专访 Drive.ai 王弢：吴恩达力挺的首个自动驾驶商业化落地项目背后的所有细节

英飞凌中国官网创业两年，拿下 7700 万美元融资，集 120 人之力，硅谷明星自动驾驶公司 Drive.ai 首个商业化运营项目最终落地美国的孤星之州——德克萨斯。在不久后的 7 月份，Drive.ai 首批 3-4 辆自动驾驶穿梭车将开进德州弗里斯科市，开启半年的运营周期。这些车辆改装自日产 NV200 厢式车，支持商乘两用，Drive.ai 的团队为这些车辆开发了专门的线控系统，并将自动驾驶的整体硬件和软件集成到车辆上。有意思的是，这些车辆外部还加装了四块 LCD 显示屏，通过独立的处理单元与车辆的控制系统进行信息传输，将车辆的下一步动作告知外部的行人和车辆，形成一套完善的车外人机交互系统。车辆外观的亮橙色格外显眼，配上 Self-Driving Vehicle 的字样来提示外界其“特殊物种”的属性。当然，这也是出于安全运营的考虑。在这个时间、这个地点开展这样一个落地项目，Drive.ai 有哪些思考？这个项目还有哪些不太为人知的细节？关于 Drive.ai 最新的动向还有哪些？带着这些问题，采访了正在美国德州参与这个项目的 Drive.ai 联合创始人王弢，拿到了更多“细枝末节”的信息。*（从左至右）Drive.ai 联合创始人宋威、王弢以及董事会成员吴恩达首个落地项目的细节解读最终选择商用化落地，一定程度上也意味着 Drive.ai 团队对其现有的自动驾驶技术已经有充足的信心。大概在今年的 2 月份，Drive.ai 与德州州政府、弗里斯科市政府以及相关商业园区高层进行接触，开始商谈，几个月后便达成了合作的共识。王弢表示，选择德州的一个很大的原因是该州针对自动驾驶的法律法规非常健全、清晰，为相关项目的落地提供了便利，州政府、市政府以及当地的商业园区也都非常支持这样的项目。此前自动驾驶圈发了一些车祸事故，也让 Drive.ai 在商业落地时，更加注重“安全性”的设计。他们首先在人工智能技术方面进行优化，包括自动驾驶车辆的整体感知、规划和控制算法；其次，团队专门研发设计了一套针对自动驾驶车辆的远程监控决策系统，在复杂、紧急情况时，协助车辆进行决策；然后是通过车外的四块 LCD 显示屏与行人和其他车辆产生交互，避免不必要的险情发生；最后，Drive.ai 还会与当地一些机构合作，向公众科普自动驾驶汽车的决策机制，规范他们的交通行为以保障安全。今年 7 月，Drive.ai 的首批 3-4 辆（高峰期 4 辆）自动驾驶厢式车就将在德州弗里斯科市的 Hall Park 园区和 The Star 商业区之间进行穿梭，为园区上万名雇员提供最后一英里的出行服务，而且完全免费。这条路线上，会设置诸多的乘客上下车的站点，使用特殊的视觉标识来划定。该条规划线路上，包含了工作园区、停车场、公共道路以及生活娱乐区，涉及的交通状况并不会太复杂。王弢提到，主要的挑战是在停车场区域的运行，因为这里会有诸多社会车辆通行，进行掉头、倒车或者转向这些操作。当然，Drive.ai 已经在进行先期测试不断适应这样的情境。在运行时速上，王弢告诉，停车场区域会比较慢，时速为 25-30 公里；公共道路上则会比法定限速稍低，时速也能达到 50-60 公里。现阶段，Drive.ai 为用户端开发了相关的叫车 APP，后续将会进行内部调试，确保在 7 月份上线运营时稳定可靠。按照其规划，在 6 个月的试运营周期过后，他们将投入更多的车辆来扩大运营范围，乘车范围会进一步扩张至 Frisco Station，这是一个火车站兼商业购物区。两大特殊系统：人机交互、远程监控决策如前文所述，Drive.ai 为这个自动驾驶落地项目准备了独有的人机交互系统和远程监控决策系统，目的就是为了保障安全。针对人机交互系统，他们在车辆外部安装了四块 LCD 显示屏，可以分别显示不同的内容。“显示屏上的信息和车辆的决策系统实时相连，内部在做一些决策时，会公开发送给几块屏幕，屏幕根据决策类型，选择所显示的信息。”王弢解释。而且，不同位置的屏幕，会适时显示不同的提示信息。比如，前方信息屏显示“现在车辆正停，请您过马路”时，车后方的信息屏会针对后车给出提示，“我正在避让行人，后面的车辆请小心”。这样的沟通机制通过每一块屏内部的微处理系统实现。