0
| 本文作者： 田哲 | 2022-02-22 10:35 |
自動駕駛?cè)Φ娜瞬帕鲃樱诮鼛啄暧葹槊黠@，特別是美國多個自動駕駛公司或部門被收購后，一大批自動駕駛?cè)瞬胚x擇自主創(chuàng)業(yè)。
而在不同的創(chuàng)業(yè)方向中，原Uber ATG部門首席科學家Raquel Urtasun的選擇較為獨特。
Waabi Innovation創(chuàng)始人，Raquel Urtasun
去年6月，沉寂一段時間的Raquel Urtasun突然宣布創(chuàng)建Waabi Innovation，通過研發(fā)端到端的自動駕駛仿真訓練平臺，提升自動駕駛技術(shù)以進入無人重卡市場。
經(jīng)過半年多的研發(fā)后，Waabi的仿真測試平臺已有進展，不過其產(chǎn)品卻引來眾多專家的質(zhì)疑，這又是為何？
相對于其它自動駕駛模擬平臺，Raquel Urtasun更注重將AI融入應用。
Raquel Urtasun認為，傳統(tǒng)方法限制了 AI 的力量，開發(fā)人員必須手動調(diào)整軟件堆棧，這是一項復雜且耗時的任務。
目前，盡管已有部分公司將深度學習引入仿真測試平臺，但深度學習的“黑匣子”特性，使得研究人員無法查清其如何解決特定任務的方式及原因。
因此，她決定將深度網(wǎng)絡、概率推理和復雜優(yōu)化相結(jié)合，以提升自動駕駛系統(tǒng)的迭代速度。Raquel Urtasun 斷言，Waabi 的仿真測試平臺通過人工智能來設計測試、評估技能和教授自動駕駛系統(tǒng)“學會自己駕駛”。她表示，該平臺可通過數(shù)據(jù)構(gòu)建真實世界的“數(shù)字孿生”，并模擬實時傳感器，自動制作場景對自動駕駛系統(tǒng)進行壓力測試，無需人工干預。
具體而言，Waabi的模擬平臺路線有兩大特點：
一是使用閉環(huán)模擬器，實現(xiàn)常見駕駛場景和Corner cases的大規(guī)模測試；
二是構(gòu)建仿真器，利用深度學習進行激光仿真，快速提升虛擬路測和自動駕駛的迭代優(yōu)化速度。
Waabi稱，該技術(shù)通過減少對現(xiàn)實道路測試的需求，將為測試和制造自動駕駛汽車帶來更安全、更低成本的自動駕駛解決方案。
針對此，美國韋恩州立大學計算機科學系教授施巍松提出，因其技術(shù)過于依賴人工智能設計測試、評估技能和訓練自動駕駛系統(tǒng)，可能不能解決當今自動駕駛仿真測試平臺的所有問題。
他認為，Waabi模擬的傳感器信息中應加入真實道路中出現(xiàn)的噪聲，并應允許用戶設定更多樣化的場景。
此外，與真實世界不同的是，在涉及真實數(shù)據(jù)的仿真測試中，無論傳感器是否捕獲視點，每個測試場景必須根據(jù)自動駕駛汽車的運動而使用預測模型進行渲染。這也意味著，渲染只是粗略地還原世界。
“我認為，在我們涵蓋了所有典型的駕駛模擬場景之前，需要進行實際測試以測試Corner cases?！笔┪∷杀硎尽！拔蚁嘈拍M測試的作用目前是有限的，只有通過實際體驗這些場景，自動駕駛汽車才能學會對不同的駕駛模式作出反應?！?/p>
美國韋恩州立大學計算機科學系教授施巍松
仿真測試技術(shù)，長期被視為自動駕駛技術(shù)快速迭代的技術(shù)手段之一。
蘭德智庫關(guān)于自動駕駛汽車的一份評估報告顯示，自動駕駛系統(tǒng)若達到量產(chǎn)應用條件，至少需要經(jīng)過110億英里的道路驗證。對于車隊規(guī)模較小，資金并不充裕的自動駕駛公司而言，需要數(shù)年、甚至數(shù)十年才能完成這一目標。
