來自英國的初創公司Wayve正在開發人工智能，該技術可以教授汽車如何使用強化學習、模擬和計算機視覺進行自動駕駛。據報道，該公司在由帕羅奧多風險投資公司Eclipse Ventures領投的A輪融資中獲得了2000萬美元，Balderton Capital、Compound Ventures、Fly Ventures和First Minute Capital跟投。

　　幾位著名的天使投資人也參加了這一輪融資，包括Uber首席科學家Zoubin Ghahramani和加州大學伯克利分校機器人學教授、深度強化學習的先驅Pieter Abbeel。

　　Wayve于2017年在英國劍橋成立，其核心前提是無人駕駛汽車的重大突破將來自于更好的AI大腦，而不是更多的傳感器或“手動編碼”規則。該公司表示，它使用模擬環境訓練其自動駕駛系統，然后將這些知識轉移到現實世界中，在其中模擬人類如何實時適應條件。Wayve的系統會從每次安全駕駛員的干預中學習，以了解駕駛員為何要干預，繞過高清地圖、激光雷達和其他傳感器，而這些傳感器已成為迅速發展的自動駕駛汽車的代名詞。

　　值得注意的是，如果汽車制造商想要使用Wayve的機器學習算法，那是沒有問題的，因為該算法可以與任何硬件或傳感器協同工作。但Wayve的中心思想是，自動駕駛汽車應該能夠像人類一樣學習新的環境。

　　Wayve聯合創始人兼首席技術官Alex Kendall表示：“我們的算法正在學習成為超越人類的駕駛員。我們從專心的人類駕駛中學到了東西，這已經消除了由于注意力不集中／無效駕駛而造成的98．3％的人類道路錯誤。然后，通過向系統提供反饋，我們將進一步增強人類學習所不能提供的能力。”

　　Wayve堅持使用端到端機器學習、基本攝像頭和GPS導航來構建安全有效的自動駕駛汽車系統。

　　Wayve聯合創始人兼首席執行官Amar Shah說：“隨著計算能力和數據的不斷增長，基于學習的方法將變得越來越不可避免，尤其是對于移動機器人而言。人類的大腦已經發展了數百萬年，計算機雖然只有幾十年，但是正在迅速追趕。”

　　早在4月，Wayve就證明了其技術在“從未見過的復雜城市環境中”應用于使用了攝像機和衛星導航（SatNav）的車輛，并宣稱自己是“世界第一”。因此，從本質上講，汽車只是實時使用機器驅動的眼睛和大腦，而不是依靠高清地圖或復雜的激光雷達傳感器。

　　雖然確實Wayve的系統似乎是一種更優雅、更便宜的自動駕駛技術解決方案，但這無法解釋為什么Waymo等公司投入大量資金來開發激光雷達傳感器，而TomTom之類的公司在投資數百萬美元研發高質量地圖。

　　實際上，對于自動駕駛汽車和卡車而言，它們必須能夠識別并了解其周圍環境，以免發生碰撞，從而能夠高速穿越繁忙的通道。激光雷達傳感器旨在通過用激光照亮車輛和環境物體，測量反射脈沖來測量車輛與環境物體之間的距離。但是激光雷達并非完全適合所有條件，這就是高清地圖可以在自動駕駛汽車的發展中發揮重要補充作用的原因；它們有助于更準確地表示周圍環境，包括車道、幾何形狀和交通標志。它們還可以有效地使汽車看到盲點，這是激光雷達或計算機視覺尚無法實現的。

　　因此，從直覺上講，基本的SatNav和攝像頭應該意味著性能較低的車輛。即使可以訓練該系統以最少的硬件附件安全地在95％的時間內驅動設備，但是訪問更多的數據肯定擁有足夠的優勢賣點。當然，我們在這里談論的是安全性，這就是自動駕駛汽車的最大賣點之一。

　　根據Wayve的說法，過去幾年中計算機視覺技術的發展恰恰使以“僅攝像頭感知”的方式行駛成為可能。該公司從2015年開始在劍橋大學開發其SegNet深度學習系統，并證明了它在從單個深度學習模型理解語義、幾何、深度和運動方面取得了非常大的進步。

　　Kendall說，借助Wayve的自動駕駛系統，汽車的眼睛基本上是一排230萬像素RGB攝像頭，具有高動態范圍，這使它們能夠“在夜間和明亮的陽光下獲得良好的信號”。

　　他繼續說：“我們正在觀察計算機視覺的巨大進步，包括我們自己的一些工作，這使我們能夠非常準確地從相機感知深度。要進一步說明的是，我們作為一個行業面臨的問題不是感知，而是決定如何采取行動。決策非常復雜，尤其是在倫敦這樣的環境中。這是從感知到行動的端到端學習如此強大的地方。”

　　Wayve表示，計劃在倫敦市中心推出一支自動駕駛的Jaguar I－Pace電動SUV汽車試點車隊，并配備安全駕駛員。Kendall說：“我們將從8輛Jaguar I－Paces的研發車隊開始，以進一步開發我們的技術。一旦我們證明它們有能力應對倫敦道路上的復雜性，我們將開始進行商業試點。”

　　同樣不可忽視的事實是，Wayve設法從風投和技術領域獲得了一些著名的支持者。對于一家硅谷投資公司來說，在歐洲投資早期自動駕駛汽車創企，是一個難得的機遇。

　　Eclipse Ventures的合伙人Seth Winterroth說：“Wayve的差異化自主方法建立在強化學習、模擬和計算機視覺領域的及時發展之上。此外，通過將公司設在英國，該團隊可以使用非凡的人才庫和眾多復雜的測試環境。”