Drive.ai聯(lián)合創(chuàng)始人王弢
另一位華人背景成員是吳恩達的妻子Carol Reiley（卡羅爾·萊利），是一位華裔美籍人，和王弢一樣，她也是第一批創(chuàng)始成員之一，而且擔任著Drive.ai的總裁。
雖然吳恩達的光環(huán)很強大，但是Carol Reiley（卡羅爾·萊利）也是位不折不扣的技術大拿，她同時擁有約翰·霍普金斯大學雙料博士學位，此前一直作為一名機器人專家，從事工業(yè)和醫(yī)學外科機器人應用開發(fā)。
吳恩達妻子Carol Reiley(卡羅爾·萊利)
這也為其進入無人駕駛技術領域埋下了伏筆，無人駕駛汽車也被稱為輪式移動機器人，谷歌自動駕駛團隊的前身做的也是戶外機器人。
而關于吳恩達成為Drive.ai的董事會成員，紀源資本的管理合伙人，也是本次投資Drive.ai的操刀人李宏瑋告訴鈦媒體，吳恩達在Drive.ai的創(chuàng)業(yè)前后都是技術路線上的導師，今后也會提供更多技術以及人才方面的支持和合作。
以上的華人創(chuàng)始陣容讓Drive.ai受到了更多中國媒體的關注，但是實際上，Drive.ai是要做一套面向全球市場的自動駕駛系統(tǒng)方案。
翻開Drive.ai官網(wǎng)能夠看到，創(chuàng)始團隊成員來自全球各地，有美裔、印度裔、拉丁裔各種膚色，這也說明了Drive.ai自身的全球化定位。
紀源資本管理合伙人李宏瑋告訴鈦媒體，
“Drive.ai 在不一樣的階段，選擇了不同組合的投資人。他們早期投資人中有中國的投資機構(gòu)，這次選擇投資人的時候就選擇了美國的一線基金NEA和GGV（紀源資本），這些組合里面更多的考慮主要是國際化。”
關于中國團隊，Dirve.ai 聯(lián)合創(chuàng)始人王弢表示，中國是一塊很大的市場，在發(fā)展無人駕駛技術方便也十分積極，肯定會在中國進行深耕布局，但具體的策略和時間表會在合適的時機透露。
紀源資本的李宏瑋也對鈦媒體表示，如果Drive.ai要走向中國市場，他們會提供中國本土市場需求以及政府支持等方面的資源。
在應用領域上，Drive.ai要做的是應用于有限地理環(huán)境內(nèi)的全棧式技術供應商。全棧式是說，這套自動駕駛方案不僅包括車輛的無人駕駛系統(tǒng)，還包括車輛與行人、車輛與車輛間的交互系統(tǒng)。
而有限的地理環(huán)境則包括商業(yè)中心、封閉園區(qū)，以及共享出行等。這也是目前自動駕駛初創(chuàng)團隊都在考慮的方向，因為大規(guī)模的乘用車消費市場對于車規(guī)級和成本的要求都十分之高，而封閉環(huán)境、有限環(huán)境下的商業(yè)應用領域則門檻相對較低。
李宏瑋表示，她在很早的時候就看過被通用公司收入麾下的Cruise團隊，而且也把硅谷的自動駕駛創(chuàng)業(yè)項目都看過一遍，于6個月前開始接觸Drive.ai，做盡職調(diào)查，正是因為她看到，Drive.ai在技術上更加成熟，它的方案離商業(yè)化也更近一些。
“它（Drive.ai）選擇的場景是可以標準化的，在這個場景里面再優(yōu)化技術難點，會是一個漸進式的過程。所有場景里面難度最大的是城市無人駕駛，而短期內(nèi)我覺得能夠起來更快的，會是專用市場。”
在產(chǎn)品方向上，Drive.ai顯然也沒有走一條需要跟主機廠商“陪跑”的前向開發(fā)路線，這需要跟隨一輛車型3-5年的開發(fā)周期，Drive.ai提供的一個自動駕駛方案的后裝套件。“理論上只要有協(xié)議接口，都能用我們的方案實現(xiàn)自動駕駛。”王弢說。
據(jù)了解，Drive.ai 已經(jīng)在一些物流貨運公司進行合作，與主機廠的合作也正在推進當中。
Drive.ai的傳感器配置使用了9個高清攝像頭、2個毫米波雷達、6個Velodyne VLP16激光雷達，這套成本看起來可能不便宜，但王弢告訴鈦媒體，這只是出于數(shù)據(jù)收集需要做的“更全面”的考慮，當實際應用的時候，根據(jù)不同場景，還會不同程度的成本縮減空間。
