彭君韬 (Tony,海外团队)撰文吴欣编辑

Drive.ai无人打车服务进德州,我们用15分钟见识了这位「新手驾驶员」

在位于德州达拉斯以北约 40 公里的小城弗里斯克(Frisco, TX),一辆行驶在路面上的橙色迷你货车特别显眼:

车顶上装载着密集、精密的仪器;车头车身和车后总共安装了四块小屏幕;车头刻着「Self-driving Vehicle」,车身则印着 Drive.ai 几个大字。

无人车所至,自然引起路人的瞩目。德州人鲜有见过如此「外表张扬」的无人车。他们挥手、大笑、指指点点,似乎想引起这辆车的注意。弗里斯克这座城市在近几年迅速崛起。风景秀丽,加上政府鼓动地产项目,以及低税收,弗里斯克已经吸引了多个大型跨国企业总部搬到这里,其中包括了丰田的北美总部、隔壁的 FedEx 正在建设的新总部、以及 NFL 球队达拉斯牛仔队(Dallas Cowboys)的新总部兼娱乐和餐饮中心 The Star。当地市长甚至自夸,「弗里斯科被公认为是使用『智能』创新交通技术的领导者。」

今天,这座小城迎来了一位来自加州的客人—— Drive.ai。

美国中部时间 5 月 7 日,加州无人车初创公司 Drive.ai 宣布,他们将和弗里斯克的运输管理协会(Frisco TMA — Transportation Management Association)合作,在当地启动一项基于无人驾驶的试点打车服务。今年 7 月,服务正式对外开放,为期六个月。

该服务覆盖弗里斯克的两个商业园区——面积 0.65 平方公里的 Hall Park 和前文提到的 The Star。当地的上班族只要在固定的接送地点,使用 Drive.ai 提供的 App,就能穿梭于两个商业园区之间吃饭和休闲娱乐。

Drive.ai 将这项新服务称之为「微交通系统」——结合园区接送和公共运输的区域型交通服务。随着项目的推进,Drive.ai 会扩大服务区域至附近的弗里斯克车站。
吴恩达发布会上,曾一手打造 Google Brain 和百度大脑、目前仍是 Drive.ai 董事会成员的吴恩达也感叹道:

「我记得在 2007 年参加 DARPA  城市挑战赛,看到斯坦福大学、CMU 和许多其他开拓性的自驾车队的出色工作。现在过了十年了,我特别激动自动驾驶汽车终于走到了这一步(Self-driving vehicles are finally here)

Drive.ai 正式成立于 2015 年,是一家再典型不过的「加州创业公司」,由一群斯坦福人工智能实验室的学生在车库里起家。公司创始人 Carol Reiley 是约翰霍普金斯大学计算机科学和机器人专业的博士,也是吴恩达的妻子。

Drive.ai 强调以深度学习算法优先,打造 Level 4 无人驾驶的全栈式解决方案,在底层核心技术上引入不同的合作商。去年 6月,公司完成了 5000 万美元 B 轮融资。9 月,Drive.ai 和美国第二大专车服务公司 Lyft 签署了战略合作,在旧金山部署了十多辆自动驾驶车辆提供打车试点服务。

公司联合创始人王弢告诉机器之能,Drive.ai 的服务并不只是试验项目,而是希望在当地实现无人驾驶的商业落地,并以此作为一个标杆,建立更多的合作关系。王弢

「我们挑了许多城市,最后定在了德州弗里斯克。德州的法律法规很健全,州政府和市级政府以及商业园区都对我们落地项目很支持;弗里斯克又是美国发展最快的城市之一,在这边会有很好的发展前景。」王弢说。

Drive.ai 将会在项目初期部署 3-4 辆无人车。而在此之前,机器之能作为受邀的中国媒体,在今天体验了 Drive.ai 的无人车试乘。

来,认识一下这位满分的新手驾驶员

Drive.ai 并没有选择过去常用的两款车型——林肯 MKZ 以及奥迪 A4 ,而是一款可以客货两用的燃油迷你货车。王弢解释说,「迷你货车内部空间比较大,适合共享出行;同时,也为物流服务做准备。」

