Podcast Script (zh)
[0.120-53.597] speaker_0: 好的 欢迎回到 6 s0 9 的 面向自动驾驶汽车的深度学习 今天我们有 Oliver Cameron，他是 Voyage 的联合创始人兼首席执行官，之前 他曾是 Udacity 的负责人 自动驾驶汽车项目，该项目使想法 自动驾驶汽车研究和 开发对全世界 都变得触手可及。他对这个话题充满热情，并且 一种真诚开放的性格，使他成为 我总体上最喜欢的人之一，也是 在这个领域工作的人中我最喜欢的之一 。我认为成千上万的人 都同意这一点。所以请给 Oliver 热烈的欢迎。非常感谢 Lex 和 感谢大家今天邀请我来这里 非常兴奋能谈论 Voyage 的一切 但实际上，我 今天想分享的内容就像 标题所说的：如何启动一家自动驾驶 汽车创业公司很少见，你基本上能了解到
[53.677-105.166] speaker_0: 一家创业公司是如何形成的内部消息 你基本上听到的都是那些公关稿和 那种非常甜蜜的新闻稿 我想分享一些至少Voyage是如何诞生的 内部情况 这有点非传统 相比于一般的自动驾驶 汽车创业公司，他们总是告诉你 创业公司通往目标的道路 是曲折的，oz也是 一种疯狂的曲折，我们会 讨论所有这些事情。我们来谈谈 我的背景，也有一点 非传统。我不太擅长 在课堂上学习。对我来说，我发现 通过实践和构建来学习一直 是效果最好的方法 所以回到我青少年时期 软件刚刚 总的来说，我的热情在于这个想法，即 你可以从完全 一无所有中创造出东西，然后突然间 数百万人，而在Facebook的情况下是数十亿人
[105.246-155.492] speaker_0: 可以使用那个东西，并且 在建造了很多疯狂的东西之后， 也许在高中不太受欢迎， 因为那就是我所做的一切。我 创办了一家公司（我不会用所有细节烦你） 但我学到了很多。 在那段经历中，我加入了 经历了Y Combinator，我相信 就始于剑桥，她非常酷， 然后这个非常关键的 时刻发生在我身上。我听说了一个 在线课程，它引发了一场 很大的丑闻和很多 争议。它来自一个人， 名叫塞巴斯蒂安·特龙。他拿了这门 Stamper课程（他教的人工智能课程） 智能，然后就说不管了 我们打算把整个东西放到网上 当时，那是大约2011年 这是一件非常有争议的事情 如今，麻省理工学院和许多其他机构都在这样做 但当时却有极大的 争议围绕做
[155.572-210.732] speaker_0: 这样的事情，但这种学习 形式真的吸引了我，能够 坐在我的笔记本电脑前 按照自己的节奏学习，构建、构建、构建 这真的引起了我的共鸣 我在2013年修了这门课 机器人学的人工智能 这又是一个关键时刻 我的脑子炸开了，所有的热情 从软件领域转移到了 人工智能和机器人学 并且完全沉迷于这种形式 如今被称为大规模开放在线课程（MOOCs） 开放在线课程，我非常喜欢它们 所以我决定，嘿，我想去做这件事 并帮助其他人学习这些东西，所以嘿 让我们加入Udacity，并且构建更多的 像这样的课程，所以我做了四年 年，让我们的机器学习、机器人技术 以及最终的自动驾驶汽车 课程，这非常有趣，我 得以直接从两位伟大的 公司建设者那里学习，就像真正伟大的
[210.812-277.234] speaker_0: 公司建设者，一位是Vishal Mackey Jonny，他是非凡的运营者 Udacity懂得如何建立一家 公司，如何建立文化，如何 激励，以及如何做所有这些 那些我们不常谈论的事情 还有Sebastian Thrun，他当然 创立了谷歌自动驾驶汽车 项目，那是在早期，而现在 我相信他正在建造飞行汽车 总的来说，我从中学到了很多 他那里，但就是这种你实际上 掌控自己命运的理念，你可以构建 任何东西，只要你全身心 投入 ——这总是非常鼓舞人心 今天，当然，我在Voyage驾驶汽车 ，我们将进一步讨论 是什么让我们比其他 自动驾驶汽车公司更特别，你可能 在本课程及其他地方听说过，让我们 谈谈Udacity。如果你听说过Udacity，请举手 ，我非常好奇 看吧，这就是大多数人的情况 Udacity，如我所说，是由 Sebastian Thrun创立的。他开设了这门课程
[277.314-332.077] speaker_0: 在线课程，然后一切都爆炸式发展，他 围绕它建立了一家公司。你可能会问 这些真正关注的是增加 世界GDP，这种认为人才是 在所有现在不是的地方，只是 局限于最好的学校在 世界中，因为这种扩散 的内容，有才华的学生 遍布世界各地，他们所需要的只是 能够构建的内容 疯狂酷炫的改变世界的事情，并且 我所看到的是，我今天的工作是走出去 进入世界，找到这些 才华横溢的人，然后 让他们致力于最困难的问题 存在，而Udacity对我来说感觉像是 做这件事的完美地方，作为一种 预演，大约三年 进入Udacity后，我们真正关注 就像我说的，机器学习和 机器人技术，但我们真的想把它提升 到下一步，我们提出了 这种内部概念，我们
[332.157-361.262] speaker_0: 称为仅限Udacity，如果我们教 其他地方所没有的东西 教导如果全世界的人 都能来从那些看似 小众但恰逢其时的话题中学习 因为那个行业即将爆发 我们做的第一个这样的课程 后来还做了飞行汽车等 更深入的课程 关于人工智能 与自动驾驶汽车 这是一个简短的 介绍视频 当然这是塞巴斯蒂安的机器人传奇 看看这个地方
[361.342-398.443] speaker_0: 如果你能建造同样的公寓 总是能节省 想象一下，不用拥有汽车 而是有一个默认的库存公寓 霍金斯链接非常出色且环保 萨马拉，有多少人不在乎工作 消失的有一个巨大的市场 为了生存而管理天才 很多很多公司，你可能 意想不到它们已经进入了那个 感觉到一种恶意——我向所有人挑战 我们经过了拉尔吉吗 位于南非中部的一所大学 这样世界上的每个人都能成为 自学成才的工程师，为什么我们 想这样做？我们的目标是 加速部署 自动驾驶汽车，就像塞巴斯蒂安在 那个视频里说的，有很多原因 为什么自动驾驶汽车具有变革性
[398.523-455.169] speaker_0: 当时大约在2016年， 感觉自动驾驶汽车只是 花的时间有点太长了。我们回溯 到那个特定的时间点，谷歌 实际上是唯一的主要努力 正在进行的，而我们相信的是它 需要更快发生，而其中一个 它没有快速发生的原因 足够是因为没有足够的 该领域的人才，因此我们决定 像我说的一样，做一些 非常特别的事情，想要将 世界级的课程与一个实际的 自动驾驶汽车（我们稍后会讨论 更多内容）以及我们所谓的开源 挑战，所有这些都将 结合在一起，构建这个非常 特殊的课程。那么让我们从 课程开始。我们的信念之一是 与行业合作是 正确的方向，这是因为感觉 而且我相信，关于 如何制造自动驾驶汽车的知识并 不一定局限于学术界 而是存在于行业中，因此我们不得不
