這家神祕的創業公司,選在「雨夜」挑戰自動駕駛

作者 | 發布日期 2017 年 02 月 23 日 6:30 | 分類 AI 人工智慧 , 尖端科技 , 自駕車 follow us in feedly

如果你有關注自動駕駛技術,你可能看過從 Google 到特斯拉,再到很多創業公司的自動駕駛展示影片和圖片,但是它們大多有一個共通性──都是發生在陽光燦爛、地面乾燥的環境下。




對於自動駕駛汽車來說,這樣的環境是「完美」環境。但是在真實世界裡,這樣的「完美」環境並不總是出現。人們開車會遇上下雨、下雪、起霧甚至風暴(對中國駕駛們來說,霧霾更是避不開的情況)。在這樣惡劣的天氣下,能見度低、地面打滑等,都會讓人類駕駛犯錯,對於重度依賴感測器來探測環境的自動駕駛汽車來說,它是更難解決的問題,就連 Google 也沒能搞定。

不過最近,一家名為 Drive.ai 的創業公司公布了一段測試影片,讓很多人都震驚了:他們在一個大雨傾盆的夜晚,開著自家研發的自動駕駛汽車,就在 Google 的眼皮底下,讓機器人駕駛完成雨夜開車這個挑戰。

影片裡可以看到,整段自動駕駛測試有好幾個亮點:

在 10 秒處,開始下起了傾盆大雨,而自動駕駛汽車並未受到影響;

30 秒處,出現了非常窄的街道,而且兩邊停有車輛,還有來車交會;

1 分鐘處,在沒有紅綠燈而只有 Stop 標誌的十字路口,一輛車插到 Drive.ai 車前搶行;

1 分 50 秒處,路口紅燈壞了;

2 分 35 秒處,由於大雨,路面都是積水,車燈一片反射,但是自動駕駛車輛並未受到影響。

發給 PingWest 的聲明裡,Drive.ai 的聯合創始人兼 CEO Sameep Tandon 稱,這段影片是在山景城(也是 Google 總部所在地)拍攝的。這整段影片都是在全自動駕駛下完成,完全沒有人工干預;此外,整段影片沒有剪輯,只是快轉。

雨夜、交通號誌故障、車輛搶行……Sameep Tandon 說:「這就是駕駛們每天都會遇到的情形。任何成功的自動駕駛技術都會需要解決無數這樣難以預料的情況,面對各式各樣的駕駛條件,但是目前沒有幾家公司可以真正做到這樣。」

這是 Drive.ai 第一次發表自己產品的影片。之前我們曾經介紹過,Drive.ai 是加州第一批拿到自動駕駛汽車測試許可的公司之一,幾位聯合創始人均來自大名鼎鼎的史丹佛人工智慧實驗室。他們的目標是使用深度學習技術,打造一個像人類思考的自動駕駛軟體。

中美跨境的基金和創新孵化機構 InnoSpring 是 Dirve.ai 的早期投資機構之一,從 2015 年 3 月就開始孵化 Drive.ai。它的矽谷總經理王笑告訴我們:「Dirve.ai 的早期 8 個聯合創始人,幾乎把史丹佛做駕駛的 AI 實驗室全包了。」這個實驗室出了許多名人,最為人熟知的是 GoogleX 的創始人 Sebastian Thrun 和後來接手的吳恩達。Drive.ai 不僅有人工智慧在駕駛應用上的積累,還有 Google 做了 10 年的資源和經驗。

她稱 Drive.ai 總結了 Google 的幾大彎路,分別是:太過依靠昂貴的雷射雷達感測器,Google 在 Velodyne 定制的感測器加起來價格在 20 萬美元左右,昂貴的價格是商業發展的絆腳石;其次,太過依賴高清 3D 地圖,由於高清 3D 地圖獲得價格昂貴,臨時變量不可控,造成技術嚴重 overfitting (過適應);另外,軟體技術後端的平台延展性有限,自動駕駛軟體不一定可在短期內跨平台支持多家汽車廠商。

而 Drive.ai 一開始就要做一輛用低配備雷射雷達、便宜的照相機、Google 2D 地圖就能上路的無人駕駛車,並且用深度學習解決了價格─認知準確性─商業模式可延展性,3 個息息相關又互相牽制的問題,經歷兩個月開發後就上路了。 「這段在雨天漆黑夜晚上路的影片,也是 Drive.ai 的實力展示。」王笑說。

所以和 Google 的 Waymo、特斯拉以及一眾汽車廠商都不同,Drive.ai 主要聚焦在軟體層面,希望以此提供價格低廉的自動駕駛解決方案。 Sameep Tandon 說:「深度學習技術可以讓它像人類大腦那樣處理信息和做決策……我們的團隊有打造未來交通的專業能力。」

為什麼惡劣天氣是自動駕駛難以克服的難題?

