【我們為什麼挑選這篇文章】自動駕駛在複雜的天氣下難以行駛，似乎是大家都沒什麼提過。如果自動駕駛不能在駕駛人難以判斷周邊情勢的狀況下也能好好駕駛，那不得不說自動駕駛的功用應該少了超多。（責任編輯：林子鈞）
Google也無法解決的自動駕駛問題
如果你有關注自動駕駛技術，你可能看過從 Google 到特斯拉，再到很多創業公司的自動駕駛演示視頻和圖片，但是它們大多有一個共性——都是發生在陽光燦爛、地面乾燥的環境下。
對於自動駕駛汽車來說，這樣的環境是「完美」環境。但是，在真實世界裡，這樣的「完美」環境並不總是出現。人們開車會遇上下雨、下雪、起霧甚至風暴（對於中國的司機們來說，霧霾更是個避不開的情況）。在這樣的惡劣天氣下，能見度低、地面打滑等，都會讓人類司機犯錯，對於重度依賴於感測器來探測環境的自動駕駛汽車來說，它是更難解決的一個問題，就連 Google 也沒能搞定它。
不過最近，一家名為 Drive.ai 的創業公司公佈了一段自己的測試視頻，讓很多人都震驚了：他們在一個大雨瓢潑的夜晚，開著自家研發的自動駕駛汽車，就在 Google 的眼皮子底下，讓機器人司機完成了雨夜開車這個挑戰。
Drive.ai創造的奇蹟
從視頻裡可以看到，整段自動駕駛測試有好幾個亮點：
在10秒處，天開始下起了傾盆大雨，而自動駕駛汽車並未受到影響；
30秒處，出現了非常窄的街道，而且兩邊停有車輛，還有來車交匯；
1分鐘處，在沒有紅綠燈而只有 Stop 標誌的十字路口，一輛車插到了Drive.ai的車前面搶行；
1分50秒處，路口紅燈壞了；
2分35秒處，由於大雨，路面都是積水，車燈一片反射，但是自動駕駛車輛並未受到影響。
在向 PingWest 品玩發來的聲明裡，Drive.ai的聯合創始人兼 CEO Sameep Tandon 稱，這段視頻是在山景城（也是 Google 總部所在地）拍攝的。這整段視頻都是在全自動駕駛下完成，完全沒有任何的人工干預；此外，整段視頻沒有經過剪輯，只是進行了快放。
雨夜、交通信號燈故障、車輛搶行……Sameep Tandon 說，「這就是司機們每天都會遇到的情形。任何成功的自動駕駛技術都會需要解決無數的這樣難以預料的情況，面對各式各樣的駕駛條件。但是目前沒有幾家公司可以真正做到這樣。」
Drive.ai與Google的不同
這是 Drive.ai 第一次發佈自己產品的視頻。此前品玩曾經介紹過，Drive.ai 是加州第一批拿到自動駕駛汽車測試許可的公司之一，幾位聯合創始人均來自大名鼎鼎的史丹佛人工智慧實驗室。 他們的目標是，使用深度學習技術，來打造一個會像人類一樣思考的自動駕駛軟體。
中美跨境的基金和創新孵化機構 InnoSpring 是 Dirve.ai 的早期投資機構之一，從 2015年3月份就開始孵化 Drive.ai。它的矽谷總經理王笑告訴我們，「Dirve.ai 的早期8個聯合創始人，幾乎把史丹佛做駕駛的AI實驗室一鍋端了。」這個實驗室出了許多名人，最被人熟知的是GoogleX 的創始人 Sebastian Thrun 和後來接手的吳恩達。Drive.ai 不僅有人工智慧在駕駛應用上的積累，還有Google 做了10年的資源和經驗。
她稱，Drive.ai 總結了 Google 的幾大彎路，分別是：太過於依靠昂貴的雷射雷達感測器，Google在 Velodyne 定制的感測器加起來價格在20萬美金左右，昂貴的價格是商業發展的絆腳石 ；其次，太過依賴于高清3D地圖，由於高清3D地圖獲取價格昂貴，臨時變數不可控，造成技術嚴重的overfitting （過適應）；另外，軟體技術後端的平臺延展性有限，做的自動駕駛軟體不一定可以在短期內跨平臺支援多家汽車廠商。
而 Drive.ai 一開始就要做一輛用低配雷射雷達、便宜的照相機、Google 2D 地圖就能上路的無人駕駛車，並且用深度學習解決了價格-認知準確性-商業模式可延展性三個息息相關又互相牽制的問題，經歷兩個月開發後就上路了。「這段在雨天漆黑夜晚上路的視頻，也是 Drive.ai 的實力展示。」王笑說。
