目前自动驾驶领域，自动驾驶技术人员实际上正在解决一个问题：将自动驾驶技术引入长途卡车。
货运并不便宜。在美国，一辆长途卡车的平均每英里成本为1.69美元，其中约40％用于支付驾驶员的薪水。同时，很难找到卡车司机，据一项估计表明，美国货运业目前面临100,000名司机的短缺，到2026年，随着电子商务继续推高货运需求，这一数字可能会增加两倍。
货运也很危险。尽管乘用车死亡人数总体下降，但2017年大型卡车涉及4,700多人死亡，比2016年增加了9％。结果，“卡车司机”现在被列为美国最危险的工作。
解决这些挑战的方法很简单，即使很复杂：让一些卡车自行驾驶，利用人工智能（AI）来填补现有的驾驶员短缺并提高安全水平。但是，制造自动驾驶卡车并非易事。
使卡车实现完全自主
TuSimple处于这项工作的最前沿。该公司位于圣地亚哥和中国，已经在主要在亚利桑那州使用自动驾驶卡车进行商业交付。
TuSimple由总裁兼CTO侯小迪于2015年创立，目前在其两个总部之间雇用约400名员工，每天进行三到五次送货行程，每次行程约100英里。这些行程主要用于为TuSimple的深度学习算法生成测试数据，该算法一直在努力掌握道路规则，但同时他们也在赚钱。
目前，TuSimple的卡车达到了“ 4级” 自动驾驶汽车等级。卡车会自动运行，但是驾驶员必须在驾驶室中，随时准备在发生问题时进行干预。侯希望在2020年底之前完全取消驾驶员认为干预，他说公司正朝着实现这一目标迈进。
驾驶座上的AI
让大型拖车行驶数百英里绝非易事，任何曾经与大型钻机共用高速公路车道的人都应该清楚这两个最大的障碍。首先，卡车很长。无人驾驶普锐斯只需要导航15英尺长，而一辆完整的大型拖车大约70英尺长，这使得有关加速，停止和合并的所有计算变得更加复杂。侯说，也许更大的挑战是卡车的宽度。乘用车甚至可能不占据州际高速公路车道宽度的一半（在美国，法律规定为12英尺宽），而大型拖车通常在高速公路车道的两侧只有21英寸的空间，而在道路车道的两侧则少得多一条城市街道。
这些车辆周围的计算异常复杂，必须在运动中进行，如果出了问题，将危及生命。辛苦的工作是由直接安装在卡车上的计算机（侯称其为“超级计算机”）完成的。每个TuSimple服务器都装有多达100个不同的AI模块，这些模块负责执行各种任务，从区分道路上的汽车类型到确定卡车周围其他物体的速度（这是最艰巨的算法任务）。这些模块主要使用Amazon Web Services（AWS）上的Apache MXNet深度学习框架构建，从系统中吸收稳定的数据流，该数据流从安装在车辆上的摄像头，LiDAR和雷达设备上载多达TB的数据，
侯说：“该系统还必须在所有条件下都能工作，而不仅仅是最佳条件。” “假设您在黎明或黄昏时开车。你怎么处理那件事呢？那下雨天呢？”
所有传感器，分析其数据的算法以及实际控制卡车的算法之间的交互都极为复杂，高级AI在这里发挥了最明显的作用。管理所有这些数据点并使用概率分析每秒多次做出最佳决策是周围最复杂的计算任务之一，而机器学习环境是唯一可以处理它的生态系统。而且，据侯说，这项技术非常精确：在装满拖车的情况下，以65 mph的速度行驶时，控制算法可以将卡车保持在5cm的车道中心。
完成测试运行后，TuSimple的卡车将返回自己的基地，开始分析在该运行中收集的所有数据的工作。结果将更新到每辆卡车车载服务器上的算法模块。这听起来很简单，但是每次更新算法时，都必须通过数千次安全测试和模拟来运行它，以确保其在道路上能够达到预期的性能。
侯表示，每次推出新代码时，在内部运行这些测试都将花费数周的时间，但是由于Amazon EC2 P3实例中由AWS GPU支持的计算具有强大的计算能力，因此这些测试可以在数小时内完成，最大限度地减少卡车返回道路之前的周转时间。TuSimple当前还在评估AWS Snowball Edge，这是一种新的边缘计算设备，它将简化所有这些数据从卡车到AWS云服务之间的迁移。
侯说，展望未来，大多数卡车都由计算机操作的日子即将到来：这是不可避免的。
侯说：“几百年前，我们用牛来耕种土地。” “我们仍在寻找通过机器完成人工工作的方法。这确实是人类文明的自然演变。我很自豪能站在最前沿。”
