Get best of the week

Starsky Robotics无人驾驶卡车告一段落

图片

2020

年3月19日 2015年，我对创建无人卡车的想法感兴趣，并创立了Starsky Robotics。 2016年，我们发布了首款允许在道路上行驶的完全无人驾驶车辆，以载客为代价。 2018年，我们发布了首辆允许在道路上行驶的无人卡车，尽管在封闭的道路上进行了全面的突袭。在2019年，我们的卡车成为第一辆在繁忙的高速公路上行驶的全无人货车。

到2020年，我们将关闭。

我仍然为我们能够创造的产品，团队和组织感到骄傲。我为科学博士和卡车司机并肩工作的组织感到自豪，在那里，世代相传的问题被他们的思维超出了他们的统治地位的人们解决了，并且我们了解了未来的物流将如何运作。

就像沙克尔顿（Shackleton）远征南极洲一样，我们做了别人没有做过的事。但是，像他一样，事情并没有按计划进行，

那么发生了什么？

图片

Starsky团队的大多数成员于2019年2月加入。在这支令人难以置信的团队中工作，让我感到无比自豪。

我认为时间正是对我们不幸的命运的罪恶感。我相信我们的方法是正确的，但在AI领域有许多未兑现的诺言，尚未找到切实可行的解决方案。由于没有出现这些突破，因此投资者兴趣的低迷变成了细雨。去年的高科技IPO大量消耗了科技行业的精力，货运也已经下降了约18个月，这也无济于事。

无人驾驶区


无人运输领域存在太多问题，因此我们无法在此进行详细描述：大多数团队的教授速度，部署中缺乏明显的里程碑，关于不存在Robotaxi业务模型的众所周知的秘密等。但是，最大的问题是受控的机器学习不能证明这种炒作的合理性。这不是真正的类似于C-3PO的人工智能，它是一种复杂的模式匹配工具。

我们将在2015年回来，届时每个人都认为自己的孩子不必学习开车。受控机器学习（以AI的名义）发展非常迅速-在短短几年内，它从识别猫变成了或多或少可以接受的驾驶。 AI似乎遵循摩尔定律：

图片

根据预测，在不久的将来，全人类无疑将在经济上失去竞争力。我们将需要有保证的收入，这将有助于弥补机器与我们之间出现的差距。

五年过去了，无人驾驶汽车领域的专家不再承诺在下一次提交源代码后创建完整的AI。相反，现在的情况是，我们已经离开制造无人驾驶汽车至少十年了。

普遍认为，构建AI的最困难部分是在不经常发生的情况下（即在某些情况下）其行为的形成和调整。在边缘情况下。实际上，模型越好，就越难找到有关此类情况的可靠数据集。此外，模型越好，对其进行改进所需的数据的准确性要求就越高。我们没有看到AI性能呈指数增长（摩尔定律），而是看到改善AI系统的成本呈指数增长-受控机器学习似乎遵循S曲线。

图片

我们之所以谈论S曲线，是因为Comma.ai拥有5至15名工程师，其性能与特斯拉的成功相差无几，特斯拉的团队有100多人。同时，由于我们在Starsky的努力，我们成为了在公共道路上进行无人驾驶车辆测试的三家公司之一（只有30名工程师的努力）。

这种情况并非史无前例-S曲线通常用于技术领域（摩尔定律实际上由许多S曲线组成，因为芯片技术不断相互替代，而同类产品中最好的技术会增加图形的整体曲率）。问题是试图将现代技术的功能与人们的驾驶能力进行比较。我建议有一些可能的选择：我们已经超过了人类的水平（标志L1），我们几乎设法做到了（L2），而我们却远非如此（L3）。

图片

如果说L1是人类驾驶的水平，那么无人驾驶汽车领域的领先公司只需证明其决策的安全性就可以部署它们。我认为没有人相信这一点，但是有可能。如果人类驾驶水平在L2左右，那么大型团队将需要1到250亿美元来解决所有问题。当无人驾驶汽车市场的大投资者说这个行业只适合大公司时，他们就是在说这个特殊的比率。他们做到了。如果人类等效水平为L3，则几乎没有任何现有技术会实现这一飞跃。每当有人说要制造无人驾驶汽车还剩10年时，这些几乎肯定是真正的考虑因素。没有很多初创公司可以在不发布产品的情况下生存10年。所有这些意味着几乎没有现代团队会发布能够做出决策的AI系统。

没有很多初创公司可以在不发布产品的情况下生存10年。

为什么我们没有生存


对于不熟悉吸引风险资本投资动态的人来说，以上所有内容似乎都是投资Starsky的绝佳时机。我们不必创建“真正的AI”就可以成为一家好企业（我们认为这可能会花费约600美元/辆/年的费用），因此尽管上述情况越来越多，但我们仍有望筹集资金。明显。不幸的是，当投资者向任何领域降温时，他们往往会对整个市场降温。我们还看到，投资者确实不喜欢运营商的业务模式，而且我们沉重的安全投资并未转移给投资者。

卡车司机布鲁斯


如果远程操作员解决了无人运输的一半问题，那么后半部分将由操作员解决。运营商可以选择部署位置，这将决定工作方法。您的系统只需要在选定的路线和选定的条件下安全（即，在最简单的路线上可靠地工作，并且在恶劣的条件下-停止并等待）。

