自动驾驶的另一个突围方向

2019 年 7 月 5 日 极客公园

Google 无人车之父、Udacity 创始人,和我们聊到了无人驾驶的另一条路径。

关于自动驾驶,是感知环境更重要,还是控制车辆更重要?Sebastian Thrun 的答案是前者。

因此,在刚刚过去的五月,由 Thrun 创立的在线教育公司 Udacity(优达学城)与梅赛德斯-奔驰北美研发中心(简称 MBRDNA)联手制作的传感器融合工程师纳米学位课程正式上线——这是一门关于如何将激光雷达和视觉采集设备等自动驾驶领域的重要传感器,进行数据融合,让车辆更好的理解周围环境的课程。

在自动驾驶渐渐褪色“黑科技”标签,进入理性成长曲线的时候,这样的重点方向人才培养和积累,或许比豪掷千金的单点前沿突破更加有价值。

Udacity(优达学城)创始人 Sebastian Thrun | 视觉中国

只要身处自动驾驶这个行业,肯定对 Sebastian Thrun 这个名字十分熟悉。他亲手创建了 Google X 实验室,而无人车、谷歌眼镜、热气球项目等等这些耳熟能详的名字,正是出自这个神秘的部门。当然,Thrun 还是斯坦福大学的教授,在那个自动驾驶还几乎无人知晓的年代,是他带领斯坦福的无人车战队穿越莫哈维沙漠 200 多公里,最终赢得 2005 年 DARPA 挑战赛的冠军。

加入谷歌,又在无人车业务发展鼎盛时离开,Thrun成立了在线教育公司Udacity。现在的他是一家飞行汽车公司 Kitty Hawk 的CEO,据说这是他孩提时代的梦想。有人问他为什么离开谷歌,Thrun说自己有个更大的愿景,那就是「让教育变得更民主,让受教育这件事通过网络触达每个人。」

Udacity 从2012年上线开始,提供基础的编程和高新技术相关的课程。早在2016年,Udacity 就与 MBRDNA 合作开发了无人驾驶汽车工程师纳米学位课程,目标是为行业培养需求紧俏的自动驾驶工程师,以坚固行业人才基础。其超过 2.1 万名的毕业生最终都投身在奔驰、奥迪、宝马、博世、捷豹路虎、Lyft、NVIDIA 等巨头的自动驾驶业务之中。  

Udacity(优达学城)提供给学生进行实操的自动驾驶原型车 | 官方供图         

从最初的蒙眼狂奔到如今逐渐回归理性,自动驾驶的商业化量产成为各家公司重要的现实目标。从某种意义上说,Udacity 的创立意味着 Thrun 选择了自动驾驶的另一个方向突围,他们学生的技术观,将在很大程度上影响着自动驾驶未来的发展方向。


成为自动驾驶工程师

目前 Udacity 官网提供的与自动驾驶相关的课程数是14门,属于纳米学位项目的有12门。其中「传感器融合」、「无人驾驶工程师」是高级类别的纳米学位课程,主要合作伙伴有奔驰、英伟达、Uber ATG、滴滴出行、宝马和迈凯轮,授课内容为英文,配备中文字幕。「无人驾驶入门」则是百度和Udacity合作开发的初级课程,主要讲授贝叶斯思维、C++入门基础、复杂数据结构、机器学习与计算机视觉等,要求你事先掌握初级 Python 或 C++ 编程基础和代数知识。

以「无人驾驶工程师」为例。这门课程分为两个学期。第一学期主要学习计算机视觉、深度学习、传感器融合的内容,第二学期则专注于车辆定位、路径规划、控制和系统集成。除了 Sebastian Thrun 以及 Udacity的师资团队会亲自授课外,来自合作伙伴(奔驰、NVIDIA、Uber ATG、Elektrobit)的工程师也会加入其中。

「无人驾驶工程师」纳米学位课程是 Udacity 与奔驰、NVIDIA、Uber ATG、滴滴出行、宝马、迈凯轮合作开发的 | 官方截图

从课后服务来看,有专业导师提供英文项目审阅,有英文交流社区(Slack/学院中心)和英文区 Knowledge 知识交互平台。不过这门课程因为属于高阶内容,难度很大,所以申请者必须拥有概率、统计学、机器学习和 Python 编程相关经验,还需要提供线上或线下课程学习证明。当然,在课程学习中,除了可以将你的实战项目用模拟器的方式测试,学员还会有机会把所写的算法和代码植入到一辆真实的无人车中。

