1
AutoKab 三大金剛：Carlos Holguin， Cristian Sandu 和 Michel Parent
雷鋒網按：如今，自動駕駛汽車已成超級熱詞，幾乎每周我們都能聽到有關它的大新聞。前幾周就有兩家公司（Waymo 和 Navya）公布了自家的自動駕駛出租車計劃。尷尬的是，它們還不約而同的選擇同一天召開發布會。
不過，現實可沒發布會那么精彩，Navya 的自動駕駛穿梭車在拉斯維加斯第一天就出了小車禍。
現在的媒體和公眾，甚至包括工程師社區都在鼓噪自動駕駛汽車要搶司機飯碗的概念。許多工程師敬畏 AI 帶來的超強計算能力，他們開始暢想云計算支撐的互聯世界到底會多么美好。
對自動駕駛市場來說，各種論斷幾乎都已經有了模板，它們無非是說自動駕駛汽車會讓道路更安全，能大幅提高乘客的生活效率。同時，自動駕駛汽車帶來的交通分享解決方案還會減少汽車保有量，城市擁堵和污染問題便迎刃而解。
事實上，這樣的結論有些過于烏托邦。科技行業在推銷更大、更快、更智能的技術上一直都不遺余力，而媒體們則是在一旁鼓噪的拉拉隊。
確實，要論證一項技術是否碾壓另一項技術，你可以找到很多理由。不過，在做出這些判斷時，卻很少有人會思考一個基本前提，或者說一個飽含初心的問題：為什么要造自動駕駛汽車？它到底有什么用？
Carlos Holguin 和 Michel Parent 分別是 AutoKab的 CEO 和主席。這家新創公司致力于“為商業車隊研發有安全保證的自動化技術”，這家公司的辦公室設在法國計算機科學與自動化研究所（INRIA）園區，而這塊區域原來是北約軍隊的中央指揮部。
雖然成立才兩年，但 AutoKab 的創始人團隊卻都是交通運輸行業的行家，他們在公共交通規劃、道路車輛自動化和運營方面有超過 20 年的經驗。
AutoKab 的研發中心看起來就像個車庫，這里有各種老式自動駕駛穿梭車、高爾夫車和乘用車，它們都是過去 20 年中誕生試驗品，這里簡直成了自動駕駛汽車歷史博物館。
據雷鋒網了解，Michel Parent 的職業生涯與汽車緊密相連，其中一半貢獻給了斯坦福、MIT 和 INRIA 的相關研究所，另一半則花在了機器人產業上，他為交通的“自動化”貢獻了不少想法。
Parent 表示：“20 年前，我一直想設計個能像人一樣開車的機器人。后來我問了自己一個問題，研發這樣的機器人有什么樂趣？”不過，他認為最該捫心自問的是“我們在試圖解決什么問題？”
對城市來說，要解決的就是“城市病”，即交通擁堵、空間逼仄、出行不便和能源浪費。“我們需要能互聯和共享且速度更快的公共交通電動車”，Parent 說道。Holguin 則總結稱：“最后一公里的問題是我們最迫切要解決的。”
“如果自動駕駛汽車不能像公交和出租車一樣采用分享模式，它們就不能解決交通擁堵問題。在某種情況下，它們甚至會加劇擁堵。”在他看來，AutoKab 的目標就是解決“一車一人”的交通資源浪費問題。
AutoKab 的關鍵員工來自兩個不同的世界：“科技”和“交通”。Holguin 表示：“我們在利用技術填補自動駕駛汽車商業運營中遺失的環節。”準確來說，它們是在為公共交通運營者研發一款“自動化服務”產品。
AutoKab 擅長安全和數據分析兩方面技術的開發，同時這家公司還與各城市合作，力圖實現更加高效的公共交通。
其實 AutoKab 的名字來自“Automation Kits for Autos and Buses”（即面向汽車和巴士的自動化套件）的縮寫。當然，它也有硬件開發的能力。公司 CTO Cristian Sandu表示，AutoKab 的自動化套件能安裝在任何車輛上，它包括大量傳感器，如雷達、激光雷達、視覺系統和處理器（供應商包括英特爾和英偉達等）等。
不過，Sandu 指出，想把這個套件完美安裝到一輛車上，還是得費一番功夫（根據車輛不同，通過 CAN 總線或 FlexRay 連接），其中就包括軟件校準。當然，它并非安裝上就要用一輩子，用戶也可以選擇卸載自動化套件。AutoKab 押注該套件不是因為它對售賣硬件感興趣，而是因為這個套件對降低自動駕駛汽車成本相當關鍵。
Holguin 還強調，AutoKab 對賣硬件沒興趣。相反，它更看重與各大城市合作，制定計劃以更高效的解決最后一公里的服務。至于盈利模式，則是從自動駕駛汽車每英里的行駛利潤中分成。
AutoKab 參與了多個歐洲項目，其中就包括 CityMobil2。Holguin 指出，在2014 年 10 月至 2015 年 4 月為期 7 個月的自動駕駛測試中，它實現了零事故的好成績，運送乘客超過 6 萬人。
此外，當地居民對自動駕駛汽車的評價也相當高。不過，他們并不知道這只是個測試。更重要的是，媒體、公眾對測試中的數據搜集問題并不關心。
