當(dāng)他為創(chuàng)業(yè)不得不賣掉這兩把電吉他的時(shí)候，他似乎沒有一絲猶豫。“創(chuàng)業(yè)本身需要啟動資金，我只能將這兩把老家伙‘出手’。”

 

        帶著這筆錢及身邊親戚朋友的資助，Tsai在San Diego(圣地亞哥)家中的車庫里建起了Vector.ai，即一套整車無人駕駛解決方案。

 

        現(xiàn)在，該項(xiàng)目仍然處于開發(fā)階段。裝配Vector.ai的轎車可在高速公路上以每小時(shí)80英里速度，自動駕駛約10分鐘。

 

        近期，該項(xiàng)目正進(jìn)行天使輪融資。

 

 

        注: Andrew Tsai及其團(tuán)隊(duì)承諾文中數(shù)據(jù)無誤，為其真實(shí)性負(fù)責(zé)，鉛筆道已備份錄音速記，為內(nèi)容客觀性背書。

 

        自動駕駛初創(chuàng)項(xiàng)目都有一個(gè)車庫研發(fā)中心

 

        Andrew Tsai覺得在佛羅里達(dá)的日子，太過悠閑了。擁有陽光沙灘和海風(fēng)的佛羅里達(dá)，是每一個(gè)美國人退休后的療養(yǎng)勝地。但Tsai卻想換個(gè)環(huán)境。

 

        去年2月底，Andrew帶上老婆、剛出生1個(gè)月的女兒及兩位母親，開上家中一輛Hyundai Santa Fe轎車，駛向了美國西海岸的圣地亞哥。

 

        四天三夜的連續(xù)駕駛，讓Tsai疲憊不堪。與此同時(shí)，Tsai在路上看到了多起嚴(yán)重的交通事故，“多是因?yàn)樗緳C(jī)疲勞駕駛或被干擾(如玩手機(jī))駕駛造成的后果”。

 

        到達(dá)圣地亞哥家中，Tsai母親又遇到了一個(gè)難題：交通。“因?yàn)槟赣H平時(shí)去超市買菜，需要叫Uber等計(jì)程車。可是司機(jī)經(jīng)常拒載，只因母親英語不好，無法正常溝通。”

 

        幾件事情疊加在一起，身為工程師的Tsai動了研發(fā)自動駕駛技術(shù)的念頭。在此之前，Tsai曾在Lockheed Martin、Northrop Grumman工作，并參與部署多個(gè)DARPA研究項(xiàng)目。“自去年4月，我便自學(xué)起了AI及無人駕駛技術(shù)。”

 

Andrew改裝的Acura ILX，車頂可見16線LiDAR

 

        4個(gè)月后，Tsai將家中Civic轉(zhuǎn)手，購置了一輛2017款A(yù)cura ILX 4門轎車，并決定以此為模型，開發(fā)Vector.ai項(xiàng)目——一套無人駕駛解決方案。

 

        Tsai拿到新車后做的第一件事 ，便是賣了心愛的吉他，買來維修設(shè)備將整車拆了個(gè)精光。“只有這樣我才能更好地了解這輛車的內(nèi)部結(jié)構(gòu)，方便改裝。”

 

        接著，Tsai將自家的車庫改裝成了工作室。車庫一邊擺著幾張大桌，放滿了焊鐵、計(jì)算機(jī)，另一邊停著被液壓千斤頂撐起的轎車。

 

        Tsai還記得，當(dāng)他在車底工作時(shí)，旁邊的女兒曾用迷惑不解的眼神望著他。在他看來，Vector.ai和女兒都是他的孩子，“都值得我全情投入”。

 

        使用Nvidia PX 2平臺，開源四款應(yīng)用SDK

 

        開發(fā)伊始，Tsai便選擇了PolySync，作為Vector.Ai的無人駕駛軟件系統(tǒng)平臺。之所以做此選擇，是因?yàn)镻olySync在后端可以提供基礎(chǔ)環(huán)境，讓程序員可以快速建立、測試有關(guān)自動駕駛的一系列程序。

