今年2月, 長期隱身的自動駕駛汽車技術研發公司Drive.ai悄然上線, 發佈了一段長約四分鐘的視頻。 視頻中, 一輛測試汽車在雨夜中穿行過美國加利福尼亞州山景城(Mountain View)的街道, 全程駕駛員的雙手都沒有碰過方向盤上, 沒有任何干預動作。
我們找到Drive.ai的聯合創始人王弢, 和他聊了聊Drive.ai背後的設計理念和核心技術。
Drive.ai想為商業車隊提供包括感測器組合、控制系統和車內外交互介面在內的後裝套件, 實現特定路線(如外賣、計程車等)的L4級別自動駕駛(即在任何情況下都不需要人工干預)。
感知方面, Drive.ai後裝套件中的感測器包括多個攝像頭、雷達和雷射雷達,
決策方面, 不同於一些起步較早、技術路線基於傳統機器人學的自動駕駛技術提供商, Drive.ai使用的是基於非規則學習的深度學習網路模型,
非規則學習的核心、也是進展難點, 是海量標注的資料, 以及海量的實驗試錯。 Drive.ai的資料來源包括採集車收集的真實資料, 和模擬器生成的各種場景(包含極端情況)的類比資料。 對這些場景中出現的物體(如車輛、行人、自行車等)進行標注, 是個技術瓶頸——每小時車程收集的資料需要800個小時的人工標注, 而王弢告訴36氪, Drive.ai利用自己的標注系統來進行半自動的識別和標注, 比其他公司快20倍, 能夠在短時間內提取到更多有用的資料。 在實驗方面, Drive.ai的團隊同樣有較多積累。
非規則學習的問題在於演算法不可解釋:“端到端”的訓練中, 策略規劃有不透明的區域, 原理和機制並不明確(“黑盒”)。 針對這個問題, Drive.ai採用的是當下學界主流的生成式對抗網路(GANs), 將完整的端到端系統拆分開來, 在涵蓋絕大多數場景的標準化測試機上, 對決策機制的不同部分進行驗證和測試。
在實現自動駕駛功能之外, Drive.ai認為自動駕駛車輛與其他通勤者的溝通同樣重要,
Drive.ai在車頂安裝了一塊LED顯示幕, 用於向行人和其他駕駛者傳遞文字資訊和emoji表情。
已經獲得美國加州無人駕駛路測執照的Drive.ai, 現處於路測階段。雖然demo中表現很好,但從樣車測試到產品落地還有一段路要走。落地中常見的成本過高和場景拓展性低等問題,Drive.ai應該能較好應對——Drive.ai的套件在成本上控制嚴格,感測器以低價攝像頭和雷達為主,高價的雷射雷達使用較少,並規避了運維成本高的高精地圖;此外,非規則學習演算法也提升了L4技術可運用場景的可拓展性。
公司還未正式進入商業化運營,但今年會進行和一些協力廠商運輸服務提供者的試運營(約數十至百輛車),在固定路線上進行L4級別的自動駕駛,期間會進行人為監督。這些預設行駛路線上的乘客和貨物的運輸,將初步證明其技術的可靠性。同時,Drive.ai也向一些車廠提供L2-L3級別的技術,實現初步的商業化。目前暫時不方便透露關於合作物件的更多資訊。
Drive.ai的創始團隊。
麥肯錫和彭博新能源經濟資訊聯合發佈報告稱,2030年高級別自動駕駛汽車(L3和L4)將達到整體銷量的50%,其中L4級別的市場規模達到5500萬輛至6000萬量。鑒於自動駕駛的發展方向將是toB主導——運營商統一管理自動駕駛汽車,提供去人力化的端到端運輸解決方案——這五千多萬輛車,就是面向商用車隊的Drive.ai的下游市場。
這個市場上選手雲集。想要向商用車和乘用車提供L4級別自動駕駛技術Drive.ai的競爭對手,既有擁有造車經驗的傳統整車廠,又有財力人力和技術皆儲備雄厚的科技巨頭,還有其他初創公司。這5500至6000萬輛車中,去掉穀歌、特斯拉、百度、富豪、寶馬等自主研發的車,剩下的有多少會搭載Drive.ai的解決方案,取決於Drive.ai能否比通用收購的Cruise Automation、福特收購的Argo AI、專注計程車的nuTonomy、專注物流商用車的Otto和圖森等等自動駕駛技術提供商,更早推出低成本且安全可靠的整體解決方案。
