不用光學雷達和精密地圖也能玩自動駕駛，Wayve 做法真的可行嗎？

現在的自動駕駛行業，言必談光學雷達幾乎成了「政治正確」，不過，想把感測器、高精準地圖和其他設備全部配齊，並時刻保持火力全開哪有那麼容易。

既然如此，何不換個思路找突破口呢？

英國新創公司 Wayve 就來了一次「思想解放」。這家公司宣稱，它達到自動駕駛只需要一顆鏡頭、一個 GPS 追蹤器和一台強大的電腦，不用光學雷達、不用高精準地圖，也不用手編程式。

更可怕的是，在 Wayve 的調教下，未來的自動駕駛汽車一天之內就能在複雜的路況下應對自如了。

這是什麼操作？

它就是 Wayve 的端對端機器學習自動駕駛解決方案。與其搭建一個平台並不斷向其灌輸各種交通規則，這套系統轉而依靠模擬和增強學習技術。

這套基於模型的深度增強學習系統讓車輛能像人一樣在新環境迅速掌握駕駛的能力。顯然，Wayve 用了完全不同的方法，因為在它的語境下，車輛會自行創造規則並基於安全駕駛員的接管不斷進化，工程師手上的大量即時數據當不了主角。

Wayve 拋棄了昂貴的光學雷達和數據密集型的高清準地圖 ，要用多層神經網路和計算視覺預測城市環境中物體的動作。

不過，感測器技術專家們卻認為 Wayve 的設想非常荒謬，即使它成功了，這樣的解決方案也是絕對的目光短淺。

當然，這家英國新創公司也不是異想天開，其不久前就放出了一段相當成功的測試影片。那輛測試車才學習了 20 小時，就成功在雨天完成了某路段的行使，不但複雜的轉彎沒問題，躲避自行車也不在話下。

這次測試的強悍之處在於，測試車只靠機器學習就掌控全場，完全沒有藉助高精準地圖和高度複雜的感測器裝置，這樣的展示也算得上世界首創了。

大多數自動駕駛汽車在確定行駛路線時都要靠即時數據，這些數據來自道路上的障礙資訊，人行道上的行人動向和周邊車輛的走位等。Wayve 並不會試圖破譯這些數據，因為它「寒酸」的感測器配置根本採集不到如此豐富的資訊。相反地，它更依賴已經導入系統的訓練數據以及過去的駕駛經驗。

當然，還有一些「增強」數據，它是人類駕駛員口口相傳的街道資訊。

前不久，Wayve 在部落格文章中表示，自己的「人類驅動」方案雖然速度會慢一些，但絕對與眾不同。「每次安全駕駛員介入，我們的系統就能學到經驗並不斷進步。我們不教車輛如何駕駛，而是靠經驗、範例和反饋，就像人類學開車那樣。與其他方案相比，這樣更安全且更容易普及。雖然這樣操作部署會晚一些，但僅僅是因為學習曲線不同罷了。」

此外，與其他公司一城一策的落地方案不同，Wayve 的測試車可以快速適應不同環境，一次完成 100 個城市的部署。

該公司聯合創始人 Alex Kendall 也指出，「做了這麼長時間的自動駕駛後，我越來越相信一點，那就是端對端機器學習才是唯一能大規模落地的解決方案。」

「我們的模型能藉助端對端學習掌握車輛的橫向和縱向控制（即轉向和加速），同時，模型中也充滿不確定性，這就讓系統能從輸入的數據中學到與控制相關的功能，讓計算變得更加高效。事實上，我們的系統運行起來和最新的筆記型電腦差不多，這就大大節省了感測器和算力成本（當然還有功耗）。 」Kendall 解釋。

Wayve 是在亂來？

雖然 Wayve 極力「吹捧」自家方案，但專家們還是覺得這並非什麼好主意。

「簡直精神失常了」。Velodyne 公司 COO Rick Tewell 說。「想讓 AI 表現好，就得拿更多數據去『餵養』，沒聽說過數據量少還能訓練好 AI 系統的。」

對自動駕駛汽車來說，可靠且強大的數據源是提升產品安全的關鍵。成本問題確實令人頭疼，不過隨著感測裝置的大規模普及，其成本肯定會持續走低。要知道，幾年前一套 LiDAR 系統還要價數萬美元，現在普通產品 1,000 美元就能買到，至於雷達就更便宜了。

在成本方面，Wayve 稱自家的「極簡套裝」價格只有傳統「自動駕駛套餐」的十分之一。不過，對於那些財大氣粗的汽車巨頭和不差錢的科技巨擘來說，在感測器上省錢好像並不是它們的首要考量。

中國光學雷達新創公司速騰聚創（RoboSense）研發副總裁 Leilei Shinohara 在接受採訪時就表示，自己無法理解將感測器數據拒之門外的行為。「感測器能採集到人眼看不到的細節」。

在安全面前，一切都是浮雲。「也許你的光學雷達只有 5% 時間發揮效果，但它一出手就能解決大問題，所以你還是會備著它以防萬一。」Shinohara 解釋，Uber 和特斯拉的致命事故就是前車之鑑。在他看來，感測器系統三件組也是必不可少，因為在真實道路上什麼情況都有可能發生，比如自動駕駛汽車如果被油漆運載車噴成大花臉，這時鏡頭和 LiDAR 都會被廢掉，但雷達系統依然能保障車輛安全運行。

Luminar 技術戰略主管 Matt Weed 也認為，安全才是自動駕駛汽車的終極訴求，它們必須獨立應對各種極端情況，而且得掌控全場。「最關鍵一點就是自動駕駛汽車必須比人類駕駛更安全」。Weed 說，「我們都在盡全力採集各種資訊，故意減少安全性輸入也太不明智了」。

以色列雷達感測器公司 Vayyar Imaging 聯合創始人兼 CEO Raviv Melamed 也發表了自己的看法，在他看來，感測器決定了感知系統性能，即使是廠商需要花大量時間對感測器三大金剛協同工作進行調配。「想要安全就得有強健性性」。Melamed 說。

在這裡，強健性性必然會與 Wayve 的「極簡套裝」起衝突。如果非要給個總結，Melamed 認為 Wayve 的方案就像個十幾歲的小青年，才剛剛摸了幾把方向盤就要上路飆車，與「身經百戰」的老駕駛相比，其安全性可想而知。

雖然看似不合常理，但 Kendall 並不孤單。曾幾何時，Anthony Lewandowski 的自動駕駛新創公司 Otto 也在使用類似的神經網路模型和鏡頭配置。現在，Wayve 還吸引了 Uber 首席科學家 Zoubin Ghahramani 的注意，這家英國公司已經拿到了他的投資。

有趣的是，現在 Wayve 用的測試車是捷豹 I-Pace 電動 SUV，這款車型也是 Waymo 自動駕駛車隊的主力。

雖然受到了一眾專家的質疑，但如果有人能證明這支劍橋團隊所言不假，也許未來某天它們的解決方案能成為其他小公司的及時雨，甚至超越那些投入巨資的公司直接一統自動駕駛江湖。

（本文由 雷鋒網 授權轉載；首圖來源：Wayve）