早在今年5月份，自動駕駛汽車初創公司Drive.ai就宣布，與德克薩斯州的弗里斯科政府以及Hall集團進行合作，在德州落地首個無人出租車服務。

時隔3個月，Drive.ai在德克薩斯州的自動駕駛出行服務終于落地，其服務覆蓋范圍包括像弗里斯科的商店、娛樂場所、辦公樓等特定公共場所，該試點項目將持續6個月。

值得一提的是，前百度首席科學家、人工智能專家吳恩達為Drive.ai的董事，Drive.ai 總裁Carol Reiley是8位創始人之一，她的另一個身份是吳恩達的妻子。

這家由吳恩達及夫人站臺的無人駕駛公司到底什么來頭？其自動駕駛汽車又有哪些特點？該項目又是如何推進的，又有哪些技術成果?

一、吳恩達弟子組團打造無人車

1.Drive.ai——斯坦福背景的無人車初創

Drive.ai由斯坦福大學人工智能實驗室的前研究生于2015年創立，該實驗室由著名的深度學習專家吳恩達（Andrew Ng）經營，同時吳恩達還擔任Drive.ai的董事會主席，這是一家利用人工智能創建可適應、可擴展的自動駕駛技術的科技公司。Drive.ai同時聯合政府和私人合作伙伴，通過L4級的自動駕駛解決方案，改善當今的公共道路交通狀況。

值得一提的是，Drive.ai的八名創始人中有六名是斯坦福大學人工智能實驗室的博士或研究生，他們在2015年創辦創業公司之前，曾在自動駕駛和機器學習技術領域工作了三年。Drive.ai的董事吳恩達之前是斯坦福大學深度學習自動駕駛的項目負責人，并且他也是中國科技巨頭百度的前首席科學家，他還幫助Jeff Dean建立Google的深度學習研究項目。

Drive.ai開發的技術可以將各種車輛改裝成自動駕駛車輛。該公司在加利福尼亞州測試的小型車隊包括三輛林肯MKZ，一輛奧迪A4和三輛日產NV200。在融資方面， 包括New Enterprise Associates在內的風險投資公司已經向Drive.ai投資了約7700萬美元（約合5.24億人民幣），去年9月份，東南亞最大的打車公司Grab還向這家公司投了1500萬美元（約合1.02億人民幣）

Drive.ai在2016年8月走出“封閉階段”，逐步向外界公布了一些開發自動駕駛技術的相關細節。去年9月份，該公司聯合Lyft在舊金山灣區共同測試自動駕駛網約車服務。

2.研發成果落地

目前，這家自動駕駛創業公司已經在德克薩斯州弗里斯科推出一項試點計劃，即公眾通過下載Drive.ai的應用軟件，在指定的地點叫車，就可以免費的使用該公司的自動駕駛乘車服務。并且，這批車輛將成為德克薩斯州首批接載乘客的無人駕駛車輛。

該試點項目將于2018年7月30日正式啟動，其覆蓋范圍會限于弗里斯科的商店、娛樂場所、辦公樓等特定場景，該項目計劃會從HALL Park和The Star周圍的固定接送地點開始，然后將乘車范圍擴展到弗里斯科的公交站點。這項自動駕駛出行服務將與弗里斯科運輸管理協會(Frisco TMA)共同運營，致力于解決移動出行的“最后一英里”難題。

該試點項目的持續時間為6個月，其測試期間將為約10,000人的工作園區提供自動駕駛出行服務。除此之外，Drive.ai會有專門的遠程監管部門向自動駕駛車輛發出指令，對車輛進行實時監控，并且在必要的時候提供幫助。

項目之初，Drive.ai會在自動駕駛車上安排駕駛員，以確保行駛過程中的安全，并且，測試起步階段只有四輛車；隨著項目的推進，安全駕駛員還會在車內，其主要任務是進行監控操作，但不會坐在駕駛位上；在這個項目的后期階段，Drive.ai希望取消駕駛員，通過在車輛上安排服務人員來引導乘客，同時回答乘客的疑問，以此來滿足乘客的出行需求。

值得一提的是，自1月以來，Drive.ai的自動駕駛汽車就一直在弗里斯科的街道上行駛，并且在沒有駕駛人員的情況下進行無人駕駛的測試。該公司表示，它正在與當地官員和執法部門就自動駕駛服務展開密切合作。

二、當自動駕駛擁抱深度學習

1、“會說話”的無人車

Drive.ai將采用日產NV200作為此次自動駕駛測試車輛。與Waymo或Cruise Automation旗下自動駕駛汽車采用的白色外觀不同的是，該車型的外觀采用了易于識別的橙色和藍色作為設計顏色，車身表面還帶有波浪狀的藍條以及“自動駕駛汽車(self-driving vehicle)”和drive.ai粗體字樣。

Drive.ai的聯合創始人兼首席執行官Sameep Tandon表示，他們這么設計的原因是想要在視覺層面上達到與眾不同的效果，改裝后的日產NV200肯定會在當地取得成功。