和目前市面上大部分无人驾驶技术公司一样,Drive.ai 采用了包括 10 个高清摄像头、1 个毫米波雷达、以及 4 个激光雷达的多传感器方案。其车载电脑包含了 CPU 和 GPU ,计算能力相当于一个家用台式电脑。

据王弢透露,Drive.ai 谈妥了在弗里斯克的合作项目后,就在第一时间将无人车运了过去,并在之后的 4-5 天内完成了从数据采集和标注、绘制地图、训练无人车到细节调试的整个过程。工程师使用了低精度 GPS 和传感器来绘制厘米级别定位的高精地图,地图格式和储存的框架采用分布式,这样可以迅速生成并创建地图,同时能对新的区域或者地貌第一时间做出改动。

试乘前,机器之能记者注意到了 Drive.ai 无人车上的前后侧总共四个 LCD 屏幕,这是 Drive.ai 自研的车外人机交互系统,通过文字和符号完成和车外行人和车辆的沟通。比如,当行人过马路时,车前显示屏会打出「 waiting for you to cross」,车后屏幕则显示「stopping for passenger」。「这套车外交流显示屏上的设计只是暂时的,是我们认为目前会比较有效的交流方式,」Drive.ai 的用户体验设计师 Chip Alexander 说道,「我认为这种交互方式非常必要。比如无人车遇到行人过马路的时候会立即停下,但是它后面的车辆是看不到前方情况的。当无人车屏幕打出文字之后,后方司机马上就清楚了。」

车内的乘客座位前摆放了一个显示屏,能让乘客观察「车子所看到的一切」。画面上,红色标注物是一切在道路上需要规避的物体,包括路沿、路人、其他车辆等;绿色的是和道路无关的植被以及大楼;橙色标注的是车道线。屏幕上方有一个GoPro,用来检测多少乘客上车、以及他们是否系紧了安全带。为了保障乘客安全,尤其鉴于上个月在亚利桑那发生的无人车意外事件,Drive.ai 计划初期会安排驾驶员在无人车里。安全驾驶员只有在需要干预的情况下才会控制方向盘。

在中控台上有两盏小灯:红色是指人为模式,绿色是指无人驾驶模式。右边是一个红色的紧急制动按钮,按下则会立即停止无人车。技术逐步成熟后,Drive.ai 会进入第二个阶段:「抛弃」驾驶员。车内依然会配一名起到监督作用的员工,可以完成紧急制动。最终,Drive.ai 会完全达到 Level 4 的水平,不安排车内监控人员,只有一名远程的「决策员」,他可以在车遇到特别复杂的情况时,帮助车做决定。

「比如车辆修路要求换道,肢体语言不能识别,车有可能停下来,建议决策员选做决定。这样的数据会在之后反馈到数据集中进行训练。」王弢说。

而对于接下来的15分钟试乘,可以用一句话来形容—— Drive.ai 的无人车像是一个在驾照测试中获得满分的新手驾驶员。

首先是道路情况:总试乘路段长度目测不超过三英里,其中一半路段是在商业园区内,另一半则是在公共道路上,包括一个双向四车道的十字路口。道路情况虽然不复杂,但也存在挑战。

场景一:停车场,包括突然倒车以及冷不丁窜出来的行人。试乘过程中,无人车就多次遇上了在停车场内前方车辆倒车的情况,不过都及时地停下了。

场景二:没有任何交通灯或指示灯的十字路口,这种路况在中国以及加州都不常见。当车辆要通过一个十字路口时,必须要等到两边车辆、行人都没有的情况下才能通行。这就比较考验无人车的感知和决策的能力。

其中有一个细节值得注意。在大部分路口,无人车都会避让其他车辆。但返程途中经过一个复杂的路口时,过往车辆选择停下避让无人车,无人车在确定对方车辆完全停止后徐徐通过路口,似乎领会了人类司机的意图。

其次是亲身体验:Drive.ai开的速度不快,最高时速也不过50公里每小时。在园区内的时速基本控制在25公里每小时左右。行驶状态非常稳,全程没有出现急刹车或者任何可能会造成的意外情况。

