通用汽車公司于2016年以5.81億美元收購了無人駕駛汽車初創(chuàng)企業(yè)Cruise。今天，Cruise在一篇博客文章中詳細(xì)介紹了其180多輛雪佛蘭無人駕駛汽車正在學(xué)習(xí)如何預(yù)測人類駕駛員的行為。這是該公司在媒體上發(fā)布的名為《無人駕駛汽車如何思考》的新系列的一部分，每一期都將聚焦Cruise自動駕駛汽車系列的不同組成部分。

Cruise的軟件工程師Rachel Zucker和員工軟件工程師Shiva Ghose寫道：“每天，舊金山人都要開車穿過六車道的十字路口、狹窄的街道、陡峭的小山等等。在城市里開車時，駕駛員會查看后視鏡，遵守限速規(guī)定，預(yù)測其他司機(jī)的駕駛行為，注意行人，在擁擠的街道上行駛等一系列活動。在舊金山，每輛車遇到建筑工人、騎自行車的人、行人和緊急救援車輛的頻率是郊區(qū)的46倍，每輛車每天都要學(xué)習(xí)如何在城市的這些復(fù)雜交通狀況下進(jìn)行機(jī)動應(yīng)對?！?/p>

其中一個障礙便是大量的雙車位汽車。Cruise表示，與郊區(qū)相比，在舊金山市中心遇到這種情況的概率是24：1，因此學(xué)會安全地繞過它們是非常必要的。

為了做到這一點，Cruise的汽車必須首先識別這些雙車位汽車，它們會通過“尋找”一些線索，如車輛距離道路邊緣的距離，剎車和危險信號燈的外觀，以及距離最遠(yuǎn)的十字路口的距離等。除此之外，它們還使用更多相關(guān)信息，如車輛類型（送貨卡車經(jīng)常是雙車位的）、建筑活動和附近相對較少的停車位等。

Cruise的螺栓通過傳感器感知這些信息——特別是來自Velodyne的激光雷達(dá)傳感器，以及短程和遠(yuǎn)程雷達(dá)傳感器、連接雷達(dá)和攝像機(jī)。攝像機(jī)可以識別車輛的指示燈狀態(tài)和道路特征（如安全錐或路標(biāo)），而激光雷達(dá)和雷達(dá)則分別測量距離和速度。然后，運行在車載計算機(jī)上的機(jī)器學(xué)習(xí)模型將這些從原始車流（如自行車、行人和其他車輛）中獲取到信息進(jìn)行計算，來為自動駕駛汽車的行駛提供幫助。

一種被稱為遞歸神經(jīng)網(wǎng)絡(luò)（RNN）的人工智能體系結(jié)構(gòu)，通過給定所有可用的感官和地圖信息（包括停車可用性、道路類型和車道邊界），來確定車輛是否為雙停。Zucker和Ghose指出，RNN在記憶長期依賴關(guān)系方面是獨一無二的，這使Cruise的汽車能夠有效地積累決策信心，提高決策準(zhǔn)確性。

要弄清楚駕駛軌跡需要一個可推廣的策略，而Cruise的策略是模型預(yù)測控制（MPC），它是一組依賴于系統(tǒng)行為模型的算法，以找出每一步的最佳行動。最終的結(jié)果是，無人駕駛汽車可以在晴天或雨天對雙車位汽車進(jìn)行超車，同時為騎自行車者和迎面而來的車流讓位。

Cruise被認(rèn)為是全球無人駕駛汽車市場的領(lǐng)頭羊，預(yù)計到2023年其收入將達(dá)到1731.5億美元。雖然還沒有推出無人駕駛的出租車服務(wù)（不像其競爭對手Waymo和Yandex）或?qū)o人駕駛汽車賣給客戶,但是該公司向加州機(jī)動車輛管理局提交的一份報告顯示，它比大多數(shù)汽車行駛的英里數(shù)都要多，去年在加州大約行駛了45萬英里。它從T. Rowe Price Associates、通用汽車公司、軟銀愿景基金、本田汽車公司和其他投資者那里獲得了約11.5億美元的估值，使其總?cè)谫Y額達(dá)到了72.5億美元。

盡管到目前為止，Cruise取得了很多成功，但也經(jīng)歷了不少挫折。

該公司放棄了在曼哈頓一個五英里（約合1.6公里）的區(qū)域測試車隊的計劃，盡管它向公眾保證其商業(yè)無人駕駛出租車服務(wù)仍在正常的發(fā)展軌道上，但該公司拒絕提供時間表或投放運行地點。更令人失望的是，Cruise去年在加州的總行駛里程不足45萬英里，遠(yuǎn)低于預(yù)期的每月100萬英里。相比之下，Alphabet的Waymo比Cruise早4年成立，迄今為止，Waymo的自動駕駛里程已超過1000萬英里。

但該公司并沒有因此而放棄無人駕駛的野心。Cruise目前正在亞利桑那州的斯科茨代爾和底特律市區(qū)測試第三代汽車，大部分部署集中在舊金山。該公司今年早些時候宣布與DoorDash合作，今年將在舊金山為特定客戶試點食品和雜貨配送。此前不久，Cruise發(fā)布了第四代汽車，配備自動門、后座安全氣囊和其他在沒有方向盤情況下的增設(shè)系統(tǒng)。(來源：獵云網(wǎng))

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。