“現(xiàn)有的配置主要是為了一個安全和穩(wěn)定性的考慮。”王弢說，“多加一些傳感器能夠收集到更多的數(shù)據(jù)，如果這些數(shù)據(jù)用不到也沒關系，但是到時候如果發(fā)現(xiàn)少了一些數(shù)據(jù)，再去增加傳感器就會麻煩了。”
據(jù)了解，Drive.ai于去年4月份拿到了美國加州的無人駕駛路測牌照，目前該公司已經(jīng)投入了尼桑、奧迪和福特三個平臺的車型在進行路測。
前不久，Drive.ai在官網(wǎng)放出了一段視頻，顯示這家公司的無人駕駛車輛能夠勝任大部分情況下的自動駕駛，包括夜間、雨天或下冰雹等極限條件。
王弢表示，這主要是因為他們在傳感器上做了很好的冗余設計。
“Drive.ai 是多個傳感器融合之后建立的模型。例如雨夜的場景，攝像頭可能受到的限制比較多，但是激光雷達受到的影響可能就會小一些，而毫米波雷達受到的影響可能更小。”
當然，Dirive.ai之所以能取得現(xiàn)有的技術成果，還在于其對所收集到的數(shù)據(jù)進行了高效利用。
王弢介紹了他們目前的數(shù)據(jù)利用有三大特點：
第一，數(shù)據(jù)收集車所配置的傳感器十分豐富，會同時采集圖像數(shù)據(jù)、點云數(shù)據(jù)和雷達數(shù)據(jù)等多種數(shù)據(jù)類型；
第二，有一套自動化的數(shù)據(jù)處理系統(tǒng)，針對所采集的大量數(shù)據(jù)，他們有一套分布式的數(shù)據(jù)庫和備份機制；
第三，半自動的數(shù)據(jù)標注系統(tǒng)，由于在自動駕駛方案的各個子系統(tǒng)都應用了深度學習技術，數(shù)據(jù)標注的工作量自然很大，而Drive.ai也通過深度學習實現(xiàn)了半自動化的標注工作，然后對一些結(jié)果進行人工校驗即可。
“據(jù)我所了解，行業(yè)內(nèi)的一些團隊標注一個小時的數(shù)據(jù)大概需要800個小時的時間，我們半自動化系統(tǒng)的標注效率可以提高十幾倍。”王弢告訴鈦媒體。
王弢也對行業(yè)以“測試里程論英雄”的現(xiàn)象發(fā)表了看法， 他認為自動駕駛的瓶頸并不在于測試里程有多少，而是有沒有足夠豐富的數(shù)據(jù)類型和環(huán)境信息，以及對數(shù)據(jù)的高效率保存和標注。
當然，深度學習系統(tǒng)的識別能力是一種強大的工具，但也面臨著計算過程不被解釋的“黑盒子“問題。這種模式以端到端的方式呈現(xiàn)出計算結(jié)果，但是輸入和輸出的實際決策過程，人們卻看不到，也不一定能夠直觀理解。
這也是大部分技術廠商選擇傳統(tǒng)機器學習算法做感知的原因，因為一旦系統(tǒng)發(fā)生了故障或者錯誤，能夠弄清楚原因何在。
王弢表示，針對深度學習模式的這個特點，Drive.ai采用了系統(tǒng)拆分的方法。
“當時我們在選擇這條路線的時候，也想到這個問題，現(xiàn)在我們是通過拆分的方法，把自動駕駛系統(tǒng)拆分成很多子系統(tǒng)，然后分別將深度學習技術應用到其中，在不同的部分可以用不同的方式進行驗證。”
而且，深度學習的“黑盒子”問題是一個行業(yè)性問題，學界也都在積極圍繞這個命題進行討論，Drive.ai也在聯(lián)合學界和產(chǎn)業(yè)界共同解決這個問題。（本文首發(fā)鈦媒體）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
無人駕駛技術主要要解決四個大方向的問題，即定位、感知、決策、控制。個人覺得決策這個問題 最不好解決 ，讓機器去做決策 現(xiàn)階段是有一定風險的。不過人工智能肯定會是未來發(fā)展的一大趨勢，無人駕駛也將逐漸改變?nèi)藗兊某鲂蟹绞健o論時代如何發(fā)展，科技都將是引領人們前進的方向，而那些掌握前沿技術的人才都是推動時代發(fā)展不可磨滅的力量，支持吳恩達。
無人駕駛快實現(xiàn)了吧
牛仔下午
很期待
厲害了