[455.249-512.429] speaker_0: 直接进入行业，与 工程师们已经，你知道， 用这些挑战自己 问题并让他们上镜，有 他们教授他们所知的概念 并且日复一日地构建 并将这些移植到 世界各地数以千计的矿场，所以 这些只是其中一些合作伙伴 还有很多很多，但我们有一个 真正的重点是找到这些工程师 无论他们在哪里，并让那些 人员上镜，我们还建立了一个 非常有才华的团队，这只是 课程团队的一小部分，但 当然塞巴斯蒂安·特伦是重要的 这一课程的一部分，当我告诉 大家我得到了工作的机会 与他合作，具体是自动驾驶 汽车，他把它比作从迈克尔·乔丹那里 学习篮球课，我 觉得挺有趣的 而且他们可能也一样 有趣，但有些真正伟大的 致力于这个课程的人们，并且 至今仍在这样做，他们值得 坦率地说，所有的功劳。这是一张快速 第一次讲座录音的照片，与
[512.509-554.396] speaker_0: 最终 voyage 联合创始人 Eric 和 Mac 左边的 Eric，他讨厌这张 照片，原因如下：你看，他 仍然没有达到最高身高，但我们不得不 他桌上有那个盒子，我们 制定了整整12个月的课程，以 让一名中级软件工程师 可能来自消费软件或仅仅是 软件世界的其他领域 并将他们带入自动驾驶汽车领域。我们 希望涵盖感知、预测、 规划、定位、控制，甚至只是 整个行业的广度，以及 我们想这样做的原因是 我们看到了最适合Udacity学生的方式 不一定是某一领域的专家 比如，你可能只专注于 感知领域，尽管也有很多人这样做 但 Udacity学生的技能 往往更适合成为
[554.476-562.243] speaker_0: 一个通才，能够贡献 整个技术栈，所以我们试图给 这些人广泛的知识 我们构建的课程，包含一些
[562.323-618.644] speaker_0: 你也欢迎项目来检测 就像真正的经济学家所做的 在第二学期，你将学习 传感器融合、定位和控制 这是机器人技术的基础，每个 自动驾驶汽车工程师都需要知道 为了实际移动车辆到 如果你构建的定位模块 一个被绑架的车辆项目，需要 一辆丢失的车辆，该车辆计算出 它在世界上的位置，借助 在一分钟内的传感器读数 这正是真正的自动驾驶 汽车每次启动时必须做的事情 以便确定它们所在的位置，在 世界上的位置，在控制模块中你将构建 一个模型预测控制器，这是一种 非常先进的控制器类型 实际上组合了无信用卡 在世界中移动并使用 方向盘、油门和刹车来 跟随一组航点或 轨迹从某个点 X 到达 在第三部分中，你将学习关于路径
[618.724-671.225] speaker_0: 和选修月份，你将学习 关于系统集成、路径融合 实际上是自动驾驶的大脑 它是如何完美的，这里是那种 将某物从一点移动到另一点，以及 障碍，亲密关系，我将给你一个 预览，它是如何工作的，这是 以前从未有人见过的东西 所以准备好，专利涉及三个步骤 预测，即弄清楚 其他车辆将要做什么 在我们周围，这种情况会持续一段时间 所以它会假定这个影响 课程的影响比我们 当初提出时想象的要大 作为一个小组，向塞巴斯蒂安提出这个想法 在Udacity，有很多 怀疑这样的事 是否会成功，而 你知道，之所以有这种 怀疑，是因为Udacity用来 判断创建某种内容的影响的 一种公式是数量
[671.305-731.086] speaker_0: 某种类型的内容是数字 如果有你存在，开放职位中就有你的一份 比如在网页开发中 移动开发中，那些好东西早就说过了 有数百万个职位空缺，所以 感觉像是有一个巨大的 机会去影响这个领域，但如果 你在2016年搜索，比如说， 自动驾驶汽车工程师或者 存在于其中的不同学科， 那基本上就只有谷歌，所以 看到我们对推出这门课程的反应如此即时 是很有趣的。如今， 超过14,000名来自世界各地的成功学生 正如你所见， 最令人激动的是看到 学生们利用这门课程做了什么。所以 举个例子，我最近了解到 我们这里有一批学生 正在建造一辆自动驾驶卡车 正在建造一辆自动驾驶卡车 在印度停下脚步的另一批学生 在韩国正在构建感知 引擎用于自动驾驶汽车的 一大群人正在构建真正的 令人惊叹的事物，而且他们不仅 在Cruise、Zukes、Waymo、Agro等公司找到了工作
[731.166-791.121] speaker_0: 所有大公司，并积极影响 如今这些公司，现在为了乐趣 事情，所以我们也决定制作一个 格外特别的课程，我们决定 通过构建一个实际的 自动驾驶汽车 每当我谈到这个 在Udacity内部，人们问我为什么 为什么我们需要这样做？难道 课程还不够吗？为什么要 你知道，费这么大劲去构建一个 真正的自动驾驶汽车？自私地说 部分原因只是个人想要 你知道，构建一辆自动驾驶汽车，但 我所使用的推理是 有什么更好的方式能向这些 学生证明，将他们的信任寄托在我们身上 我们清楚自己在做什么，那就是 制造我们自己的自动驾驶汽车，同时 有什么更好的方式能与这些 学生在一个真正 初级的领域合作，那就是通过拥有这个 平台，让学生们能够实际 在汽车上运行代码，因此我们决定购买一辆 汽车，稍后我们会详细讨论这一点， 但我们为自己设定了里程碑
[791.201-859.288] speaker_0: 对于我们的自动驾驶汽车来说，就是要驾驶 从山景城到旧金山，32 英里的驾驶，零次 人为干预，这应该是可重复的， 但不会每次都是零次干预，否则我们就有了 真正的自动驾驶汽车，但在 短时间内，我们能取得多少进展 短时间内有多大进步 我们可以朝着这个陈述的目标前进吗 目标，如果你曾经在...请举手 埃尔卡米诺铁路在那个区域 好的，所以你祈祷理解它有很多 很多红绿灯，事实上在我们的 路线大约130个红绿灯，它 多车道，三车道，限速 大约40-45之类，所以它 你知道相当复杂，但它也 有一些限制因素，这就是 我们正在寻找的 - 所以我们专注我们的 技术努力，这是我们买的车 你可能非常熟悉，如果你 关注自动驾驶汽车，就会知道 全球的林肯MKZ，它们 无处不在，这是有原因的 就线控驾驶的特性而言 车辆以及其他东西，我们 配备了一大堆传感器，一些
