如果你有關注自動駕駛技術，你可能看過從 Google 到特斯拉，再到很多創業公司的自動駕駛展示影片和圖片，但是它們大多有一個共通性──都是發生在陽光燦爛、地面乾燥的環境下。
對於自動駕駛汽車來說，這樣的環境是「完美」環境。但是在真實世界裡，這樣的「完美」環境並不總是出現。人們開車會遇上下雨、下雪、起霧甚至風暴（對中國駕駛們來說，霧霾更是避不開的情況）。在這樣惡劣的天氣下，能見度低、地面打滑等，都會讓人類駕駛犯錯，對於重度依賴感測器來探測環境的自動駕駛汽車來說，它是更難解決的問題，就連 Google 也沒能搞定。
不過最近，一家名為 Drive.ai 的創業公司公布了一段測試影片，讓很多人都震驚了：他們在一個大雨傾盆的夜晚，開著自家研發的自動駕駛汽車，就在 Google 的眼皮底下，讓機器人駕駛完成雨夜開車這個挑戰。
影片裡可以看到，整段自動駕駛測試有好幾個亮點：
在 10 秒處，開始下起了傾盆大雨，而自動駕駛汽車並未受到影響；
30 秒處，出現了非常窄的街道，而且兩邊停有車輛，還有來車交會；
1 分鐘處，在沒有紅綠燈而只有 Stop 標誌的十字路口，一輛車插到 Drive.ai 車前搶行；
1 分 50 秒處，路口紅燈壞了；
2 分 35 秒處，由於大雨，路面都是積水，車燈一片反射，但是自動駕駛車輛並未受到影響。
發給 PingWest 的聲明裡，Drive.ai 的聯合創始人兼 CEO Sameep Tandon 稱，這段影片是在山景城（也是 Google 總部所在地）拍攝的。這整段影片都是在全自動駕駛下完成，完全沒有人工干預；此外，整段影片沒有剪輯，只是快轉。
雨夜、交通號誌故障、車輛搶行……Sameep Tandon 說：「這就是駕駛們每天都會遇到的情形。任何成功的自動駕駛技術都會需要解決無數這樣難以預料的情況，面對各式各樣的駕駛條件，但是目前沒有幾家公司可以真正做到這樣。」
這是 Drive.ai 第一次發表自己產品的影片。之前我們曾經介紹過，Drive.ai 是加州第一批拿到自動駕駛汽車測試許可的公司之一，幾位聯合創始人均來自大名鼎鼎的史丹佛人工智慧實驗室。他們的目標是使用深度學習技術，打造一個像人類思考的自動駕駛軟體。
中美跨境的基金和創新孵化機構 InnoSpring 是 Dirve.ai 的早期投資機構之一，從 2015 年 3 月就開始孵化 Drive.ai。它的矽谷總經理王笑告訴我們：「Dirve.ai 的早期 8 個聯合創始人，幾乎把史丹佛做駕駛的 AI 實驗室全包了。」這個實驗室出了許多名人，最為人熟知的是 GoogleX 的創始人 Sebastian Thrun 和後來接手的吳恩達。Drive.ai 不僅有人工智慧在駕駛應用上的積累，還有 Google 做了 10 年的資源和經驗。
她稱 Drive.ai 總結了 Google 的幾大彎路，分別是：太過依靠昂貴的雷射雷達感測器，Google 在 Velodyne 定制的感測器加起來價格在 20 萬美元左右，昂貴的價格是商業發展的絆腳石；其次，太過依賴高清 3D 地圖，由於高清 3D 地圖獲得價格昂貴，臨時變量不可控，造成技術嚴重 overfitting （過適應）；另外，軟體技術後端的平台延展性有限，自動駕駛軟體不一定可在短期內跨平台支持多家汽車廠商。
而 Drive.ai 一開始就要做一輛用低配備雷射雷達、便宜的照相機、Google 2D 地圖就能上路的無人駕駛車，並且用深度學習解決了價格─認知準確性─商業模式可延展性，3 個息息相關又互相牽制的問題，經歷兩個月開發後就上路了。 「這段在雨天漆黑夜晚上路的影片，也是 Drive.ai 的實力展示。」王笑說。
