<mark id="oztn4"></mark>
0
| 本文作者： 思佳 | 2017-03-02 18:30 |
上月中旬，一段自動(dòng)駕駛雨夜路測(cè)視頻吸引了業(yè)界目光。這段時(shí)長(zhǎng)約4分鐘的視頻，是來自硅谷自動(dòng)駕駛創(chuàng)業(yè)公司Drive.ai的路測(cè)首秀。視頻中，自動(dòng)駕駛車輛完滿地完成了雨夜條件下的自主駕駛、避障、路口交通燈等待等一系列動(dòng)作。雷鋒網(wǎng)新智駕（AI-Drive）對(duì)其進(jìn)行了第一時(shí)間報(bào)道。
在這之后，雷鋒網(wǎng)通過Drive.ai組建之初的孵化機(jī)構(gòu)負(fù)責(zé)人王笑，與這家硅谷創(chuàng)業(yè)公司取得了聯(lián)系。2015年3月，Drive.ai拿到了團(tuán)隊(duì)組建后的第一筆投資孵化支持，而出資方正是Innospring。Innospring在硅谷創(chuàng)立的孵化器，是首個(gè)在硅谷成立的中美跨境基金和孵化機(jī)構(gòu)，王笑任總經(jīng)理一職。
王笑告訴雷鋒網(wǎng)，Drive.ai早期的 8個(gè)聯(lián)合創(chuàng)始人大部分來自斯坦福AI實(shí)驗(yàn)室，這個(gè)實(shí)驗(yàn)室出了很多業(yè)界大牛，包括最被人熟知的GoogleX創(chuàng)始人Sebastian Thrun和現(xiàn)在的百度首席科學(xué)家吳恩達(dá)。
兩年前Drive.ai成立之初，Google已經(jīng)積累了多年的自動(dòng)駕駛研發(fā)經(jīng)驗(yàn)，Drive.ai對(duì)Google此前的研發(fā)經(jīng)驗(yàn)和教訓(xùn)做了總結(jié)，比如避免使用過于昂貴的激光雷達(dá)和高精度地圖等，以及從一開始就采用深度學(xué)習(xí)的策略。
雷鋒網(wǎng)新智駕（AI-Drive）在此前的報(bào)道中也曾提到，相對(duì)于使用高精度昂貴傳感器的方案，Drive.ai更傾向于通過“深度學(xué)習(xí)”解決這個(gè)問題，這似乎是Drive.ai規(guī)避谷歌技術(shù)方案彎路并搭建門檻的途徑之一。
據(jù)雷鋒網(wǎng)了解，Drive.ai的目標(biāo)，在于研發(fā)一輛用低配雷達(dá)、廉價(jià)攝像頭、Google 2D Map就能上路的無人駕駛車，并用深度學(xué)習(xí)解決成本、認(rèn)知準(zhǔn)確性以及商業(yè)模式可行性三個(gè)息息相關(guān)相互牽制的問題。那么，Drive.ai的團(tuán)隊(duì)怎樣實(shí)現(xiàn)這樣的初心呢？遠(yuǎn)隔大洋，雷鋒網(wǎng)新智駕對(duì)Drive.ai團(tuán)隊(duì)進(jìn)行了采訪，團(tuán)隊(duì)聯(lián)合創(chuàng)始人之一Tao Wang解答了我們的疑問。
*Drive.ai聯(lián)合創(chuàng)始人，右一：Tao Wang
雷鋒網(wǎng)新智駕：相比于高精度地圖和昂貴的激光雷達(dá)（LiDAR），Drive.ai更多強(qiáng)調(diào)使用攝像頭和廉價(jià)的傳感器來實(shí)現(xiàn)自動(dòng)駕駛解決方案，為什么，這是否會(huì)導(dǎo)致整套方案在圖像計(jì)算方面有很高的負(fù)載？
Tao Wang：首先，我們的技術(shù)研發(fā)目標(biāo)在于“安全”。其中很重要的一點(diǎn)就在于傳感器的冗余設(shè)計(jì)：我們不會(huì)任何一種單一的傳感器。同時(shí)，我們也意識(shí)到了激光雷達(dá)的高成本以及實(shí)時(shí)更新的高精度地圖的不可靠性。因此，我們希望研發(fā)一種軟件系統(tǒng)，它可以基于許多常見的傳感器，包括攝像頭、激光雷達(dá)、雷達(dá)等進(jìn)行運(yùn)算處理，以此來達(dá)到更好的可靠性和擴(kuò)展性。
