AI来了，卡车司机疲劳驾驶将成过去时

卡车公司帕卡联合芯片公司英伟达研发出了一种能大大减轻卡车司机压力的高度自动化驾驶系统。

《汽车商业评论》 记者 石彩云 编译

很多卡车司机往往需要长达数小时的长途跋涉才能完成运输任务。越来越多的网上订单货物运输、暴风雪天气、上下班高峰期等情况也给卡车工人带来非常大的压力。

帕卡公司是美国最大的卡车制造企业，该公司拥有25000名员工，技术中心设在华盛顿的西北角。

该公司正在与英伟达（Nvidia）芯片公司合作，试图用AI技术来减轻卡车司机的负担。

目前，英伟达已在半挂卡车自动化操作方面取得重大进展，能为过度劳累的卡车司机减轻压力。

帕卡公司的先进技术主管卡尔·黑格特（Carl Hergart）表示：“卡车是美国经济的生命线，我们想做的就是让司机的工作更安全、更舒适、更高效。”

英伟达公司的“我是AI”（I am AI）系列记录片也探究了前沿的创新达人是如何用AI改变世界的。这个主题纪录片的第二集就记录了帕卡公司在卡车方面的革新历程。

用AI帮助卡车“看见”

帕卡公司的工程师正在进行一项高度自动化系统研究。他们将摄像头、传感器安装在卡车外部，例如在防撞栅、保险杠、反光镜等类似的部件上。

这些传感器能捕捉大量的路况信息和行车数据，这些数据由英伟达的驱动平台AI超级电脑（VIDIA DRIVE Platform AIsupercomputer）进行分析。然后，该平台处理的综合信息图像再经过神经网络处理，帮助卡车理解它“看”到的东西。

司机只需轻按一下开关，就能启动自动驾驶模式。这时，引擎盖下会有一系列技术开始为卡车提供实时的周边路况信息。

帕卡的高级动力总成控制工程师克里斯多夫·博尔顿（Christopher Balton）说：“卡车外部的传感器能为卡车呈现一幅全景图。根据外部的行车环境，系统能够自己决定该往哪儿走。”

迁移学习法与汽车行业

迁移学习法（Transfer Learning）是机器学习的一个分支，即把源域的知识应用到目标域之中。

具体来说，就是将已学的或者已经训练完成的参数或模型迁移到一个新的模型中，并进行全新模型训练。由于大部分数据或任务存在相关性，所以可通过该方法来提高新模型的学习效率。

在上述卡车操作优化中，真正帮助司机摆脱疲劳驾驶任务的正是迁移学习法。它使帕卡能无缝衔接地将英伟达的汽车模型的训练数据应用到自己的卡车中。

博尔顿表示，这种机器学习法的迁移真的很强大，他们能够将英伟达训练的神经网络用于完全不同的环境中，并且直接地将该系统应用到自己的车辆上去。

帕卡无需重新创建这些数据，就能在研发上获得重大进步，大大效率提升。现在，帕卡已经开始研制L4的系统了，即使在没有路标的道路或者更加恶劣天气环境下，这一系统也能使卡车运行良好。

这样看来看，迁移学习法对于促进整个汽车行业发展有重要作用。

司机要被AI取代了？

随着AI的进步，这一技术似乎终有一天将取代卡车司机的地位，这种潜在的可能性已经引起了卡车司机们的恐慌。

对此，黑格特表示，他们现在要做的不是要用AI取代司机，而是将卡车司机原本艰苦的驾驶工作变得轻松一点。

黑格特说：“我们可以参考一下航空领域，自动驾驶仪（Autopilot）用于航天已经很长时间了，但飞机的驾驶舱中依然有两个飞行员。我想卡车的发展也是如此。”

END

未 经 许 可 不 得 转 载