[859.368-906.782] speaker_0: 摄像头，一些激光器等等 我们也尝试自己搭建支架 我们亲切地称它为 潜望镜，我不知道为什么它慢动作 动作，但这并不是我们的最终设计 所有这些零件都是从家得宝建造的 Trulia MVP，然后我们开始工作 目标是完成那个里程碑 在六个月内，所以我们当然必须 快速工作，组建了一个梦想团队 那些我曾与之在不同项目上工作过的人 在Udacity的项目，他们也想要 来涉足这个领域，那些曾工作过的人 在机器学习课程上 机器人课程等，所以这是第一次 我们最初的测试日之一，我们在 在海岸线露天剧场进行的 停车场，Jessie现在是一个非常受欢迎的 地方测试自动驾驶汽车在 湾区，因为谷歌过去常常在 过去我们看到了很多奇怪的东西
[906.862-944.045] speaker_0: 你在这里会看到我们看到了我认为是摩托车帮派 我们取得了进展，不断迭代 不断构建，它开始成型 事实上，一些我们原本认为 行不通的东西，竟然开始 奏效，这是在埃尔卡米诺雷亚尔 我坐在后座，所以麦克 发现我们本不应该 在那个红绿灯处停下，但我们停了 后来我们解开了谜团，让我们看 下一个视频，当然我们通过走这条路线学到了很多 司机的不同行为，我们担心的一个问题是 车辆突然切入我们前方，当我们说 切入时，指的是车辆
[944.125-952.974] speaker_0: 从我们前面开出来，即使只有 几百英尺远，你在这里会看到 我们开得有点慢，25 甚至从我们前面驶出一点点 前方一百英尺处，你会看到这里。
[953.054-955.759] speaker_0: 我们开得有点慢，25。
[955.839-970.632] speaker_0: 说那没问题，很快它 变得很无聊，车子表现很好 自动驾驶，我们构建了一些很酷的 算法来变道，当 必要的时候，类似于你在特斯拉上看到的 如今的自动驾驶系统
[970.712-1013.737] speaker_0: 我们与一些学生合作开发了一个 交通信号灯分类器，它被 集成到Ross中，是的 相当无聊的东西，所以你可以看出Eric 很惊讶它竟然没问题，而且 我们还热衷于制作 录制主题视频，就像你看到的 也许来自埃隆·马斯克和特斯拉团队 涂成黑色，我们有自己的 版本，最终我们变得 相当自信，但我们总是，你知道， 想要测试大部分时间只是为了 从一切中获得最多的学习 这个视频是在凌晨2:30开车时制作的 从山景城到旧金山全程 32英里的费用作为伴奏
[1013.817-1025.069] speaker_0: 也许想把它拖下来这样更容易 因为这会儿车流较少 有点作弊，不算作 里程碑，只是为了明确，你会 看到我们最终达到了32英里 而司机座位上的大人物非常 对此感到兴奋
[1025.149-1067.326] speaker_0: 他们达到了，但当然那 不算数，因为是在半夜 而且那不会是一条 很有用的路线，但它是一个了不起的 成就，甚至只是达到32 英里没有脱离，当这个 红绿灯、变道等等 好东西，但四个月后，这是 在白天 这开始我相信是在六点，抱歉7点 上午，我们做到了，那个小团队 曾聚集在一起并建造一些东西 很酷，他们可以再次处理 多车道道路，不同的限速 交通灯物体等等好东西 东西，而真正带来 让我明白这一点的是 行业现在已经准备好了，对吧 这感觉就像我以前在 软件领域，有人在卧室里 可以去做一些东西并推出它 你知道几乎感觉一夜之间就可以 现在不完全相同，但接近于
[1067.406-1112.637] speaker_0: 同样的事情发生在自动驾驶汽车上，但 好吧，我们将进一步讨论这导致了什么 稍后，让我们谈谈开放 源代码挑战，我们也得到了同样的 问题：为什么要这样做？我很清楚 对我来说，像自动驾驶 汽车这样具有形成性的事物，我们 必须与学生合作，以 找出最好的东西，因为你 知道即使是Udacity的人 也不一定是这些主题的世界级 专家，他们想利用 这个来自世界各地的集体智慧 来教授最好的东西。所以 仅仅在一年时间内，这些 就是我们推出的所有不同挑战， 有奖品、排行榜 和所有这类有趣的东西。 我今天最关注的是 使用深度学习预测 转向角度。挑战很明确： 给定单个摄像头
[1112.717-1168.063] speaker_0: 画面，你必须预测 车辆合适的转向角度。 如果有人读过2016年的视频和 论文，这当时可是 热门话题 感觉就像是那些领域之一 只是渴望更多的探索 再次让我们利用所有这些学生 来自世界各地来完成它，我们 确实有来自世界各地的学生 世界上一百多个团队 人们自发组织成这些小组 去构建这个，并在整个 大约四个月的时间里，我们收到了 大量提交的方案，都采用了 截然不同的方法来解决 问题。我们发布了两组 验证集等好东西。这里 你将看到获胜模型，而我 后来发现这个模型的作者 后来实际上领导了 Yandex的自动驾驶汽车团队。如果你 一直在关注CSS，他们正在做一些 非常酷的事情，现在自动驾驶汽车
[1168.143-1200.206] speaker_0: 但你将看到这是在一条路线上 从湾区到半月湾的 非常蜿蜒的道路，你会看到这个 预测与实际情况非常接近 这很好，如果你阅读他的 对他解决方案的描述，这是一个 很酷的解决方案，我认为 最令人兴奋的事情就是 针对这个问题的不同方法数量 问题都产生了一些一些 很棒的东西，再次以真正的旅行 风格，我们录制了一个视频，展示这个 模型在我们的车上表现如何
[1200.286-1250.001] speaker_0: 它并不完美，任何第一个模型都是如此，而且 只是摄像头的一般方法 只有你知道驾驶有其 缺点，主要的一个是 我们知道在尝试了所有这些之后意识到 就是当然一辆车当 由这样的输入控制时表现 在车上与在 你知道在你的桌子上，在一个你知道的 通过预录摄像头的模拟器 帧，因此需要调整它们 可能需要进行的修正 是学生在之后添加的内容，这相当酷 因此在构建所有这些内容之后 构建课程，构建自动驾驶汽车 发起这些挑战，感觉是时候 尝试新事物了 与所有学生合作真是太棒了 感觉我不得不去构建一些东西 于是召集了同一个构建这个课程的团队 我们说我们要去造一辆自动驾驶汽车 这是我在Khosla Ventures推介时的内容 你可以看到推介材料
