通用汽车公司于2016年以5.81亿美元收购了无人驾驶汽车初创企业Cruise。今天，Cruise在一篇博客文章中详细介绍了其180多辆雪佛兰无人驾驶汽车正在学习如何预测人类驾驶员的行为。这是该公司在媒体上发布的名为《无人驾驶汽车如何思考》的新系列的一部分，每一期都将聚焦Cruise自动驾驶汽车系列的不同组成部分。

　　Cruise的软件工程师Rachel Zucker和员工软件工程师Shiva Ghose写道：“每天，旧金山人都要开车穿过六车道的十字路口、狭窄的街道、陡峭的小山等等。在城市里开车时，驾驶员会查看后视镜，遵守限速规定，预测其他司机的驾驶行为，注意行人，在拥挤的街道上行驶等一系列活动。在旧金山，每辆车遇到建筑工人、骑自行车的人、行人和紧急救援车辆的频率是郊区的46倍，每辆车每天都要学习如何在城市的这些复杂交通状况下进行机动应对。”

 

　　其中一个障碍便是大量的双车位汽车。Cruise表示，与郊区相比，在旧金山市中心遇到这种情况的概率是24：1，因此学会安全地绕过它们是非常必要的。

　　为了做到这一点，Cruise的汽车必须首先识别这些双车位汽车，它们会通过“寻找”一些线索，如车辆距离道路边缘的距离，刹车和危险信号灯的外观，以及距离最远的十字路口的距离等。除此之外，它们还使用更多相关信息，如车辆类型(送货卡车经常是双车位的)、建筑活动和附近相对较少的停车位等。

　　Cruise的螺栓通过传感器感知这些信息——特别是来自Velodyne的激光雷达传感器，以及短程和远程雷达传感器、连接雷达和摄像机。摄像机可以识别车辆的指示灯状态和道路特征(如安全锥或路标)，而激光雷达和雷达则分别测量距离和速度。然后，运行在车载计算机上的机器学习模型将这些从原始车流(如自行车、行人和其他车辆)中获取到信息进行计算，来为自动驾驶汽车的行驶提供帮助。

　　一种被称为递归神经网络(RNN)的人工智能体系结构，通过给定所有可用的感官和地图信息(包括停车可用性、道路类型和车道边界)，来确定车辆是否为双停。Zucker和Ghose指出，RNN在记忆长期依赖关系方面是独一无二的，这使Cruise的汽车能够有效地积累决策信心，提高决策准确性。

　　要弄清楚驾驶轨迹需要一个可推广的策略，而Cruise的策略是模型预测控制(MPC)，它是一组依赖于系统行为模型的算法，以找出每一步的最佳行动。最终的结果是，无人驾驶汽车可以在晴天或雨天对双车位汽车进行超车，同时为骑自行车者和迎面而来的车流让位。

　　Cruise被认为是全球无人驾驶汽车市场的领头羊，预计到2023年其收入将达到1731.5亿美元。虽然还没有推出无人驾驶的出租车服务(不像其竞争对手Waymo和Yandex)或将无人驾驶汽车卖给客户,但是该公司向加州机动车辆管理局提交的一份报告显示，它比大多数汽车行驶的英里数都要多，去年在加州大约行驶了45万英里。它从T. Rowe Price Associates、通用汽车公司、软银愿景基金、本田汽车公司和其他投资者那里获得了约11.5亿美元的估值，使其总融资额达到了72.5亿美元。

　　尽管到目前为止，Cruise取得了很多成功，但也经历了不少挫折。

　　该公司放弃了在曼哈顿一个五英里(约合1.6公里)的区域测试车队的计划，尽管它向公众保证其商业无人驾驶出租车服务仍在正常的发展轨道上，但该公司拒绝提供时间表或投放运行地点。更令人失望的是，Cruise去年在加州的总行驶里程不足45万英里，远低于预期的每月100万英里。相比之下，Alphabet的Waymo比Cruise早4年成立，迄今为止，Waymo的自动驾驶里程已超过1000万英里。

　　但该公司并没有因此而放弃无人驾驶的野心。Cruise目前正在亚利桑那州的斯科茨代尔和底特律市区测试第三代汽车，大部分部署集中在旧金山。该公司今年早些时候宣布与DoorDash合作，今年将在旧金山为特定客户试点食品和杂货配送。此前不久，Cruise发布了第四代汽车，配备自动门、后座安全气囊和其他在没有方向盘情况下的增设系统。