專訪 | Drive.ai王弢：3種車型準備就緒，與Lyft合作的自動駕駛打車服務即將上線 | GAIR矽谷智能駕駛峰會
雷鋒網 · 新智駕按：無論從融資、團隊、技術落地各個方面來講，Drive.ai 在過去兩年的表現都相當出挑。尤其從 2017 年下半年開始，其動作更是頻繁更新，獲得 NEA、GGV 等知名風投青睞，東南亞最大打車公司 Grab 1500 萬美金入資，與美國第二大出行平台 Lyft 推出試運營項目，這個來自斯坦福的團隊正迅速壯大著自己的「朋友圈」。
Drive.ai 的目標是 L4 級自動駕駛技術，其實踐路線以深度學習為主，也經歷了視覺為先到感測器融合的技術方案轉變。去年 10 月，雷鋒網 · 新智駕在矽谷見到聯合創始人王弢時，後者還透露，在灣區和新加坡之外，團隊正在籌備更大的試運營項目，眼下，其進展究竟如何，公司還遲遲未對外披露。
2018 年 1 月 16 日，雷鋒網將在美國矽谷舉辦 GAIR 矽谷智能駕駛峰會，屆時，Drive.ai 聯合創始人王弢也將到場，帶來豐富的技術分享以及 Drive.ai 的最新進展，點擊 https://gair.leiphone.com/gair/gairsv2018，即可了解關於 GAIR 矽谷智能駕駛峰會的更多信息，加入這場中美自動駕駛的豪華盛會。
繼2017年6月份拿到NEA領投、GGV跟投的5000萬美金B輪融資後，9月初Drive.ai與Lyft宣布將在舊金山灣區開啟自動駕駛打車服務的試運營。緊接著在同一個月內，Drive.ai宣布拿到東南亞打車巨頭Grab 1500萬美金的投資，並將在未來幾個月內籌建新加坡辦公室。
加州和新加坡可以說是目前全球針對自動駕駛測試法規建設最開放和完善的兩個地區，Drive.ai與Lyft合作的自動駕駛打車服務上線在即，而新加坡也將成為他們在亞洲擴張的第一站，在這個時間點上雷鋒網 · 新智駕探訪了Drive.ai位於Mountain View的總部。
創業第3年
2015年，斯坦福AI實驗室的6個博士/碩士生集體休學，他們邀請了機器人學家Carol Reiley和資深商界顧問Fred Rosenzweig加盟，組建了一個規模頗大的創始團隊。到當年4月，團隊拿到了一筆5萬美金的種子基金，並在矽谷Santa Clara的矽谷創源孵化器開啟了真正的車庫創業。
Drive.ai聯合創始人王弢告訴我們，眼下團隊已經超過80人，超過半數在做軟體方面的工作。因為Drive.ai在整個自動駕駛解決方案的設計中採用深度學習優先的策略（deep learning first），所以很多軟體工作都與深度學習相關，除了常規的感知、定位、規劃、控制外：
深度學習需要跑大量的訓練數據，他們有專門團隊進行架構設計和基礎設施的搭建，比如GPU運算集群；
深度學習訓練需要高質量的標註數據，所以Drive.ai內部開發了一套數據工具，通過半自動化加人工的方法提升數據的標註效率。據說此前業界有人完成一個小時的數據標註需要800個小時，而Drive.ai使用工具可以把效率提高20多倍，並且標註的信息非常完整（比如在三維激光雷達點雲中，把車輛、行人、自行車、車道線都標註出來）；
他們在搭建專門的車載信息通訊系統（message passing system），用於連接各個感測器和中央處理器等節點之間的通訊，這個系統相當於是ROS。但因為ROS並不是針對自動駕駛設計的，所以他們設計了一套比ROS效率更高的系統；
