Wayve首席执行官揭示了扩展自动驾驶技术的秘密

亚历克斯·肯德尔，Wayve的联合创始人兼首席执行官，对将其自动驾驶初创公司的技术推向市场持乐观态度。他认为，坚持开发成本效益高、硬件无关的自动驾驶软件的策略将是关键。这种软件不仅可用于高级驾驶辅助系统（ADAS），还可用于机器人出租车和机器人技术。

在Nvidia的GTC会议期间，肯德尔概述了一种专注于端到端数据驱动学习方法的策略。这意味着系统通过摄像头等传感器直接将“看到”的内容转化为驾驶动作，如刹车或转向。这种方法消除了对高清地图或基于规则的软件的需求，这些在早期的自动驾驶车辆（AV）技术中很常见。

这种方法吸引了投资者的注意。自2017年成立以来，Wayve在过去两年中筹集了超过13亿美元的资金。公司计划将其自动驾驶软件授权给汽车和车队合作伙伴，包括像Uber这样的公司。虽然尚未宣布任何汽车合作伙伴关系，但Wayve的发言人向TechCrunch表示，他们正在与多家原始设备制造商（OEMs）进行“深入谈判”，以将他们的软件集成到各种车辆类型中。

Wayve软件的 affordability 是这些谈判中的一大卖点。肯德尔提到，原始设备制造商可以将Wayve的ADAS集成到新型生产车辆中，而无需投资额外硬件，因为该技术可与现有的环视摄像头和雷达等传感器配合使用。

Wayve的软件还是“硅无关”的，这意味着它可以在原始设备制造商已在其车辆中使用的任何GPU上运行。然而，该初创公司当前的开发车队使用的是Nvidia的Orin系统级芯片。

“进入ADAS领域非常关键，因为这让你能够建立一个可持续的业务，大规模构建分发网络，并获得数据曝光，从而训练系统达到4级，”肯德尔在周三的演讲中说。4级驾驶系统可以在特定条件下自主导航环境，无需人类干预。

Wayve计划首先在ADAS级别上将其系统商业化。该初创公司的人工智能驾驶员设计为无需激光雷达即可运行，激光雷达是一种使用激光光创建详细3D地图的传感器，许多开发4级技术的公司认为这是必不可少的。

Wayve的自动驾驶方法与Tesla类似，Tesla也使用端到端的深度学习模型来增强其自动驾驶软件。与Tesla一样，Wayve旨在通过广泛推广ADAS来收集数据，帮助其系统实现完全自动驾驶。Tesla的“完全自动驾驶”软件可以处理一些自动化驾驶任务，但尚未完全实现自动驾驶，尽管该公司计划在今年夏天推出机器人出租车服务。

Wayve与Tesla的一个关键区别在于，Tesla仅依赖摄像头，而Wayve对使用激光雷达以实现短期完全自动驾驶持开放态度。“从长远来看，当你建立可靠性和验证大规模的能力时，确实有机会进一步缩小传感器套件，”肯德尔说。“这取决于你想要的产品体验。你希望汽车在雾中更快行驶吗？那么你可能需要像激光雷达这样的其他传感器。但如果你愿意让人工智能理解摄像头的局限性，并因此采取防御性和保守的策略？我们的人工智能可以学会这一点。”

肯德尔还介绍了GAIA-2，这是Wayve为自动驾驶设计的最新生成世界模型。该模型通过大量现实世界和合成数据，跨各种任务训练驾驶员。肯德尔表示，通过同时处理视频、文本和其他动作，Wayve的人工智能驾驶员在驾驶行为上更加适应性和类人化。

“真正让我兴奋的是你看到出现的类人驾驶行为，”肯德尔说。“当然，没有手写编码的行为。我们不告诉汽车如何行为。没有基础设施或高清地图，但相反，涌现的行为是数据驱动的，能够处理非常复杂和多样化的场景，包括在训练期间可能从未见过的场景。”

Wayve与自动驾驶卡车初创公司Waabi有着相似的理念，Waabi也追求端到端的学习系统。两家公司都专注于扩展数据驱动的人工智能模型，这些模型可以在不同的驾驶环境中泛化，并使用生成式人工智能模拟器来测试和训练其技术。