我們的軟件核心在于“深度學(xué)習(xí)”，深度學(xué)習(xí)的算法十分靈活，而且已經(jīng)成功應(yīng)用在許多領(lǐng)域，如計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理等。我們的深度學(xué)習(xí)算法允許我們從各種不同的傳感器中整合信息，避免單個(gè)噪點(diǎn)導(dǎo)致的誤判。在成本控制上，我們使用市面上的普通傳感器，整個(gè)自動(dòng)駕駛生態(tài)的硬件價(jià)格下降已經(jīng)成為趨勢(shì)。同時(shí)，我們把更多精力放在軟件適應(yīng)性的研發(fā)上，而不是硬件的定制上，我們也省下了不少一次性投入，并具有更敏捷的開發(fā)周期。
關(guān)于計(jì)算單元的負(fù)載問題，Drive.ai團(tuán)隊(duì)善于優(yōu)化實(shí)時(shí)應(yīng)用場(chǎng)景下的深度學(xué)習(xí)算法。我們的車內(nèi)運(yùn)算單元的功率，幾乎接近臺(tái)式機(jī)的水平。我們還將深度神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)運(yùn)行在車規(guī)級(jí)的嵌入式硬件中，這一硬件來源于與Drive.ai合作的OEM廠商之一。
雷鋒網(wǎng)新智駕：我們知道，諸如谷歌、特斯拉等公司已經(jīng)積累了數(shù)年的自動(dòng)駕駛測(cè)試數(shù)據(jù)。在這種情況下，Drive.ai如何加速機(jī)器訓(xùn)練的進(jìn)程并實(shí)現(xiàn)趕超呢？
Tao Wang：訓(xùn)練一輛汽車，就如同訓(xùn)練一個(gè)人，它并非由純粹的小時(shí)數(shù)或行駛里程決定的。而是需要在正確的算法框架中灌輸正確的數(shù)據(jù)和知識(shí)。
我們的多傳感器套件能夠收集豐富的場(chǎng)景數(shù)據(jù)，而這在機(jī)器學(xué)習(xí)中，要比海量的、千萬億字節(jié)的駕駛視頻更有價(jià)值，因?yàn)橐曨l占用的空間極大但蘊(yùn)含的增量信息卻很少。
所以，我們針對(duì)性地開發(fā)了半自動(dòng)化的數(shù)據(jù)標(biāo)記工具，幫助我們進(jìn)行高質(zhì)量的數(shù)據(jù)分類，分類速度能夠比一些同類競(jìng)爭(zhēng)者快20倍。同時(shí)，我們也使用室內(nèi)模擬器收集邊界狀態(tài)的數(shù)據(jù)，并在模擬環(huán)境中驗(yàn)證算法。最重要的一點(diǎn)是，我們的系統(tǒng)基于深度學(xué)習(xí)研發(fā)，目前這種解決方案已經(jīng)被證實(shí)能夠隨著訓(xùn)練數(shù)據(jù)的增加而持續(xù)提高性能，而不會(huì)在吸收了一定量級(jí)數(shù)據(jù)后遭遇天花板。
雷鋒網(wǎng)新智駕：“人機(jī)交互”，是 Drive.ai 要解決的重要問題之一。如何訓(xùn)練機(jī)器理解路人以及人類駕駛員的行為？
Tao Wang：人機(jī)交互（Human-robot interaction ，HRI），與Drive.ai測(cè)試車輛的其他功能一樣，都是由我們的深度學(xué)習(xí)算法支撐。我們的研發(fā)目標(biāo)，是訓(xùn)練自動(dòng)駕駛車輛同時(shí)理解車內(nèi)和車外環(huán)境，并使它們與周圍環(huán)境進(jìn)行恰當(dāng)?shù)慕涣鳌?/p>
雷鋒網(wǎng)新智駕：在路測(cè)過程中，如何處理好測(cè)試車與人類駕駛汽車之間的關(guān)系？
