1.媒體來源:
TechNews
2.完整新聞標題:
這家神祕的創業公司，選在「雨夜」挑戰自動駕駛
3.完整新聞內文:
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
駕駛展示影片和圖片，但是它們大多有一個共通性──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（對中國駕駛們來說，
霧霾更是避不開的情況）。在這樣惡劣的天氣下，能見度低、地面打滑等，都會讓人類駕
駛犯錯，對於重度依賴感測器來探測環境的自動駕駛汽車來說，它是更難解決的問題，就
連 Google 也沒能搞定。
不過最近，一家名為 Drive.ai 的創業公司公布了一段測試影片，讓很多人都震驚了：他
們在一個大雨傾盆的夜晚，開著自家研發的自動駕駛汽車，就在 Google 的眼皮底下，讓
機器人駕駛完成雨夜開車這個挑戰。
https://youtu.be/GMvgtPN2IBU
影片裡可以看到，整段自動駕駛測試有好幾個亮點：
在 10 秒處，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，還有來車交會；
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 Drive.ai 車前搶行
；
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。
發給 PingWest 的聲明裡，Drive.ai 的聯合創始人兼 CEO Sameep Tandon 稱，這段影片
是在山景城（也是 Google 總部所在地）拍攝的。這整段影片都是在全自動駕駛下完成，
完全沒有人工干預；此外，整段影片沒有剪輯，只是快轉。
雨夜、交通號誌故障、車輛搶行……Sameep Tandon 說：「這就是駕駛們每天都會遇到的
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。」
這是 Drive.ai 第一次發表自己產品的影片。之前我們曾經介紹過，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，打造一個像人類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 實驗室全包了。」這個實驗室出了許多
名人，最為人熟知的是 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 萬美元左右，昂貴的價格是商業發
展的絆腳石；其次，太過依賴高清 3D 地圖，由於高清 3D 地圖獲得價格昂貴，臨時變量
不可控，造成技術嚴重 overfitting （過適應）；另外，軟體技術後端的平台延展性有
限，自動駕駛軟體不一定可在短期內跨平台支持多家汽車廠商。
而 Drive.ai 一開始就要做一輛用低配備雷射雷達、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，3 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
的影片，也是 Drive.ai 的實力展示。」王笑說。
所以和 Google 的 Waymo、特斯拉以及一眾汽車廠商都不同，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
術可以讓它像人類大腦那樣處理信息和做決策……我們的團隊有打造未來交通的專業能力
。」
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瓶頸。一名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「睜眼瞎子」：自動駕駛汽車往往依靠攝影鏡頭、雷達、
GPS 和光學雷達系統的組合來辨識路況和周邊環境，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，比如對車道線的辨識等，光靠 GPS 並無法準確定位汽
車位置。
就像人類駕駛需要各種標識，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、精確的地圖數據，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購併 HERE 地圖的原因。
但是除了地圖數據，汽車也需要可靠的感測器來提供汽車周邊的即時環境，光學雷達可以
做到這一點，但是當下雨或下雪的時候，它們的感測會受到干擾，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
後，更新了自家自動駕駛硬體系統，在車身四周一共安了 8 個鏡頭來提供 360° 視野、
感測 250 公尺的距離，還有 1 個雷達和 12 個超聲感測器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解決方案。
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外殼
上裝了雨刷器，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
在下雨天裡十分謹慎，一旦受影響就會停在路邊，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雨雪天氣下的自動駕駛測試。
另外感測器的供應商如 Quanergy ，都在研發雷射雷達的數位過濾器，讓雷射雷達可以減
少雨雪干擾，能在極端天氣裡工作。同樣的，目前這項技術的進展還比較有限。
福特算是惡劣天氣自動駕駛的嚐鮮者之一，去年也曾經在自家測試場地測試過雪天自動駕
駛，並公布了影片。
這次 Drive.ai 沒有透露他們的自動駕駛汽車的硬體規格，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。它不僅可辨識人和檢測物體
，而且還能和其他車輛對話。 Drive.ai 的聯合創始人兼總裁卡羅爾‧萊利（Carol
Reiley）之前接受 PingWest 品玩採訪時表示：
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 Drive.ai 這次挑戰「雨夜自動駕駛」成功的關鍵。
4.完整新聞連結 (或短網址):
https://technews.tw/2017/02/23/drive-ai-rainy-night-demo/
5.備註:
影片滿屌的屌爆了 這讓很多三寶絕跡啊