洞察网

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车技术的研发，在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势。预测至2025年全球自动驾驶汽车销量将占汽车总销量的0.2%。至2035年，随着无人驾驶变成现实，这一数字将上升到9.2%。

经典机器人方向 V.S. 深度学习方向，自动驾驶哪家强？

自动驾驶汽车公司这么多，Drive.ai 有什么不同？

据了解，Drive.ai 是一个“深度学习技术为先”的公司。这也就意味着他们采用的技术和 Waymo（原Google 无人驾驶车部门）、特斯拉等都不太一样，他们用的是深度学习技术来打造自动驾驶系统。

在自动驾驶领域，基本可以分成两个流派：一个是采用经典机器人方向，是基于规则的（rule-base） 的。工程师会为每个场景都写好固定的代码，来告诉机器人应该怎么去做。这样的结果是，如果新的场景出现、又没有对应代码的话，那么机器很可能就不知道怎么应对。这就严重限制了它的可拓展性。

 Drive.ai 选择的方向是基于深度学习技术。深度学习可以模拟大脑识别机制，对于非结构化数据（比如图像语音等）进项更好的识别、判断和分类，让算法可以从数据和训练中得到学习。这样就像人脑一样，只需要工程师通过类似的场景不断对机器进行训练，它就能自己学会做出判断，这样即使在全新的场景里，车子也知道如何处理，更有利于适应和扩展。

比如，同样是在识别红绿灯的时候，rule-base 的自动驾驶汽车会需要在高精度地图上特别标注出所有红绿灯、让机器固定看到那个方向；但是深度学习算法可以直接从相机里识别红绿灯的颜色，所以车辆就可以自己看懂红绿灯，以及整个路口的行车情况，以此来决定是否前行了。

Sameep Tandon 说，随着深度学习的优势被意识到，越来越很多公司都号称自己的技术是基于深度学习基础，但是事实上很少有人真正做到这点。“我们所有的技术，比如地图、移动规划、决策全部都是基于深度学习的。我们是用深度学习来设计我们的整个系统，这和其他公司走经典机器人方向、只是把深度学习当做一个补充部分，这有很大不同。”他说。

从数据处理到算法训练再到计算资源，基于深度学习打造一个自动驾驶公司

Drive.ai 的另外一个创始人 Tao Wang 说，自动驾驶的难点之一自动驾驶产生的数据量是极大的，在收集到自动驾驶数据之后，怎么使用成为 了关键。第一步要做的事情就是标记它们，才能让算法引擎得到训练。一个小时自动驾驶产生的数据，即使是在大互联网公司里，也需要 800 个小时的人工来去标记它。

Drive.ai 他们自己打造了一个定制化的数据标记工具，可以不断优化整个数据工作流程，进行高质量的数据分类。他们使用深度学习来让同一个任务可以同时进行多个分类，把输出结果整合到一起后，就可以产生高质量的标记。他们现在数据标记的速度已经是大公司的 20 倍，这也就意味着可以有更多数据可以“喂”给算法引擎学习，从而让汽车可以快速处理新的道路、学习新的使用场景，随着训练数据的增加而持续提高性能。

另外一个很重要的部分是，Drive.ai 打造了一个模拟器，可以模拟生成各种场景，比如自行车车抢道等，检查学习引擎怎么处理这些情况。这个模拟器是 7*24 小时运转，所以相当于他们的车一直在虚拟世界的道路上进行各种测试。而在真实世界里，作为最早拿到加州自动驾驶汽车上路测试许可证的创业公司之一，Drive.ai 也已经让自家无人车在山景城的城区上路测试9个月了，没有任何的事故发生。

还有一个关键点在于，基于深度学习的自动驾驶系统可以摆脱对于昂贵硬件的依赖。和特斯拉与 Waymo 的“天价”定制传感器不同， Drive.ai 使用的是商业化的低成本硬件，包括激光雷达、雷达和相机，深度学习系统会同步所有的传感器数据，来基于这些信息作出最明智的决策，避免单个噪点导致的误判。这样即使其中一个失灵了，别的也可以正常工作。

正是传感器的冗余设计，才让他们完成了雨夜开车的成就 —— 即使雨水把相机给挡住了，但是其他的传感器让汽车仍然能安全进行自动驾驶。

由于传感器会将信息传递给他们软件系统的人工智能神经网络，这些神经网络系统可以在普通计算硬件上运行，所以这让他们的解决方案成本大大降低。

斯坦福整个人工智能实验室成员跑来创业

“自动驾驶是非常难的，如果只是某一个人的话，都很难做好，所以我们决定大家一起做好了。”联合创始人兼 CEO Sameep Tandon 说。“我们那时就和很多汽车公司都聊过，发现我们有这么棒的技术，等不及毕业了。”

Tandon说，团队在从很早的时候就开始做非常基础的研究，比如数据标注等，是最棒的深度学习团队之一。当他们还在斯坦福的时候，就曾经打造过世界上最大的神经网络。当时 Google 用1000 台机器在他们 Google 大脑项目里做了一个实验，结果他们只用 了16 GPU 机器就复现了这个效果，只花了十分之一的成本。所以Tandon 很有底气的说，他不知道其他号称深度学习的公司都有些什么核心技术，但是他们绝对是世界上最好的深度学习团队之一。在低调研发了两年后，Drive.ai 现在认为自家在 L4 级别无人驾驶的研究上已经到了一定的阶段，希望能够进一步寻找合作伙伴，把他们的技术带到更多汽车上去。联合创始人 Carol Reiley 告诉我们，Drive.ai 和 OEM 商们关系很亲密，也希望获得汽车制造商们的支持。“我们不造车和传感器，我们只是提供一个解决方案。现在希望先从商务车队开始合作，包括包裹运送、食物运送、零售等可以。我们希望和合作伙伴们一起先做到 L4 的程度，提高定位准确性，一起收集数据，然后不断向外拓展，最终会再向消费者层级的 L5 级进发。”

“深度学习作为人工智能的一种领先方法，可以教机器如何像人类一样思考，这就是无人驾驶的关键。在这个基础上，打造一个可以扩展的、适用广泛、安全的平台，就是我们做的事。我们相信，无论是从安全性还是到效率方面，自动驾驶会整个颠覆交通系统。”Sameep Tandon说。