车东西（公众号：chedongxi）
文| 红波

早在今年5月份，自动驾驶汽车初创公司Drive.ai就宣布，与德克萨斯州的弗里斯科政府以及Hall集团进行合作，在德州落地首个无人出租车服务。

时隔3个月，Drive.ai在德克萨斯州的自动驾驶出行服务终于落地，其服务覆盖范围包括像弗里斯科的商店、娱乐场所、办公楼等特定公共场所，该试点项目将持续6个月。

值得一提的是，前百度首席科学家、人工智能专家吴恩达为Drive.ai的董事，Drive.ai 总裁Carol Reiley是8位创始人之一，她的另一个身份是吴恩达的妻子。

这家由吴恩达及夫人站台的无人驾驶公司到底什么来头？其自动驾驶汽车又有哪些特点？该项目又是如何推进的，又有哪些技术成果?车东西将对上述内容进行深入挖掘。

一、吴恩达弟子组团打造无人车

1.Drive.ai——斯坦福背景的无人车初创

Drive.ai由斯坦福大学人工智能实验室的前研究生于2015年创立，该实验室由著名的深度学习专家吴恩达（Andrew Ng）经营，同时吴恩达还担任Drive.ai的董事会主席，这是一家利用人工智能创建可适应、可扩展的自动驾驶技术的科技公司。Drive.ai同时联合政府和私人合作伙伴，通过L4级的自动驾驶解决方案，改善当今的公共道路交通状况。

值得一提的是，Drive.ai的八名创始人中有六名是斯坦福大学人工智能实验室的博士或研究生，他们在2015年创办创业公司之前，曾在自动驾驶和机器学习技术领域工作了三年。Drive.ai的董事吴恩达之前是斯坦福大学深度学习自动驾驶的项目负责人，并且他也是中国科技巨头百度的前首席科学家，他还帮助Jeff Dean建立Google的深度学习研究项目。

▲Drive.ai的团队

Drive.ai开发的技术可以将各种车辆改装成自动驾驶车辆。该公司在加利福尼亚州测试的小型车队包括三辆林肯MKZ，一辆奥迪A4和三辆日产NV200。在融资方面， 包括New Enterprise Associates在内的风险投资公司已经向Drive.ai投资了约7700万美元（约合5.24亿人民币），去年9月份，东南亚最大的打车公司Grab还向这家公司投了1500万美元（约合1.02亿人民币）

Drive.ai在2016年8月走出“封闭阶段”，逐步向外界公布了一些开发自动驾驶技术的相关细节。去年9月份，该公司联合Lyft在旧金山湾区共同测试自动驾驶网约车服务。

2.研发成果落地

目前，这家自动驾驶创业公司已经在德克萨斯州弗里斯科推出一项试点计划，即公众通过下载Drive.ai的应用软件，在指定的地点叫车，就可以免费的使用该公司的自动驾驶乘车服务。并且，这批车辆将成为德克萨斯州首批接载乘客的无人驾驶车辆。

该试点项目将于2018年7月30日正式启动，其覆盖范围会限于弗里斯科的商店、娱乐场所、办公楼等特定场景，该项目计划会从HALL Park和The Star周围的固定接送地点开始，然后将乘车范围扩展到弗里斯科的公交站点。这项自动驾驶出行服务将与弗里斯科运输管理协会(Frisco TMA)共同运营，致力于解决移动出行的“最后一英里”难题。

该试点项目的持续时间为6个月，其测试期间将为约10,000人的工作园区提供自动驾驶出行服务。除此之外，Drive.ai会有专门的远程监管部门向自动驾驶车辆发出指令，对车辆进行实时监控，并且在必要的时候提供帮助。

项目之初，Drive.ai会在自动驾驶车上安排驾驶员，以确保行驶过程中的安全，并且，测试起步阶段只有四辆车；随着项目的推进，安全驾驶员还会在车内，其主要任务是进行监控操作，但不会坐在驾驶位上；在这个项目的后期阶段，Drive.ai希望取消驾驶员，通过在车辆上安排服务人员来引导乘客，同时回答乘客的疑问，以此来满足乘客的出行需求。

值得一提的是，自1月以来，Drive.ai的自动驾驶汽车就一直在弗里斯科的街道上行驶，并且在没有驾驶人员的情况下进行无人驾驶的测试。该公司表示，它正在与当地官员和执法部门就自动驾驶服务展开密切合作。

二、当自动驾驶拥抱深度学习

1、“会说话”的无人车

Drive.ai将采用日产NV200作为此次自动驾驶测试车辆。与Waymo或Cruise Automation旗下自动驾驶汽车采用的白色外观不同的是，该车型的外观采用了易于识别的橙色和蓝色作为设计颜色，车身表面还带有波浪状的蓝条以及“自动驾驶汽车(self-driving vehicle)”和drive.ai粗体字样。