除此之外，該無人車另外一個標志性特征就是鑲嵌在車身上的4塊LED顯示屏幕。無人車在接收到附近的叫車服務、或者無人車在自動駕駛的過程中，車上的屏幕會根據車輛行駛狀態自動顯示一些文字和符號，Drive.ai稱這個過程為“人機交互”。

這個功能旨在向行人和道路的其他車輛傳遞信息，通過文字的形式實現了人與車輛的交流，從而取代了人類駕駛員經常使用的手勢或語言交流。

“等待”標志

例如，當有行人在十字路口行走的時候，屏幕上會顯示“等待”的字體；當車輛開始正常行駛的時候，屏幕上會顯示“正在行駛”的字體；當乘客上下車的時候，屏幕上會顯示“上車或下車”的字體；當車輛由駕駛司機控制時，屏幕上會顯示“人類駕駛員”的字體。

Drive-ai的一位發言人表示，該公司還根據車輛測試獲得的反饋意見，預計將會在未來為無人車配備更多的LED屏幕。

2、可視化的自動駕駛技術

硬件設備方面，該無人駕駛車輛搭載了10個1080p RGB攝像頭，4個激光雷達和2個毫米波雷達和一個融合傳感器數據的計算機；軟件方面，Drive-ai的內部研發成果包括：無人車的AI大腦，自動駕駛的環境感知模塊，路線規劃模塊、決策模塊，以及移動APP等。該無人車還通過三重冗余設計的無線蜂窩網絡連接實現遠程操控。

吳恩達表示，通過長達數月的交通數據分析，他們確定了車輛的行駛路線，他們將有節奏的推進自動駕駛技術的應用落地 ，并從早期的自動駕駛創業者中脫穎而出。在技術層面上，同樣融匯了該公司在自動駕駛領域的大量思考——該公司將自動駕駛技術與人工智能掛鉤，旨在調高計算精度的同時，縮短數據處理周期。同時利用可視化工具，將自動駕駛過程立體的呈現在用戶面前。

Drive.ai表示，該公司的技術特點旨在縮短自動駕駛數據處理的時間周期。目前，自動駕駛汽車每一小時行駛產生的數據需要800小時人工才能夠處理完畢。但該公司希望通過人工智能大幅縮減自動駕駛數據處理的計算周期，并且將計算精度提高到100％。

首先，工程師會標注原始數據，然后通過深度學習算法學習人工標記的數據，快速、可靠地標記其他數據，同時工程師對數據進行重新檢查和標記。深度學習還可以學習大腦的識別機制，對于非結構化數據(比如語音圖像）進行更好的識別、判斷、分類，讓算法可以通過大量的訓練中得到增強。

Drive.ai開發了一個自動化系統，讓自動駕駛汽車能夠自動識別樹木、汽車、行人和自行車騎行者等對象，并使用Director——MIT開發的開源機器人可視化與界面框架工具，讓識別后的圖像在車內的屏幕上顯示出來，并快速更新車輛前后方的圖像。 （早期版本的Drive.ai的中間件是建立在免費的機器人操作系統之上的，但是團隊已經轉向了自己設計的解決方案，稱之為Drive.ai pub-sub或DPS。）

該公司還創建了自動駕駛仿真系統，模擬連續停車、連續轉彎等不太可能出現的駕駛場景。團隊還通過不斷調整目標參數的尺寸和形狀（諸如交通燈和路上行人等因素），以觀察自動駕駛車輛的反應情況。

Tandon指出， “我們收集的模擬數據使自動駕駛車輛能夠快速適應周圍場景。該功能的一個實際好處就是讓計算機能夠自動檢測交通燈。 Drive.ai的工程師沒有為不同形狀和大小的燈光編寫特定的識別程序，而是讓車輛的計算機視覺算法通過在數千個交叉路口的訓練，學會獨立識別不同的紅綠燈信號。”

Drive.ai在自動駕駛領域的另一個突出成就是，它能夠可視化車輛生成的所有數據。Drive.ai的工程師使用可視化工具將傳感器（激光雷達、雷達、GPS、RGB攝像機）采集到的數據與交通網絡數據整合到一起，然后通過反復的測試，采集海量的駕駛數據，檢查物體與運動之間的邏輯，促進車輛測試和變量分析，以此來優化機器學習模型。該公司將Drive.ai系統理解自動駕駛的過程稱為注釋（annotation）。

類似于電子游戲的的虛擬環境

該公司將Drive.ai系統理解這一自動駕駛過程稱為注釋（annotation），乘客將通過車載屏幕實時獲得可視化的信息，該屏幕上的顯示信息類似于現代電子游戲。

例如點云（point cloud），車輛在行駛過程中產生了一系列的空間數據點，Drive.ai團隊通過把這些數據點轉變成高清圖像的形式，從而讓乘客可以看到自動駕駛車輛的虛擬路徑。Drive.ai還把虛擬的汽車中延伸出去的紅線稱為“紅地毯”，因為它可以展示預期的路線。