王弢現在主要負責開發規劃和控制演算法的團隊；此外Drive.ai有自己的地圖定位系統，模擬器的開發則是跨數據標註、數據可視化、規劃與控制三部分的團隊。
到2017年，Drive.ai已經完成了自動駕駛技術在3種不同車型上的適配，包括最早的林肯MKZ，後來的奧迪A4，以及新近加入的一款廂式車（van）。王弢告訴我們，這意味著Drive.ai的自動駕駛系統已經可以在混動車、燃油車以及商用車等多個車型之間移植。
而新加入的廂式車，也意味著他們的技術不僅應用在載人，也做好了載貨遞送的準備。
技術路線
Drive.ai的技術路線一貫強調深度學習優先。
僅從感測器方案來看，他們面向後裝市場的自動駕駛改裝套件（retrofit kit）已經逐漸定型。以奧迪A4為例，他們在車頂正上方連接了4個16線激光雷達，車頂兩側斜放2個16線激光雷達，車頂上方和兩側再配合多個魚眼攝像頭，車頭加裝1個毫米波雷達。不同車型使用的感測器方案略有差異，團隊也會隨著市面上可用感測器的變化，調整一部分的技術選型。比如新的廂型車上就採用了更高線束的激光雷達，整個方案使用激光雷達的數量也相應減少。選擇將大部分感測器集中在車頂，對Drive.ai來說，也便於這一套方案進行批量部署。
在Drive.ai的實車上，我們還可以看到4個激光雷達底下有一個LED屏幕，用來顯示跟其他車輛及行人交互的信息。這個屏幕背後還集成了一些處理器，它們會將感測器獲取到的數據進行預處理。
整體來說，Drive.ai的後裝改裝套件會包含一套感測器方案、用於跟外界交互的屏幕，以及封裝在一起的處理器，這3部分硬體集成在一起構成了車頂的模塊，然後連接到後備箱的計算機上。王弢說，目前整套系統的功耗，通過演算法優化大概是幾百瓦的樣子，相當於是一台高性能的遊戲PC，像奧迪A4這樣的燃油車也可以支撐系統的運營。
在車庫裡，Drive.ai已經準備了將近10輛樣車。現在他們跟外部的合作方式主要是：OEM開放車輛的一部分CAN介面，Drive.ai完成線控的改造，然後接入自動駕駛的軟硬體，第一批車輛會通過與商業車隊運營方的方式開始運營（比如Lyft或者是物流車隊）。
即將上線的Drive.ai&Lyft聯合打車服務
9月7日，Drive.ai與Lyft聯合宣布很快將在舊金山灣區面向公眾提供自動駕駛打車服務的試運營（Pilot Program）。在這個項目中，Drive.ai會利用現在的3種車型組建一個混合車隊。根據Lyft的描述，如果乘客選擇的路徑剛好是他們的高精度地圖已經覆蓋的區域，那麼乘客就有可能會打到自動駕駛的汽車。王弢告訴我們，Drive.ai與Lyft會專門為此開發一個新的app，這個app不同於現有的Lyft app，會利用Lyft的車輛乘客調度後台，在應用交互層面又會融入Drive.ai的設計。
因為加州DMV在頒發自動駕駛路測牌照時，各個自動駕駛公司已經繳納了500萬美金的擔保金並且為測試車輛購買了保險。所以目前在技術框架和法規流程的部分，自動駕駛打車服務面向公眾開放已經準備就緒，目前Lyft和Drive.ai更多的是在討論技術實施的細節。
王弢向我們透露，除了與Lyft、Grab兩個已經公布的合作外，Drive.ai還會有一個規模更大的落地項目。
下面是王弢接受雷鋒網·新智駕採訪的部分對話，新智駕做了不影響原意的編輯。
新智駕：你們的車載信息通訊系統不用ROS，是因為ROS效率太低嗎？
王弢：我知道業界很多公司在用ROS，但因為ROS畢竟不是為了自動駕駛設計的，所以我們自己在專門設計這一套系統。
