牵手大众、现代,滴滴绯闻“女友”Aurora无人车启动商业化

维金 夏乙 编译整理
量子位 出品 | 公众号 QbitAI

团队阵容豪华、行事低调的无人车创业公司Aurora Innovations在创立一年之后,终于开启了商业合作之路。

就在昨天夜里,他们宣布和两家汽车厂商分别达成了合作:一家是德国的大众,另一家是韩国的现代

两家车厂都将在自己的部分车型中使用Aurora的自动驾驶技术,都打算今年开始测试原型车,并把商用的时间表定在了2021年。他们有着一致的最终目标:开发适合在城市环境中按需使用的车队,也就是没有司机的滴滴。

现代将在即将推出的氢燃料电池SUV车型中测试Aurora的技术,而大众则没有透露具体将拿什么车型来进行测试。

两项合作都是刚刚宣布,但实际上,Aurora和大众的合作早已开始。早在一年前,Aurora的工程师就开始在硅谷的大众未来中心,和大众的团队一同工作。过去6个月里,他们把Aurora的软件和传感器集成到了大众的车型上。

过去几年,大众提出了关于自动驾驶技术的多个概念,包括全电动的迷你巴士I.D. Buzz。大众旗下的其他品牌,尤其是奥迪,已经开发半自动驾驶技术多年时间。

不过,Aurora和大众的合作并非要增强大众的半自动驾驶技术,这家创业公司的CEO厄姆森(Chris Urmson)说:“在Aurora,我们实际上在发明司机。我们并不是开发驾驶辅助系统。关于如何实现真正的无人驾驶汽车,我们有深刻理解。”

Aurora开发的,是L4或L5级别的自动驾驶技术。根据汽车工程师学会的定义,L4的自动驾驶汽车能在特定地理区域内完全控制自己,完成整个行程,而L5则意味着全面的自动驾驶。

 大众Sedric概念车

从目前的公开信息来看,大众与Aurora的合作可能更多地侧重类似Sedric的车型,也就是大众专门围绕自动驾驶技术开发的汽车。大众未来也可能会把这些技术应用于其他类型和尺寸的汽车上,比如说面包车、卡车、摆渡车等等。

大众对于这项合作有着颇为清晰的规划,集团首席数字官容维尔特(Johann Jungwirth)说,他们计划在年底前将测试汽车数量增加至两位数,一半在硅谷,一半在德国。到2019年,测试汽车的数量要增加至三位数,而到2020年还将进一步增加。最终目标是到2021年在2到5座城市运营试点车队。

容维尔特将此举比作在高速公路上超车。“我认为,由专门的团队来研究L4和L5的自动驾驶是很好的设想。在这里,我们将真正看到汽车工业被颠覆。”他说通过这种方式,集团旗下品牌,例如大众和奥迪,可以继续推动半自动驾驶技术的“进化”,而不必重新开始。

还有另一种方式去看待此次合作:Aurora提供了自动驾驶的中枢神经系统,而大众和现代则负责开发躯体。大众和现代仍将负责塑造汽车的外观和体验,保持对用户互动的控制,而Aurora的技术则在后台运行。

开发自动驾驶技术这件事,几乎每一家汽车厂商都在做,他们组建着自己的研发团队,也通过收购和结盟借助着外力。通用汽车此前就收购了创业公司Cruise Automation,将他们的技术集成到雪佛兰Bolts车队中。通用的商用时间表比大众和现代要早一些:他们计划于2019年推出自动驾驶的出租车服务。而同样打算2021年商用的福特,也为无人车技术向创业公司Argo投资了10亿美元。

Aurora和两家车厂的合作与上面所讲的情况有些不同:这些合作不具有排他性。

为什么大众这样的汽车巨头会信任一家可能与竞争对手合作的创业公司?容维尔特说,关键在于人才。他毫不掩饰自己对Aurora的爱:“不仅仅是创始团队,还包括他们已经招聘的团队,正在吸引的人才。他们是全球最棒的。”

Aurora创立于2016年底,三位联合创始人分别是Google无人车项目前负责人厄姆森、特斯拉Autopilot前总监安德森(Sterling Anderson)和Uber自动驾驶前负责人巴格内尔(Drew Bagnell)。他们将自己之前积累的关无人驾驶经验汇总在一起,提供全自动驾驶汽车的“全栈”解决方案。

豪华的创始团队阵容也吸引了不少顶级人才加入,该公司的许多员工来自卡耐基梅隆大学(CMU),这所学校的机器人系久负盛名,当年Uber组建自动驾驶部门ATG的时候,就在CMU挖走了不少人。

他表示:“不仅仅是创始团队,还包括他们已经招聘的团队,正在吸引的人才。他们是全球最棒的。他们在如此短的时间内取得的成绩令人惊叹。”

Aurora联合创始人安德森说,认为他们团队很棒的人不在少数:“俗话说,好球员喜欢和好队友合作。我觉得,曾经到现场拜访过Aurora的人,最普遍的反应就是,你们的团队太棒了。”

那么,Aurora要如何留住人才?

厄姆森表示:“目前对人才的争夺匪夷所思。但我的经验是,如果你尊重人才,并给予他们自主权去解决有趣的问题,赋予他们好的使命,那么自然就能留住人才。”

Aurora现在总共有多少员工始终是个谜,根据LinkedIn上的信息,至少有60正在Aurora工作。这家公司也没有披露过其测试车队的规模,我们只知道他们的测试用车和国内的Pony.ai、景驰一样,也是林肯。

关于Aurora的技术,《纽约时报》最近一篇报道中倒是透露了一些:Aurora的自动驾驶系统,正在用神经网络来学习人类开车的方式。

在无人车训练的过程中,一名人类司机开着车,车里的传感器记下他加速、刹车、转弯的操作,和传感器收集到的外部数据结合起来,供神经网络学习该任何像人类一样开车。

 黑色的车代表Aurora的测试车、绿色代表它规划的路线,灰色代表人类司机会遵循的路线。现在,Aurora正在训练无人车学习人类路线、调整自己的规划。

厄姆森说,过去一个超级聪明的PhD苦苦折腾半年才能完成的任务,现在收集到正确的数据输入到模型里,一天就能搞定。

这也正符合Aurora的目标“安全、快速、广泛地实现自动驾驶技术”的目标,也同样是为了这个目标,厄姆森说:“我们需要找到全球规模的汽车行业合作伙伴。”

大众和现代,对于Aurora来说只是商业合作之路的开端。厄姆森和安德森表示,他们希望吸引更多“有积极思维的汽车厂商”,继续推动全自动驾驶汽车的发展。厄姆森表示:“这些合作在一定程度上证明了我们的观点,但现在我们还有很多工作要去完成。”

当然,Aurora这家公司,也算跟中国人民也有点关系。之前Aurora的创始人Chris Urmson,一度与滴滴牵手又分手,Aurora无人车也一度与滴滴传出过绯闻?

需要复习吗?详情参看量子位独家报道:《滴滴的无人车野心》。

加入社群

量子位AI社群13群开始招募啦,欢迎对AI感兴趣的同学,加小助手微信qbitbot5入群;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进群请加小助手微信号qbitbot5,并务必备注相应群的关键词~通过审核后我们将邀请进群。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值