專訪 Drive.ai 王弢：吳恩達力挺的首個自動駕駛商業化落地項目背後的所有細節

創業兩年，拿下 7700 萬美元融資，集 120 人之力，矽谷明星自動駕駛公司 Drive.ai 首個商業化運營項目最終落地美國的孤星之州——德克薩斯。在不久後的 7 月份，Drive.ai 首批 3-4 輛自動駕駛穿梭車將開進德州弗里斯科市，開啟半年的運營周期。

這些車輛改裝自日產 NV200 廂式車，支持商乘兩用，Drive.ai 的團隊為這些車輛開發了專門的線控系統，並將自動駕駛的整體硬體和軟體集成到車輛上。有意思的是，這些車輛外部還加裝了四塊 LCD 顯示屏，通過獨立的處理單元與車輛的控制系統進行信息傳輸，將車輛的下一步動作告知外部的行人和車輛，形成一套完善的車外人機交互系統。

車輛外觀的亮橙色格外顯眼，配上 Self-Driving Vehicle 的字樣來提示外界其「特殊物種」的屬性。當然，這也是出於安全運營的考慮。

在這個時間、這個地點開展這樣一個落地項目，Drive.ai 有哪些思考？這個項目還有哪些不太為人知的細節？關於 Drive.ai 最新的動向還有哪些？帶著這些問題，雷鋒網新智駕採訪了正在美國德州參與這個項目的 Drive.ai 聯合創始人王弢，拿到了更多「細枝末節」的信息。

*（從左至右）Drive.ai 聯合創始人宋威、王弢以及董事會成員吳恩達

最終選擇商用化落地，一定程度上也意味著 Drive.ai 團隊對其現有的自動駕駛技術已經有充足的信心。

大概在今年的 2 月份，Drive.ai 與德州州政府、弗里斯科市政府以及相關商業園區高層進行接觸，開始商談，幾個月後便達成了合作的共識。王弢表示，選擇德州的一個很大的原因是該州針對自動駕駛的法律法規非常健全、清晰，為相關項目的落地提供了便利，州政府、市政府以及當地的商業園區也都非常支持這樣的項目。

此前自動駕駛圈發了一些車禍事故，也讓 Drive.ai 在商業落地時，更加註重「安全性」的設計。

他們首先在人工智慧技術方面進行優化，包括自動駕駛車輛的整體感知、規劃和控制演算法；其次，團隊專門研發設計了一套針對自動駕駛車輛的遠程監控決策系統，在複雜、緊急情況時，協助車輛進行決策；然後是通過車外的四塊 LCD 顯示屏與行人和其他車輛產生交互，避免不必要的險情發生；最後，Drive.ai 還會與當地一些機構合作，向公眾科普自動駕駛汽車的決策機制，規範他們的交通行為以保障安全。

今年 7 月，Drive.ai 的首批 3-4 輛（高峰期 4 輛）自動駕駛廂式車就將在德州弗里斯科市的 Hall Park 園區和 The Star 商業區之間進行穿梭，為園區上萬名僱員提供最後一英里的出行服務，而且完全免費。

這條路線上，會設置諸多的乘客上下車的站點，使用特殊的視覺標識來劃定。該條規劃線路上，包含了工作園區、停車場、公共道路以及生活娛樂區，涉及的交通狀況並不會太複雜。王弢提到，主要的挑戰是在停車場區域的運行，因為這裡會有諸多社會車輛通行，進行掉頭、倒車或者轉向這些操作。當然，Drive.ai 已經在進行先期測試不斷適應這樣的情境。

在運行時速上，王弢告訴雷鋒網新智駕，停車場區域會比較慢，時速為 25-30 公里；公共道路上則會比法定限速稍低，時速也能達到 50-60 公里。

現階段，Drive.ai 為用戶端開發了相關的叫車 APP，後續將會進行內部調試，確保在 7 月份上線運營時穩定可靠。按照其規劃，在 6 個月的試運營周期過後，他們將投入更多的車輛來擴大運營範圍，乘車範圍會進一步擴張至 Frisco Station，這是一個火車站兼商業購物區。

如前文所述，Drive.ai 為這個自動駕駛落地項目準備了獨有的人機交互系統和遠程監控決策系統，目的就是為了保障安全。

針對人機交互系統，他們在車輛外部安裝了四塊 LCD 顯示屏，可以分別顯示不同的內容。「顯示屏上的信息和車輛的決策系統實時相連，內部在做一些決策時，會公開發送給幾塊屏幕，屏幕根據決策類型，選擇所顯示的信息。」王弢解釋。

而且，不同位置的屏幕，會適時顯示不同的提示信息。比如，前方信息屏顯示「現在車輛正停，請您過馬路」時，車後方的信息屏會針對後車給出提示，「我正在避讓行人，後面的車輛請小心」。這樣的溝通機制通過每一塊屏內部的微處理系統實現。

