李飞飞、Hinton来站台，又一自动驾驶新玩家亮相

Uber自动驾驶部门ATG和Aurora的合并刚刚落下帷幕，昨天，来自ATG的首席科学家Raquel Urtasun宣布建立一家名为Waabi的自动自动驾驶公司。

据悉，合并时Aurora与ATG 75%的员工签订了新的合同，但这其中并不包括Urtasun的团队。

Raquel Urtasun

所以，Urtasun选择创业看来是水到渠成。

目前Waabi已经有40名员工，在多伦多和加州两处设有办公地点。

公司名Waabi在北美印第安布瓦族语言中是「她有远见」的意思，而在日语中则表示「简单」的意思，一语双关。

Urtasun说， Waabi将通过「AI优先」的技术路径，加速自动驾驶商业化落地的进程，有趣的是，Waabi也首先聚焦在长途货运上面。

看来继图森未来在美IPO之后，越来越多的自动驾驶从业人员和投资如今更看好自动驾驶在物流业的应用。

至于Robotaxi，目前看离真正的商业化应用至少还得几年的时间。

「大多数自动驾驶公司采用的是传统的人工智能方法来实现自动驾驶，但是这显然限制了AI的潜力。」Raquel Urtasun说到其中的缘由。

由于开发者必须手动调整软件堆栈，这对于自动驾驶研发是一项复杂且非常耗时的工作。Urtasun说这正是自动驾驶技术如今走入瓶颈的主要原因之一。

如今的自动驾驶技术需要大量路测以及软件调整

这些论断从别人口中说出可能就是夸夸其谈，但是Raquel Urtasun提出来就值得认真对待了。

作为多伦多大学计算机科学学院的教授，Raquel Urtasun曾经是加拿大机器学习和计算机视觉研究学会主席，自2017年起担任Uber自动驾驶首席科学家。

她的实验室被选为NVIDIA NVAIl实验室，而她则是NVIDIA人工智能先驱奖、三项谷歌Faculty Research奖项以及一项亚马逊Faculty Research奖项获得者。

简而言之，在自动驾驶领域Raquel Urtasun是一位相当有影响力的人物。

自动驾驶技术长久以来一直依靠深度神经网络来对算法进行训练，人们对于其可靠性的争议在于机器学习来带的「黑盒」问题：人们无法知道AI在解决某个具体场景时的逻辑和方法是什么。

这意味着面对某个具体场景时，无法利用之前的先验经验，必须依赖大量的数据进行学习。这对于自动驾驶初创公司而言无疑增加了成本。

Urtasun说他们团队通过将深度网络与概率推理与一系列复杂优化计算，可以追溯AI系统的决策过程，这样一来就可以令整个AI可以与先验知识相结合，通过少量数据进行泛化和学习，从而大大降低AI的学习成本。

仅仅通过一套线上闭环模拟测试，就可以让Waabi的自动驾驶程序学会应付日常行驶的场景。

据说这项技术可以摆脱自动驾驶对于大规模路测的依赖，如果真的可行，那对于自动驾驶技术而言可谓一项里程碑式的突破。

目前Waabi仍然有几台测试车辆在进行实际道路测试，但是Urtasun则坚信他们的模拟技术可以替代实际路测。

所以有媒体猜测Waabi的商业模式并不是成立一支商业化的自动驾驶车队，而是通过核心技术来服务主机厂商，以及未来相关的自动驾驶运营公司。

这也是为什么Aurora成为Waabi投资方的原因之一。