1.媒体来源:
TechNews
2.完整新闻标题:
这家神祕的创业公司，选在“雨夜”挑战自动驾驶
3.完整新闻内文:
如果你有关注自动驾驶技术，你可能看过从 Google 到特斯拉，再到很多创业公司的自动
驾驶展示影片和图片，但是它们大多有一个共通性──都是发生在阳光灿烂、地面干燥的
环境下。
对于自动驾驶汽车来说，这样的环境是“完美”环境。但是在真实世界里，这样的“完美
”环境并不总是出现。人们开车会遇上下雨、下雪、起雾甚至风暴（对中国驾驶们来说，
雾霾更是避不开的情况）。在这样恶劣的天气下，能见度低、地面打滑等，都会让人类驾
驶犯错，对于重度依赖传感器来探测环境的自动驾驶汽车来说，它是更难解决的问题，就
连 Google 也没能搞定。
不过最近，一家名为 Drive.ai 的创业公司公布了一段测试影片，让很多人都震惊了：他
们在一个大雨倾盆的夜晚，开着自家研发的自动驾驶汽车，就在 Google 的眼皮底下，让
机器人驾驶完成雨夜开车这个挑战。
https://youtu.be/GMvgtPN2IBU
影片里可以看到，整段自动驾驶测试有好几个亮点：
在 10 秒处，开始下起了倾盆大雨，而自动驾驶汽车并未受到影响；
30 秒处，出现了非常窄的街道，而且两边停有车辆，还有来车交会；
1 分钟处，在没有红绿灯而只有 Stop 标志的十字路口，一辆车插到 Drive.ai 车前抢行
；
1 分 50 秒处，路口红灯坏了；
2 分 35 秒处，由于大雨，路面都是积水，车灯一片反射，但是自动驾驶车辆并未受到影
响。
发给 PingWest 的声明里，Drive.ai 的联合创始人兼 CEO Sameep Tandon 称，这段影片
是在山景城（也是 Google 总部所在地）拍摄的。这整段影片都是在全自动驾驶下完成，
完全没有人工干预；此外，整段影片没有剪辑，只是快转。
雨夜、交通号志故障、车辆抢行……Sameep Tandon 说：“这就是驾驶们每天都会遇到的
情形。任何成功的自动驾驶技术都会需要解决无数这样难以预料的情况，面对各式各样的
驾驶条件，但是目前没有几家公司可以真正做到这样。”
这是 Drive.ai 第一次发表自己产品的影片。之前我们曾经介绍过，Drive.ai 是加州第
一批拿到自动驾驶汽车测试许可的公司之一，几位联合创始人均来自大名鼎鼎的史丹佛人
工智慧实验室。他们的目标是使用深度学习技术，打造一个像人类思考的自动驾驶软件。
中美跨境的基金和创新孵化机构 InnoSpring 是 Dirve.ai 的早期投资机构之一，从
2015 年 3 月就开始孵化 Drive.ai。它的硅谷总经理王笑告诉我们：“Dirve.ai 的早
期 8 个联合创始人，几乎把史丹佛做驾驶的 AI 实验室全包了。”这个实验室出了许多
名人，最为人熟知的是 GoogleX 的创始人 Sebastian Thrun 和后来接手的吴恩达。
Drive.ai 不仅有人工智能在驾驶应用上的积累，还有 Google 做了 10 年的资源和经验
。
她称 Drive.ai 总结了 Google 的几大弯路，分别是：太过依靠昂贵的雷射雷达传感器，
Google 在 Velodyne 定制的传感器加起来价格在 20 万美元左右，昂贵的价格是商业发
展的绊脚石；其次，太过依赖高清 3D 地图，由于高清 3D 地图获得价格昂贵，临时变量
不可控，造成技术严重 overfitting （过适应）；另外，软件技术后端的平台延展性有
限，自动驾驶软件不一定可在短期内跨平台支持多家汽车厂商。
而 Drive.ai 一开始就要做一辆用低配备雷射雷达、便宜的照相机、Google 2D 地图就能
上路的无人驾驶车，并且用深度学习解决了价格─认知准确性─商业模式可延展性，3 个