未來，這樣的人機交互系統，會成為 Drive.ai 自動駕駛車輛的標準配置，王弢還希望這樣的配置可以成為全行業的標準。

而針對車內乘客與車輛的交互，目前 Drive.ai 還沒有做更多特殊設計，意味著乘客沒法對車輛進行操控，只是可以通過座椅後部的顯示屏查看車輛的運行狀態。

作為 Drive.ai 董事會成員的吳恩達，對於該落地項目非常看重，他還專門解釋了該項目的技術升級路線：第一階段是有安全員在駕駛位上，可以接管車輛；第二階段是有安全員做監控，但不會接管車輛；最後一個階段是車輛內部只有乘客，Drive.ai 的技術人員可通過遠程監控決策系統來進行車輛的緊急控制。

這裡所提到的遠程監控決策系統，正是 Drive.ai 近一段時間以來開發的重點。

該系統通過 4G、5G 網路與車輛系統進行連接，技術人員可以在特殊情況下協助車輛進行決策，更多時候是協助車輛進行路徑選擇。王弢表示，無論是在弗里斯科的辦公室，還是在加州山景城的辦公室，遠程操作人員都可以對車輛進行指揮和控制。

在更遠的將來，當落地的自動駕駛車輛數量更多時，遠程操控人的效率會越來越高，1 個人基本可以管理 5-10 輛車甚至更多。因為遠程操控人每做一次決策，其結果都會被記錄下來，作為深度學習演算法的訓練數據，當模型訓練得越來越好以後，效率自然而然就提升了。

Drive.ai 為此次的落地項目選用了燃油版本日產 NV200 廂式車，可供商乘兩用。團隊為這款車開發了一套線控系統，未來要移植到電動平台上，難度也不是很大。

線控方面主要還是針對車輛的剎車、油門以及轉向部分進行改造，此外還配備了備用的傳動系統，以防原有的傳動機制出現問題。王弢表示，他們改裝一輛這樣的車型，花費的成本要比 AutonomouStuff 改一輛林肯 MKZ 的整體成本低一個量級。

在自動駕駛套件方面，這款車上搭載了 4 個激光雷達、10 枚攝像頭以及2 顆毫米波雷達。其中激光雷達採用了兩家不同供應商的產品：2 個 Velodyne 的 16 線激光雷達與 2 個禾賽的 40 線激光雷達。

針對這樣的激光雷達組合，王弢解釋稱，Velodyne 的 2 個 16 線激光雷達的選擇是比較標準的配置，這在 Drive.ai 的前面幾款原型車上已經接近定型。此次選擇禾賽的產品，有很多技術和商業上的考量，比較重要的一點在於，禾賽的激光雷達為自動駕駛的應用進行了定製化的設計，「包括每一線安排的位置，線與線之間的間隔，都為自動駕駛進行了一些優化。」王弢補充稱。當然，成本方面，禾賽的產品也是在追求線數的同時，比較實惠的選擇。

從車型平台的改裝到集成自動駕駛整體方案，目前 Drive.ai 能夠在一周內打造一輛這樣的自動駕駛運營車輛，他們還在追求更快的速度。

實際上，根據雷鋒網新智駕此前的報道，Drive.ai 先後和 Lyft 以及 Grab 兩家共享汽車平台達成合作，計劃分別在舊金山和新家坡開展自動駕駛車輛落地運營。此番，德州的項目率先上馬，讓我們非常好奇先期公布的這兩個項目的進展情況。

被問及此事，王弢回應稱，這兩項合作目前都以獨立項目的形式在往前推進，和德州的項目其實是並行開發的，具體的落地時間節點目前還不得而知。

Drive.ai 近況

雷鋒網新智駕於去年的 10 月底在加州山景城 Drive.ai 的辦公室採訪過王弢，如今已過去半年。

目前，這家創業公司的團隊規模已經達到了 120 人左右，在加州山景城和德州弗里斯科都有辦公室，為了推進首個落地項目，王弢透露公司計劃將弗里斯科的團隊擴展到 30 人左右，包括安全駕駛員、技術人員和運營人員。

這半年時間，王弢和他的團隊一起多頭並進推動自動駕駛相關技術的研發。

他特意提到他們正在開發的分散式高精地圖存儲框架，「因為是分散式，（我們）可以很快對特定區域的高精地圖進行修改，可以很快對地圖進行更新。」

王弢進一步解釋，所謂分散式，就是把高精地圖中的很多不同區域以及不同的要素（交通燈、車道線等）進行分散式存儲，在修改、組合調用時更加靈活。

此外，Drive.ai 的團隊也在持續對其自動駕駛感知、規劃和決策的深度學習模型進行迭代。

當然，車輛路測也是持續不斷的工作，目前 Drive.ai 三個車型平台的 20 多輛自動駕駛原型車在加州和德州進行測試。據此前公開數據顯示，Drive.ai 已經累計測試里程超過 7000 英里。

顯然，這個數據還遠遠無法與 Waymo 的百萬英里數相提並論，Drive.ai 要追趕的路還有很長。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！