这家初创公司想飞速打造自动驾驶汽车软件

这家今日首次公开活动的初创公司名为HyprLabs。其17人团队（仅8人全职）分驻巴黎和旧金山，由自动驾驶公司老兵、现亚马逊旗下Zoox的联合创始人Tim Kentley-Klay领导——他于2018年突然离开该公司。HyprLabs自2022年以来融资相对较少，仅550万美元，但其野心不小：最终计划打造并运营自己的机器人。“可以想象成R2-D2和刺猬索尼克的结合体，”Kentley-Klay说，“它将定义一个目前不存在的全新类别。”

不过目前，这家初创公司发布了名为Hyprdrive的软件产品，号称在工程师训练车辆自动驾驶方面实现了飞跃。得益于机器学习的进步——有望降低自动驾驶软件的训练成本和人力投入，机器人领域此类突破层出不穷。这一训练技术的革新，为多年深陷“幻灭低谷期”的行业注入了新活力：此前科技企业迟迟未能兑现让机器人在公共空间运行的承诺，如今机器人出租车在越来越多城市接送付费乘客，车企也对向私人汽车普及自动驾驶做出更宏伟的承诺。

但要靠小型、灵活且低成本的团队，将“开得还不错”提升到“比人类安全得多”，本身就是一道漫长的难关。“我不能真心实意地说这一定能成功，”Kentley-Klay坦言，“但我们构建的技术信号非常可靠，只需扩大规模。”

旧技术，新玩法
HyprLabs的软件训练技术，与其他机器人初创公司训练自动驾驶系统的方法截然不同。

先了解些背景：多年来，自动驾驶领域的大战似乎在两类公司间展开——一类仅用摄像头训练软件（比如特斯拉！），另一类则依赖其他传感器（比如Waymo、Cruise！），包括曾经昂贵的激光雷达和雷达。但表面之下，更深层次的理念分歧暗流涌动。

像特斯拉这样仅用摄像头的支持者，希望节省成本，同时计划推出庞大的机器人车队；十年来，CEO埃隆·马斯克的计划一直是：通过一次软件更新，突然将所有客户的汽车切换为自动驾驶模式。其优势在于，这些公司拥有海量数据——尚未自动驾驶的车辆在行驶时会收集图像。这些信息通过强化学习输入“端到端机器学习模型”：系统输入图像（如自行车），输出驾驶指令（如向左打方向盘、减速以避免碰撞）。“这就像训练狗，”卡内基梅隆大学自动驾驶软件与安全研究员Philip Koopman说，“最后你说‘乖狗狗’或‘坏狗狗’。”

而多传感器支持者则前期投入更多资金。他们的车队规模小、数据少，但愿高薪雇人标记数据，供自动驾驶软件训练——比如告诉系统“这是自行车的样子，这是它的运动方式”。同时，工程师能编写规则和例外情况，避免系统把自行车图像误认为三维物体。

HyprLabs认为自己能兼顾两者，并希望通过高效方法获得后发优势。其正在洽谈授权给其他机器人公司的系统，能在运行中实时学习，且只需极少数据，这种技术叫“运行时学习”。该系统以Transformer神经网络为基础，在人类监督员指导下，车辆行驶时不断学习；只有新数据会传回“母服务器”用于微调，仅修改部分会发回车载系统。HyprLabs的两辆特斯拉仅收集了4000小时驾驶数据（约6.5万英里），其中仅1600小时用于训练——相比之下，Waymo十多年来已行驶1亿英里完全自动驾驶里程。

不过，该公司尚未准备好在公共道路提供Waymo式服务（也可能在非街道场景运营）。“我们不是说这已能投产或确保安全，”Kentley-Klay说，“但我们展示了用极少计算量实现良好驾驶的惊人能力。”

这家初创公司的真正考验可能在明年——届时它计划推出一款非传统机器人。“它会非常酷炫，”Kentley-Klay说。