（綜合報導）為了廣泛部署，搭載 Mobileye 自動駕駛系統的車輛一直擅長各種頗具挑戰性的動作，比如一直困擾 Waymo 的無保護左轉，以及在擁擠的車流中變線。同時，側邊車道、窄車道和減速帶對它們來說也是小菜一碟。
「在耶路撒冷它們已能完成這些動作了，只要調教激進點就好。」Shashua 說。
需要注意的是，達成這效果 Mobileye 可是只用了鏡頭，其他自動駕駛系統通常還要用到光學雷達和雷達等資料採集裝置。
Flir 這類公司也有類似的「折衷方案」，建議汽車廠商為車輛配備熱成像鏡頭，再輔以機器學習演算法。另一家波士頓新創公司 WaveSense 則更偏向探地雷達，認為這是整個感測器堆疊最合理的附加值。
不過，Mobileye 還是堅定支持鏡頭不動搖，於是就有了我們熟悉的 EyeQ 系列晶片，其中最新產品 EyeQ5 將於今年第一季做好量產準備，搭配使用的則是 Mobileye 的影像處理演算法。7 奈米的 EyeQ5 將擁有執行感測器融合的完整能力，完成車輛周邊 360 度無死角視野。
雖然 Mobileye 非常重視鏡頭，但 EyeQ5 依然支援雷達和光學雷達。Shashua 表示，雖然公司重心在視覺，但今年上半年還是要用雷達和光學雷達打造冗餘系統。
「我們正將鏡頭處理能力推向極限」，他說。
到 2020 年中，Mobileye 就開始交付自己的「白盒子」子系統，比如環視計算視覺套件。當然，多晶片交鑰匙解決方案、自動駕駛套件等產品也都在緊鑼密鼓準備中。
如果得不到大眾信任，自動駕駛技術的進步根本派不上用場。
去年夏天 3 家權威機構的調研就顯示，大多數人都不信任自駕車的安全。超過 60% 受訪者表示不太敢坐自駕車，70% 受訪者甚至不願和自駕車共用一條道路，更有 59% 認為自駕車並不比人開車安全。
他們心裡都有天秤，畢竟誰也不會忘了那輛要了路人命的 Uber 測試車和頻繁追撞的特斯拉 Autopilot。
那麼，怎樣才能說服滿腹狐疑的大眾呢？這就無法不提到 Mobileye 的「終極殺招」──數學模型 RSS（責任敏感安全）。
2017 年 10 月的世界知識論壇 Mobileye 拋出 RSS 概念。不那麼抽象的來說，它是一種路上決策的「常識」，幫車輛形成良好習慣，比如保持安全車距，必要時給予其他車輛通行權等。
能從 RSS 獲益的不單自駕車的乘客。不久前一篇文章，Shashua 就講述增強版的自動剎車功能，系統能利用公式確定車輛什麼時候會進入危險地帶。Shashua 相信，只需一顆前置鏡頭，就能避免大量追尾事故。
如果真有如此強大效能，那麼 Mobileye 的機器學習事故預防技術確實能將駕駛風險降到最低，畢竟 94% 車禍都是人類失誤造成。2016 年交通傷亡三大殺手就是開車分神、醉酒駕駛和超速。
「我們的目標是讓汽車以符合人類操縱習慣的方式執行。」Shashua 解釋。「我們要圍繞它建立一個聯盟。」