公司共有大約50位員工,其中以技術人員為主。Drive.ai的核心團隊來自斯坦福大學人工智慧實驗室,對自然語言處理、電腦視覺和自動駕駛等領域的深度學習有豐富經驗。其中,公司CEO Sameep Tandon來自斯坦福大學的人工智慧實驗室,負責自動駕駛車輛深度學習方向的研究;COO Fred Rosenzweig曾在矽谷多家初創公司擔任CEO;總裁Carol Reiley在機器人領域有超過15年的經驗,並擁有六項技術專利。值得一提的是她另一個身份——人工智慧和機器學習領域國際上最權威的學者之一、今日宣佈離職的百度首席科學家吳恩達的妻子。“開啟自己在人工智慧領域的新篇章”的具體指向,很有可能就是他一直熱愛並專長、在百度卻始終無緣掌舵的自動駕駛,而Drive.ai似乎是個非常好的選擇。
Drive.ai近期計畫開始新一輪融資,暫不方便透露融資額,預計在數億級人民幣,主要用於技術開發和車隊拓展。去年五月,公司獲得了來自Northern Light Venture Capital,Oriza Ventures和InnoSpring Seed Fund的1200萬美元投資。
現處於路測階段。雖然demo中表現很好,但從樣車測試到產品落地還有一段路要走。落地中常見的成本過高和場景拓展性低等問題,Drive.ai應該能較好應對——Drive.ai的套件在成本上控制嚴格,感測器以低價攝像頭和雷達為主,高價的雷射雷達使用較少,並規避了運維成本高的高精地圖;此外,非規則學習演算法也提升了L4技術可運用場景的可拓展性。公司還未正式進入商業化運營,但今年會進行和一些協力廠商運輸服務提供者的試運營(約數十至百輛車),在固定路線上進行L4級別的自動駕駛,期間會進行人為監督。這些預設行駛路線上的乘客和貨物的運輸,將初步證明其技術的可靠性。同時,Drive.ai也向一些車廠提供L2-L3級別的技術,實現初步的商業化。目前暫時不方便透露關於合作物件的更多資訊。
Drive.ai的創始團隊。
麥肯錫和彭博新能源經濟資訊聯合發佈報告稱,2030年高級別自動駕駛汽車(L3和L4)將達到整體銷量的50%,其中L4級別的市場規模達到5500萬輛至6000萬量。鑒於自動駕駛的發展方向將是toB主導——運營商統一管理自動駕駛汽車,提供去人力化的端到端運輸解決方案——這五千多萬輛車,就是面向商用車隊的Drive.ai的下游市場。
這個市場上選手雲集。想要向商用車和乘用車提供L4級別自動駕駛技術Drive.ai的競爭對手,既有擁有造車經驗的傳統整車廠,又有財力人力和技術皆儲備雄厚的科技巨頭,還有其他初創公司。這5500至6000萬輛車中,去掉穀歌、特斯拉、百度、富豪、寶馬等自主研發的車,剩下的有多少會搭載Drive.ai的解決方案,取決於Drive.ai能否比通用收購的Cruise Automation、福特收購的Argo AI、專注計程車的nuTonomy、專注物流商用車的Otto和圖森等等自動駕駛技術提供商,更早推出低成本且安全可靠的整體解決方案。
公司共有大約50位員工,其中以技術人員為主。Drive.ai的核心團隊來自斯坦福大學人工智慧實驗室,對自然語言處理、電腦視覺和自動駕駛等領域的深度學習有豐富經驗。其中,公司CEO Sameep Tandon來自斯坦福大學的人工智慧實驗室,負責自動駕駛車輛深度學習方向的研究;COO Fred Rosenzweig曾在矽谷多家初創公司擔任CEO;總裁Carol Reiley在機器人領域有超過15年的經驗,並擁有六項技術專利。值得一提的是她另一個身份——人工智慧和機器學習領域國際上最權威的學者之一、今日宣佈離職的百度首席科學家吳恩達的妻子。“開啟自己在人工智慧領域的新篇章”的具體指向,很有可能就是他一直熱愛並專長、在百度卻始終無緣掌舵的自動駕駛,而Drive.ai似乎是個非常好的選擇。
Drive.ai近期計畫開始新一輪融資,暫不方便透露融資額,預計在數億級人民幣,主要用於技術開發和車隊拓展。去年五月,公司獲得了來自Northern Light Venture Capital,Oriza Ventures和InnoSpring Seed Fund的1200萬美元投資。