參與歐盟的項目時，AutoKab 積累了不少經驗。“我們了解了這些數據背后到底藏著什么。”Sandu 說道。首先，即使是低速的自動駕駛汽車，運營起來成本也非常高。此外，這些用于分享的車輛經常無人問津。如果自動駕駛汽車和公共交通間無法相互協調，想提升服務簡直是天方夜譚。
Sandu 還指出，自動駕駛汽車的載客數需要根據不同城市的實際情況來決定。
在 CityMobil2 項目的展示階段，來自合作伙伴 Robosoft 和 Easy Mile 的兩個測試車隊分別在 7 個城市進行了階段性測試，但這些車輛并不一定適合測試城市的情況。
“我們用這些車做測試是因為手邊只有它們。”Christian 說道。如果真要部署自動駕駛汽車，就需要作進一步的分析。
其次，城市也要有個適應期。Holguin 表示：“它們需要在類似 V2X 交通燈等基礎設施上進行投資。”自動駕駛汽車不是所有城市的萬能藥，城市交通問題需要更全面的考慮，其中就包括自動駕駛汽車專用的上下車區域。
對外行人來說，Waymo 的自動駕駛汽車可是相當炫酷。至于 Navya 的自動駕駛穿梭巴士，炫酷程度就遜色許多。
拉斯維加斯的 Navya 穿梭車
在美國，人們對于交通部門或政客們改進城市基礎設施的承諾不屑一顧，因為這些承諾很難兌現。
既然美國人對城市政府部門懷有嚴重的不信任感，那么 V2X 交通燈、自動駕駛汽車專線等新設施都要靠谷歌、英偉達和英特爾/Mobileye 來搭建。不過，這些科技巨頭們好像也不愿當冤大頭，它們的目標是在不改變現有基礎設施的情況下讓車輛實現自動駕駛。
在歐洲情況則正相反，類似 CityMobil2 這樣歐盟投資的項目就需要自動駕駛汽車成為自動道路交通系統（ARTS）的一部分。
歐盟給 ARTS 下了定義，即“ARTS 是基于全自動駕駛汽車（沒有方向盤）的道路交通系統，對于它們要使用的基礎設施有先驗知識。即使是沒有全自動駕駛功能的 ARTS 車輛，也會由控制中心的人類操作員進行實時遠程監督和管理。”
因此，歐洲和美國在自動駕駛上采用了完全不同的態度，歐洲方面，“對基礎設施的先驗知識”和“認證需求”是自動駕駛汽車的關鍵詞。
關于自動駕駛汽車上 AI 的問題，AutoKab 的 Sandu 直截了當的表示：“對于深度學習，我們興趣不大。我們有自己的既定方式，交管部門能更輕松的對自動駕駛汽車進行認證。”
此前，卡耐基梅隆大學教授 Philip Koopman 曾表示，自動駕駛汽車面臨的最大挑戰其實就是潛藏在機器學習測試中的最基本問題，而這個問題困擾科學和工程界已經很久了。“想讓以機器學習為基礎的系統達到傳統安全標準可不容易。” Koopman 說道。“因為訓練數據集不符合傳統軟件的設計要求。”
AutoKab 相信，商業化的自動駕駛汽車要想通過認證，汽車廠商就必須造出能為監管部門提供安全保證的產品。
Parent 強調，“一輛自動駕駛汽車需要像現在的火車、公交和飛機一樣取得認證。”
作為一名“久經沙場”的機器人專家，Parent 稱現在的自動駕駛汽車讓他想起了經典的“廂中取物問題”。
去年，機器人行業協會就在一個故事里講述了自己面對該問題時的進退兩難。“雖然技術在不斷進步，但機器人廂中取物的能力依然有限，我們還是沒能找到真正的突破點。不過，我們依然有所收獲，在先進的視覺技術、軟件和抓取方案的輔助下，機器人正在從未涉足的領域一步一個腳印的前進。”
“那么，為什么讓機器人學會隨機抓取就那么難？答案的癥結在于準確率。雖然機器人重復能力超強，但在一片混亂中，隨機抓取依然需要很高的準確度。機器人需要在可用空間定位一個零部件，這個空間不但是自由開放的，零部件還一直在更換位置和朝向。這就意味著機器人需要在靈敏度、機器視覺、軟件和計算能力上實現平衡，以便實時處理所有數據并得出抓取方案。這樣的要求雖然很高，但絕非無法實現。”
眼下，機器人和自動駕駛行業解決這一問題主要都在靠計算能力的提高。不過，在 Parent 看來，“我們也可以通過在整潔和平坦的托盤上布置零部件來解決相同問題，這樣機器人的抓取速度就能有所提高。”換句話來說，在放出機器人前，我們得解決掉混亂的情況。
Parent 相信，將這樣的思維用在自動駕駛出租車和穿梭車上，即減少基礎設施上的混亂，能更快的解決城市交通問題。
以下為 AutoKab 博物館中的幾款自動駕駛汽車，它們是過去 20 年來自動駕駛行業的縮影。
這輛高爾夫球車造型的小車誕生于 1995 年，它由 INRIA-IMARA/RITS 團隊研發，1996 年正式進場量產，并在多個城市承擔了自動駕駛交通服務的開發和測試工作，2011 年它還在意大利服役呢。
雅馬哈自動駕駛導引車由 INRIA 和雅馬哈聯合開發，2000 年正式面世，隨后在 AutoCab 總部所在地和挪威、意大利等國進行尋回展示。
這些車也是用在技術開發和交通服務展示上，先是在法國拉羅謝爾港上路，隨后部署到了法國昂蒂布和意大利卡拉布里亞。
雷鋒網推薦閱讀：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
