Ai Pioneer Raquel Urtasun推出了自动驾驶技术启动，并从Khosla，Uber和Aurora推出支持

Raquel Urtasun是Uber Atg首席科学家的Ai Pioneer，已经推出了一个名为Waabi的新初创公司，即在迅速升起自动车辆的商业部署的“AI-First方法”，以加快自治车辆的商业部署，从而开始运输卡车。 Urtasun是唯一的创始人兼首席执行官，已经拥有一款长的高调背包列表，包括来自优步和极光的单独投资。 Waabi筹集了8350万美元的一系列由Khosla Ventures的一轮，其中来自优步，8VC，激进企业，omeers Ventures，BDC，极光创新以及领先的AI研究人员Geoffrey Hinton，Fei-Fei Li，Pieter Abbeel，Sanja朋友和其他人。

Urtasun描述了Waabi，目前雇用了40人并在多伦多和加利福尼亚营运，因为她生命的工作，为社会带来商业可行的自动驾驶技术。公司的名称 - Waabi意味着“她在奥吉布韦有”愿景“，日语中的”简单“ - 暗示她的方法和野心。

存在今天存在的自主车辆初创公司使用人工智能算法和传感器的组合来处理人类所做的驾驶任务，例如检测和理解对象，并基于该信息来安全地导航孤独的道路或拥挤的高速公路。除了这些基础之外，是各种方法，包括在AI中。

大多数自动驾驶车辆开发人员使用传统形式的AI。然而，传统方法限制了AI的力量，Urtasun表示，添加DA向导者必须手动调整软件堆栈，复杂和耗时的任务。 Urtasun表示：自主车辆发展已经放缓，并且在小型和简单的运营领域中存在的有限的商业部署，因为缩放如此昂贵和技术上挑战。

“在这一领域工作了这么多年，特别是过去四年的行业，这一点越来越清楚，即需要一种与大多数公司的传统方法不同的新方法今天正在服用，“Urtasun说，他也是多伦多大学计算机科学系的教授，以及AI的传染媒介研究所的联合创始人。

一些开发人员确实使用深神经网络，一种复杂的人工智能算法形式，允许计算机通过使用一系列连接的网络来学习以识别数据中的模式。然而，开发人员通常围绕深网壁以处理特定的问题，并使用基于机器学习和基于规则的算法来绑定到更广泛的系统中。

深网络有自己的一系列问题。一个长期的论点是由于“黑匣子”效果，不能与自动车辆中的任何可靠性一起使用，其中如何以及为什么Ai解决了特定任务的原因并不清楚。这对于任何想要能够验证和验证其系统的自动驾驶启动是一个问题。还难以纳入任何关于开发人员试图解决的任务的先验知识，就像驾驶一样。最后，深网络需要巨大的数据来学习。

Urtasun表示，通过将它们与概率推断和复杂的优化组合，她将这些挥之不去的问题解决了深度净界周围。她描述为算法系列。当组合时，开发人员可以追溯AI系统的决策过程并包含先验知识，因此它们不必从头开始教授AI系统所有内容。最后一块是一个闭环模拟器，可以允许Waabi团队在规模的常见驾驶场景和安全关键边缘案例中进行测试。

Waabi仍将在公共道路上测试车辆的物理舰队。但是，模拟器将使公司允许该公司依靠这种测试形式依赖。 “我们甚至可以在我们甚至在那里开车之前为新的地理位置做准备，”Urtasun说。 “这就是缩放曲线方面的巨大好处。”

Urtasun的愿景和意图是不是采取这种方法并扰乱OEM，硬件和计算供应商的生态系统，而是成为其中的一个玩家。这可能解释了Aurora的支持，这是一个开发自己的自动驾驶堆栈的启动，它希望首先在Log-Haul Trocking等物流中部署。

“这是真正做不同的事情的那一刻，”Urtasun说。 “该领域需要一个不同的方法来解决这个问题，并且很明显这是这样的方式。”