這項技術是針對乘坐自動駕駛汽車的用戶量身打造的，旨在讓乘客理解自動駕駛技術的同時，在行駛過程中分散注意力，從而使緊張的乘客感到放松。

該公司還沒有透露自動駕駛車輛的確切行駛里程，但它表示Drive.ai在弗里斯科的模擬測試里程已經達到了數百萬英里。它還在夜間和雨中等極具有挑戰性的條件下進行測試（出于謹慎的考慮，Drive.ai的Frisco測試車輛只能在白天運行。）

三、學術派的弱勢地位

盡管Drive.ai在自動駕駛技術上的突破掀起了產品應用落地的新一輪預告，但不可否認的是，這家學術派背景的自動駕駛初創與傳統汽車制造商相比，還需要一段時間的精心耕作。

1、成立時間較早、資金不足

首先，Drive.ai自成立以來只有不到3年的時間，其成立時間較短，在自動駕駛初創風云崛起的時代背景下，這種資質尚輕的創業公司想要建立起行業知名度具有一定的困難。

與此同時，自動駕駛技術需要昂貴的研發制造和硬件設備成本，高昂的資金門檻從而引發了另一個問題——企業的融資能力。

從Drive.ai的賬面上來看，該公司自成立以來共籌集了約7700萬美元（約合5.24億人民幣）的融資，相較于傳統車企強大的融資實力，Drive.ai如果想要擴大自動駕駛技術的商業實踐規模，還要向資本市場尋求資金支持。

2、布局時間緩慢、布局范圍、覆蓋人群數量有限

由于該公司在資金實力的局限性直接導致了其車隊測試規模的受限——這家創業公司在測試起步階段只有四輛車，隨著項目的推進車隊的測試規模也僅限于在德克薩斯州弗里斯科的局部地區，這也意味著Drive.ai的自動駕駛技術的覆蓋的人群數量很有限。

值得一提的是，Waymo的自動駕駛打車服務早去年的11月份在美國鳳凰城郊區上線；Udacity旗下的獨角獸Voyage的自動駕駛車輛已經正在佛羅里達州和加利福尼亞州運營；Lyft和Aptiv利用自動駕駛車輛正在拉斯維加斯運送乘客，Uber計劃很快重新啟動其在匹茲堡的自動駕駛項目。

這些數據可以透露一個重要信息:不管是在自動駕駛的布局時間上，還在是無人車商用范圍上，Drive.ai在行業里屬于進度比較慢的玩家，這也對Drive.ai的全球市場份額的開發產生了更為直接的影響。

Drive.ai在地位本就弱勢的情況先下，如果不能在時間、空間等幾個維度上先發制人，只能通過積極的同行業競爭者積極開展業務合作，通過整合市場的多方資源，挖掘移動出行領域的潛在客戶，以此加速自動駕駛車輛的商業化布局。

3、數據采集有限、技術成熟度有待提高

與此同時，有限的駕駛車輛測試將會對自動駕駛技術數據的采集帶來極大的影響。

眾所周知，無人駕駛汽車公司面臨的最棘手的挑戰之一就是教會自動駕駛車輛如何在復雜的交通環境中完成人與車輛的良性互動，然而這離不開不同駕駛場景中海量數據的采集與分析，因此Drive.ai小范圍的數據采集并不能提供可靠的自動駕駛技術算法。

其次，自動駕駛技術仍然處于起步階，其在技術層面上還不夠成熟。蘭德公司（RAND）的研究人員估計，在可靠的統計數據出現之前，自動駕駛汽車可能需要行駛110億英里。

然而，該公司在弗里斯科的街道上的模擬測試里程才達到了數百萬英里，從企業技術的成熟度來看，Drive.ai想要建立起行業公信力還要加快其在自動駕駛領域的成長速度。

結語：自動駕駛之路仍任重道遠

縱觀Drive.ai的發展歷程，我們不難發現該公司擁有大量斯坦福背景的自動駕駛技術和機器人制造方面的人才，這一人才優勢將成為Drive.ai競爭自動駕駛行業的有力籌碼。

除此之外，無人駕駛汽車公司還需要教會自動駕駛車輛對人類的行為作出反應。到目前為止，在許多涉及自動駕駛汽車的事故中，有許多都被發現與人類違反交通規則有關。然而，Drive.ai搭載的外顯示屏能夠實現車與人之間的有效互動，汽車兩側的LED屏幕可以很好的向行人傳達信息。

Drive.ai對于計算的處理在技術層面上也融匯了大量思考——該公司將自動駕駛技術與人工智能掛鉤，旨在調高計算精度的同時，縮短數據處理周期。同時利用可視化工具，將自動駕駛過程立體的呈現在用戶面前。

然而，對于這家僅有三年歷史的創業公司來說，在資金、行業背景都不突出的情況下，Drive.ai唯有堅持以技術研發為導向的發展路線，推出更多定制化服務，實現產品上的差異化，才能在高手云集的創業道路上殺出一條新干線。

返回第一電動網首頁 >