雨雪等極端天氣一直是自動駕駛汽車的瓶頸。一名自動駕駛行業的從業者告訴我們,雨雪天氣很容易讓自動駕駛汽車變成「睜眼瞎子」:自動駕駛汽車往往依靠攝影鏡頭、雷達、GPS 和光學雷達系統的組合來辨識路況和周邊環境,雨雪等情況會造成遮擋、反射等,降低了雷達和相機對重要交通標誌,比如對車道線的辨識等,光靠 GPS 並無法準確定位汽車位置。

就像人類駕駛需要各種標識,比如車道線等,來定位自己在路上的位置一樣,自動駕駛汽車也需要如此。這意味著它們也需要更多細節豐富、精確的地圖數據,這也就是為什麼各大汽車公司和科技公司都競相從諾基亞手裡購併 HERE 地圖的原因。

但是除了地圖數據,汽車也需要可靠的感測器來提供汽車周邊的即時環境,光學雷達可以做到這一點,但是當下雨或下雪的時候,它們的感測會受到干擾,可靠度大大降低。

要解決這個問題,一個辦法是安裝極其昂貴的硬體。The Verge 稱,特斯拉在去年 10 月後,更新了自家自動駕駛硬體系統,在車身四周一共安了 8 個鏡頭來提供 360° 視野、感測 250 公尺的距離,還有 1 個雷達和 12 個超聲感測器到原來兩倍大的範圍,一個增強版的前向毫米波雷達,能夠幫助汽車在雨雪、霧塵等天氣下探測到前方車輛。

這樣做效果雖好,但是成本大為上升,很難成為面向大眾的自動駕駛汽車解決方案。

Google 的 Waymo 也一直在測試在雨雪天氣下的自動駕駛情況。他們甚至還在感測器外殼上裝了雨刷器,來保證感測器的能見度。不過這樣做效果不是太理想,所以 Waymo 的車在下雨天裡十分謹慎,一旦受影響就會停在路邊,直到情況好轉。而現在,Waymo 也開始在一些天氣多變的地區,比如華盛頓州等進行更多雨雪天氣下的自動駕駛測試。

另外感測器的供應商如 Quanergy ,都在研發雷射雷達的數位過濾器,讓雷射雷達可以減少雨雪干擾,能在極端天氣裡工作。同樣的,目前這項技術的進展還比較有限。

福特算是惡劣天氣自動駕駛的嚐鮮者之一,去年也曾經在自家測試場地測試過雪天自動駕駛,並公布了影片。品玩配圖

這次 Drive.ai 沒有透露他們的自動駕駛汽車的硬體規格,也沒有給出更多技術細節,只表示正在用深度學習和神經網路來訓練自己的自動駕駛系統。它不僅可辨識人和檢測物體,而且還能和其他車輛對話。 Drive.ai 的聯合創始人兼總裁卡羅爾‧萊利(Carol Reiley)之前接受 PingWest 品玩採訪時表示:

Drive.ai 聚焦在汽車的「大腦」,主要用深度學習技術來打造自動駕駛的人工智慧系統,讓電腦自己訓練自己、做出正確的決定,而不是試著把所有做法都提前寫在電腦裡。

路面情況是動態的、有無窮的可能性(相比之下,圍棋的步數仍是有限的,這也就是為什麼人工智慧可以下圍棋、但是沒法開車),開發人員不可能列出所有情況、提前設定好所有做法,所以,讓機器像人類一樣獲得訓練、自己學習才是更有效的。

或許這正是 Drive.ai 這次挑戰「雨夜自動駕駛」成功的關鍵。

(本文由 PingWest 授權轉載;首圖來源:Drive.ai

延伸閱讀:

發表迴響