 

        與PolySync相結(jié)合的，是Vector.AI從合作商N(yùn)VIDIA獲得的NVIDIA Drive PX 2超級電腦。“這款NVIDIA的超級電腦搭載12核處理器，運(yùn)算能力強(qiáng)，我們把它放在了后車廂中。”

 

        同時(shí)，整套原型開發(fā)模型在車頂搭載了一枚Velodyne的16線LiDAR，在車身搭載了4塊GMSL攝像機(jī)，在中控板搭載了控制面板等。“LiDAR可以讓我們獲取實(shí)時(shí)車輛位置及周邊環(huán)境，而4枚GMSL的攝像機(jī)則會為Vector后臺的圖像分析算法提供數(shù)據(jù)。”

在高速公路上，無人駕駛中的中控臺

 

        僅靠機(jī)器本身的路面數(shù)據(jù)，是不足以讓Vector的算法達(dá)到深度學(xué)習(xí)的目的。為解決該問題，Tsai從KITTI Dataset、Sythia、Selfracing car dataset、Fairchild dataset及Udacity dataset等平臺獲取開源數(shù)據(jù)。“現(xiàn)在總數(shù)據(jù)量約500K英里，但是因?yàn)槊總€(gè)數(shù)據(jù)庫的標(biāo)簽系統(tǒng)不統(tǒng)一，后期算法仍需要不停調(diào)整。”

 

        同時(shí)，為了讓機(jī)器具有自動模擬功能，Tsai將Gazebo模擬環(huán)境整合進(jìn)了ROS(Robot Operating System)系統(tǒng)。

 

        車輛系統(tǒng)的主邏輯如下：

 

 

        利用Vector.ai的算法，車輛駕駛員不用對車輛進(jìn)行任何操作，車體本身便可感知路況及障礙，并操作方向盤及制動系統(tǒng)做出避讓、剎車等一系列動作。“這中間用到了SLAM算法，利用雙目結(jié)構(gòu)光對物體距離做出判斷。”

 

        Tsai為Vector開發(fā)了基于自動駕駛軟件包的4款應(yīng)用：路況物體感知系統(tǒng)、3D路況建模系統(tǒng)、視差計(jì)算系統(tǒng)、車輛制動控制系統(tǒng)。“這四類應(yīng)用可以SDK方式，供用戶在NVIDIA Drive PX2平臺使用。”

 

 

        今年2月，Vector.ai團(tuán)隊(duì)購入了一輛2014款KIA Soul，并將Vector Tools加裝在該車上。據(jù)悉，現(xiàn)在該車可在高速公路上以自動駕駛模式行駛約10分鐘，最高時(shí)速可達(dá)每小時(shí)80英里。同時(shí)，據(jù)Tsai稱，該套系統(tǒng)的障礙識別率已近99%，可以在雷雨、風(fēng)雪等不同天氣條件下，對路況進(jìn)行分析。

 

        Tsai通過市場研究反饋，意識到產(chǎn)品的主要客戶并不是OEM廠商。“對我們產(chǎn)品感興趣的多為公開課學(xué)生和大學(xué)。”他想將Vector.ai的技術(shù)分享給對無人駕駛感興趣的學(xué)生，“這樣每個(gè)人都有機(jī)會親身接觸到無人駕駛”。

 

        為保持公司運(yùn)作，Tsai決定與BitTiger合作，并在BitTiger擔(dān)任無人車在線課程講師。“記得當(dāng)課程第一次上線時(shí)，有2011個(gè)人聽課，我感到無比興奮。”

 

        下一步，Tsai將率領(lǐng)團(tuán)隊(duì)投入緊張的研發(fā)中。他們將于今年4月1日，參加位于美國加利福尼亞北部雷丘(Thounderhill)賽車場舉辦的無人駕駛汽車競賽。與Vector.AI一同參賽的有Comma.ai、Audi等團(tuán)隊(duì)。