IT思维

公众号/新智驾

文 | 大壮旅

现在的自动驾驶行业，言必谈激光雷达几乎成了“政治正确”。不过，想把传感器、高精地图和其它设备全部配齐并时刻保持火力全开哪有那么容易。

既然如此，何不换个思路找突破口呢？

英国新创公司 Wayve 就来了一次“思想解放”。这家公司宣称，它实现自动驾驶只需要一颗摄像头、一个 GPS 追踪器和一台强大的计算机，不用激光雷达，不用高精地图，也不用手编程序。

更可怕的是，在 Wayve 的调教下，未来的自动驾驶汽车一天之内就能在复杂的路况下应对自如了。

这是什么骚操作？

它就是 Wayve 的端对端机器学习自动驾驶解决方案。与其搭建一个平台并不断向其灌输各种交通规则，这套系统转而依靠模拟和增强学习技术。

这套基于模型的深度增强学习系统让车辆能像人一样在新环境迅速掌握驾驶的能力。显然，Wayve 走了完全不同的路子，因为在它的语境下，车辆会自行创造规则并基于安全驾驶员的接管不断进化，工程师手上的海量实时数据唱不了主角。

抛弃了昂贵的激光雷达和数据密集型的高清地图的 Wayve，要用多层神经网络和计算视觉预测城市环境中物体的动作。

不过，传感器技术专家们却认为 Wayve 的设想非常荒谬，即使它成功了，这样的解决方案也是绝对的目光短浅。

当然，这家英国新创公司也不是异想天开，其前不久就放出了一段相当成功的测试视频。那辆测试车才学习了 20 小时，就成功在雨天完成了某路段的行使，不但复杂的转弯没问题，躲避自行车也不在话下。

这次测试的强悍之处在于，测试车只靠机器学习就掌控全场，完全没有借助高精地图和高度复杂的传感器套装，这样的演示也算得上世界首创了。

大多数自动驾驶汽车在确定行驶路线时都要靠实时数据，这些数据来自道路上的障碍信息，人行道上的行人动向和周边车辆的走位等。Wayve 并不会试图破译这些数据，因为它“寒酸”的传感器配置根本采集不到如此丰富的信息。相反，它更依赖于已经导入系统的训练数据以及过去的驾驶经验。

当然，还有一些“增强”数据，它是人类驾驶员口口相传的街道信息。

前不久，Wayve 在博文中表示，自己的“人类驱动”方案虽然速度会慢一些，但绝对与众不同。“每次安全驾驶员介入，我们的系统就能学到经验并不断进步。我们不教车辆如何驾驶，而是靠经验、范例和反馈，就像人类学车那样。与其他方案相比，这样更安全且更容易普及。虽然这样操作部署会晚一些，但仅仅是因为学习曲线不同罢了。”

此外，与其他公司一城一策的落地方案不同，Wayve 的测试车可以快速适应不同环境，一次完成 100 个城市的部署。

该公司联合创始人 Alex Kendall 也指出，“做了这么长时间的自动驾驶后，我越来越相信一点，那就是端对端机器学习才是唯一能大规模落地的解决方案。”

“我们的模型能借助端对端学习掌握车辆的横向和纵向控制（即转向和加速）。同时，模型中也充满不确定性，这就让系统能从输入的数据中学到与控制相关的功能，让计算变得更加高效。事实上，我们的系统运行起来和最新的笔记本电脑差不多，这就大大节约了传感器和算力成本（当然还有功耗）。”Kendall 解释道。

Wayve 是在胡来？

虽然 Wayve 极力“吹捧”自家方案，但专家们还是觉得这并非什么好主意。

“简直精神失常了。”Velodyne 公司 COO Rick Tewell 说道。“想让 AI 表现好，就得拿更多数据去‘喂养’，没听说过数据量少还能训练好 AI 系统的。”

对自动驾驶汽车来说，可靠且强大的数据源是提升产品安全的关键。成本问题确实令人头疼，不过随着传感设备的大规模普及，其成本肯定会持续走低。要知道，几年前一套 LiDAR 系统还要价数万美元呢，现在普通产品 1000 美元就能买到，至于雷达就更便宜了。

在成本方面，Wayve 称自家的“极简套装”价格只有传统“自动驾驶全家桶”的十分之一。不过，对于那些财大气粗的汽车巨头和不差钱的科技巨擘，在传感器上省钱好像并不是它们的首要考虑。

中国激光雷达新创公司速腾聚创（RoboSense）研发副总裁 Leilei Shinohara 在接受采访时就表示，自己无法理解将传感器数据拒之门外的行为。“传感器可是能采集到人眼看不到的细节。”

在安全面前，一切都是浮云。“也许你的激光雷达只有 5% 时间起效果，但它一出手就能解决大问题，所以你还是会备着它以防万一。”Shinohara 解释道，Uber 和特斯拉的致命事故就是前车之鉴。

在他看来，传感器系统三件套也是必不可少，因为在真实道路上什么情况都有可能发生，比如自动驾驶汽车被油漆运载车给喷成了大花脸，这时摄像头和 LiDAR 都会被废掉，但雷达系统依然能保障车辆安全运行。

Luminar 技术战略主管 Matt Weed 也认为，安全才是自动驾驶汽车的终极诉求，它们必须独立应对各种极端情况，而且得掌控全场。

“最关键一点就是自动驾驶汽车必须比人类司机更安全。”Weed 说道。“我们都在尽全力采集各种信息，故意减少安全性输入也太不明智了。”

以色列雷达传感器公司 Vayyar Imaging 联合创始人兼 CEO Raviv Melamed 也发表了自己的看法，在他看来，传感器决定了感知系统性能，即使是厂商需要花大量时间对传感器三大金刚协同工作进行调配。

“想要安全就得有鲁棒性。”Melamed 说道。

在这里，鲁棒性必然会与 Wayve 的“极简套装”起冲突。如果非要给个总结，Melamed 认为 Wayve 的方案就像个十几岁的小青年，才刚刚摸了几把方向盘就要上路飙车，与“身经百战”的老司机相比，其安全性可想而知。

虽然看似不合常理，但 Kendall 并不孤单。曾几何时，Anthony Lewandowski 的自动驾驶新创公司 Otto 也在使用类似的神经网络模型和摄像头配置。现在，Wayve 还吸引了 Uber 首席科学家 Zoubin Ghahramani 的注意，这家英国公司已经拿到了他的投资。

有趣的是，现在 Wayve 用的测试车是捷豹 I-Pace 电动 SUV，这款车型也是 Waymo 自动驾驶车队的主力。

虽然受到了一众专家的质疑，但如果有人能证明这支剑桥团队所言非虚，也许未来某天它们的解决方案能成为其它小公司的及时雨，甚至超越那些投入巨资的公司直接一统自动驾驶江湖。