[1250.081-1310.596] speaker_0: Voyage是一种新型的出租车服务 我们的推介随着时间的推移有所改变 但那仍然相当准确 bit voyage 是一种新型出租车服务 我们的推销已经有所改变，通过 时间，但这仍然相当准确。 我们开始了现在所谓的航行 而我们的目标真的是我们想要 再次建造一辆自动驾驶汽车，但我们 想要以不同的方式来做，我们没有 想遵循相同的模式，我们 感觉我们从其他一些人那里看到的 领域内的人，原因是 那些人确实有优势 当你想到这一点时，关于 谷歌的项目，我是它的忠实粉丝 他们有庞大的工程 人才管道，想要去建造 一辆自动驾驶汽车，如今的Waymo，但是 他们还有数十亿美元的现金余额 难以匹配的数十亿美元 他们还有品牌 认可，可以与谷歌合作 谷歌以及所有那些好东西，所以我们 就知道我们必须考虑这个问题 以完全不同的方式，以及什么 激励我的是，今天当我们所有人
[1310.676-1365.305] speaker_0: 知道我们有一个极其破碎的 交通系统。你走到外面 走上今天的道路，我不知道 关于你们，但我不觉得 特别安全当我跳进我的 车里。我们都知道统计数据，超过1 百万人已经 在今天的道路上死于交通事故 不包括那些脖子受伤的人 或者骨折之类的可怕事情 这些也非常低效 我们再次都观察到这一点，当我们 度过一天时，仅仅是车道的数量 如今道路上存在的车道数量，以应对 高峰交通。车辆的数量 这些车有足够容纳八个人的空间 通常只有一个人在前排 座位上。我最近读到一项统计，只有7% 的平均车辆能源消耗是 朝着移动那些在车内的东西 实际上在车内 其余的都是浪费，所以一个极其 低效的系统，而且也很昂贵 你知道我们看到很多旧车的原因
[1365.385-1420.940] speaker_0: 今天在路上行驶的旧车是因为那是 至少在今天是最优且 对许多人来说最实惠的出行方式 出行，而且难以获得，你会看到 为什么这对我们尤其重要，我们的 目标是引入一种新的方式来 探索我们的社区，这是一个视频 关于我们的其中一辆车在一个特别 酷的地方，我们稍后会详细讨论 这有点像是我们的使命，以及为什么 现在为什么有可能建造一个 自动驾驶汽车？现在有许多因素 我们在那期间学到的，你会问 经验，但也有一些新的，它 从我们所看到的一切感觉，那 传感器现在处于这个位置，这 这些传感器现在能够测量水平 对于自动驾驶汽车，分辨率、 范围、可靠性所有这些 那些对于精灵或子级所必需的 加速汽车如今已准备好，这并不 以前是这样，如果你倒带 到2007年，看看那些
[1421.020-1482.531] speaker_0: 参与DARPA 挑战赛的汽车，你会看到很多单 通道激光器，你会看到 有效的铁器时代TL64的遗物，那个 如今被称为旋转桶的，以及 没有人会声称那些传感器 已经足够，但今天你已经有了 各种传感器 可以带你走向那个方向 计算能力就在那里，当我们你知道想到 关于最近GPU等的兴起 以及诸如此类，最终你知道能够 在汽车后部拥有足够的性能，且受限于功率条件 它就在那里，天赋异禀 你知道，这不仅仅是谷歌 如今，来自世界各地的众多杰出人才都在 开发这项技术，因此你能够 招募这些人，让他们致力于 解决那些问题，许多情况下 他们之前已经解决了这些问题。我之所以把 计算机视觉标为黄色，并不是 要贬低它，而是因为它在 完全无人驾驶的自动驾驶汽车上 还不够成熟。如果你回顾 三四五年前，这本来是红色， 但如今，随着整个社区
[1482.611-1536.677] speaker_0: 和计算机视觉领域的各种发展， 它正稳步走向绿色状态。所以 很快它就会变成绿色了。 这是计算机视觉之类的。 稳步达到绿色状态，所以 很快就会有绿色和的 那么，这门课程会让你拥有完美的 驾驶水平的公式，我们追求 的是共享出行。我们相信 人们出行最佳的方式 是能够召唤一辆车，但 如今不够理想的是 你需要一个人来驾驶 无论何时你想出行， 这阻碍了成本降低， 也带来了安全隐患， 以及质量问题。我们认为解决这个问题 将意味着这些下一代 出行方式将会成为 现实。但我们也看到，如果 比如说我们从未将司机 从车辆中移除，叫车网络 始终由人类司机驾驶，那么 你能驾驶的里程数
[1536.757-1598.723] speaker_0: 本质上是有限的，这意味着它 永远无法取代私家车 拥有权永远无法解决那个致命问题 我谈到的那些数字，所有这些 我们必须解决的事情，所以我们认为 通过拥有一辆自动驾驶汽车，这些 下一代交通网络 将会实现。一个领先的风险投资家是 叫维诺德·科斯拉的人，他是 科斯拉风投的创始人，一个很棒的人 做了一些真正改变世界的事情。他 有这么一句话，我非常喜欢： 你的市场进入策略通常 不同于你的市场颠覆策略。 从你发现市场空白的地方开始， 然后一路推进。这 更好地传达了我之前提到的 最初的观点，那就是我们 应该打造一辆自动驾驶汽车，但要以 不同的方式去做，因为如果我们 不这样做，我们就会陷入 和其他许多人同样的陷阱 在途中已经死亡 我们必须找到做事的方法 我们拥有且我们本身的不同之处 非常非常擅长，并且对我们来说那
[1598.803-1650.733] speaker_0: 是退休社区，请举手如果你 你曾经参观过退休 社区并且看到少得多，你看 惊喜，Lex，你必须让你自己出去 去一个，但这些只是令人惊叹的地方 以及我们选择退休的原因 社区首先部署我们的 自动驾驶技术，并且是为了这些 四个原因：它们较慢，速度 限制在这些社区往往更 远远慢于你在公共道路上看到的 更加平静的道路，当你访问这些 地点，我把它比作听一个 播客以0.75倍速，非常受限 非常慢，偶尔有点无聊 到时间，但你也得到了这些HUD 我们常听到的交通出行挑战 来自这些居民，他们总是提到 交通是个痛点，而且 他们的唯一选择是私人 车辆。这些人知道很多时候 他们不应该开车，但 因为没有替代方案，
[1650.813-1700.862] speaker_0: 他们仍然开车。我们常听到有人 推迟急需的手术，如髋关节 置换等，因为 在城里没有朋友能 帮忙接送。我们常听到视力衰退的 人们说，他们看不到 如何能四处走动并保持 他们一直享有的生活 质量。人们长时间紧握 方向盘。所有这些 挑战让我们觉得，自动驾驶汽车 的最佳首选应用场景就是 这里。 开始并有一条清晰的通往客户的路径我们 看到你在今天的道路上知道 共享出行，你知道，Public Citizen 口号是一场特别残酷的战斗一场 在成本方面的逐底竞争如果 我们拥有每一个退休社区在 这个国家意味着交通 那里的网络本身就会 是一个非常非常有价值 业务。我最喜欢的乘客之一 是在Ahed她最近来拜访 并做了一个简短的演讲关于为什么
[1700.942-1706.572] speaker_0: 自动驾驶汽车对她很重要在她的