Thrun 在接受极客公园采访时提到,「从 2016 年该课程上线后,目前已经有超过 40 名纳米学位的毕业生获得了奔驰北美研究中心的职位。」在保障就业这块,Udacity 与合作公司签订雇佣协议,对方会为纳米学位的毕业生开通招聘绿色通道,并提供相应职位。Udacity 无人驾驶工程师纳米学位工程主管 David Silver 介绍,在中国市场目前与小鹏汽车和 Momenta 建立了合作关系,会为其输送相应的人才资源。

作为第一家在硅谷成立研发中心的汽车制造商,奔驰北美研发中心2014年9月就获得了加州交管局颁发的无人驾驶汽车测试牌照,这也是Udacity 选择与奔驰持续合作的重要原因。

时隔三年后再次推出自动驾驶相关的纳米学位课程,证明了双方在该领域的尝试和合作取得了不错的成果。在 Thrun 看来,奔驰在这个领域一直是开拓者,在前沿技术的开发上大胆创新,是值得长期合作的伙伴。

奔驰自动驾驶概念车 | 官方供图

「传感器融合在机器人和自动驾驶汽车领域属于一项非常关键的技术。我们希望通过这门课程培养出自动驾驶汽车领域更细分、更具有竞争力的人才。」David Silver 如是说。而从产业的角度来看,之前《麦姆斯咨询》曾报道称,「传感器融合系统需求预计将在未来 5 年内以约 19.4% 的复合年增长率(CAGR)增长,预计市场规模将在 2023 年达到 75.8 亿美元。」

所以相比「无人驾驶工程师」,独立成体系的「传感器融合」更具针对性,学员需要完成激光雷达障碍物检测、雷达障碍物检测、摄像头和激光雷达数据融合及卡尔曼滤波器方面的项目。课程项目基于行业真实案例设计,你将在名为 Carla 的一辆真实的无人驾驶车中获取真实的激光雷达点云数据,在实战中掌握传感器融合技能。你的项目代码还将得到无人驾驶领域专家逐行审阅、反馈,在该领域有很强实力的奔驰北美研发中心的工程师提供实操经验,使得毕业生相对能够获得更具竞争力的职业机会。

不过自动驾驶开发始终是动手比动嘴皮子重要得多。目前 Udacity 与一家无人驾驶开源软件公司 Tier IV 以及无人驾驶移动服务空间 PIX ,在贵阳推出全球首个无人驾驶实训基地。参与实训的学员和工程师将跳出虚拟环境模拟,体验从0到1将代码部署到真实无人车上的全部流程。这种「线上学习+线下实操」的模式能够增强学员的动手能力,并通过线下环节纠错反馈形成闭环,保证了理论知识和实践之间不会出现断层。

参加实训营的 Udacity 学员通过真实的无人车来获取数据并进行道路测试 | 官方供图


从教育突围行业困境

「无人驾驶工程师是 Udacity 其中一门最受欢迎的课程,为公司带来了收益的同时也让公司品牌认知度提升不少。其中很大原因在于它提供的学习机会其实是和整个产业对自动驾驶技术的高度需求相匹配的。」Thrun介绍。

对Thrun而言,他将「传感器融合」纳米学位课程的推出视为 Udacity 复苏计划中的一部分。不仅仅是因为它的课程内容更聚焦于自动驾驶研发中的核心关键技术,更在于它将为学生提供一系列全新的支持服务。

而 Udacity 这项「复苏计划」中很大一部分是要解决目前在线教育存在的主要问题:如何提升课程的完成率。回到2012年,Udacity 和其他很多慕课平台一样属于行业的先行者。它早期的免费课程(计算机和编程语言)是向全球所有学生开放的,但课程完成率基本都徘徊在个位数。所以问题在于,需要导师以及其他工作人员多大程度的辅助才会对学生有帮助?

