0
| 本文作者： Gavin.Z | 2016-09-01 09:35 |
圖片來自 Drive.ai
大多數(shù)致力于自動駕駛汽車的研究人員都在專注于避免汽車發(fā)生撞擊之類的事情。這的確是自動駕駛汽車擅長的地方。
Drive.ai 是少有幾個推動自動駕駛技術(shù)商品化的新創(chuàng)公司之一。現(xiàn)在Drive.ai正在向那些商業(yè)巨頭們兜售設(shè)備，這套設(shè)備能使現(xiàn)在的汽車實現(xiàn)自動駕駛。令人感到稱奇的是，該設(shè)備還包括人機互動部件（HRI），能夠讓汽車直接與人交流。
為什么自動駕駛汽車與人交流的能力這么重要？
我們來考慮這么一個問題。當你在沒有紅綠燈的人行橫道上行走時，會發(fā)生什么？一輛朝你駛來的汽車可能會減速。當你在汽車前面走過時，你會與司機進行眼神交流以確定他們看到你了，司機會因此停車。現(xiàn)在，想象在上述情況下的無人駕駛汽車。沒有人來控制，你怎么知道這輛車是否：
檢測到了你？明白你要做什么？決定為你停車？
像這種情況的交流，發(fā)生的頻率可能要比你想象的多，可能會涉及到行人，騎自行車的人或者其他司機。自動駕駛汽車需要進行更復雜的溝通。甚至包括注入這樣的信息：“前方有事故，請慢行”。
第一代自動駕駛汽車上安裝人際交流部件源于這樣一個事實：從傳統(tǒng)汽車到自動駕駛汽車有一個很長的過渡時期。但一旦公路上跑的都是自動駕駛汽車了，車車之間、人車之間的交流就不是什么大問題了。
不過正是由于過渡時期，通用的解決方案還是會被忽略。再次回到人行道的例子，與幫助人們安全通過人行道不一樣的是，通用的解決方案是為了能夠確保自動駕駛汽車不會在人行橫道上撞到人。 
圖片來自 Drive.ai
IEEE Spectrum近期就應用無人駕駛汽車人車交流技術(shù)和Drive.ai 針對自動駕駛一站式深度學習方式的細節(jié)采訪了Drive.ai的聯(lián)合創(chuàng)始人、董事長Carol Reiley博士。雷鋒網(wǎng)摘編如下：
IEEE：Drive.ai 的自動駕駛汽車方法有什么獨特之處？
Carol Reiley：我把自動駕駛汽車看作是大多數(shù)人都將與其交流的第一代社交機器人。這種機器人不像人，但是是可以通過人工智能激活的智能機器。
[我們必須問問自己]，一旦你解決了從A點到B點的問題，那么你如何讓無人駕駛汽車與在這條路上的其他人交流呢？這種關(guān)系看起來會是什么樣？
在人行道，十字路口或者當你深入其中交流時，非語言性的交流會是什么？當司機被取代時，自動駕駛汽車該如何向外界表達?它應該如何交流才會讓每個人都感覺安全并且相信它？我們認為這是人類現(xiàn)在還沒有關(guān)注的一種交流方式。
IEEE： 說到通過人工智能激活智能機器人，它如何在自動駕駛領(lǐng)域獲得發(fā)展的？與參加2007年無人駕駛汽車大賽的汽車相比，AI的無人駕駛汽車現(xiàn)在有什么不同？
Carol Reiley：我們是就有深度學習來建立我們的公司。Sebastian（谷歌無人車之父）在谷歌開發(fā)無人駕駛汽車之前曾說過：“計算機視覺沒有作用，我打賭高清地圖和激光雷達絕對有效。”谷歌無人駕駛汽車項目就是這么設(shè)立的：假設(shè)計算機視覺不起作用。
在2012年，谷歌徹底改革了計算機視覺和感知的人工智能。現(xiàn)在這一產(chǎn)業(yè)也是由深度學習提供動力。在這一點上來說，谷歌在幾年前就已經(jīng)投資深度學習，而且可以切換不同模式，但是很難根本改變這種方法。這就是我們新創(chuàng)公司的優(yōu)勢之一：我們正在建立從淺層到深層學習的無人駕駛汽車公司。而且我們不只是局限于感知，同時還能作出決定。這不僅是一段到另一端這么簡單的方法，而是說明AI從2007年無人駕駛汽車大賽后發(fā)生了哪些變化。
