Humanising Autonomy筹资530万美金用于AI系统 帮助自动驾驶汽车注意行人

（图片来源：Humanising Autonomy官网）

盖世汽车讯 制造自动驾驶汽车最困难的部分是确保车辆知道行人在做什么，以及他们将要做什么。Humanising Autonomy具有该领域的专长，并希望成为全球以人为中心的计算机视觉系统的一部分。据外媒报道，该公司凭借其AI系统优势，筹集了530万美元种子资金。该公司表示其AI系统表现优于人类，几乎可以处理所有的汽车摄像头图像。

Humanising Autonomy的技术是一套机器学习模块，用来识别不同的行人行为，例如行人是否准备走到街上、他们是否注意到了汽车、是否与司机有眼神交流，以及是否正在打电话等。该公司将其模型的优势归功于两点。首先，是其数据源的多样性。该公司联合创始人兼首席执行官Maya Pindeus表示，“最初，我们就从各种来源收集数据，包括CCTV摄像头、各种分辨率的车载摄像头，以及自动驾驶汽车传感器。我们还建立了数据伙伴关系，与不同的机构合作。因此我们能够在不同的城市建立强大的数据集，包括不同的摄像头类型、不同的分辨率等等。这对系统非常有益，所以系统适用于夜间环境，以及密歇根州多雨的情况等。”此外，Humanising Autonomy还获取并分析意外事故影像，因为这些都是有用的例子，说明自动驾驶系统或人类司机未能读取行人的意图。

其次是该公司的模型具有模块化特性。它们并不是单一的模型，而是一组模型，可以根据自动驾驶主体或硬件需求，单独选择和调整这些模型。Pindeus解释说，“例如，如果要知道行人在过马路时是否分心，人类会采取很多行动进行判断。我们有所有不同的模块，可以一起预测一个人是否分心、是否面临危险等。这使得我们可以根据不同的环境对其进行调整，例如伦敦和东京，人们在不同的环境里会有不同的行为。”Pindeus还表示，“另外是处理需求，自动驾驶汽车对GPU的要求非常高，我们的模块能适应不同的处理需求。模块与4级或5级自动驾驶车辆集成时，软件在标准的GPU上运行。与售后市场合作改造应用程序时，我们的模型仍然可以运行。因此我们的系统能满足多个自动驾驶级别。”

专注激光雷达和RGB摄像头的全栈传感公司需要完成几十项或几百项任务，包括对象特征识别与追踪、注意标识、监测附近和远处的汽车等。对于这些公司和制造商而言，Humanising Autonomy的功能性和高度特定解决方案可能更简单，而不是构建自己系统的或依赖更通用的对象跟踪。Pindeus指出，“与自动驾驶汽车毗邻的行业也可以使用该系统。”仓库和制造设施使用机器人和其他自动机器，如果它们知道周围的工人在做什么，工作效率将会更高。Humanising Autonomy系统只对需要重新训练的部分进行再训练，这比从头构建一个新系统所需的工作量更少。

目前，该公司正与欧洲、美国以及日本的出行供应商合作，包括戴姆勒旗下的奔驰和空客。该公司正在进行一些案例研究，展示其系统如何在各种情况下提供帮助，包括在人行横道上提醒车辆和行人注意对方，以及改进自动驾驶汽车路径规划。该系统还可以查看大量以往的视频，根据行人的数量和行为，对某个区域或一天中的某个时间段进行风险评估。Pindeus表示，这500万美元种子基金主要用于该产品的商业化。