未来，这样的人机交互系统，会成为 Drive.ai 自动驾驶车辆的标准配置，王弢还希望这样的配置可以成为全行业的标准。而针对车内乘客与车辆的交互，目前 Drive.ai 还没有做更多特殊设计，意味着乘客没法对车辆进行操控，只是可以通过座椅后部的显示屏查看车辆的运行状态。作为 Drive.ai 董事会成员的吴恩达，对于该落地项目非常看重，他还专门解释了该项目的技术升级路线：第一阶段是有安全员在驾驶位上，可以接管车辆；第二阶段是有安全员做监控，但不会接管车辆；最后一个阶段是车辆内部只有乘客，Drive.ai 的技术人员可通过远程监控决策系统来进行车辆的紧急控制。这里所提到的远程监控决策系统，正是 Drive.ai 近一段时间以来开发的重点。该系统通过 4G、5G 网络与车辆系统进行连接，技术人员可以在特殊情况下协助车辆进行决策，更多时候是协助车辆进行路径选择。王弢表示，无论是在弗里斯科的办公室，还是在加州山景城的办公室，远程操作人员都可以对车辆进行指挥和控制。在更远的将来，当落地的自动驾驶车辆数量更多时，远程操控人的效率会越来越高，1 个人基本可以管理 5-10 辆车甚至更多。因为远程操控人每做一次决策，其结果都会被记录下来，作为深度学习算法的训练数据，当模型训练得越来越好以后，效率自然而然就提升了。车辆及自动驾驶硬件方案Drive.ai 为此次的落地项目选用了燃油版本日产 NV200 厢式车，可供商乘两用。团队为这款车开发了一套线控系统，未来要移植到电动平台上，难度也不是很大。线控方面主要还是针对车辆的刹车、油门以及转向部分进行改造，此外还配备了备用的传动系统，以防原有的传动机制出现问题。王弢表示，他们改装一辆这样的车型，花费的成本要比 AutonomouStuff 改一辆林肯 MKZ 的整体成本低一个量级。在自动驾驶套件方面，这款车上搭载了 4 个激光雷达、10 枚摄像头以及2 颗毫米波雷达。其中激光雷达采用了两家不同供应商的产品：2 个 Velodyne 的 16 线激光雷达与 2 个禾赛的 40 线激光雷达。针对这样的激光雷达组合，王弢解释称，Velodyne 的 2 个 16 线激光雷达的选择是比较标准的配置，这在 Drive.ai 的前面几款原型车上已经接近定型。此次选择禾赛的产品，有很多技术和商业上的考量，比较重要的一点在于，禾赛的激光雷达为自动驾驶的应用进行了定制化的设计，“包括每一线安排的位置，线与线之间的间隔，都为自动驾驶进行了一些优化。”王弢补充称。当然，成本方面，禾赛的产品也是在追求线数的同时，比较实惠的选择。从车型平台的改装到集成自动驾驶整体方案，目前 Drive.ai 能够在一周内打造一辆这样的自动驾驶运营车辆，他们还在追求更快的速度。实际上，根据此前的报道，Drive.ai 先后和 Lyft 以及 Grab 两家共享汽车平台达成合作，计划分别在旧金山和新家坡开展自动驾驶车辆落地运营。此番，德州的项目率先上马，让我们非常好奇先期公布的这两个项目的进展情况。被问及此事，王弢回应称，这两项合作目前都以独立项目的形式在往前推进，和德州的项目其实是并行开发的，具体的落地时间节点目前还不得而知。Drive.ai 近况于去年的 10 月底在加州山景城 Drive.ai 的办公室采访过王弢，如今已过去半年。目前，这家创业公司的团队规模已经达到了 120 人左右，在加州山景城和德州弗里斯科都有办公室，为了推进首个落地项目，王弢透露公司计划将弗里斯科的团队扩展到 30 人左右，包括安全驾驶员、技术人员和运营人员。这半年时间，王弢和他的团队一起多头并进推动自动驾驶相关技术的研发。他特意提到他们正在开发的分布式高精地图存储框架，“因为是分布式，（我们）可以很快对特定区域的高精地图进行修改，可以很快对地图进行更新。”王弢进一步解释，所谓分布式，就是把高精地图中的很多不同区域以及不同的要素（交通灯、车道线等）进行分布式存储，在修改、组合调用时更加灵活。此外，Drive.ai 的团队也在持续对其自动驾驶感知、规划和决策的深度学习模型进行迭代。当然，车辆路测也是持续不断的工作，目前 Drive.ai 三个车型平台的 20 多辆自动驾驶原型车在加州和德州进行测试。据此前公开数据显示，Drive.ai 已经累计测试里程超过 7000 英里。显然，这个数据还远远无法与 Waymo 的百万英里数相提并论，Drive.ai 要追赶的路还有很长。