[1706.652-1757.607] speaker_0: 让我们谈谈我们的第一个社区 这是The Villages每当我展示 这张幻灯片人们都惊讶于 像这样的社区中的居民数量 这个超过125,000并且还在增长超过750 英里的道路以及我们在这个位置上拥有的 位置是一个独家许可证到 运营自动驾驶车辆服务 这是我们的另一个信念， 即通过与社区深度合作， 这意味着我们能够 提供更好的服务，并且 我们能够发展更可靠的 业务。你不会看到，你知道， 来自其他所有 自动驾驶汽车公司的进入和竞争 在我们的社区。我们实际上所做的， 作为该独家许可的交换， 是授予这些社区股权，因为 如果我们赢了，实际上很可能 正是因为这些社区， 以及可寻址市场。 这些地区的交通 非常庞大。这些居民往往是 很多老年人相当富裕，
[1757.687-1816.400] speaker_0: 这意味着他们有一些 可自由支配的收入，当涉及到 能够支付拼车服务费用 以及其他类似的事情，所以我们发现 那个食谱绝对完美 在这里，我们正在推出并已经 推出了面向这些居民的客运服务 这些居民，我得到了极好的 反馈，了解了很多关于为老年人提供 拼车服务的需求 仅是一些快速统计数据，这是 来自我的X系列筹款活动，2019年12月 关于老年人市场的规模 再次强调，这是我们首先关注的地方，但 你可以感受到这个 交通市场如今的规模有多大 现有400万到700万老年人，这个数字 到2060年将增长到超过1亿 美国人中的老年人，仅老年人 的可寻址市场就 非常大，超过2500个社区 所有这些好处，这就是我们 看到世界的潜力景象
[1816.480-1871.547] speaker_0: 你们算是有了很多大公司 专注于左下那个象限 他们专注于大城市，这 这很合理，因为这是在利用 他们独特的优势，这是在利用 他们部署成千上万的能力 汽车，数万辆汽车，这发挥了 他们至少拥有的优势 一些耐心或者拥有更多的能力 延长的时间线，当涉及到 构建这项技术，但首先 像我们这样你知道为之奋斗 生存每一天，这意味着 我们必须以不同方式做事，所以我们 专注于右上那个象限那里 我们称之为的是 自给自足的社区这些地方 是最简单较慢，但它们也有 这种能力让我们拥有那个 我所談論的排他性以及 當然還有其他一些我們 無論是老年人市場還是 甚至可能是小市民之類的 那麼讓我們談談自動駕駛 技術，所以再次強調為什麼
[1871.627-1941.857] speaker_0: 我們在退休社區部署 較慢的速度，更簡單的道路，有 中央權威，這些地方往往是 由私營公司運營，這使得 形成相當獨特的關係，以一種 非常積極的方式，意味著我們可以部署 更快，這意味著我們有潛力 在這些地區產生更大影響，我也 事實證明，退休社區 往往位於這種理想天氣的地方 對於自動駕駛汽車，想想 亞利桑那州、佛羅里達州等，我們有一個 世界級團隊正在打造這趟航行 來自所有主要的項目 而这让我们的生活无限地 更容易。另一件让我们的 生活更轻松的事情是传感器配置 我们汽车的传感器配置。我们有意做出这个 决定，即我们不打算专注于 优化成本，而是 优化性能。我们希望 比大多数人更早实现真正的自动驾驶。而 再次让你 生活更轻松的最简单方法是优化
[1941.937-2022.528] speaker_0: 高分辨率传感器。在 车顶，我们有VLS 128 这是一款128通道的激光雷达， 能够在300 米的范围内360度视场。许多其他 不同的激光雷达安装在车辆上，以 覆盖特定的盲区。所有 加起来，我们 每秒产生1260万个点， 看起来非常惊人。 高分辨率，你会在底部看到我们的车，那就是我们看到的原始点云输出。 当我们向第四级迈进时，对我们来说这意味着，如果你正在构建一个演示级的自动驾驶汽车，就像我们在Udacity项目中所做的那样。 你可能只关注前四项，即感知、预测、规划和控制，结果你会发现，只需专注于这些方面，就能很快构建出令人印象深刻的演示。 但当然，一旦遇到边缘情况（这种情况时常发生），这些就会崩溃。 因此，我们在所有项目上投入了大量时间，因为我们的目标不是构建演示，而是真正的无人驾驶车辆。 我们还强调合作伙伴关系，因为…… 就像我们在Udacity项目你 可以只关注前四项。 最上面那一行，你可以专注于感知。 预测、规划与控制及其 原来你可以建造一个非常 只需很快地做出令人印象深刻的演示 专注于那些事情，但当然 那些东西一碰到边缘就会散架。
[2022.608-2072.068] speaker_0: 引入了所有发生的案例。 时间，所以我们花了很多时间在…… 这里所有的物品，因为再次我们的 目标是构建一个不是演示而是真正 无人驾驶车辆我们还有一个 强调合作伙伴关系，因为什么 我们在自动驾驶中注意到 生态系统中不仅有更多 自动驾驶汽车公司正在构建 完整的堆栈，现在有人进入 从仿真到地图再到中间件 从运营到路线再到感知 当然还有很多，所以我们使 我们的生活更加轻松，通过与这样的公司合作 这样我们就可以 不必组建仿真团队 或者我们不必组建 运营团队来绘制世界地图，我们 只需与这些非常酷的 公司合作。让我们讨论一个未解决的 问题，它让我着迷，它与 感知有关，你可能不会 能够从这个图片中注意到这个未解决的问题
[2072.148-2126.173] speaker_0: 但也许如果我 添加一些注释，你可能会看到树叶、树木、灌木丛，不管你怎么称呼 树、灌木，随便你怎么称呼 它们你可能已经看到过一些引述在 媒体关于一些流行的自动驾驶程序 在与这样的这样的植被作斗争时 例如巡航车有时会减速 或停车如果它们看到路边有灌木丛 或车道分隔杆，那个 信息错误的方式这个 一个Boobers的自动驾驶汽车软件 经常被阴影欺骗 树脑 它有时会误认为是 真实物体内部人士说那是 Business Insider甚至Voyage那里有 只有一个困难的东西在路上 罪魁祸首是一个两英尺高的灌木丛 从街道中央分隔带伸入车道 Voyage认为可能的 威胁Voyage mate remit 我们做了但 我们不认为那是可扩展的并且
[2126.253-2171.739] speaker_0: 也许是的 我不知道 但我们在 2018年初决定解决这个问题 问题，所以当然所有这一切都存在于 感知领域的世界里 对我特别着迷，我们 分享这些幻灯片，但这些只是 一些论文和研究，它们 我们看到正在进行，旨在解决 这类问题。原因之一是 你看到的那些程序，包括 我们的程序对……特别敏感 树叶，因为从感知的 角度来看，最著名的 检测物体的方法是利用 地图。如果你有这个地图，并且你 有效地简化到一定程度 ，但减去不在 地图中的物体，然后以此作为 你了解周围和内部的 动态物体，那么当然你会 最终得到你所说的不错的 汽车和行人的表示 等等，但如果你知道植被