所以和 Google 的 Waymo、特斯拉以及一眾汽車廠商都不同，Drive.ai 主要聚焦在軟體層面，希望以此提供價格低廉的自動駕駛解決方案。 Sameep Tandon 說：「深度學習技術可以讓它像人類大腦那樣處理信息和做決策……我們的團隊有打造未來交通的專業能力。」
為什麼惡劣天氣是自動駕駛難以克服的難題？
雨雪等極端天氣一直是自動駕駛汽車的瓶頸。一名自動駕駛行業的從業者告訴我們，雨雪天氣很容易讓自動駕駛汽車變成「睜眼瞎子」：自動駕駛汽車往往依靠攝影鏡頭、雷達、GPS 和光學雷達系統的組合來辨識路況和周邊環境，雨雪等情況會造成遮擋、反射等，降低了雷達和相機對重要交通標誌，比如對車道線的辨識等，光靠 GPS 並無法準確定位汽車位置。
就像人類駕駛需要各種標識，比如車道線等，來定位自己在路上的位置一樣，自動駕駛汽車也需要如此。這意味著它們也需要更多細節豐富、精確的地圖數據，這也就是為什麼各大汽車公司和科技公司都競相從諾基亞手裡購併 HERE 地圖的原因。
但是除了地圖數據，汽車也需要可靠的感測器來提供汽車周邊的即時環境，光學雷達可以做到這一點，但是當下雨或下雪的時候，它們的感測會受到干擾，可靠度大大降低。
要解決這個問題，一個辦法是安裝極其昂貴的硬體。The Verge 稱，特斯拉在去年 10 月後，更新了自家自動駕駛硬體系統，在車身四周一共安了 8 個鏡頭來提供 360° 視野、感測 250 公尺的距離，還有 1 個雷達和 12 個超聲感測器到原來兩倍大的範圍，一個增強版的前向毫米波雷達，能夠幫助汽車在雨雪、霧塵等天氣下探測到前方車輛。
這樣做效果雖好，但是成本大為上升，很難成為面向大眾的自動駕駛汽車解決方案。
Google 的 Waymo 也一直在測試在雨雪天氣下的自動駕駛情況。他們甚至還在感測器外殼上裝了雨刷器，來保證感測器的能見度。不過這樣做效果不是太理想，所以 Waymo 的車在下雨天裡十分謹慎，一旦受影響就會停在路邊，直到情況好轉。而現在，Waymo 也開始在一些天氣多變的地區，比如華盛頓州等進行更多雨雪天氣下的自動駕駛測試。
另外感測器的供應商如 Quanergy ，都在研發雷射雷達的數位過濾器，讓雷射雷達可以減少雨雪干擾，能在極端天氣裡工作。同樣的，目前這項技術的進展還比較有限。
福特算是惡劣天氣自動駕駛的嚐鮮者之一，去年也曾經在自家測試場地測試過雪天自動駕駛，並公布了影片。
這次 Drive.ai 沒有透露他們的自動駕駛汽車的硬體規格，也沒有給出更多技術細節，只表示正在用深度學習和神經網路來訓練自己的自動駕駛系統。它不僅可辨識人和檢測物體，而且還能和其他車輛對話。 Drive.ai 的聯合創始人兼總裁卡羅爾‧萊利（Carol Reiley）之前接受 PingWest 品玩採訪時表示：
Drive.ai 聚焦在汽車的「大腦」，主要用深度學習技術來打造自動駕駛的人工智慧系統，讓電腦自己訓練自己、做出正確的決定，而不是試著把所有做法都提前寫在電腦裡。
路面情況是動態的、有無窮的可能性（相比之下，圍棋的步數仍是有限的，這也就是為什麼人工智慧可以下圍棋、但是沒法開車），開發人員不可能列出所有情況、提前設定好所有做法，所以，讓機器像人類一樣獲得訓練、自己學習才是更有效的。
或許這正是 Drive.ai 這次挑戰「雨夜自動駕駛」成功的關鍵。
（本文由 PingWest 授權轉載；首圖來源：Drive.ai）