Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

陈同学编译

在德州叫一辆自动驾驶车,Drive.ai安排了7辆无人车展开真实试验

将在德克萨斯州开展为期六个月的试验,探索自主驾驶技术可以为我们带来什么?

出门打车时出租车久等不来总是让人恼火。

在下雨天或者加班结束的深夜,这种情况在自主驾驶车上经常发生。

但是,制造出一辆可以在繁忙街道上行驶,在自行车、行人、施工工程、应急车辆之间穿梭的智能交通工具更是一个蛮艰巨的任务。

今年三月,一个路人在亚利桑那州坦佩城的一起交通事故中逝世。当时Uber的自主驾驶车没能在夜色中发现这个骑车穿过空旷街道的路人,坐在自主驾驶车汽车中的安全员也没能刹车。

这起事故后,越来越多的声音认为人们对自主驾驶技术的期望过高,可技术发展成果尚不尽如人意。7月30日,一个自动驾驶面包车的试验在德克萨斯州弗里斯科市开展起来。

这个试验的目的是务实地探索当前技术水平的适用情境。

进行这一项目的,是吴恩达任董事、 太太Carol Reiley任联合创始人的无人车初创公司——Drive.ai。据了解,Drive.ai将派出七辆无人驾驶车,在一个覆盖办公区、零售商业区的固定的区域接送乘客。

今年5月份,吴恩达曾经发公开信表示Drive.ai将于2018年7月开始在德克萨斯州弗里斯科市向公众提供无人车服务,并已经展开试点。本次的尝试,用吴恩达自己的话来说,是一次“积极探索当前的技术水平可以发挥价值的应用场景。”

他认为,随着自动驾驶技术的进步,与之相关的自主驾驶服务产业也将发展起来。当然,目前Drive.ai 还不打算涉及太复杂的业务。

所有的上车地点和下车地点都是在设计好的站点,这样可以减少因为乘客上车下车带来的中断。乘客们通过app叫车,然后到最近的站点等自动驾驶车辆将他们接走。

自动驾驶车辆并不会像班车一样连续循环运行,而是等待app上的叫车通知,并随时调整路线。目前这项服务是免费的。

这些小面包车车身绘成鲜艳的橙色,并标明是自动驾驶车辆。

“我们不是为了看起来好看,是为了区别于其他交通工具。”吴恩达说。他用黄色的校车做类比:人们会了解有些交通工具有独特的行驶方式,也会主动适应和接纳那些交通工具。

面包车设有外置屏幕,用于与行人或其他道路使用者进行交流,比如告诉对方可以放心地过马路。因此,Drive.ai并不是着力于发明一个模仿人类驾驶行为的交通工具,而是通过小面包车把“车辆自主驾驶”的本质明确地展现出来。

同样,Drive.ai没有着力于实现车辆的自动导航(路上的路标不是实时而准确的,所以自动导航是业界公认的难题),而是通过市政部门得到每天的施工信息,使车辆避开施工地点。

如何应对应急车辆也是自动驾驶的重要难题,因此Drive.ai还与应急服务部门开展了合作,并举办了一系列的市政会议来解答当地居民的问题。

Drive.ai的服务只在白天提供,这降低了自动驾驶车辆的运营难度,也更加安全。每一辆车会设置一个安全员,当车辆稳定行驶时,安全员会换到乘客的座位上。如果一辆小面包车在行驶中遇到了困难,它会停下来寻求帮助,这时一个管理员会远程指导车辆。吴恩达先生说,是远程提供指示而不是直接远程驾驶,因为后者并不安全。

听起来似乎Drive.ai在通过简化实际问题来投机取巧。但是他们确实提供了很有用的服务,比如让工人们能够在午饭时间前往商业区吃东西,不需要担心开车或停车的问题。这也为今后向弗里斯科及其他地区拓展业务提供了基础。

Drive.ai计划把他们的技术授权给其他市场参与者,并且已经与出行服务公司Lyft达成了协议,在旧金山内及周边对交通工具进行运营。

5月份吴恩达给市政人员的展示的PPT内容👆

“我认为自动驾驶行业应该坦然面对当前的技术限制。”吴恩达说。的确,找到实际可行的办法来克服现有的限制,比假装问题不存在或者认为这些问题很容易解决要更好。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业自动驾驶Drive.ai
相关数据
自动驾驶技术技术

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。

推荐文章
暂无评论
暂无评论~