如果你有关注自动驾驶技术，你可能看过从 Google 到特斯拉，再到很多创业公司的自动驾驶演示视频和图片，但是它们大多有一个共性——都是发生在阳光灿烂、地面干燥的环境下。
对于自动驾驶汽车来说，这样的环境是“完美”环境。但是，在真实世界里，这样的“完美”环境并不总是出现。人们开车会遇上下雨、下雪、起雾甚至风暴（对于国内的司机们来说，雾霾更是个避不开的情况）。在这样的恶劣天气下，能见度低、地面打滑等，都会让人类司机犯怵，对于重度依赖于传感器来探测环境的自动驾驶汽车来说，它是更难解决的一个问题，就连 Google 也没能搞定它。
不过最近，一家名为 Drive.ai 的创业公司公布了一段自己的测试视频，让很多人都震惊了：他们在一个大雨瓢泼的夜晚，开着自家研发的自动驾驶汽车，就在 Google 的眼皮子底下，让机器人司机完成了雨夜开车这个挑战。
从视频里可以看到，整段自动驾驶测试有好几个亮点：
在10秒处，天开始下起了倾盆大雨，而自动驾驶汽车并未受到影响；
30秒处，出现了非常窄的街道，而且两边停有车辆，还有来车交汇；
1分钟处，在没有红绿灯而只有 Stop 标志的十字路口，一辆车插到了Drive.ai的车前面抢行；
1分50秒处，路口红灯坏了；
2分35秒处，由于大雨，路面都是积水，车灯一片反射，但是自动驾驶车辆并未受到影响。
在向 PingWest 品玩发来的声明里，Drive.ai的联合创始人兼 CEO Sameep Tandon 称，这段视频是在山景城（也是 Google 总部所在地）拍摄的。这整段视频都是在全自动驾驶下完成，完全没有任何的人工干预；此外，整段视频没有经过剪辑，只是进行了快放。
雨夜、交通信号灯故障、车辆抢行……Sameep Tandon 说，“这就是司机们每天都会遇到的情形。任何成功的自动驾驶技术都会需要解决无数的这样难以预料的情况，面对各式各样的驾驶条件。但是目前没有几家公司可以真正做到这样。”
这是 Drive.ai 第一次发布自己产品的视频。此前我们曾经介绍过，Drive.ai 是加州第一批拿到自动驾驶汽车测试许可的公司之一，几位联合创始人均来自大名鼎鼎的斯坦福人工智能实验室。 他们的目标是，使用深度学习技术，来打造一个会像人类一样思考的自动驾驶软件。
中美跨境的基金和创新孵化机构 InnoSpring 是 Dirve.ai 的早期投资机构之一，从 2015年3月份就开始孵化 Drive.ai。它的硅谷总经理王笑告诉我们，“Dirve.ai 的早期8个联合创始人，几乎把斯坦福做驾驶的AI实验室一锅端了。” 这个实验室出了许多名人，最被人熟知的是GoogleX 的创始人 Sebastian Thrun 和后来接手的吴恩达。Drive.ai 不仅有人工智能在驾驶应用上的积累，还有Google 做了10年的资源和经验。
她称，Drive.ai 总结了 Google 的几大弯路，分别是：太过于依靠昂贵的激光雷达传感器，Google在 Velodyne 定制的传感器加起来价格在20万美金左右，昂贵的价格是商业发展的绊脚石 ；其次，太过依赖于高清3D地图，由于高清3D地图获取价格昂贵，临时变量不可控，造成技术严重的overfitting （过适应）；另外，软件技术后端的平台延展性有限，做的自动驾驶软件不一定可以在短期内跨平台支持多家汽车厂商。
而 Drive.ai 一开始就要做一辆用低配激光雷达、便宜的照相机、Google 2D 地图就能上路的无人驾驶车，并且用深度学习解决了价格-认知准确性-商业模式可延展性三个息息相关又互相牵制的问题，经历两个月开发后就上路了。“这段在雨天漆黑夜晚上路的视频，也是 Drive.ai 的实力展示。”王笑说。