Drive.ai的联合创始人兼首席执行官Sameep Tandon表示，他们这么设计的原因是想要在视觉层面上达到与众不同的效果，改装后的日产NV200肯定会在当地取得成功。

除此之外，该无人车另外一个标志性特征就是镶嵌在车身上的4块LED显示屏幕。无人车在接收到附近的叫车服务、或者无人车在自动驾驶的过程中，车上的屏幕会根据车辆行驶状态自动显示一些文字和符号，Drive.ai称这个过程为“人机交互”。

这个功能旨在向行人和道路的其他车辆传递信息，通过文字的形式实现了人与车辆的交流，从而取代了人类驾驶员经常使用的手势或语言交流。

▲“等待”标志

例如，当有行人在十字路口行走的时候，屏幕上会显示“等待”的字体；当车辆开始正常行驶的时候，屏幕上会显示“正在行驶”的字体；当乘客上下车的时候，屏幕上会显示“上车或下车”的字体；当车辆由驾驶司机控制时，屏幕上会显示“人类驾驶员”的字体。

Drive-ai的一位发言人表示，该公司还根据车辆测试获得的反馈意见，预计将会在未来为无人车配备更多的LED屏幕。

2、可视化的自动驾驶技术

硬件设备方面，该无人驾驶车辆搭载了10个1080p RGB摄像头，4个激光雷达和2个毫米波雷达和一个融合传感器数据的计算机；软件方面，Drive-ai的内部研发成果包括：无人车的AI大脑，自动驾驶的环境感知模块，路线规划模块、决策模块，以及移动APP等。该无人车还通过三重冗余设计的无线蜂窝网络连接实现远程操控。

吴恩达表示，通过长达数月的交通数据分析，他们确定了车辆的行驶路线，他们将有节奏的推进自动驾驶技术的应用落地 ，并从早期的自动驾驶创业者中脱颖而出。在技术层面上，同样融汇了该公司在自动驾驶领域的大量思考——该公司将自动驾驶技术与人工智能挂钩，旨在调高计算精度的同时，缩短数据处理周期。同时利用可视化工具，将自动驾驶过程立体的呈现在用户面前。

Drive.ai表示，该公司的技术特点旨在缩短自动驾驶数据处理的时间周期。目前，自动驾驶汽车每一小时行驶产生的数据需要800小时人工才能够处理完毕。但该公司希望通过人工智能大幅缩减自动驾驶数据处理的计算周期，并且将计算精度提高到100％。

首先，工程师会标注原始数据，然后通过深度学习算法学习人工标记的数据，快速、可靠地标记其他数据，同时工程师对数据进行重新检查和标记。深度学习还可以学习大脑的识别机制，对于非结构化数据(比如语音图像）进行更好的识别、判断、分类，让算法可以通过大量的训练中得到增强。

Drive.ai开发了一个自动化系统，让自动驾驶汽车能够自动识别树木、汽车、行人和自行车骑行者等对象，并使用Director——MIT开发的开源机器人可视化与界面框架工具，让识别后的图像在车内的屏幕上显示出来，并快速更新车辆前后方的图像。 （早期版本的Drive.ai的中间件是建立在免费的机器人操作系统之上的，但是团队已经转向了自己设计的解决方案，称之为Drive.ai pub-sub或DPS。）

该公司还创建了自动驾驶仿真系统，模拟连续停车、连续转弯等不太可能出现的驾驶场景。团队还通过不断调整目标参数的尺寸和形状（诸如交通灯和路上行人等因素），以观察自动驾驶车辆的反应情况。

Tandon指出， “我们收集的模拟数据使自动驾驶车辆能够快速适应周围场景。该功能的一个实际好处就是让计算机能够自动检测交通灯。 Drive.ai的工程师没有为不同形状和大小的灯光编写特定的识别程序，而是让车辆的计算机视觉算法通过在数千个交叉路口的训练，学会独立识别不同的红绿灯信号。”

Drive.ai在自动驾驶领域的另一个突出成就是，它能够可视化车辆生成的所有数据。Drive.ai的工程师使用可视化工具将传感器（激光雷达、雷达、GPS、RGB摄像机）采集到的数据与交通网络数据整合到一起，然后通过反复的测试，采集海量的驾驶数据，检查物体与运动之间的逻辑，促进车辆测试和变量分析，以此来优化机器学习模型。该公司将Drive.ai系统理解自动驾驶的过程称为注释（annotation）。

▲类似于电子游戏的的虚拟环境

该公司将Drive.ai系统理解这一自动驾驶过程称为注释（annotation），乘客将通过车载屏幕实时获得可视化的信息，该屏幕上的显示信息类似于现代电子游戏。

例如点云（point cloud），车辆在行驶过程中产生了一系列的空间数据点，Drive.ai团队通过把这些数据点转变成高清图像的形式，从而让乘客可以看到自动驾驶车辆的虚拟路径。Drive.ai还把虚拟的汽车中延伸出去的红线称为“红地毯”，因为它可以展示预期的路线。