IEEE：你們的無人駕駛汽車用的是哪種傳感器？相比于激光雷達來說，你認為你們的攝像頭怎么樣？
Carol Reiley：在我們用深層學習傳遞途徑之前面臨這些問題：汽車上該放那種傳感器，我搜集到多少數(shù)據(jù)，及我需要駕駛多少英里等等。就深度學習而言，我們采用這一方法是因為我們想進一步推動低成本的傳感器。便宜的傳感器就是攝像頭，加上深度學習，足夠分析圖像。我們也有其他傳感器以備不時之需，但是我們真的要比其他大多數(shù)團隊更加推崇攝像頭，而深度學習法能有助于此。
我們的團隊使用各種低成本的傳感器；如果Quanergy可以得到100美元的激光雷達，那就太好了，我們會用它。我們不是在炫耀我們用攝像頭可以做到什么，我們只是在努力打造人們可以真正使用的安全的、便宜的系統(tǒng)。
IEEE：人車交流對于無人駕駛汽車為什么這么重要？
Carol Reiley： 當人類駕駛的時候，他會尋找所有的社交線索。比如說，你看著面前的一輛車，如果它的車輪是向右拐，那么你可以推斷它接下來的動向：汽車可能向右轉(zhuǎn)。人們還會努力尋找其他細微線索來幫助他們駕駛。這些線索會使我們的汽車看起來有社交智能，因為你可以在汽車在形式變化前預判出來。
我們實際上就是推動無人駕駛的社交功能。當駕駛員之間不用語言交流時，有時會讓人感到疑惑。當你把人移開，那么這些汽車就需要智能駕駛，并且能夠被路上的其他人理解，以及還要確保安全。因此，在十字路口，汽車和行人之間會發(fā)生什么？
我們正在觀察我們的汽車在如何表達自己：通過LED燈、R2-D2 聲音及轉(zhuǎn)向燈指示。我們也正在考慮，如何讓我們的汽車與所有人交流。
駕駛是動態(tài)的，周圍有很多人，而這些人將去哪里無法預測。對于一輛需要做出即時決定的自動駕駛汽車來說，當它切換模式時，它需要非常易懂，我們需要向外界表明這輛車是自動駕駛汽車，表明我們的意圖。
IEEE：這么強調(diào)人車交流是不是意味著自動駕駛汽車的駕駛部分的問題大部分已經(jīng)解決了？
Carol Reiley： 我認為，這個產(chǎn)業(yè)大部分精力都是放在這里駕駛技術(shù)上。這并不是說人車交流是和它完全分開的；我認為它們是緊密相聯(lián)的，而且兩者需要共同進步。這不是在實驗室的機器人。我們需要考慮很多與人有關(guān)的問題。
我認為，汽車產(chǎn)業(yè)采用了模塊化的方法，但是無人駕駛卻不是模塊化的問題。
IEEE：Drive.ai的計劃是什么呢？
Carol Reiley： 我們不是在生產(chǎn)汽車；我們是為企業(yè)提供新的設(shè)備。因此，我們會選擇對運貨或拉客感興趣的合作伙伴。現(xiàn)在汽車來到Drive.ai工廠，我們給它加上車頂行李架，行李架上有傳感器和人車交流部件及軟件。
在邏輯上，我們將此視為自動駕駛汽車安全駕駛的第一步。我認為，全球自動駕駛汽車的發(fā)展會帶來巨大的混亂。人們現(xiàn)在根本沒有考慮到與汽車相關(guān)的人。即使我們解決了自動駕駛汽車的問題，那么更大的問題會是人類。你（汽車廠商）必須要真的為了人類使用而去設(shè)計自動駕駛汽車。
我們想快速安全的推廣這一技術(shù)。我們將路況策略視為我們和合作伙伴的第一步。而且我們也非常有興趣開發(fā) L4（全自動駕駛），因為 L3（有時人們可以駕駛）會帶來混亂。
圖片來自 Drive.ai
Drive.ai有自己的車隊，我們將會在加州進行測試。最后，Drive.ai將從運送貨物發(fā)展到人貨共乘及公共交通和私家車都能滿足的程度。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