所以，和 Google 的 Waymo 、以及一种汽车厂商都不同，Drive.ai 主要聚焦在软件层面，希望以此提供价格低廉的自动驾驶解决方案。Sameep Tandon 说，“深度学习技术可以让它像是人类大脑那样处理信息和做出决策……我们的团队有打造未来的交通的专业能力。”
为什么恶劣天气是自动驾驶难以克服的难题？
雨雪等极端天气一直是自动驾驶汽车的一个瓶颈。一位自动驾驶行业的从业者告诉我们，雨雪天气很容易让自动驾驶汽车变成“睁眼瞎”：自动驾驶汽车往往是依靠摄像头、雷达、GPS和激光雷达系统的组合来对路况和周边环境进行识别，雨雪等情况，会造成遮挡、反射等，降低了雷达和相机对重要交通标志，比如对车道线的识别等，而光靠 GPS，并没有办法准确对汽车位置进行定位。
就像人类司机需要各种标识，比如车道线等，来定位自己在路上的位置一样，自动驾驶汽车也需要如此。这意味着它们也需要更多细节丰富的、精确的地图数据，这也就是为什么各大汽车公司和科技公司都竞相从手里并购 HERE地图的原因。
但是除了地图数据意外，汽车也需要可靠的传感器来提供汽车周边的实时环境，激光雷达可以做到这一点，但是当下雨或者下雪的时候，它们的检测会受到的干扰，可靠度大大降低。
要解决这个问题，一个办法是安装极其昂贵的硬件。The Verge 称，特斯拉在去年10月份后，更新了自家自动驾驶硬件系统，在车身四周一共安了8个摄像头来提供360°视野、检测250米的距离，还有1个雷达和12个超声传感器检测到原来两倍大的范围，一个增强版的前向毫米波雷达，能够帮助汽车在雨雪、雾尘等天气下探测到前方车辆。
这样做效果虽好，但是成本大为上升，很难成为面向大众的自动驾驶汽车的解决方案。
而Google 的 Waymo 也一直在测试在雨雪天气下的自动驾驶情况。他们甚至还在传感器的外壳上装上了雨刮器，来保证传感器的能见度。不过这样做效果不是太理想，所以 Waymo 的车在下雨的天气里十分的谨慎，一旦受影响就会自动停在路边，直到情况好转。而现在，Waymo 也开始在一些天气多变的地区，比如华盛顿州等进行更多的雨雪天气下的自动驾驶测试。
另外传感器的供应商，比如 Quanergy ，都在研发激光雷达的数字过滤器，让激光雷达可以减少受到雨雪的干扰，从而在极端天气里更好的工作。同样的，目前这项技术的进展还比较有限。
福特算是恶劣天气里自动驾驶的尝鲜者之一了。去年的时候，它也曾经在自己封闭的测试场地测试过雪天自动驾驶，并公布了视频。
这次 Drive.ai 没有透露他们的自动驾驶汽车的硬件配置，也没有给出更多技术细节，只表示正在用深度学习和神经网络来训练自己的自动驾驶系统，它不仅识别人和检测物体，而且还能用来和其他车进行对话。Drive.ai 的联合创始人兼总裁卡罗尔·莱利（Carol Reiley）此前在接受 PingWest 品玩采访时表示说，
Drive.ai 聚焦在汽车的‘大脑’，主要用深度学习技术来打造自动驾驶的人工智能系统，让计算机自己训练自己、做出正确的决定，而不是试着把所有做法都提前写在计算机里。
路面情况是动态的、有无穷的可能性（相比之下，围棋的步数仍然是有限的，这也就是为什么人工智能可以下围棋、但是没法开车），开发人员不可能列出所有情况、提前设定好所有做法，所以，让机器像人类一样获得训练、自己学习才是更有效的。
或许这正是它这次挑战“雨夜自动驾驶”成功的关键。（Vicky Xiao）