，用中式英文給我這篇嘔心瀝血之作strong reject。

當(dāng)時的我真的很難熬，是對自己研究領(lǐng)域的熱愛讓我支撐了下來。

同時，如果這個惡意審稿的asshole現(xiàn)在看到了這篇文章，我想對你說，像你這樣的跳梁小丑無論用怎樣的卑劣的手段，都無法阻擋一個真正熱愛科研的人前進(jìn)的步伐。

熱愛你所做的會帶來很多附加品質(zhì)，包括堅韌、不知疲倦、樂觀，甚至可以幫你克服焦慮。

我日常生活里是一個很懶的人，喜歡嚴(yán)重拖延，而且我打小上課走神特別嚴(yán)重，精力很難集中。

但是當(dāng)我開始做CV領(lǐng)域之后，這些問題就忽然消失了：

我愿意去做那些最雜碎的數(shù)據(jù)處理，總是迫不及待地去跑完實驗，寫代碼上網(wǎng)課時精力也變得高度集中——這就是熱愛所帶來的力量。

我讀博期間因為超長的工作時間和驚人的輸出量曾被人戲稱“卷王”，paper machine之類的，這些稱號多少帶著一些戲謔，但是我打心底一點(diǎn)也不care他們的看法。

因為我每天都在做著自己熱愛的事，這本身已是足夠了。

能定義你上限的，只有你自己

將近三年前，我從北美奔馳研究院辭去高薪工作，前往UCLA讀博時曾有很多反對的聲音。

有的人說讀完博都得過去了六七年，你現(xiàn)在的同事可能都成manager賺了大筆鈔票了，你才又從頭干起。

也有的人說，因為你選的導(dǎo)師并非是EECS（交通專業(yè)出身的），他都沒發(fā)過一篇CVPR，你憑什么能發(fā)？

甚至連讀博初期我寫知乎分享時都有前輩說我不務(wù)正業(yè)。

事實證明他們是錯的：

我的導(dǎo)師雖然不是CV領(lǐng)域的專家，卻促進(jìn)了我重塑思維模式，而且給了我較短時間畢業(yè)的機(jī)會；我在知乎的分享看似與學(xué)術(shù)無關(guān)，卻讓我結(jié)識了很多志同道合的朋友，而在知乎的宣傳也讓我的作品更廣為人知，更好打造了一套生態(tài)系統(tǒng)。

這些人的反對其實是出于好意的，只是他們在用一個他們以為的上限在定義別人，而真正能定義那個上限的人，只有你自己。

不僅是剛讀博時，讀博中期也有類似的事情發(fā)生。

我在做OPV2V這篇協(xié)同感知奠基文章時，是八月初開始做的，而ICRA的DDL是九月15號，也就是我只有一個半月的時間。

我需要在這一個半月里完成以下幾件事：

收集大量的仿真數(shù)據(jù)，從零學(xué)習(xí)3D LiDAR檢測，制作一個digital town, 從無到有構(gòu)建史上第一個開源的協(xié)同檢測代碼庫，提出一個可行的融合算法并且跑大量的實驗，以及高質(zhì)量的寫完這篇論文。

幾乎所有人，甚至包括我的導(dǎo)師，都認(rèn)為這是不可能完成的任務(wù)，就算完成了，質(zhì)量也不會太好。

但是我沒有就此放棄，我找到了靠譜的合作者分配一些次要任務(wù)，找到了外校的朋友借到GPU資源，自己則拼了命地工作去攻克最核心的問題，最后一同完成了這篇文章。

截止至今日，這篇文章已經(jīng)有近130次引用，500+star, 全球一共有超過四十個不同的學(xué)術(shù)機(jī)構(gòu)/公司/政府使用過這套數(shù)據(jù)集和相關(guān)的代碼庫，甚至今年的ICCV有八篇中了的文章都在基于這個數(shù)據(jù)集做實驗。

所以如果你在讀博的過程中，有些想法遇到眾人的阻力，自己內(nèi)心深處卻篤定這個想法是對的，那就放手去做，不要讓別人來定義你未來的路怎么走。

因為如果你的一舉一動都是按照眾人滿意的方向去做，那你最后也會是眾人的一員。

請保持鍛煉

讀博的強(qiáng)度很高，作為一個像我這樣的普通人，想長時間的高效工作就必須有鍛煉的習(xí)慣。

我基本保持著一周至少6個小時的健身/有氧運(yùn)動時間，這也為我?guī)砹朔浅：玫木Α?/p>

我每天只需要六個小時的睡眠，不需要午睡，從早到晚基本不會感覺到疲憊，效率基本也是保持在一個較高的水準(zhǔn)，經(jīng)常被人戲稱為“永動機(jī)”。

寫在最后

PhD結(jié)束地像一場夢，有時候回想起來覺得很不真實，那段時光仿佛從未發(fā)生過，但它對我產(chǎn)生的巨大影響卻又是實實在在的存在。

關(guān)于未來，我會加入Waymo Research繼續(xù)從事自動駕駛的研究，因為我內(nèi)心對自動駕駛的未來非常篤定：

它一定會實現(xiàn)，而且一定會讓這個世界變得更好，我愿意將自己的青春獻(xiàn)給這個行業(yè)。

原文鏈接：
https://zhuanlan.zhihu.com/p/661406115
陳怡然薦語：
https://weibo.com/2199733231/Np5Ro9wWS