盖世汽车讯 据外媒报道，前Uber ATG首席科学家、人工智能（AI）专家Raquel Urtasun宣布成立初创公司Waabi。该公司将采用Urtasun所说的“AI优先方法”，首先在长途货车领域加快自动驾驶汽车的商业部署。Urtasun是该公司的唯一创始人兼首席执行官，并获得众多知名公司的支持，包括Uber和Aurora的独立投资。Waabi在A轮融资中共筹集8350万美元，由Khosla Ventures领投，Uber、8VC、Radical Ventures、OMERS Ventures、BDC和Aurora Innovation，以及领先的AI研究人员Geoffrey Hinton、Fei-Fei Li、Pieter Abbeel、Sanja Fidler等人跟投。

（图片来源：Waabi）

Urtasun称，Waabi目前共有40名员工，在多伦多和加利福尼亚州均有办公地点。该公司是Urtasun致力于向社会推出商业可行的自动驾驶技术的顶点。公司名为Waabi，在奥杰布瓦语（Ojibwe）中的意思是“她有远见”，在日语中的意思是“简单”，表明了她的方法和抱负。

当前很多自动驾驶汽车初创公司都使用AI算法和传感器的组合处理人类驾驶任务，如检测和识别物体，并基于该信息做出决策，从而在畅通道路或拥挤的高速公路上安全行驶。除上述基础方法外，初创公司还会采用AI在内的多种策略。

Urtasun表示：“大多数自动驾驶汽车开发商都会使用传统AI，但这样会限制AI的使用。开发人员必须手动调整软件堆栈，这样既复杂又耗时。结果，由于扩展成本较高且技术非常具有挑战性，自动驾驶汽车的开发放缓，且在小而简单的操作域中商业部署也受限。”

深度神经网络是一种复杂的AI算法，可允许计算机通过使用一系列的互联网络识别数据的模式进行学习。一些开发人员确实会使用深度神经网络，但在处理特定问题时，也会关闭该网络，并使用机器学习和基于规则的算法连接至更广泛的系统中。

深度网络自身存在一些问题。其中一项长期争议是，由于其“黑匣子”效应，深度网络在某种程度上可靠性不够，无法应用于自动驾驶汽车中。其中“黑匣子”效应指的是AI解决特定任务的方式和原因尚不清楚。这对于所有希望验证其系统的自动驾驶初创公司而言都是一个问题。此外，开发人员解决驾驶等任务时，也很难结合该任务的先前经验。因此，深度网络需要大量数据进行学习。

Urtasun称，她通过将深度网络与概率推理和复杂优化相结合，解决了这些深度网络相关问题，并将这种结合称之为算法系列。至此，开发人员可以追溯AI系统的决策过程并结合先前经验，而无需从头开始教授AI系统。最后一部分是一个闭环仿真器，可允许Waabi团队大规模测试常见的驾驶场景和安全关键的边缘情况。

Waabi仍将有一支实体车队在公共道路上进行测试。但是，公司会借助仿真器减少对上述测试形式的依赖。Urtasun表示：“我们甚至可以在测试前为全新地理环境做好准备，这对于扩展曲线非常有利。”

Urtasun希望，这种方法不会破坏OEM、硬件和计算供应商的生态系统，而是加入他们。这也是Aurora选择支持Waabi的原因之一。Aurora是一家开发自动驾驶堆栈的初创公司，并希望将该堆栈部署至长途货运等物流领域。