2
| 本文作者： 于勝越 | 2018-11-10 21:27 |
不依賴激光雷達、不依賴高精度地圖、不依賴大算力芯片，不同于Waymo的技術路徑。通過自主研發的快速神經網絡INN（Instant Neural Network）采集單目攝像頭信息，一輛自動駕駛汽車在經過一周的深度學習后，順利完成了避讓、掉頭、紅綠燈監測及加減速、緊急剎車，實現了L5級自動駕駛。
上述是電眼科技自動駕駛車輛日常測試情況。電眼科技表示，伴隨著神經網絡學習時間的加長，這輛自動駕駛汽車將會更加靈活敏捷。
電眼科技，一個自動駕駛圈子極其隱秘的名字，甚至刻意隱去官方網站，其背后是一個來自劍橋大學人工智能的團隊。這家行事低調的自動駕駛公司，卻放言在今年年底面向開放道路展開L5級自動駕駛商業化運營。
正對陸家嘴，俯瞰外灘，電眼科技的總部居于上海最核心的黃浦江畔，其自動駕駛車測試場地則位于浦東臨港。
其創始人陳碩，在劍橋大學的畢業論文為激光雷達和神經網絡結構設計。2009年，陳碩作為2010上海世博會倫敦館館長回國。需要提到的是，2015年，AlphaGo戰勝圍棋手李世石，人工智能開始得到業界的信任。讓陳碩驕傲的是，AlphaGo的背后的靈魂人物正是他的師兄Demis Hassabis。陳碩笑談：“Demis Hassabis利用人工智能神經網絡打造了AlphaGo并戰勝了人類，我們則將人工智能神經網絡技術應用在無人駕駛領域超越人類司機，劍指L5級無人駕駛。”
過去兩年，電眼科技積累了一大批來自英國頭部人工智能實驗室的人工智能神經網絡專家和數據分析專家，同時也吸引了一批來自著名車企一汽、北汽的汽車技術領導者的加入。
在陳碩看來，自動駕駛遠比下圍棋簡單。AlphaGo面對棋局有361（圍棋：19x19=361）種選擇。而自動駕駛汽車只有四種：左轉、右轉、油門、剎車。
在資金方面，陳碩從未談及融資，并直言：“我們比市場上的多數自動駕駛公司都有錢，除非有合適的財務投資人或者戰略投資人，我們并不開放融資”。這樣的底氣在當下的自動駕駛圈子中很難見到。
電眼科技采用純視覺方案＋快速神經網絡INN膠囊算法神經網絡系統，瞄準的是L5級自動駕駛。
特斯拉、Mobileye同樣主張攝像頭與毫米波雷達的純視覺技術方案。電眼科技雖然同屬這一隊列，但又有其特殊之處。沒有一顆雷達，其僅利用兩個單目攝像頭（車頭與車尾各一個），及自主架構的快速神經網絡INN膠囊算法神經網絡系統(Instant Neural Network)，并非ADAS，并不依賴道路車道線，直接通過自主學習實現通往L5級自動駕駛。
電眼科技對于自動駕駛有不同的理解與態度，無人駕駛不應該是掃地機器人的升級版本。
“LDS激光雷達掃描，精確檢測屋內溝壑。LDS激光雷達以6rv/s的轉速進行旋轉，同步每秒進行2160次測距，通過激光照射到障礙物后給出的信息精準測距，建立高精地圖，實現智能規劃清掃路徑。
SLAM算法繪制精確地圖，清掃更聰明。結合SLAM人工智能算法，同步無人駕駛技術，即時生成房間地圖，完成高精度室內定位，并自動規劃清掃路線，弓字形逐排清掃，高覆蓋度不留死角。多傳感器協同，智能避障不傷家具。
通過周身10大類傳感器，高度模擬人的判斷方式，貼合障礙環繞輕掃，防止蠻橫碰撞損壞家具，智能判斷窗簾等可通過障礙物，輕掃不留死角。”
以上文案摘自360掃地機器人S6的官方網站宣傳，陳碩對這段文案已相當熟悉，并笑談“有沒有感覺很眼熟？”
在電眼科技看來，當下無人駕駛科技本質類似于基于ROS的掃地機器人系統升級版本，通過更貴的激光雷達，更好的算法，更多的傳感器實現一個更大的ROS的車輛驅動。
陳碩一笑，“關于人類如何駕駛車輛的理解，也許我們都錯了。”
當雷鋒網新智駕對其發問時，陳碩回拋了一個基礎哲學問題：“人類駕駛的本質是什么？”
在電眼科技眼中，人類駕駛的本質這一基礎學科研究被長期忽略，幾乎所有的自動駕駛創業團隊都圍繞在激光雷達數量、高精地圖、超級算力芯片等等軍備競賽，而忽略了對人類是如何駕駛車輛方面的研究。
同市場主流無人駕駛底層邏輯的本質不同，電眼科技認為類人駕駛是自動駕駛的基礎與重點。人類駕駛的本質即視網膜看到道路信息，大腦進行算法工作，輸出信號控制前后左右、剎車油門。沒有多傳感器融合，沒有下載高精度地圖，沒有像大算力系統一樣記錄周邊300米外的信息，人類僅根據雙眼觀察前方視覺畫面，控制油門剎車，即使閉上一只眼睛同樣可以很好的控制剎車。
在電眼科技看來，純視覺神經網絡較激光雷達更勝一籌。陳碩向新智駕表示，若純視覺神經網絡這一技術批量應用，自動駕駛技術的成本下降幅度將超過50%，甚至免費。
談起當下的主流視覺方案即通過激光雷達進行視覺感知，陳碩是這方面的早期研究者。2006年，陳碩在英國劍橋大學的畢業論文為《激光雷達對于城市進行數據掃描和神經網絡處理》，十二年前這還是一個非常冷僻的話題。