只不过,一些性子比较急的乘客(比如记者本人)会认为无人车像是一个刚刚从驾校毕业的新手司机,它在路口停留的时间相比一般人类司机要更长些,可能会让不耐烦的德州司机们在车后摁喇叭。

这并不是一个负面的评价。相反,机器之能记者在和两位同行的交流过程中,都得到了类似这样的反馈:

「现在的人们一提到无人车,脑子里第一反应都是亚利桑那的那场车祸。Drive.ai 采取了一种非常小心翼翼的方式,这很好,让乘客觉得特别安全。」

弗里斯克是好地方,但德州人民可能对新技术不买账

「这是一个巨大的突破(tremendous breakthrough),解决了这里最后一英里移动性难题,」弗里斯克市长 Jeff Cheney 在现场说,「 Drive.ai 的团队们,恭喜你们!欢迎你们的到来!」

的确,对于弗里斯克乃至德州而言,Drive.ai 的计划确实具有历史性意义:因为这是首个在德州对外开放的无人驾驶打车服务。

然而,政府开绿灯,真的代表民众会接受吗?至少在许多德州人看来,无人车要想在这块西部土地上普及,还有很长的路要走。

「要知道,德州人民开车的风格相当的狂野。强行变道、超速、超车、甚至在车道上挤压甚至碰撞其他车,这种事情都很多见。同时,德州人爱车,而且对车有控制欲。比如我,我就不喜欢坐在后座上,不把着方向盘我就不舒服。」一位对无人驾驶不太感冒的 Uber 司机 Christoper,在我们前往弗里斯克的路上说道。

Christoper 做了三年多 Uber 兼职司机,乘客评价 4.8 分,拥有 6000 多个五星好评。

无人驾驶也能提供这样的优质服务吗?他表示怀疑,「这项技术不会一下子颠覆共享出行业务,它会成为一种选择,但短期内,大部分人还是会相信人类司机吧。」

在我们对 20 多位当地市民的简单调研中发现:在相同价格下,81% 的人会选择拥有人类司机的打车服务;如果无人驾驶打车服务提供的价格非常便宜、甚至是免费,比例下降到了 52%。

Drive.ai 自然不必在当下担心这个问题,但要想持续扩大服务覆盖面,民众对技术的接受程度会是一个难题。

「我们也做了一些调查,发现当人们乘过 Drive.ai 的无人车之后,会降低他们对无人车的负面印象。」Drive.ai 的 CEO Sameep Tandon 在采访中正面回应了这个问题,

「我们在和商业合作伙伴,包括市政府和私营机构紧密地合作,开展一些对于社区公众的科普,让大家对自动驾驶车的决策和机制更加熟悉,司机和行人知道在车辆周围怎么样是最安全的。」

在发布会上,Drive.ai 的一位合作伙伴、年近八旬的丹顿县交通管理局董事会主席Charles Emery 在发表演讲时,回忆起了他的童年:他 13、14 时就开始在附近的农场里割麦子,当时最怕的就是自行驱车把这些麦子送到弗里斯克的老城区。

他小时候不曾想象,在他的有生之年能够在家乡看到无人车。他看着身边的吴恩达说,「弗里斯克是我一生的全部。我由衷地感谢你们能来到这儿,将这项新技术投入到这座城市中。」

产业
1
相关数据
人工智能技术
Artificial Intelligence

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人机交互技术
Human-computer interaction

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

自动驾驶技术
self-driving

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术
perception

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

机器人技术
Robotics

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

深度学习技术
Deep learning

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。 近年来监督式深度学习方法(以反馈算法训练CNN、LSTM等)获得了空前的成功,而基于半监督或非监督式的方法(如DBM、DBN、stacked autoencoder)虽然在深度学习兴起阶段起到了重要的启蒙作用,但仍处在研究阶段并已获得不错的进展。在未来,非监督式学习将是深度学习的重要研究方向,因为人和动物的学习大多是非监督式的,我们通过观察来发现世界的构造,而不是被提前告知所有物体的名字。 至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机构
吴恩达人物
Andrew Ng

约翰霍普金斯大学机构
Johns Hopkins University

https://www.jhu.edu/
涉及领域
返回顶部