[2171.819-2225.040] speaker_0: 生长，树木确实生长，那么那就会 会从地图上延伸出去 意味着那棵特定的灌木是 现在成为你路径上的一个物体，这些 这里的网络，所有这些神经 网络不使用相同的技术 它们不使用地图作为先验 相反，它们做的是，当然了 对这个世界的3D扫描，然后采取 完全学习的途径来解决这个问题 你会有成千上万的 几十万个汽车的标签 人类等等，然后这些网络 将能够挑出这些，我们 对Pixel特别感兴趣，它 来自一些伟大的研究人员 Wilbur ATG的VoxelNet来自苹果SPG 我听到我们的工程师经常谈论 最近关于《速度与激情》的讨论 将感知、预测与跟踪 融合到一个单一网络中 这非常酷，此外还有 点状粒子标记，我认为这来自 最近的新团队，我想
[2225.120-2280.004] speaker_0: 凯尔很快就要发言了吧？所以总体上 我们看到大量工作 致力于解决这些问题 另一个这类网络解决的问题 我也觉得特别有趣的是 如果你使用传统的聚类算法 你可能会看到如果两个人 站得很近 传统算法会将其聚为 一个对象，当你试图 摆脱这些边缘情况 并构建真正的自动驾驶汽车时 这根本行不通 那行不通。 对，因为行人是最重要的 你可能检测到的最重要的事物 而将两个物体检测为一个物体 是行不通的，当然 它之所以会这样，是因为它是一个愚蠢的 算法，没有经过任何 信息的训练，但这些网络再次 非常擅长理解 人类的特征和视角，即使 在人群中也是如此 这有助于你的整个系统 下游任务，因为如果你对 你周围和附近的物体有准确的 感知信息，你的预测就会好得多 你的跟踪也会好得多，最终
[2280.084-2331.378] speaker_0: 你如何在世界中导航会 安全得多。我也特别 对强化学习着迷 我知道亚历克西斯也是，如果你 读过我们最近的研究 模仿学习，我认为这很 特别酷。另一家公司我们 紧密关注，因为他们做 了不起的事情，就是Wave试图打造一个 完全自动驾驶的汽车 由强化学习驱动 我认为关于脱离、奖励 以及诸如此类的工具，以达成 更好的性能，也包括错误 学习行为规划最终 融合交通规则与更多 学习行为。生态系统，我认为 正是这个领域如今蓬勃发展 看到多少人正投身于 不仅整个技术栈，而且 构建工具和构建其他真正 技术栈的重要部分 传感器的成熟，不仅更高 分辨率的激光雷达，还有像3D 雷达，我们经常收到来自
[2331.458-2383.681] speaker_0: 来自这些公司，很明显 可以看出交易量有所上升，来自 来自所有这些这些伟大的 伟大的努力，学到的教训，现在 我已经建造Voyage两年了 在那之前四年，你 问我个人学到了什么 学到的东西本质上不是技术性的 很多事情，所以这些可能看起来 像陈词滥调，但我向你保证它们会 来自那些真正 非常痛苦的时刻，不要 被吓倒，所以我觉得你 知道在自动驾驶汽车中经常发生 是因为它开始于这个非常 学术意义上，你知道斯坦福 卡内基梅隆等等，它 感觉要进入这个行业，你 也必须经历同样的道路 你必须获得某个领域的博士学位，并且 并且真的走那条属于你的道路 知道那是常走的路，但我认为你 知道行业只能走到这一步，我 认为我们真的需要让
[2383.761-2437.472] speaker_0: 来自各种不同背景的人们，所有 不同行业的人来贡献力量 到这个领域，因为如果我们不那样做 就没有无人驾驶，它不可能实现 在那个孤立的泡沫里，它需要被 扩展出去，所以不要被 那些事情，了解你的局限性 这或许更像是一种首席执行官 给自己的教训，但我认为当 你在建立一家公司时，从你 知道从一个人或五个人到如今 有四十四个人，你无法做到 所有事情，而且真的很重要的是你 在你周围建立一个能够 做你过去做的事情，但做得十倍 更好 我祈祷没有花足够的时间建设 那个团队直到我们有了一些 当谈到这一点时，挑战我们的方式 我认为要积极主动而不是被动反应 这真的很关键再次当你 建立公司并尝试预测 接下来会发生什么，因为如果你 被动，你经常，你知道，两步 落后于其他人正在做的事情
[2437.552-2494.770] speaker_0: 我喜欢那种方式，我认为很多人 再次也许逗留太久不受欢迎 公司的某些领域，当他们 应该说好吧，我有专家 现在我可以退到一边，让那些 人做他们最擅长的事情，说到这里 其中，雇用最好的人真的很容易 当所有这些压力都在你身上时，当你 建立公司时，某种程度上牺牲 当涉及到你的文化时，当 涉及到高 找到合适的人真的至关重要 不仅仅是各自领域最优秀的 更要最适合你的公司 永远保持好奇心 我认为 这始终是我们在航海过程中 所坚信的一点 那就是 知识不应被孤立 只存在于一个人身上 而应该在整个公司传播 因为尽管这可能让人觉得 过度分享或过度沟通 但对于那些背景独特的人来说 这些知识可能意味着 他们能用它做出非常酷的事情 他们可能建造出 彻底改变我们公司的东西
[2494.850-2540.397] speaker_0: 差不多就是这样 可以直接进入提问环节 非常精彩 请给予热烈的掌声 你是如何识别退休社区 作为优先目标市场的 是的 对我们来说，养老社区就是 实际上有个很长的故事 关于我会把声音调低一点，所以 当我们创办Voyage时 塞巴斯蒂安·特龙在 帮助我们创办这家公司时非常有帮助 当然，作为有点天真的 公司创始人，我们想，好吧 我们就拿这个El Camino的东西 到处都用它，它看起来 像El Camino，然后就一遍又一遍地 那样做，但他告诫我们不要那样做 而且非常明智，因为同样，你 与其他自动驾驶汽车公司相比 并没有什么特别之处 而在2009年，他确实 向谷歌领导层等建议， 拉里·佩奇，养老社区 对于自动驾驶汽车来说
[2540.477-2592.944] speaker_0: 可能是谷歌最好的发展方向 关于部署他们的自动驾驶汽车 但是，我能理解为什么我认为 谷歌的人，你知道，谷歌 对，我们不只是关于 退休社区是关于 世界就像达到5级或者一无所有，对吧，所以 他受到了一些阻力，但他做了一些 研究，在这个过程中遇到了一些人 所以当你知道我们刚开始时，他 说你必须看看这些 退休社区，所以我们去了 参观，最终我们到了那里，所以 我们想要达到那个点，而没有 塞巴斯蒂安推动后续行动 来自退休社区的探索 问题是，你是否曾经 考虑过其他附带问题 尤其是退休社区 必须上车，是的，以及如何 他们究竟会如何交互 有人想要打电话叫车 到他们所在的地方，然后他们 必须从A点移动到B点 那么你究竟是如何考虑所有