这项技术是针对乘坐自动驾驶汽车的用户量身打造的，旨在让乘客理解自动驾驶技术的同时，在行驶过程中分散注意力，从而使紧张的乘客感到放松。

该公司还没有透露自动驾驶车辆的确切行驶里程，但它表示Drive.ai在弗里斯科的模拟测试里程已经达到了数百万英里。它还在夜间和雨中等极具有挑战性的条件下进行测试（出于谨慎的考虑，Drive.ai的Frisco测试车辆只能在白天运行。）

三、学术派的弱势地位

尽管Drive.ai在自动驾驶技术上的突破掀起了产品应用落地的新一轮预告，但不可否认的是，这家学术派背景的自动驾驶初创与传统汽车制造商相比，还需要一段时间的精心耕作。

1、成立时间较早、资金不足

首先，Drive.ai自成立以来只有不到3年的时间，其成立时间较短，在自动驾驶初创风云崛起的时代背景下，这种资质尚轻的创业公司想要建立起行业知名度具有一定的困难。

与此同时，自动驾驶技术需要昂贵的研发制造和硬件设备成本，高昂的资金门槛从而引发了另一个问题——企业的融资能力。

从Drive.ai的账面上来看，该公司自成立以来共筹集了约7700万美元（约合5.24亿人民币）的融资，相较于传统车企强大的融资实力，Drive.ai如果想要扩大自动驾驶技术的商业实践规模，还要向资本市场寻求资金支持。

2、布局时间缓慢、布局范围、覆盖人群数量有限

由于该公司在资金实力的局限性直接导致了其车队测试规模的受限——这家创业公司在测试起步阶段只有四辆车，随着项目的推进车队的测试规模也仅限于在德克萨斯州弗里斯科的局部地区，这也意味着Drive.ai的自动驾驶技术的覆盖的人群数量很有限。

值得一提的是，Waymo的自动驾驶打车服务早去年的11月份在美国凤凰城郊区上线；Udacity旗下的独角兽Voyage的自动驾驶车辆已经正在佛罗里达州和加利福尼亚州运营；Lyft和Aptiv利用自动驾驶车辆正在拉斯维加斯运送乘客，Uber计划很快重新启动其在匹兹堡的自动驾驶项目。

这些数据可以透露一个重要信息:不管是在自动驾驶的布局时间上，还在是无人车商用范围上，Drive.ai在行业里属于进度比较慢的玩家，这也对Drive.ai的全球市场份额的开发产生了更为直接的影响。

Drive.ai在地位本就弱势的情况先下，如果不能在时间、空间等几个维度上先发制人，只能通过积极的同行业竞争者积极开展业务合作，通过整合市场的多方资源，挖掘移动出行领域的潜在客户，以此加速自动驾驶车辆的商业化布局。

3、数据采集有限、技术成熟度有待提高

与此同时，有限的驾驶车辆测试将会对自动驾驶技术数据的采集带来极大的影响。

众所周知，无人驾驶汽车公司面临的最棘手的挑战之一就是教会自动驾驶车辆如何在复杂的交通环境中完成人与车辆的良性互动，然而这离不开不同驾驶场景中海量数据的采集与分析，因此Drive.ai小范围的数据采集并不能提供可靠的自动驾驶技术算法。

其次，自动驾驶技术仍然处于起步阶，其在技术层面上还不够成熟。兰德公司（RAND）的研究人员估计，在可靠的统计数据出现之前，自动驾驶汽车可能需要行驶110亿英里。

然而，该公司在弗里斯科的街道上的模拟测试里程才达到了数百万英里，从企业技术的成熟度来看，Drive.ai想要建立起行业公信力还要加快其在自动驾驶领域的成长速度。

结语：自动驾驶之路仍任重道远

纵观Drive.ai的发展历程，我们不难发现该公司拥有大量斯坦福背景的自动驾驶技术和机器人制造方面的人才，这一人才优势将成为Drive.ai竞争自动驾驶行业的有力筹码。

除此之外，无人驾驶汽车公司还需要教会自动驾驶车辆对人类的行为作出反应。到目前为止，在许多涉及自动驾驶汽车的事故中，有许多都被发现与人类违反交通规则有关。然而，Drive.ai搭载的外显示屏能够实现车与人之间的有效互动，汽车两侧的LED屏幕可以很好的向行人传达信息。

Drive.ai对于计算的处理在技术层面上也融汇了大量思考——该公司将自动驾驶技术与人工智能挂钩，旨在调高计算精度的同时，缩短数据处理周期。同时利用可视化工具，将自动驾驶过程立体的呈现在用户面前。

然而，对于这家仅有三年历史的创业公司来说，在资金、行业背景都不突出的情况下，Drive.ai唯有坚持以技术研发为导向的发展路线，推出更多定制化服务，实现产品上的差异化，才能在高手云集的创业道路上杀出一条新干线。