息息相关又互相牵制的问题，经历两个月开发后就上路了。 “这段在雨天漆黑夜晚上路
的影片，也是 Drive.ai 的实力展示。”王笑说。
所以和 Google 的 Waymo、特斯拉以及一众汽车厂商都不同，Drive.ai 主要聚焦在软件
层面，希望以此提供价格低廉的自动驾驶解决方案。 Sameep Tandon 说：“深度学习技
术可以让它像人类大脑那样处理信息和做决策……我们的团队有打造未来交通的专业能力
。”
为什么恶劣天气是自动驾驶难以克服的难题？
雨雪等极端天气一直是自动驾驶汽车的瓶颈。一名自动驾驶行业的从业者告诉我们，雨雪
天气很容易让自动驾驶汽车变成“睁眼瞎子”：自动驾驶汽车往往依靠摄影镜头、雷达、
GPS 和光学雷达系统的组合来辨识路况和周边环境，雨雪等情况会造成遮挡、反射等，降
低了雷达和相机对重要交通标志，比如对车道线的辨识等，光靠 GPS 并无法准确定位汽
车位置。
就像人类驾驶需要各种标识，比如车道线等，来定位自己在路上的位置一样，自动驾驶汽
车也需要如此。这意味着它们也需要更多细节丰富、精确的地图数据，这也就是为什么各
大汽车公司和科技公司都竞相从诺基亚手里购并 HERE 地图的原因。
但是除了地图数据，汽车也需要可靠的传感器来提供汽车周边的即时环境，光学雷达可以
做到这一点，但是当下雨或下雪的时候，它们的传感会受到干扰，可靠度大大降低。
要解决这个问题，一个办法是安装极其昂贵的硬件。The Verge 称，特斯拉在去年 10 月
后，更新了自家自动驾驶硬件系统，在车身四周一共安了 8 个镜头来提供 360° 视野、
传感 250 公尺的距离，还有 1 个雷达和 12 个超声传感器到原来两倍大的范围，一个增
强版的前向毫米波雷达，能够帮助汽车在雨雪、雾尘等天气下探测到前方车辆。
这样做效果虽好，但是成本大为上升，很难成为面向大众的自动驾驶汽车解决方案。
Google 的 Waymo 也一直在测试在雨雪天气下的自动驾驶情况。他们甚至还在传感器外壳
上装了雨刷器，来保证传感器的能见度。不过这样做效果不是太理想，所以 Waymo 的车
在下雨天里十分谨慎，一旦受影响就会停在路边，直到情况好转。而现在，Waymo 也开始
在一些天气多变的地区，比如华盛顿州等进行更多雨雪天气下的自动驾驶测试。
另外传感器的供应商如 Quanergy ，都在研发雷射雷达的数位过滤器，让雷射雷达可以减
少雨雪干扰，能在极端天气里工作。同样的，目前这项技术的进展还比较有限。
福特算是恶劣天气自动驾驶的尝鲜者之一，去年也曾经在自家测试场地测试过雪天自动驾
驶，并公布了影片。
这次 Drive.ai 没有透露他们的自动驾驶汽车的硬件规格，也没有给出更多技术细节，只
表示正在用深度学习和神经网络来训练自己的自动驾驶系统。它不仅可辨识人和检测物体
，而且还能和其他车辆对话。 Drive.ai 的联合创始人兼总裁卡罗尔‧莱利（Carol
Reiley）之前接受 PingWest 品玩采访时表示：
Drive.ai 聚焦在汽车的“大脑”，主要用深度学习技术来打造自动驾驶的人工智能系统
，让电脑自己训练自己、做出正确的决定，而不是试着把所有做法都提前写在电脑里。
路面情况是动态的、有无穷的可能性（相比之下，围棋的步数仍是有限的，这也就是为什
么人工智能可以下围棋、但是没法开车），开发人员不可能列出所有情况、提前设定好所
有做法，所以，让机器像人类一样获得训练、自己学习才是更有效的。
或许这正是 Drive.ai 这次挑战“雨夜自动驾驶”成功的关键。
4.完整新闻连结 (或短网址):
https://technews.tw/2017/02/23/drive-ai-rainy-night-demo/
5.备注:
影片满屌的屌爆了 这让很多三宝绝迹啊