ROS是學術界的產物，它一開始設計出來就是為了跑在機器人上。它有幾個好處，一個就是開源，開源以後大家都會去使用，會有一個社區，但這也就造就了裡面冗餘的工具特別多，很多東西並不是為了自動駕駛而設計，而且很多東西會造成多餘的操作。
當時我們驗證下來就覺得ROS冗餘太多，不夠精簡、不夠專註，因此我們決定自己做一個更好，更切合自動駕駛需要的系統。
新智駕：Drive.ai現階段怎樣用你們的產品跟車企合作，能否舉一個例子？
王弢：我們之前的合作模式主要就是車企開放車上的CAN介面、線控介面，但線控的實現是我們自己做，最底層的介面還是需要跟車企合作。
就目前來說我們主要的合作夥伴是商業車隊。在已有的車隊基礎上，我們幫他們進行自動化改造，我們將turn key solution加裝到車隊上，幫他們節約成本，這是第一步。
我覺得這些商業車隊會首先大規模地應用自動化、自動駕駛技術，因為他們對價格不像終端消費者那麼敏感，對汽車外型也沒有那麼嚴格的要求。
目前打造真正L4、L5，完全不需要駕駛員的自動駕駛系統，還是需要很多冗餘的感測器，如果真的要做到外觀上把所有感測器全部藏起來（整個系統達到量產的標準），即使是大車企想做這個事情，整合工作我們覺得沒有幾年是做不下來的。短時間內，這個車肯定看起來會比較科幻一點，終端的消費者可能會比較不接受這個外型。
但對於車隊來說是，並不是那麼在乎車外型是到底怎麼樣，看上去標新立異一點可能對他們本身的宣傳甚至會有好處。
我們主要可以幫他們節省成本。因為車隊目前基本上駕駛員的成本，在美國可能要達到70%，所以這是很大的一塊，如果可以幫助他們節省到的一部分成本，這對於他們來說是非常大的幫助。
新智駕：Drive.ai跟合作夥伴的合作方式，比如跟車隊部署改裝套件這樣的方案，OEM在這裡面有一些目標？除了開放介面，他們還有什麼想法？
王弢：OEM目前的主要商業模式還是賣車給終端消費者，他們大部分利潤都是來自這一塊。
現在有一個自動駕駛的趨勢，他們也會奔向這個潮流，會有一些嘗試，嘗試量產一些帶有L2、L3功能的車型，甚至有目標是作為L4的車，可能自己也會組建一些車隊。
我知道有幾家車廠在組建共享出行的車隊，這個對於他們來說是下一個可能的增長點。但如果大家都選擇共享出行，那大家都不會去買車了，對於他們自己本身商業模式會有一定的衝擊。
車商的優勢，一個在於系統的整合，把感測器、激光雷達、攝像頭、毫米波雷達、計算平台等等整合進汽車，這是他們的強項。一旦有解決方案以後，他們可以把成本降低，大規模生產，這也是他們的強項。
但在這個過程當中，我覺得他們也有很多需要學習的地方。比如他們在硬體方面有一套，但普遍來說業界都不認為車廠在軟體方面是非常有優勢的。我們覺得我們可以在這塊幫助車廠，這也是我們的合作模式之一。
新智駕：L3這一塊你們會有合作嗎，因為現在車企對於量產L3還是很感興趣？
王弢：L3目前不是我們的重點，目前公司的重點還是L4。
新智駕：運營方面Drive.ai會跟車隊合作，這個車隊是指什麼？是指Lyft這樣的平台還是更傳統一些貨運車隊，還是商務車車隊？
王弢：運營方面，我們希望可以成為自動駕駛的平台，核心的自動駕駛演算法都是一樣的，我們可以開放這些車隊運營的服務介面，比如一家物流公司想要跟我們合作的話，我們也可以開放一個介面給他們。
但核心自動駕駛的核心技術還是由我們來維護。
新智駕：Drive.ai現在已經部署的3個車型，對你們來說有什麼不一樣，如何挑選的這3個車型？