所以，和 Google 的 Waymo 、特斯拉以及一種汽車廠商都不同，Drive.ai 主要聚焦在軟體層面，希望以此提供價格低廉的自動駕駛解決方案。Sameep Tandon 說，「深度學習技術可以讓它像是人類大腦那樣處理資訊和做出決策……我們的團隊有打造未來的交通的專業能力。」
為什麼惡劣天氣是自動駕駛難以克服的難題？
雨雪等極端天氣一直是自動駕駛汽車的一個瓶頸。一位自動駕駛行業的從業者告訴我們，雨雪天氣很容易讓自動駕駛汽車變成「睜眼瞎」：自動駕駛汽車往往是依靠攝像頭、雷達、GPS和雷射雷達系統的組合來對路況和周邊環境進行識別，雨雪等情況，會造成遮擋、反射等，降低了雷達和相機對重要交通標誌，比如對車道線的識別等，而光靠 GPS，並沒有辦法準確對汽車位置進行定位。
天氣不好，感測器目盲
就像人類司機需要各種標識，比如車道線等，來定位自己在路上的位置一樣，自動駕駛汽車也需要如此。這意味著它們也需要更多細節豐富的、精確的地圖資料，這也就是為什麼各大汽車公司和科技公司都競相從諾基亞手裡併購 HERE地圖的原因。
但是除了地圖資料意外，汽車也需要可靠的感測器來提供汽車周邊的即時環境，雷射雷達可以做到這一點，但是當下雨或者下雪的時候，它們的檢測會受到的干擾，可靠度大大降低。
要解決這個問題，一個辦法是安裝極其昂貴的硬體。The Verge 稱，特斯拉在去年10月份後，更新了自家自動駕駛硬體系統，在車身四周一共安了8個攝像頭來提供360°視野、檢測250米的距離，還有1個雷達和12個超聲感測器檢測到原來兩倍大的範圍，一個增強版的前向毫米波雷達，能夠幫助汽車在雨雪、霧塵等天氣下探測到前方車輛。
這樣做效果雖好，但是成本大為上升，很難成為面向大眾的自動駕駛汽車的解決方案。
而Google 的 Waymo 也一直在測試在雨雪天氣下的自動駕駛情況。他們甚至還在感測器的外殼上裝上了雨刮器，來保證感測器的能見度。不過這樣做效果不是太理想，所以 Waymo 的車在下雨的天氣裡十分的謹慎，一旦受影響就會自動停在路邊，直到情況好轉。而現在，Waymo 也開始在一些天氣多變的地區，比如華盛頓州等進行更多的雨雪天氣下的自動駕駛測試。
另外感測器的供應商，比如 Quanergy ，都在研發雷射雷達的數位篩檢程式，讓雷射雷達可以減少受到雨雪的干擾，從而在極端天氣裡更好的工作。同樣的，目前這項技術的進展還比較有限。
福特算是惡劣天氣裡自動駕駛的嘗鮮者之一了。去年的時候，它也曾經在自己封閉的測試場地測試過雪天自動駕駛，並公佈了視頻。
更有效率的自動駕駛方式
這次 Drive.ai 沒有透露他們的自動駕駛汽車的硬體設定，也沒有給出更多技術細節，只表示正在用深度學習和神經網路來訓練自己的自動駕駛系統，它不僅識別人和檢測物體，而且還能用來和其他車進行對話。Drive.ai 的聯合創始人兼總裁卡羅爾·萊利（Carol Reiley）此前在接受 PingWest 品玩採訪時表示說，
Drive.ai 聚焦在汽車的「大腦」，主要用深度學習技術來打造自動駕駛的人工智慧系統，讓電腦自己訓練自己、做出正確的決定，而不是試著把所有做法都提前寫在電腦裡。
路面情況是動態的、有無窮的可能性（相比之下，圍棋的步數仍然是有限的，這也就是為什麼人工智慧可以下圍棋、但是沒法開車），開發人員不可能列出所有情況、提前設定好所有做法，所以，讓機器像人類一樣獲得訓練、自己學習才是更有效的。
或許這正是它這次挑戰「雨夜自動駕駛」成功的關鍵。
- 延伸閱讀
自動駕駛史上最大投資：福特為何要花 10 億美元投資一間連產品都還沒有的新創？
等自動駕駛等到頭髮都白了？自動駕駛最新測試報告出爐
自動駕駛將顛覆人工智能產業，傳統生產鏈必須重新洗牌（本文經合作夥伴品玩授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈讓機器人司機雨夜開車，這家神秘的創業公司在 Google 眼皮子底下挑戰了自動駕駛一大難題〉。首圖來源：Rede Brasil Aluguel de Veículos，CC Licensed）
