這是一輛藍色的林肯，車頂有一塊 LED 屏幕，幾個黑色圓柱體環繞在 LED 屏幕四周，一直遷移轉變。車頭火線也有一個黑色突出。駕駛座旁是一個屏幕，下面表現密密層層的藍色點和藍色框，跟著汽車行駛，點和線賡續消散。副駕坐位旁還裝備台灣運一個小型滅火器。 我坐在這輛車上，在山景城兜了一圈。在這段 7.5 公里、20 分鐘擺佈的車程，經由了 16 個紅綠燈、有 stop sign（遏制號志） 的十字路口、白色箭號的左轉路口等。年夜部門時候的體驗都很愜意，只要間或俄然加快加速，和司機旁表現幕上科幻感極強的畫面，在提示我這是一輛無人駕駛車。 沒錯，我身邊的司機手并沒有放在偏向盤上，腳也分開油門和剎車。車頂的相機、激光雷達和雷達是汽車的眼睛，車廂后的電腦是汽車的年夜腦，一套基于深度進修的算法把我從路邊接上車，又把我送回泊車場。 這就是之前報導過的創業公司 Drive.ai 研發的主動駕駛汽車。這家秘密的主動駕駛汽車公司成立不到兩年，但這已是第四代自駕車，我也有幸成為它第一個內部乘客。機械人司機表示得特別很是天然，比我以往坐過的自駕車更像“人類”，好比當我們駛到一個路口，正好趕上紅燈轉綠燈，車子并沒有先停上去再啟動，而是非常天然地加速加快切換，過了這個路口。 “固然看起來很簡略，但個中有一些很難的處所。”陪我一路體驗的工程師說。好比某個左轉路口是左轉箭號綠燈亮起能力走，要讓汽車分明在這個特定的路口，前行綠燈和左轉箭號綠燈的差異，并不輕易。“剛開端汽車不分明，我們就網絡一些如許的路口材料來練習，它才學會。” 當然，這輛車還有許多可以做更好的處所，好比加加速的處置怎樣更安穩、怎麼做到紅燈合理右轉及無維護左轉等。然則團體來說，已是很不錯的駕駛體驗。 結合開創人兼 CEO Sameep Tandon 告知我們，現在他們的車隊已具有 L4 級（部門狀態下完整主動駕駛）的主動駕駛水準，接上去他們盼望和更多伙伴協作，把他們的軟硬件處理計劃帶到商務車隊往。 經典機械人 vs. 深度進修，主動駕駛哪家強？ 主動駕駛汽車公司這麼多，Drive.ai 有什麼分歧？ 在采訪中，幾位結合開創人頻頻誇大，Drive.ai 是一個“深度進修技巧為先”的公司。這也就意味著他們采用的技巧和 Waymo（Google 無人駕駛車部分）、特斯拉等都不太一樣，他們用的是深度進修技巧來打造主動駕駛體系。 這意味著什麼？ 在主動駕駛範疇，根本可以分紅兩個派別：一是經典機械人偏向，基于規矩的（rule-base）。工程師會為每個場域都寫好固定的程式碼，來告知機械人該怎麼做。如許的成果是，假如新場域湧現、又沒有對應程式碼，那麼機械能夠不曉得怎麼應對，這限定了自駕車的可拓展性。 ㄑ fb舉一個例子，Waymo 的主動駕駛汽車，從總部山景城延長到奧斯汀的時間，僅由於山景城的紅綠燈是直向，奧斯汀則是橫向，就沒有舉措順遂辨識紅綠燈，不得不讓式計劃師從新寫程式“教”它。 別的一個而今更受迎接、包含 Drive.ai 也選擇的偏向，是基于深度進修技巧。深度進修可摹擬年夜腦辨識機制，對于非構造化材料（如記憶語音等）更能辨識、判定和分類，讓算法可從材料和練習中進修。這就像人腦，只必要工程師透過相似的場域賡續練習機械，它就能本身判定，如許即便在全新場域里，車子也曉得怎樣處置，更有益于順應和延長。 好比一樣辨識紅綠燈，rule-base 的主動駕駛汽車會必要在高切確度地圖上分外標注出全部紅綠燈，讓機械固定看到阿誰偏向；但深度進修算法可直接從相機里辨識紅綠燈的色採，以是車輛就可以本身看懂紅綠燈，和全部路口的行車環境，以此決議是不是前行。 Sameep Tandon 說，跟著年夜家都意想到深度進修的上風，愈來愈多公司都號稱本身的技巧是基于深度進修基本，但究竟上很少有人真正做到這點。“我們全部的技巧，好比地圖、舉措計劃、決議計劃全都基于深度進修。我們是用深度進修來計劃全部體系，這和其他公司走經典機械人偏向，只把深度進修當做彌補部門，有很年夜分歧。”他說。 從材料處置到算法練習再到盤算資本，應用深度進修打造一個主動駕駛公司 Drive.ai 的另一個開創人 Tao Wang 說，主動駕駛的艱苦之一是主動駕駛發生的材料量極年夜，在網絡到材料后，怎麼應用成了癥結。第一步要做的事變就是標誌它們，能力練習算法引擎。1 小時主動駕駛發生的材料，即便是年夜型互聯網公司，也必要 800 個小時人工標誌。 Drive.ai 本身打造了一個自訂的材料標誌對象，可賡續最好化全部材料任務流程，停止高品格的材料分類。他們應用深度進修讓統一個任務可同時停止多個分類，把匯出成果整合后，就可以發生高品格的標誌。他們而今材料標寄的速率已經是至公司的 20 倍，這也就意味著有更多材料可以“喂”給算法引擎進修，進而讓汽車疾速處置新途徑、進修新應用場域，跟著練習材料的增長而延續進步效能。 