攜手深度神經網路先鋒 DeepScale，偉世通也拿出了自己的自動駕駛開放平台 | CES 2018
本屆 CES 上，自動駕駛行業再添新鮮血液，知名汽車零部件一級供應商偉世通（Visteon）推出了旗下首款自動駕駛技術平台——DriveCore。
DriveCore 平台的完成度可不低，它配齊了硬體、中間軟體和架構等用於開發自動駕駛汽車機器學習演算法的必要因素，開發者可以直接在平台上搭建 Level 3 及以上的自動駕駛應用。除此之外，DriveCore 平台還為 OEM 商準備了擴展性很強的集中式域控制器，以此來滿足汽車製造商對計算性能的需求。
偉世通表示，與「視覺優先」的英特爾/Mobileye 平台不同，DriveCore 靈活性更強，它能提供來自攝像頭、激光雷達和雷達的感測器數據整合。
DriveCore 平台
除此之外，偉世通還打造了一個基於 PC 的開發環境——Studio。它的誕生是為了讓第三方開發者能自己打造機器學習演算法。不過，要說偉世通和競爭對手最大的不同，主要還是它們和合作夥伴，來自山景城的 DeepScale。
這家公司已經研發出了一種深度學習感知技術，能順利消化原始數據，加速車載處理器的數據融合速度。
由於自動駕駛汽車的開發還處在初級階段，因此類似 Waymo、Uber 和英特爾等公司都選擇斷絕與中間商（即一級供應商）的聯繫，直接打造完整的自動駕駛平台。偉世通的大動作意味著被冷落的一級供應商要開始絕地大反攻了。
大混搭「這就是我一直在等的。」VSI Labs 創始人 Phil Magney 解釋。「偉世通一直在找擅長深度學習的合作夥伴。」
在 Magney 看來，其實偉世通動作已經有些滯後，其他一級供應商已經拿出了自己的解決方案或者找好了合作夥伴。不過，「DriveCore 一次性解決了問題，偉世通有了完整的解決方案，汽車廠商可以根據自己的需要對感測器進行混搭。」
「這套解決方案的核心是 DeepScale，這家公司拿出了完整的軟體組件和基於卷積神經網路的演算法。」Magney 補充道。
DeepScale 公司 CEO 兼創始人 Forrest Iandola 不願評論兩家公司合作帶來的商業價值。不過，他明確表示公司與偉世通的合作關係相當穩固。「我們已經與偉世通進行了深入對話，還將兩家公司的未來計劃和產品路線圖進行了整合。」
DeepScale 不但貢獻出了打磨多年的 AI 演算法，還把感測器融合與卷積神經網路技術拱手相讓。「DeepScale 的 AI 軟體能利用任何感測器組合構建 3D 視覺環境模型，而通常來說實現這樣的效果你得買昂貴的 LiDAR。」DeepScale 發言人解釋。
據悉，這家公司擅長微型化的卷積神經網路，它需要的計算能力相對較低，但依然有一等一的性能表現。
Magney 稱兩家公司牽手是「天作之合」。如果沒有偉世通這樣的一級供應商來解決汽車廠商的需求問題，DeepScale 恐怕很難將自家解決方案推向市場。而沒有 DeepScale，偉世通也少了一個強悍的深度學習軟體合作夥伴。DeepScale 提供的軟體演算法能掌控從 Level 2 到 Level 5 級別的所有自動駕駛任務。
在談到代表進化路徑的英特爾/Mobileye 和 Waymo、Uber 的自動駕駛計程車派時，Iandola 表示：「我們分別接觸了兩大派別的人員，一種是要從駕駛輔助逐步進化成全自動駕駛，另一種則是直接激怒全自動駕駛。」
「我們專註於開發感知系統，它的基礎是成本與功耗都不高的量產硬體。這套系統會先用於駕駛輔助，隨後逐步過渡至全自動駕駛。」Iandola 強調。
硬體選擇偉世通自動駕駛平台的發布也讓我們得以透視自動駕駛行業的進化歷程。
首先，開放系統對一些自動駕駛公司的誘惑力越來越大。Magney 指出：「偉世通旗下的自動駕駛堆棧居然可以同時支持英偉達、恩智浦和高通的處理器架構，實在是讓人佩服。」簡單來說，DriveCore 平台想為汽車廠商提供更豐富的選擇，不論是處理器還是感測器。
其次，汽車製造商也想在自家車輛上採用多項感測器技術。
Iandola 就表示：「在我們看來，每種感測器都有自己獨一無二的優勢，而它們在工作時是可以互補的。所謂的『萬金油』感測器根本沒有意義，畢竟各家廠商的目標是讓自動駕駛系統變得安全可靠。」
他強調稱，「近些年來業界已經在感測器技術上投入了超過 10 億美元，專註於該技術的新創公司更是超過 30 家。此外，AI 處理晶元和平台也拿到了數十億美元的投資。」
Iandola 還表示：「DeepScale 遇到了一個非常好的機遇，我們能打造出一個輕鬆整合業內最強感測器技術與處理器平台的感知系統。」
原始數據 vs. 對象數據第三，業內一直爭論的數據融合用原始數據還是對象數據的話題可能要轉向了。
Magney 表示：「現在大家更傾向在感知端用原始數據做融合，而這正是 DeepScale 選的方向。」當然，這場爭論現在還沒有最終結論。
拿 Uber 來說，它們的自動駕駛汽車就是兩種數據都要依靠。據悉，Uber 在使用一些神經網路來協助感知（需要將感測器數據轉換成目標數據），想完成這一任務有時候就得靠「融合」。當然，它也會用神經網路來預測車輛的下一部動作。
Iandola 顯然很清楚到底需要做什麼。
DeepScale 的解決方案：深度神經網路感測器融合
在此前的一次採訪中他表示：「如今深度神經網路的研究有很大一部分都是對現有技術的修改和升級。」不過到了 DeepScale 後，他卻改口稱「我們一切都是從頭做起，用原始數據搞深度神經網路的開發，而且這些數據不止是來自圖像感測器，雷達和 LiDAR 我們也進行了參考。」
Magney 稱 DeeoScale 的方法非常有現代感，是將 AI 運用在自動駕駛領域的最新思維。
除此之外，Magney 還看到了 DeepScale 解決方案的另一個固有優勢。「你可以用任何感測器組合完成數據融合。低級別的用攝像頭和雷達，高級別的則可用上 LiDAR。」Magney 總結道。「有了 DeepScale 相助，我相信偉世通有能力拿出從 ADAS 到 Level 4/Level 5 級別的多種解決方案。」
PS：在 CES 結束的 4 天后，也就是 1 月 16 日，雷鋒網(公眾號：雷鋒網(公眾號：雷鋒網)(公眾號：雷鋒網(公眾號：雷鋒網)))將在灣區舉辦 GAIR 矽谷智能駕駛峰會，我們邀請了數十家中美兩地頂尖的自動駕駛團隊在峰會現場演講分享，這絕對是 2018 年最值得參與的智能駕駛峰會。
目前特惠票依然開放預訂中，點擊 https://gair.leiphone.com/gair/gairsv2018直達峰會報名地址，獲得與行業頂尖大腦們進行思維碰撞的通行證。
雷鋒網推薦閱讀：
偉世通攜DriveCore驚艷CES，這是它為自動駕駛下的賭注 | 2018 CES
TAG:雷鋒網 |