Udacity 尝试过与高校建立合作,与 AT&T、英伟达这样的科技公司一起进行课程的设计。它开发了一套面向企业的服务规则,为其员工提供定制化的技术培训。2014年,Udacity开始在现有免费课程的基础上增加了30余门纳米学位课程,内容涵盖了数据分析、机器学习、机器人开发以及飞行汽车开发等。

Sebastian Thrun 希望 Udacity 真正成为可以实现终身学习的地方 | TNW         

据 Udacity 官方透露,目前所有纳米学位课程的平均完成率是34%。但Thrun 希望这个数字能变得更高些。基于这样的考虑,Udacity 建立了一个Thrun口中的「忍者团队(Team Ninja)」。他们询问了那些没有完成课程学生的情况,几乎有40%的学员表示「被难住了」。所以 Udacity 接受了忍者团队给出的建议:为所有的学生配备一名「技术导师」,帮助他解决学习过程中遇到的难题。

从5月1日开始,任何加入纳米学位课程的学员都被指派了一名这样的导师,同时还有两位额外的工作人员会提供如下帮助:审查专家会对学生的程序代码基于逐条的反馈;职业咨询师则会帮助学生处理领英信息的填写、准备公司面试等。

「我其实有个野心。我希望 Udacity 变成那种真正意义上可以实现终身学习的地方。」Thrun告诉极客公园。

这个愿景正是驱动他离开谷歌,创建Udacity的真正原因。可能这个行业并不缺一家像Waymo这样的自动驾驶公司。但从人才的方向入手,从底层培养出能够使自动驾驶技术持续得到优化的工程师,对整个产业发展而言,是一件有着重要意义的事情。

Udacity 那些有名的自动驾驶课程诞生于这项技术未来商业化前景不明朗的 2016 年。尽管随着整个行业从当初的狂热盲从到如今回归理性,尝试不同场景的商业化落地方向。但不管是汽车制造商、科技公司还是形形色色的初创企业,大家都还处于在曙光初现的黎明中不断摸索的过程。

曾经谷歌的无人车团队有很多成员离开,先后成立了不同的自动驾驶公司。作为「谷歌无人车之父」的Thrun却走上了与其队友截然不同的赛道。尽管突围的方向不同,但对整个行业的发展的贡献是集合式的。一方面,Udacity 切入细分化的「人才培养」,为其他公司提供紧缺的工程师资源。正向促进技术持续迭代的同时也为在线教育市场提供了积极的推动力;另一方面,面对自动驾驶这样的新兴技术,让消费者认可接受同样关键,而能够对大范围的人群产生影响,教育是一种更加高效的渠道。

责任编辑:卧虫


感谢你看到了这里,下面是福利时间——

极客福利:Udacity Sensor Fusion 纳米学位学习名额一份,价值 ¥3,999 (点击文末「阅读原文」了解详情)

抽奖流程:

关注本号极客公园】

分享本文到朋友圈并保留三日】

(不可设置分组可见)

点击下方小程序参与抽奖】

(中奖的朋友记得留下你的微信号方便领奖~)




登录查看更多
0

相关内容

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。完全的自动驾驶汽车仍未全面商用化,大多数均为原型机及展示系统,部分可靠技术才下放至商用车型,但有关于自驾车逐渐成为现实,已经引起了很多有关于道德的讨论。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
人工智能学习笔记,247页pdf
专知会员服务
182+阅读 · 2019年12月14日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
121+阅读 · 2019年10月10日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
过了尬吹的年代,人工智能都落地了些什么?
互联网er的早读课
8+阅读 · 2018年11月5日
“黑”掉自动驾驶汽车,只要给路标涂个大花脸
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
TResNet: High Performance GPU-Dedicated Architecture
Arxiv
8+阅读 · 2020年3月30日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Learning Discriminative Model Prediction for Tracking
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
6+阅读 · 2018年2月6日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
11+阅读 · 2018年1月15日
VIP会员
相关论文
TResNet: High Performance GPU-Dedicated Architecture
Arxiv
8+阅读 · 2020年3月30日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Learning Discriminative Model Prediction for Tracking
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
6+阅读 · 2018年2月6日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
11+阅读 · 2018年1月15日
Top
微信扫码咨询专知VIP会员