Tao Wang 說，Drive.ai 的深度進修體系乃至比特地的人類標注者更精確。有一次算法表現某個號志燈是紅燈，然則特地的標注員回想說是綠燈，成果他們檢視材料后，發明真的是紅燈。“這也註解算法可練習得比人類更聰慧。無論是決議計劃、線路計劃照樣定位都可以做得很好。” 有一次，自駕車看到路上有一只狗在滑滑板，標注員很震動地和工程師說：“叨教這個要怎麼分類？”但是汽車還能正常行駛。深度進修癥結就在不必要辨識每樣器械，而是曉得如何是平安駕駛，然后本身做決議計劃。 別的一個緊張部門是，Drive.ai 打造了一個摹擬器，可以摹擬各類場域，好比自行車搶道等，檢討進修引擎怎麼處置這些環境。這個摹擬器是 7×24 小時運轉，以是相稱于車不停在假造天下的途徑長進行各類測試。在真實天下里，身為最早拿到加州主動駕駛汽車上路測試允許證的創業公司之一，Drive.ai 也已讓自家無人車在山景城城區上路測試 9 個月了，沒有產生任何變亂。 另一個癥結點是，應用于深度進修的主動駕駛體系可以解脫昂貴硬件。和特斯拉與 Waymo 的“天價”自訂感測器分歧， Drive.ai 應用貿易化的低本錢硬件，包含激光雷達、雷達和相機，深度進修體系會同步全部感測器材料，基于這些資訊做最明智的決議計劃，倖免單點招致的誤判。如許即便個中一個掉靈，其餘感測器也能夠正常任務。 恰是感測器的多余計劃，才讓他們完成了雨夜開車的造詣──即便雨水蓋住相機udn lotto，但其他感測器讓汽車仍舊平安地主動駕駛。 由于感測器會將資訊傳給軟件體系的人工智威力卡能神經收集，這些神經收集體系可在平凡盤算硬件上實行，以是這讓他們的處理計劃本錢年夜年夜下降。 “我們的改裝計劃并不貴，且可以順應各類汽車，無論汽車、貨車、卡車或高爾夫車都行。我們可以在一周內就上岸一個新的汽車平台。並且由于我們在為機械利用打造範圍化神經收集的特長，只必要其他主動駕駛汽車盤算資本的一部門，就能讓自駕車實行。每台車必要的處置器資本差未幾是一台家用電腦的 30% 罷了。”Sameep Tandon 說。 年夜部門自駕車都必要切確到公分的高切確度地圖，停止感知、弄清晰汽車開向哪里，如許做的成果就是必要延續更新地圖，這特別很是昂貴且傷害。深度進修讓 Drive.ai 的自駕車比對地圖上的物體和真實情況，像車道、人行道這類器械，以是即便情況轉變了，汽車也能順應。 史丹佛全部人工智能試驗室成員跑來創業 為什麼 Drive.ai 可以做到這一點？這要從團隊的成員配景開端說。固然Drive.ai 才成立不到兩年，但早在 4、5 年前，團隊開創人就已在史丹佛的人工智能試驗室，開端怎麼把深度進修體系範圍化的研討。 沒錯，團隊焦點成員都來自深度進修界鼎鼎年夜名的吳恩達試驗室。兩年前，由于發明深度進修在無人駕駛上的機遇，試驗室 6 小我全都停息博士學業，一路成立這免費 世界杯家公司。以是，在一些公司有一兩位深度進修專才就很有數時，這個團隊已把史丹佛人工智能試驗室都搬空了…… “主動駕駛特別很是難，假如只是一小我很難做好，以是我們決議年夜家一路做好了。”結合開創人兼 CEO Sameep Tandon 說。“我們當時和許多汽車公司聊過，發明本身有這麼棒的技巧，以是等不及卒業了。” Tandon說，團隊很早就開端做特別很是基本的研討，好比材料標誌等，是最棒的深度進修團隊之一。當他們還在史丹佛，就打造過天下最年夜的神經收集。其時 Google 用1,000 台機械在 Google Brain 專案里做了一個試驗，成果他們只用 16 GPU 機械就重現了這個結果，只花非常之一的本錢。以是 Tandon 很有底氣的說，他不曉得其他號稱深度進修的公司有些什麼焦點技巧，但他們盡對是天下最好的深度進修團隊之一。 在低調研發兩年后，Drive.ai 而今以為自家在 L4 級無人駕駛的研討上已到肯定階段，盼望進一步徵採協作伙伴，把技巧帶到更多汽車上。結合開創人 Carol Reiley 告知我們，Drive.ai 和 OEM 商關系很親熱，也盼望取得汽車制造商的增援。“我們不臨盆車和感測器，我們只供應處理計劃。而今盼望先從商務車隊開端協作，包含包裹輸送、食品輸送、批發等。我們盼望和伙伴一路先做到 L4 水平，進步定位精確性，一路網絡材料，然后賡續向外拓展，終極向消耗者層級的 L5 級進步。” “深度進修做為人工智能的一種搶先方式，可以教機械怎樣像人類思索，這就是無人駕駛的癥結。在這個基本上，打造一個可延長、實用普遍、平安的平台，就是我們做的事。我們信賴，無論平安性照樣服從方面，主動駕駛會全部推翻交通體系。”Sameep Tandon 說。 （本文由 PingWest 受權轉載，首圖起源：Drive.ai） 延長瀏覽： 這家秘密的創業公司，選在“雨夜”挑釁主動駕駛
2019-03-20 00:31:00