货运市场参与者的细节也影响成为经营者的决定。货运公司不是技术含量很高的客户（请参阅他们的用途），而且他们都不了解对安全要求高的道路机器人的购买。即使Starsky改进了无人驾驶技术并在安全性方面表现良好，也要花费数年时间来部署足够的系统才能获得应有的利润。

图片

该供应商曾经告诉我：“您始终可以了解公司对无人驾驶技术的重视程度，以及对远程操作员的重视程度。” 但是，我们发现使用远程操作员，行业和投资者都对我们的方法产生了难以置信的抵制。

尽管货运承运人对安全要求提高的机器人的采购一无所知，但他们了解如何购买货运能力。每个大型船运公司的工作方式如下：他们的经纪人从较小的运输公司和运营商所有者那里购买货物，其中许多人不允许他们过于亲密，因为他们不知道您能从他们自己的报告中相信多少安全指标。在Starsky，我们找到了25个以上的经纪人和承运人，他们准备用无人卡车运输货物。尽管这是一家利润率较低的业务（与传统软件市场的利润率为90％相比），但我们预计能够按时实现50％的利润率。

我花了太多时间才意识到，风险投资家宁愿投资10亿美元并获得90％的保证金，而不是投资50亿美元以50％的保证金进行投资-即使资本要求和增长是相同的。

并且增长将是相同的。部署无人驾驶车辆的最大障碍不是销售，而是安全。

没有人喜欢投资安全，每个人都喜欢功能


2019年1月，我们在会议室会见了安全部门主管和公共关系部门主管，以进行战略会议。问题是如何使安全性看起来足够吸引人以完全确保安全性。前一个月，我们公开发布了VSSA，这是一份白皮书，详细介绍了我们的安全性方法。我们将其传递给了最明智的记者，但是媒体没有详细介绍它，而是主要报道了远程操作。我们使会议处于紧张的状态-我们无法弄清楚如何使安全工程学足够吸引人，以至于无法开始讨论它。

而且我们从未想出解决方案。

图片

具有讽刺意味的是，我们计划在2020年1月之前启动10辆v2卡车的车队。这些系统的设计使我们能够证明整个机队的安全，这将确保到2020年6月无人驾驶服务正常运行。

问题是人们对很少发生的事情感到兴奋。 Starsky的无人驾驶汽车路测就是一个例子。即使是负面的，每天仍有超过100人死于车祸，他们报告飞机失事。从定义上讲，致力于安全性的工作是创建一个毫无例外地工作的系统。

安全工程是彻底记录产品的过程，它使您可以准确了解产品将要发生故障的条件，并能够评估这些故障的严重程度并衡量发生这些情况的频率。与您认为可接受的损害相比，所有这些都使您能够了解产品损害人员的可能性。

这是非常非常困难的。它是如此复杂，以至于从2017年9月到我们在2019年6月的无人旅行，我们做到了。我们记录了我们的系统，建立了安全的备份系统，然后反复测试我们的系统是否有故障，纠正这些故障并重复进行。

图片

问题在于所有这些工作都是看不见的。投资者希望创始人撒谎-他们怎么能相信我们所做的无人奔跑实际上只有百万分之一的死亡机会？如果他们不知道进行无人驾驶有多困难，他们怎么知道下周其他人将无法做到？

另一方面，我们的竞争对手已经投入了他们的工程努力来创建其他AI功能。一个例子是决策系统，有时可以更改车道，也可以沿着地上的街道行驶（前提是它们具有足够的地图数据）。这真的是很酷的先进技术。

投资者印象深刻。从“有时工作”到统计可靠性的过渡并不需要增加10-1000倍的工作，这没关系。

图片

下一个是什么？


2019年11月12日左右，我们的2000万美元B轮项目崩溃了。我们在15日派遣了大部分团队的无薪假期（这可能是我一生中最糟糕的一天），然后我们开始出售公司，并确保不会为团队中的任何一个成员留下庇护所（或新人和新人的签证或医疗保健）未来的父母）。

到一月底，我们已经能够雇用许多不受保护的工人，现在我正在出售公司的资产（包括无人驾驶汽车操作所需的多项专利）。作为沉没船的船长，我把大多数船员放在救生艇上，现在我开始思考下一步该怎么做时，冰冷的海水正在逼近我的脚。

从我的角度来看，人类驾驶水平最可能的线是L3，这意味着没有人应该在创建可以做出决策的安全AI系统方面开展业务。当前的公司在接下来的两年中将继续失去动力，随后几年将几乎没有任何投资，并且（希望）在高速公路上再进行一次无人驾驶汽车测试，为期5年。

我想犯一个错误。劳动力老龄化几乎肯定会在未来5-10年内开始限制经济增长；每年有4000人死于车祸，这似乎是不必要的牺牲。如果我们在Starsky中展示一些东西，那么如果我们真诚地专注于消除在某些情况下需要一个人开车的需求，那么这是可以实现的。但是您将需要一个可以将这个想法变为现实的人。

再见，
Stefan。




图片

关于ITELMA
- automotive . 2500 , 650 .

, , . ( 30, ), -, -, - (DSP-) .

, . , , , . , automotive. , , .

阅读更多有用的文章：

More articles:


All Articles