Wayve首席执行官分享了他扩展自动驾驶技术的关键要素

Wayve联合创始人兼首席执行官Alex Kendall认为将其自动驾驶汽车创业公司的技术推向市场方面有希望。也就是说，如果Wayve坚持其确保其自动驾驶软件的策略，则可以运行廉价，硬件不可知论，并且可以应用于先进的驾驶员辅助系统，机器人甚至机器人技术。 

肯德尔在NVIDIA的GTC会议期间制定的策略始于端到端数据驱动的学习方法。这意味着系统通过各种传感器（例如摄像机）“看到”的内容直接转化为驾驶方式（例如决定制动或左转）。此外，这意味着该系统不需要像AV Tech的早期版本那样依赖HD地图或基于规则的软件。 

该方法吸引了投资者。 Wayve于2017年推出，在过去两年中筹集了超过13亿美元，计划将其自动驾驶软件许可给汽车和车队合作伙伴，例如Uber。sp;

该公司尚未宣布任何汽车合作伙伴关系，但发言人告诉TechCrunch，在与多个OEM进行“强烈讨论”中，将其软件集成到各种不同的车辆类型中。 

其廉价到运行的软件音调对于达成这些交易至关重要。 

肯德尔说，OEM将Wayve的高级驾驶员助力系统（ADA）放入新的生产车辆中，不需要将任何东西投资到其他硬件上，因为该技术可以与现有的传感器配合使用，这些传感器通常由环绕摄像机和一些雷达组成。 

wayve也是“硅 - 敏捷”，这意味着它可以在其OEM合作伙伴已经在车辆中拥有的任何GPU上运行其软件。但是，这家初创公司目前的开发车队确实使用了NVIDIA的ORIN系统。  

“进入ADA确实至关重要，因为它允许您建立可持续的业务，建立分销按比例进行，并使数据暴露以能够训练系统至[级别] 4。”肯德尔周三说。

（4级驾驶系统意味着它可以在某些条件下自行浏览环境，而无需人工干预。）

Wayve计划首先在ADAS级别上商业化其系统。因此，这家初创公司将AI驱动程序设计为无激光的工作 - 光检测和范围雷达，该雷达使用激光灯来测量距离，以生成世界上高度准确的3D图，大多数开发4级技术的公司认为这是必不可少的传感器。 

wayve的自治方法类似于特斯拉的方法，特斯拉也正在使用端到端的深度学习模型来为其系统供电，并不断改善其自动驾驶软件。正如特斯拉（Tesla）试图做的那样，Wayve希望利用广泛的ADA推出来收集数据，这些数据将有助于其系统达到完整的Autono我的。 （特斯拉（Tesla）的“完整自动驾驶”软件可以执行一些自动驾驶任务，但并非完全自主。

从技术的角度来看，韦夫和特斯拉的方法之间的主要区别之一是特斯拉仅依靠相机，而wayve很乐意将激光纳入LIDAR融入到近期的完整自主权中。 

“从长远来看，当您确实建立可靠性和验证规模水平以进一步缩小[传感器套件]的能力时，肯定会有机会。”肯德尔说。 “这取决于您想要的产品体验。您是否希望汽车通过雾气更快地驾驶？那么也许您想要其他传感器（像LiDAR）。但是，如果您愿意让AI了解摄像机的局限性，并因此是防御性和保守的，我们的AI可以学习。”

Kendall还取笑了Wayve的最新生成世界模型，该模型量身定制为自主驱动驱动驱动器在广泛的任务中训练驱动程序，以大量的现实世界和综合数据进行训练。该模型将视频，文本和其他动作一起处理，肯德尔说，这使Wayve的AI驱动程序在其驾驶行为上更具适应性和人性化。 

“对我来说，真正令人兴奋的是您看到的类似人类的驾驶行为，”肯德尔说。 “当然，没有手工编码的行为。我们不会告诉汽车如何表现。没有基础设施或高清地图，但是，紧急行为是数据驱动的，并且可以驾驶行为，以处理非常复杂和多样化的情况，包括在训练之前可能永远不会看到的场景。” 

wayve具有与自动卡车运输初创公司Waabi相似的理念，该创业公司也在追求端到端的学习系统。两家公司都强调了扩展数据驱动的AI模型，该模型可以概括在不同的驾驶环境中，并且两者都依靠生成的AI模拟器来测试和训练他们的技术。