而如今，這位早期的激光雷達研究者卻選擇通過純視覺神經網絡代替激光雷達。陳碩提到，激光雷達的本質問題在于其采集的物體數據均以距離為參數，沒有顏色、沒有物體語義。而自動駕駛的要點不在于了解道路上的每個毫米級細節，而是將無關細節全部抽象掉抽取關鍵結構化信息。
電眼科技僅僅采用兩個單目攝像頭攝像頭進行數據采集，對算力要求大幅度下降，并已實現極低的算力成本。相比于傳統無人駕駛上百萬的工控機，電眼科技的無人駕駛成本大幅度下降，超過50%。未來電眼科技計劃免費向業界提供L5級無人駕駛科技。
談及L5級自動駕駛，目前業內已經達成共識，L4和L5之間存在著巨大的鴻溝，即如何應對非定義的意外情況。電眼科技表示其自動駕駛方案可適應于非清晰認知系統。因自主研發的快速神經網絡INN膠囊算法神經網絡系統(Instant Neural Network)可把單目攝像頭采集到的數據轉化為與人類相似的駕駛決策，INN不基于激光雷達的大規模點云數據，可應對非定義情況，無需基于認知和構建高精度。
陳碩提及Uber自動駕駛撞死行人事故，因各個感知系統融合對于前方突然出現的單車女士定義不明，發生慘狀。對比人類駕駛員，同樣的駕駛環境下，面對突入而來的物體并不需要基于清晰認知，立刻控制剎車。換而言之，人能夠成為自然界最好的駕駛員的原因是其不基于清晰定義來做決策。
基于上述概念，電眼科技INN的高魯棒性可在不需清晰定義認知物體的情況下，實現駕駛決策，應對更多的未知場景跨越。
雷鋒網新智駕了解到，快速神經網絡INN膠囊算法能夠在30HZ下生產單幀78.6萬像素點的非結構光點云（每秒點云數量2359萬），并能實現三維點云矩陣。而Velodyne最高端激光雷達VLS128在10HZ情況下可產生128線的雷達（每秒點云數量960萬）。
快速神經網絡INN膠囊算法神經網絡系統，同樣能關聯顏色和語義信息。這意味著，不同于激光雷達提供點云的距離和位置，INN能夠對于障礙物直接分類（人，車，道路，交通燈等30類），并提供顏色信息（紅綠燈等等）。
陳碩表示：“和傳統神經網絡技術不同，電眼科技能夠通過快速神經網絡INN膠囊算法系統劍指L5級自動駕駛的關鍵在于自主研發重構的神經網絡能夠自動學習，并且能夠不斷自我進化。”
電眼科技主要通過收集多個司機駕駛策略，并交給INN學習進化。通俗的講，電眼科技重構了一個有智商，有意識的自動學習大腦，車輛在看到信息，輸出信息之間架構起意識和直覺。陳碩表示，目前該神經網絡與人類司機在同類情況下做出決策的準確率已經達到98.982%。對比人類駕駛員與電眼科技基于人工智能網絡做出的車輛控制決策差距僅1%，而這一數據還在通過學習不斷提高。
通過不斷的訓練，這套類人神經網絡系統可通過大量的數據升級駕駛習慣和價值判斷，未來其準確率或可提升至99.9999%。
在陳碩看來，基于規則的無人駕駛系統程序員未必是市場上最好的司機，世界上最好的司機是那些在路上跑了20年以上的人，電眼科技的技術通過學習老司機的駕駛技巧，并將其作為自動駕駛進行訓練測試的重要數據支撐。同時，電眼科技的自動駕駛汽車也在自主研發的模擬仿真系統中完成數億公里的訓練和仿真測試。
雷鋒網新智駕了解到，目前多數的無人駕駛公司都在專注于擴充更大的投資，更多的程序員，更貴的傳感器和更大的算力，忽略在神經網絡結構領域深度積累。電眼科技隨著其12年的神經網絡架構積累和極其隱秘的作風，走出了一條獨特的無人駕駛道路。
無人駕駛不是軍備競賽，是哥德巴赫猜想。在電眼科技看來，不同于百團大戰或者網約車大戰，可以靠資本軍備競賽燒出來一個巨無霸，無人駕駛的本質是人工智能的科學突破，只有正確的方向，才能解開哥德巴赫猜想，而最后的贏家，未必是資本大鱷。
在商業化進程方面，電眼科技已經同主機廠合作，在單一城市一次性購買數百輛車，或將組建自有的自動駕駛車隊提供載人和送貨服務。這一商業模式和Waymo相似。
今年八月，摩根士丹利表示，Waymo的估值高達1750億美元，其中無人出租車業務估值800億美元、用于載貨的無人駕駛商用車業務估值900億美元，軟件授權服務則在70億美元左右。可見，出租車和物流車可為自動駕駛帶來更大的價值。
這也是電眼科技的商業邏輯，“我們主要通過自身發展為主機廠帶來訂單，邀請和幫助主機廠踏入L5級無人駕駛的陣營”。
電眼科技向新智駕透露，今底年底前，電眼科技百輛自動駕駛車隊或將開上開放道路，面向公眾提供L5級自動駕駛運營服務。乘客或可通過相應APP乘坐車輛。前期車上依舊會有安全員進行安全監控。
業內已達成共識，激光雷達是實現更高級別自動駕駛落地的必經之路。純視覺方案＋快速神經網絡INN膠囊算法神經網絡系統方案能否實現L5級自動駕駛落地仍是未解之謎。電眼科技在年底落地的自動駕駛車隊將告訴人們答案。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
