1
回想2014年，豐田作為當年全球銷量最高的車企，面對來勢洶洶的自動駕駛大勢，想要揮出一記左勾拳：“出于安全性考慮，只有人才能更好地駕駛車輛”?？蛇€沒握緊拳頭，對方的一記直拳已在眼前，豐田捂臉宣布：2020年實現(xiàn)自動駕駛汽車商品化。
窺一斑見全貌，如果說三年前傳統(tǒng)車企還能負隅頑抗，現(xiàn)在則全部稱臣，自動駕駛行業(yè)迎來了史無前例的熱鬧。讓這個行業(yè)熱鬧起來的，其實是谷歌、特斯拉等科技巨頭的入局挑戰(zhàn)，傳統(tǒng)車企在觀望中紛紛跟隨，各類以人工智能為核心的初創(chuàng)公司快速成長，這場群雄割據(jù)的混戰(zhàn)吹響了號角，而勝敗的關鍵已經(jīng)從車輛制造轉(zhuǎn)變?yōu)樗惴?。雷鋒網(wǎng)認為，這給了大量人工智能初創(chuàng)公司彎道超車的機會，比如AImotive。
Kishonti 是一家領先的高性能圖形、計算、汽車和計算機視覺解決方案專家，在過去的十年里,與納斯達克100強的半導體和消費電子產(chǎn)品市場的領導者進行著合作。2009年，Kishonti 公司發(fā)布了一個名為“NaviGenie”的實時導航應用框架，并在當年 NAVTEQ Global LBS Challenge 上贏得了第三名。之后，Kishonti公司內(nèi)部逐步建立了汽車相關的研究團隊，在世界的某個角落，默默做著研發(fā)。沉寂5年后，直到2015年1月，他們在奢靡的拉斯維加斯，借CES展覽向外界展示了自己研發(fā)的第一輛嵌入式應用處理器驅(qū)動的汽車，一舉成名。
6個月后，該研究團隊獲得250萬美元種子基金投資，正式與Kishonti分離，成立AdasWorks，將總部設在匈牙利布達佩斯。
又間隔半年，黑莓旗下子公司QNX宣布與AdasWorks達成合作協(xié)議，AdasWorks的數(shù)項功能——包括車道識別、移動物體識別和物體分類移植到QNX OS平臺，通過整合雙方技術，開發(fā)駕駛輔助技術和自動駕駛技術。隨后，AdasWorks更名為AImotive，并于2016年聯(lián)合NVIDIA發(fā)布聲明稱，在 Nvidia Drive PX 2平臺上成功運行了Intelligent Surround View System。
2016年9月，AImotive在加州山景城設立了第一個海外辦公室，標志著其正式進軍美國自動駕駛市場。
AImotive專注于研發(fā)低成本的自動駕駛軟件，成本的低廉主要是因為不同的“汽車視覺”解決方案。在行業(yè)內(nèi)，要讓汽車“看得見”，主要是通過兩種方式：
激光傳感器，英文全稱為 Light Detection And Ranging，簡稱LiDAR。LiDAR每秒鐘發(fā)出百萬束激光，形成一張能感應周遭的“大網(wǎng)”，讓自動駕駛汽車看到視野范圍之外的物體。但LiDAR造價高昂，美國硅谷的LiDAR激光傳感器技術鼻祖Velodyne，其技術備受業(yè)內(nèi)認可，但價格區(qū)間為8000—80000美元，且短時間內(nèi)無法降低成本。LiDAR價格昂貴的原因在于都是采用手工制作，要保證激光的發(fā)射和接收不出差錯，手工組裝和調(diào)校普遍耗時。
攝像頭。攝像頭的應用非常容易理解，而且成本極低，但比起LiDAR則在可靠性方面有所欠缺，不過圖像識別技術的進步有望提升可靠程度。
AImotive正是采用了第二種方案，來降低整體成本，提供一個“經(jīng)濟適用”的解決方案。攝像頭解決方案的關鍵就在于圖像識別，如何讓汽車清晰地分辨出不同事物非常重要，識別錯誤就會釀成車禍。
所以，AImotive研發(fā)人員通過電子游戲和虛擬軟件來訓練搭載深度學習引擎的人工智能，通過攝像頭獲取數(shù)據(jù)并分析，保證在視野較差的環(huán)境下安全駕駛，目前已經(jīng)能夠識別車輛、樹木、行人等超過100種事物。不過，需要注意的是，能夠識別的數(shù)量并不是評判標準，在實際駕駛過程中，準確、快速地識別、決策、反應才是最重要的，這需要龐大的數(shù)據(jù)進行對深度學習算法和引擎進行優(yōu)化。
Almotive 的首席執(zhí)行官兼創(chuàng)始人 Laszlo Kishonti 在接受 VentureBeat 的采訪時表示，希望能夠構(gòu)建一個通用的人工智能自動駕駛生態(tài)系統(tǒng)，不管開車時身處什么位置，駕駛風格或駕駛條件如何，汽車都能自動駕駛。
2017年年初的CES大展上，AImotive 便展示了其最新的自動駕駛套件——aiDrive。雷鋒網(wǎng)了解到，該套件由四個引擎構(gòu)成，分別是：
識別引擎 Recognition Engine
識別引擎利用圖像作為主要輸入,識別引擎結(jié)合并處理傳感器數(shù)據(jù),使用像素精確、卷積神經(jīng)網(wǎng)絡(CNN )的分割和距離估計模型。該引擎能夠識別超過100個不同的對象類別,包括乘用車、行人、自行車、摩托車、動物和可行駛的路面等，并從單個攝像機的角度估計它們的距離。
定位引擎 Location Engine
定位引擎利用三維地標信息增強常規(guī)地圖數(shù)據(jù),保證精確的定位和導航,同時保持車內(nèi)存儲要求極低。地標數(shù)據(jù)庫解決方案是全球可擴展的,可以與任何OEM的默認導航系統(tǒng)一起工作。
運動引擎 Motive Engine
運動引擎從位置引擎中獲取定位和導航輸出,并將其與周圍環(huán)境的預測狀態(tài)相結(jié)合來決定車輛的正確軌跡,同時適應不同的駕駛文化和特定的駕駛風格。
控制引擎 Control Engine
aiDrive套件還能夠通過低水平執(zhí)行器指令(例如轉(zhuǎn)向、制動、加速度)來控制車輛。這由控制引擎完成,它將之前選擇的軌跡轉(zhuǎn)換并傳遞給車輛。
aiDrive系統(tǒng)的出現(xiàn)，能夠幫助更多整車企業(yè)在自動駕駛領域發(fā)揮作用，但正如AImotive創(chuàng)始人Laszlo Kishonti所言：
只有一小部分汽車制造商能夠獨立進行自動駕駛技術的研發(fā)，這就是為什么像我們這樣的專業(yè)技術公司在研究這些技術。
而這對整個自動駕駛行業(yè)的發(fā)展，也具備極大的意義。
雷鋒網(wǎng)獲悉，除上文提到的250萬種子基金外，從crunchbase顯示來看，AImotive已完成兩輪融資，分別是：
A輪，240萬 歐元
B輪，600萬 歐元
另據(jù)國內(nèi)媒體報道，AImotive 共獲得了1050萬美元的投資，投資方包括一級供應商博世和芯片制造商 Nvidia，公司已經(jīng)從最初的 15 名工程師，發(fā)展到了如今擁有 120 名的工程師和研究人員的規(guī)模。Laszlo Kishonti 表示公司可以量產(chǎn)發(fā)售的自動駕駛軟件將在兩年內(nèi)完成準備，并計劃明年在日本和中國開設辦事處。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