[2593.024-2638.884] speaker_0: 这些非常相关的问题，这是 不仅仅是车辆自己移动，是的 但这些都是附带的问题，如何 你计划如何解决这个问题，这是个好 问题。所以我们考虑这个问题的方式 是今天我们有意地 将其聚焦于市场的一个细分领域 即所谓的“活跃成年” 社区。这些人通常能够 你知道，进入自己的车或 进入出租车，打开车门，坐下 不需要任何，你知道， 这方面的帮助，但是 他们可能有视力问题，他们可能 有其他问题阻碍他们 驾驶，也许例如我们听到一个 很多人感到非常不自在 晚上开车时，他们觉得 白天开车很舒适 因为他们的视力支持这一点，但 到了晚上，他们就得 疯狂地赶回家，但还有 你提到的另一个市场 没错，就是那些只是 需要帮助才能到达 车的人。我们公司的一个信念是
[2638.964-2702.291] speaker_0: 正如我在幻灯片中提到的，老年市场 出乎意料地庞大 对我们来说，这意味着我们 认为我们可以主导这个市场，我们可以成为 那家公司，任何处于那种情况的老年居民 都会想，哦，我应该打电话给 Voyage，因为我要从 A点到B点，而不是 想着我应该叫Waymo或Cruise 或任何其他想要占领市场的公司 他们会考虑这个普通的大市场 关于航行以及他们会考虑的原因 考虑的是因为我们将提供 一个为他们设计的产品 那些为这些人量身定制的 使用场景，实际上你可能 知道如果他们要去长途旅行 比如说他们旅行50英里，其中 那次旅行的第一英里和最后一英里 那一段旅程可能涉及一个人 比如你知道，帮助他们上车 然后让那个人下车 去别的地方再次做同样的事 然后又可能涉及疯狂的机器人 帮助人们从车里出来，我们听说过 从丰田的人那里得知 他们正在制造这些背负式 机器人以及其他可能辅助 老年人从到达 等等，所以我认为这就是为什么
[2702.371-2778.794] speaker_0: 市场薯条特别令人兴奋 因为感觉你可以提供这些定制产品，这将 使我们成为市场领导者 但今天我们专注于活跃的成年人，但 谁知道你下一步去哪里？你能谈谈 一点关于你如何确定你的最终传感器最佳点？嗯，是的，所以 事实是永远不会最终确定，所以我们认为 关于几代车辆，所以我们有 第一代车辆是福特福克斯，有一个有效的单眼 naitch TL 64 和一堆摄像头、雷达，我们你知道设定了一些 基于那辆车的里程碑，我们实现了这些里程碑，然后 一旦我们达到那种最大程度，能够驾驶那辆车，我们 然后说，哦，我们需要你知道引入一辆G2车辆，一辆第二代车辆 雷达和我们设置了一些，你知道的。 基于那辆车的里程碑，并且我们 完成了那些里程碑然后 一旦我们达到了那种最大值 那些能够带走那辆车的我们 然后说哦，我们需要你知道，要请来。 一辆G2车辆，即第二代车辆 所以我们这样做了，我们说好吧，我们有 我们心中有一些特定的目标，这些目标 相当崇高且相当雄心勃勃 我们需要不可思议的射程，不可思议的 这些事物的分辨率，而实际上 我们发现的是，在我们
[2778.874-2840.736] speaker_0: 特定社区中，以 我们行驶的速度，雷达并不 特别有用，所以我们没有 在我们的第二代车辆上安装雷达 例如，但我确信当我们进入 第三代车辆时 会有其他驱动因素 你知道，我们从 里程碑反向推导，说我们需要在这辆车上什么 车辆，也许是成本，在第三代 车辆上，对吧，我们可能会说 嘿，我们需要一个更实惠的传感器 套件，比我们第二代车辆上现有的 要好，但它们是由 技术要求，这意味着 你知道我们真的能够 将两者与车辆结合起来 当您展示时，我很好奇 学生LED内容或当您展示 您的第一辆车中的一名学生 练习车开发了一个交通 灯传感器，然后您后来展示 你知道你正在获取 学生对深度学习模型的输入 用于方向盘转向 我想知道您的系统 架构在某种程度上的样子 关于您采用的感知类型 它是模块化的，以及在多大程度上
[2840.816-2887.292] speaker_0: 深度学习算法在多大程度上 在这些不同部分中发挥了作用 是的，这是个好问题 所以我真的很鼓励大家去 熟悉Ross所以 罗斯一直是这种 机器人辅助的游乐场，用于各种 不同类型的机器人能够 在机器人上尝试事物，而罗斯一号 尤其以那种 冰球和爱好者类型的项目而臭名昭著 但它的目的并非生产——罗斯 虽然处于一种阿尔法 发布状态，绝对是为了 更面向生产的事物，而 我提到罗斯的原因是它 拥有这种出色的架构，可以让你 即插即用他们所谓的节点 并且能够实验不同的 解决问题的方法，例如 你所知道的正在运行的那个深度 学习模型预测转向 角度，有效地取代了更 基于规则的规划器和感知
[2887.372-2934.382] speaker_0: 引擎，我们只需插入其输出 转向角直的那个 到我们的控制器，只需驱动 车辆，而Ross特别擅长 这类架构，并且它是 全部开源，所以你可以做一些很酷的 事情。你能告诉我们你是如何 处理责任保险的后方部分 乘客对于你的车辆，还有我们如何 处理保险这个问题。所以我们 与一家公司达成了很酷的协议 叫做Intact保险，其思路是 在自动驾驶时代，保险将会 与现今的保险非常不同 你知道，今天针对人类驾驶员的保险 因为存在不同的风险 评估等等。而其中一种 我们能够向这些 保险公司证明我们擅长 我们所做的方式就是向他们发送数据 对，我们发送来自我们车辆的数据作为 我们开车表明，当我们移动经过
[2934.462-2988.716] speaker_0: 世界时，我们准确检测到事物 并规划周围的事物等等 好的东西，然后他们使用这些数据 来告知我们的保险费率，我认为 未来的保险将会 基于类似的思路，但也许更 极端，例如费率将 根据复杂性变化 环境，如果我们只是开车 沿着一条完全笔直的道路 并且周围没有车辆，我们的 保险费率应该非常低，对吧 但如果我们进入市中心，并且 成千上万的人和车以及所有 那些疯狂的事物，我们的保险费率 应该几乎瞬间上涨 那么今天有人会想什么呢 为乘客投保，汽车感知一切 那些东西，但我认为有很多 那里也有创新空间 你有遇到过什么问题吗，比如 最初入职时引入人员 当他们显得怀疑时 感到害怕，然后另一个问题是 主要缺失的部分有哪些 你通过计算机视觉实现什么 最后一个迷宫缺失了什么 命令与计算机之间的部分 视觉实现我的四级