王弢：一開始的話，如果要快速搭建系統的話，林肯MKZ是比較不錯的選擇。奧迪A4，也是第一個嘗試來展示我們交付turn key solution的能力，系統不需要大改動就可以放在不同車型上面。
第三個商用車這一塊，我們也是展示能夠做商用車的線控，同時我們的系統也不需要大改動在商用車上就可以實現。
新智駕：Drive.ai跟Lyft的合作，你們會把這些無人車掛靠到Lyft平台上嗎？
王弢：不一定完全使用Lyft的平台，可能會有一些差異，因為用戶體驗上還是有一些不同。
我們也要打造一個Drive.ai自己的平台，在用戶界面上面跟普通的Lyft會有不同，是一個聯合的APP。
新智駕：剛剛我們聊到Drive.ai也在開發自己的高精度地圖，這是具體是怎樣的？
王弢：目前內部還是用的（自己開發的）高精度地圖，但依賴程度沒有那麼高，我們對它的依賴方式也是會比較靈活一些。
比如有的公司在使用高精度地圖的時候，他們是利用車道線的反射值來判斷車道線的位置，跟地圖進行匹配，進行定位。
但是我們發現，一旦下雨車道線反射率會有很大變化，所以這就是為什麼在雨下得比較大的時候，可能有的技術方案是無法開的，因為地面會形成一層薄薄的水幕，所以雷達光打到地面上以後，它就很少有返回了，這其實是一個難點。
我們在定位上採取的是稍微有一點不同的路徑，這樣對於環境的敏感度不用很高，我們已經公布過一段雨天路測的視頻。
新智駕：之前Drive.ai對外有談到，不止會做載客，還會做貨物的遞送，兩者會有什麼不一樣嗎？
王弢：對於我們來說沒有太大區別，因為我們選車型的時候也是選擇了一個可以載人和載貨兩用的平台。
載貨會通過跟物流公司合作，目前已經在談了。
新智駕：B輪融資完了之後，Drive.ai有一個retrofit kit的規劃，現在有什麼樣的進展？
王弢：retrofit kit就是turn key solution的另一個說法，retrofit的意思就是後裝，我們暫時還不追求跟車進行完美的整合。還是在已有的車輛上進行改裝，這樣保證迭代的速度，能夠更早把自動駕駛技術落地。
新智駕：你們會考慮做自己晶元或者定製晶元嗎？
王弢：暫時不會。
新智駕：你們2017年的目標是什麼？
王弢：2017年我們會有一個更大規模一點的落地項目，目前還沒有公布。
新智駕：Waymo早期想重新設計汽車，最後落地的時候並沒有重新設計一個汽車。ZOOX現在在重新設計一個新的汽車。
OEM和自動駕駛公司對未來汽車長什麼樣會不會有比較大分歧，大家想的以後汽車是什麼樣子的？
王弢：我還是那句話，造車並不是一件容易的事情，雖然大家可能認為汽車行業並不是一個高科技的行業，但汽車行業是非常非常成熟的行業，它發展了一百多年，內部知識積累不是我們這些公司可以做的，可以很快趕上的。
當然電動汽車可能是一個彎道超車的機會，但是我覺得這會有一個過程，在這個過程當中，我覺得自動駕駛不能去等，不能去等電動汽車成型以後再搞自動駕駛，這兩塊得齊頭並進。因為自動駕駛一些功能實現以後會促進電動汽車的發展。
舉一個例子，電動汽車現在有一大問題是充電樁不夠，充電時間比較長，但如果你能夠實現汽車共享，你把車開到一個地方以後，然後這輛車可以自動開去附近充電樁進行充電。這樣使用電動車的門檻就會降低了。
同時我們知道內燃機是一個比較複雜的系統，雖然現在也可以做內燃機的自動駕駛改裝，但在引擎模型上，還是會比電動車需要做更多一些的工作。電動車的模型會簡單很多，對於自動駕駛改造來說也是一個利好。
TAG:雷鋒網 |