Tao Wang：我們?cè)谧詣?dòng)駕駛汽車研發(fā)中遇到的最大的挑戰(zhàn)，就是公眾信任和與公眾意圖的交流。在更高水平的自動(dòng)駕駛方案中，我們的系統(tǒng)會(huì)嘗試通過傳感器數(shù)據(jù)預(yù)測(cè)人類駕駛員的意圖，并使用視覺和音頻手段與他們交互。例如，在一個(gè)十字路等候時(shí)，當(dāng)其他車輛有優(yōu)先的路權(quán)時(shí)，它可以通過可視化或音頻手段提示其他司機(jī)先走。反之，我們會(huì)告知其他司機(jī)我們準(zhǔn)備起步了。
雷鋒網(wǎng)新智駕：之前的報(bào)道中曾提到，谷歌的自動(dòng)駕駛團(tuán)隊(duì)曾經(jīng)走過一些彎路，例如過分依賴激光雷達(dá)和高精度地圖，并采用非深度學(xué)習(xí)的解決方案，這會(huì)造成什么影響？Drive.ai從中獲得了哪些啟示？
Tao Wang：谷歌的自動(dòng)駕駛汽車技術(shù)起源于DARPA (美國(guó)國(guó)防部先進(jìn)研究項(xiàng)目局) 超級(jí)挑戰(zhàn)賽。深度學(xué)習(xí)在那時(shí)還沒有發(fā)展到這樣完備，所以他們采取的是一種傳統(tǒng)的機(jī)器人手段。從那時(shí)起，他們基于這種解決方案創(chuàng)造了顯著的成果，而且也擁有世界上最復(fù)雜的自動(dòng)駕駛系統(tǒng)之一。
但我們的團(tuán)隊(duì)，是以深度學(xué)習(xí)為先的。這意味著我們所有的底層架構(gòu)都要圍繞深度學(xué)習(xí)設(shè)計(jì)和建立。我們堅(jiān)信，深度學(xué)習(xí)會(huì)成為最適合自動(dòng)駕駛汽車實(shí)現(xiàn)的技術(shù)路徑，而目前為止業(yè)內(nèi)對(duì)深度學(xué)習(xí)的應(yīng)用還只是皮毛。我們的團(tuán)隊(duì)中包括了世界頂級(jí)的一些深度學(xué)習(xí)算法專家，我們相信所做的努力對(duì)未來交通而言是非常重要的。
雷鋒網(wǎng)新智駕：Drive.ai團(tuán)隊(duì)目前有多少輛測(cè)試車？
Tao Wang：我們有多個(gè)自動(dòng)駕駛汽車平臺(tái)，用于收集多個(gè)激光雷達(dá)、攝像頭以及其他傳感器數(shù)據(jù)。傳感器會(huì)將信息傳遞給軟件系統(tǒng)的人工智能神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)系統(tǒng)在普通計(jì)算硬件單元上運(yùn)行。
雷鋒網(wǎng)新智駕：Drive.ai是否與OEM廠商達(dá)成合作，進(jìn)度如何？
Tao Wang：我們目前與一些OEM廠商和其他行業(yè)伙伴簽署了戰(zhàn)略合作，這些計(jì)劃會(huì)同步推進(jìn)。
雷鋒網(wǎng)新智駕：從最開始，Drive.ai就將研發(fā)目標(biāo)定在Level 4或是Level 5級(jí)的自動(dòng)駕駛系統(tǒng)。但同時(shí)，我們看到你們正加速商業(yè)化進(jìn)程。這是否矛盾，如何取得一個(gè)平衡？
Tao Wang：目前，我們的測(cè)試車輛已經(jīng)實(shí)現(xiàn)了Level 4級(jí)別的自動(dòng)駕駛。隨著技術(shù)發(fā)展，我們會(huì)繼續(xù)研發(fā)Level 5自動(dòng)駕駛系統(tǒng)。商業(yè)化方面，我們的直接焦點(diǎn)，仍在于幫助商業(yè)車隊(duì)研發(fā)自動(dòng)駕駛軟硬套件方案。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