[2988.796-3042.641] speaker_0: 自动驾驶明白，所以其中一个更有趣的 我认为我们得到的见解 关于退休人员，又是在我那种 天真的状态下，2016年时我通常 觉得退休社区可能不会最先采用这项 技术，对吧，因为他们可能 更慢地采用新技术，可能会 对技术感到害怕，诸如此类 的事情，为了验证这一点 的事情，并要某种程度上验证我 去和一些老年人交谈 因为我和自己的奶奶交谈过，她 讨厌自动驾驶汽车，听起来像 这不是个好迹象，但去交谈 和这些人在这种 地点，真正有趣的 是我们了解到传统 消费者软件或设备，是的，存在 明显的采用滞后，对于 老年人，这已被证明在 许多研究和统计数据中，老年人 更慢地采用 Facebook 之类的世界或 Instagram 或 WhatsApp 所有这些 这类东西，加密货币有安娜
[3042.721-3110.817] speaker_0: 但那是因为他们有这些非常 他们大半生都有的过程 而不是使用 Facebook，他们会打电话给别人，然后 聊天，你知道，进行对话 某人关于他们的一天或所有的事情 正在进行的事情，或者他们，你知道，不 在Instagram上分享一张照片，他们 实际邮寄一张照片或类似的东西 像这样，所以改变这种行为是 困难的，对吧，因为这是一种行为 从根本上不同于 他们以前所做的，他们必须登录到 一台电脑，去这个奇怪的Facebook 东西，并且像分享照片给 成千上万的人，这很奇怪，但是 那和一辆之间的区别 自动驾驶汽车是，我们的体验 与它们过去使用的汽车没有不同 只不过它被驾驶的方式 不同，对吧。就像他们看到一辆车 它是一样的 你知道，外形因素与相似 他们过去用的，他们打开它，他们坐在 在后座，好的，有一个按钮，我 必须按下按钮说“走”，但这挺酷的 跟我过去的习惯相似， 我想学习新行为就得 改变习以为常的东西。所以 那是我们的第一次学习，然后 他们其实也不太在意
[3110.897-3187.843] speaker_0: 它是否自动驾驶，他们非常—— 我在车里时，他们很好奇而且 对技术充满热情， 想告诉他们，我不知道什么 激光雷达、深度学习和感知， 但他们其实不想听 那些东西，这让我 恍然大悟，原因是 因为这些老年人一生中 见证的变化远远 比我经历的更戏剧化，比如 我们最年长的乘客93岁，她 给我讲了一个故事，说她很小的时候记得确实 非常年轻，她确实记得。 几乎每天都在移动，靠的是马车，所以当你跟那些人谈论像自动驾驶汽车这样的东西时 他们根本不在乎，因为从那个时期到今天，他们见证了 飞机的诞生，到处是飞机， 看到了汽车的普及，看到了 滑板车，现在他们看到了所有这些 疯狂的地铁系统，所以对他们来说，自动驾驶汽车就像是 哦，挺酷的，但我只是想移动一下 这是我们最大的学习赌注， 问题是计算机视觉。从现在到Level 4之间需要发生什么 是的，所以我认为，圣杯就是 如果你有完美的感知能力， 自动驾驶汽车就解决了。如果我们知道 路上和周围合理距离内的每一个物体 滑板车，现在他们看到了所有这些
[3187.923-3253.593] speaker_0: 疯狂的地铁系统，所以对他们来说，自动驾驶汽车就像是 哦，挺酷的，但我只是想移动一下 这是我们最大的学习赌注， 问题是计算机视觉。从现在到Level 4之间需要发生什么 是的，所以我认为，圣杯就是 如果你有完美的感知能力，自动驾驶汽车就解决了。如果我们知道路上和周围合理距离内的每一个物体 自动驾驶汽车被误认为是已解决的问题 今天人们接受positive的情况，但我 认为这很好，但你真的想 尽量减少false negative，对吧？你希望 世界上false negative为零， 我认为这就是为什么我们还有一点 工作要做，因为当你想到 测试驾驶员在车内的原因时 在车里 嗯，感知决定了所有下游流程 ，对吧？所以如果你漏掉一个 物体，错误识别物体，或任何 类似的事情，那么那个影响 会导致整个下游堆栈变得 相当混乱，这就是为什么我 对我提到的那些网络感到兴奋。另一件我们 相信有助于将false negative 减少到近乎不存在状态的事情 对不存在的那种状态的负面影响
[3253.673-3307.672] speaker_0: 就是我们的团队合作 多个网络，这样我们就不只是依赖 在单一的感知层上，我们说 不同的网络有不同的 优势，例如体素网络 特别擅长检测行人，但 Pixar 在行人方面并不出色 因为它是从鸟瞰视角 行人看起来相当细小，而且 诸如此类。所以让我们把这两个网络 结合起来，同时也把 一些更传统的计算机视觉 算法结合起来，这些算法可能不会处理 整个360度扫描，但可能会 处理一个小样本，比如在 车辆前方，所以 有很多这样的小部分 需要经过处理，以 最小化最坏情况，即 假阴性，但很明显当 你看到Waymo及其他类似公司的技术时 他们感到非常非常非常接近那一点 那么你说的那个天气是 这是成为一个伟大地方的主要原因之一 开始的地方，你能谈谈吗 飓风？是的，这很有趣，我收到一个
[3307.752-3369.414] speaker_0: 最近来自亚历克斯·罗伊的问题，我是说 莱克斯只是在谈论关于好吧，在 飓风事件中，对吧，我们先别 谈技术，但是在 飓风事件中，就像我们都 见过那些人们，你知道， 上高速公路试图 逃离飓风的路径 对吧，那在一个 自动驾驶汽车所在的世界 无处不在且由人驾驶 车辆可能更多的是 较小的车队，较小的规模，我不 太有答案，但我 觉得这是一个有趣的话题 来自技术的思考问题 视角，真正重要的部分 真正重要的部分在于是否 模糊是远程操作，所以在内部 大家，抱歉，我们所有的车辆 有蜂窝连接，对吧，并且 每辆这样的车辆都连接到一个 远程操作员，其坐在某种 靠近该车辆，并且该 远程操作员有几项工作，一是 只是确保安全操作 车辆，确保该车辆正在执行 如其预期，做所有那些好的
[3369.494-3426.825] speaker_0: 事情，但另一项是确保 我们当前所处的操作领域 就是设计好的那个 的设计，所以所有这些不同的 摄像头画面正在，你知道，实时 传输给这个远程操作员，如果 突然下起暴雨，那 远程操作员有能力使 该车辆 安全停止，直到你知道下雨 阵雨消失或其他任何情况，或者飓 风或其他任何情况，但是 有些公司，我曾被推销撤销 由构建天气预报的公司 在一个不常用的规模上进行预测 实际上今天并不常用，但确实 微气候，所以只考虑 像这样一个小小的区域 村庄预测和理解 这些区域内的精确天气，并且 然后有网络钩子来告诉你或作为 即将发生的航程，所以 那里有很多很酷的事情正在发生 那里，但远程操作目前 是所有奶牛的眼睛和耳朵，以 预防那种问题，所以请 给予所有或热烈鼓掌，谢谢你们