来自英国的初创公司Wayve正在开发人工智能，该技术可以教授汽车如何使用强化学习、模拟和计算机视觉进行自动驾驶。据报道，该公司在由帕罗奥多风险投资公司Eclipse Ventures领投的A轮融资中获得了2000万美元，Balderton Capital、Compound Ventures、Fly Ventures和First Minute Capital跟投。

　　几位著名的天使投资人也参加了这一轮融资，包括Uber首席科学家Zoubin Ghahramani和加州大学伯克利分校机器人学教授、深度强化学习的先驱Pieter Abbeel。

　　Wayve于2017年在英国剑桥成立，其核心前提是无人驾驶汽车的重大突破将来自于更好的AI大脑，而不是更多的传感器或“手动编码”规则。该公司表示，它使用模拟环境训练其自动驾驶系统，然后将这些知识转移到现实世界中，在其中模拟人类如何实时适应条件。Wayve的系统会从每次安全驾驶员的干预中学习，以了解驾驶员为何要干预，绕过高清地图、激光雷达和其他传感器，而这些传感器已成为迅速发展的自动驾驶汽车的代名词。

　　值得注意的是，如果汽车制造商想要使用Wayve的机器学习算法，那是没有问题的，因为该算法可以与任何硬件或传感器协同工作。但Wayve的中心思想是，自动驾驶汽车应该能够像人类一样学习新的环境。

　　Wayve联合创始人兼首席技术官Alex Kendall表示：“我们的算法正在学习成为超越人类的驾驶员。我们从专心的人类驾驶中学到了东西，这已经消除了由于注意力不集中／无效驾驶而造成的98．3％的人类道路错误。然后，通过向系统提供反馈，我们将进一步增强人类学习所不能提供的能力。”

　　Wayve坚持使用端到端机器学习、基本摄像头和GPS导航来构建安全有效的自动驾驶汽车系统。

　　Wayve联合创始人兼首席执行官Amar Shah说：“随着计算能力和数据的不断增长，基于学习的方法将变得越来越不可避免，尤其是对于移动机器人而言。人类的大脑已经发展了数百万年，计算机虽然只有几十年，但是正在迅速追赶。”

　　早在4月，Wayve就证明了其技术在“从未见过的复杂城市环境中”应用于使用了摄像机和卫星导航（SatNav）的车辆，并宣称自己是“世界第一”。因此，从本质上讲，汽车只是实时使用机器驱动的眼睛和大脑，而不是依靠高清地图或复杂的激光雷达传感器。

　　虽然确实Wayve的系统似乎是一种更优雅、更便宜的自动驾驶技术解决方案，但这无法解释为什么Waymo等公司投入大量资金来开发激光雷达传感器，而TomTom之类的公司在投资数百万美元研发高质量地图。

　　实际上，对于自动驾驶汽车和卡车而言，它们必须能够识别并了解其周围环境，以免发生碰撞，从而能够高速穿越繁忙的通道。激光雷达传感器旨在通过用激光照亮车辆和环境物体，测量反射脉冲来测量车辆与环境物体之间的距离。但是激光雷达并非完全适合所有条件，这就是高清地图可以在自动驾驶汽车的发展中发挥重要补充作用的原因；它们有助于更准确地表示周围环境，包括车道、几何形状和交通标志。它们还可以有效地使汽车看到盲点，这是激光雷达或计算机视觉尚无法实现的。

　　因此，从直觉上讲，基本的SatNav和摄像头应该意味着性能较低的车辆。即使可以训练该系统以最少的硬件附件安全地在95％的时间内驱动设备，但是访问更多的数据肯定拥有足够的优势卖点。当然，我们在这里谈论的是安全性，这就是自动驾驶汽车的最大卖点之一。

　　根据Wayve的说法，过去几年中计算机视觉技术的发展恰恰使以“仅摄像头感知”的方式行驶成为可能。该公司从2015年开始在剑桥大学开发其SegNet深度学习系统，并证明了它在从单个深度学习模型理解语义、几何、深度和运动方面取得了非常大的进步。

　　Kendall说，借助Wayve的自动驾驶系统，汽车的眼睛基本上是一排230万像素RGB摄像头，具有高动态范围，这使它们能够“在夜间和明亮的阳光下获得良好的信号”。

　　他继续说：“我们正在观察计算机视觉的巨大进步，包括我们自己的一些工作，这使我们能够非常准确地从相机感知深度。要进一步说明的是，我们作为一个行业面临的问题不是感知，而是决定如何采取行动。决策非常复杂，尤其是在伦敦这样的环境中。这是从感知到行动的端到端学习如此强大的地方。”

　　Wayve表示，计划在伦敦市中心推出一支自动驾驶的Jaguar I－Pace电动SUV汽车试点车队，并配备安全驾驶员。Kendall说：“我们将从8辆Jaguar I－Paces的研发车队开始，以进一步开发我们的技术。一旦我们证明它们有能力应对伦敦道路上的复杂性，我们将开始进行商业试点。”

　　同样不可忽视的事实是，Wayve设法从风投和技术领域获得了一些著名的支持者。对于一家硅谷投资公司来说，在欧洲投资早期自动驾驶汽车创企，是一个难得的机遇。

　　Eclipse Ventures的合伙人Seth Winterroth说：“Wayve的差异化自主方法建立在强化学习、模拟和计算机视觉领域的及时发展之上。此外，通过将公司设在英国，该团队可以使用非凡的人才库和众多复杂的测试环境。”