不過對于自動駕駛汽車究竟需要完成多少里程的道路測試，目前業(yè)內(nèi)沒有公認的標準。
因此，從過去至現(xiàn)在，仿真測試技術(shù)因其可通過模仿真實世界道路的交通環(huán)境，短時間且成本低廉地為自動駕駛系統(tǒng)獲取海量道路數(shù)據(jù)而備受各自動駕駛公司的青睞。
不過極少有人關(guān)注到，仿真測試技術(shù)存在的不足。
仿真測試技術(shù)，大致可分為三種類型：
回放傳感器日志，重新回放自動駕駛汽傳感器捕獲的數(shù)據(jù)，以訓練自動駕駛系統(tǒng)。
運動規(guī)劃模擬，模擬身臨其境的虛擬世界。
虛擬世界渲染，利用渲染技術(shù)自動擴大虛擬世界范圍。
不過，盡管仿真測試技術(shù)強大，但其仍不可避免受到虛擬的約束，無法完美展現(xiàn)現(xiàn)實世界。
專家指出，仿真測試中的元素較為單一，創(chuàng)建的虛擬世界中應包括不同性別、身高、形狀等行人，且還需包括輪椅、嬰兒車等物體以更真實的接近真實世界中的行人。
此外，仿真測試相對可控的虛擬世界內(nèi)，將使得自動駕駛汽車錯過某些值得關(guān)注的問題。譬如，如果現(xiàn)實世界中有人通過貼紙修改車輛的外觀，或者在其它車輛車身貼上限速標志，自動駕駛感知系統(tǒng)可能因此受到影響。然而在仿真測試測試中，這些問題很可能不會出現(xiàn)。
鑒于仿真測試測試平臺的弊處，業(yè)界為收據(jù)測試數(shù)據(jù)通常將實際道路測試與仿真測試相結(jié)合，以更好的提升自動駕駛技術(shù)。部分公司也將在此基礎上通過乘用車收集更多道路數(shù)據(jù)。
或許，Waabi未來將推出更多產(chǎn)品以彌補模擬器的缺陷，以擺脫激光雷達實現(xiàn)自動駕駛為目標的Waabi。
成立一家自動駕駛公司，沒有首先推出相關(guān)技術(shù)成果，而是耗費大量時間開發(fā)模擬平臺，這一舉動看上去有違常理，但這背后與Raquel Urtasun在Uber的工作經(jīng)歷密切相關(guān)。
2017年，Uber一輛行駛中的Robotaxi撞上一名過馬路的49歲婦女并致其死亡，此事將Uber及自動駕駛技術(shù)推上風口浪尖，使之成為眾矢之的。通過這一事件，讓Raquel Urtasun更深刻認識到安全的重要性。
此前，她曾在接受媒體采訪時表示，Uber的工作及那一場車禍的經(jīng)歷，為 Waabi“印上了安全第一”。她表示：“這也是我們在模擬測試方面進行大量開發(fā)的原因之一，以降低開發(fā)這項技術(shù)的風險?！?/p>
此外，其在Uber ATG部門的大部分工作，也與模擬測試相關(guān)。
2017年5月，Raquel Urtasun在兼任多倫多大學計算機科學教授一職的情況下，擔任Uber ATG部門首席科學家。在Uber，Raquel Urtasun帶領(lǐng)數(shù)十名研究人員與其從多倫多大學帶來的八名學生，通過使用人工智能尤其是深度學習對自動駕駛系統(tǒng)進行模擬測試，試圖使自動駕駛汽車完全擺脫激光雷達。
在其任職期間，Uber瘋狂招攬更多自動駕駛大牛加入，ATG團隊從8人擴充至50多人。其中Uber從Waymo挖角明星工程師Anthony Levandowski，引發(fā)Waymo控訴Uber竊取商業(yè)機密（經(jīng)過兩年的談判雙方最終于近日達成和解）。
然而研究工作并非一帆風順。盡管Uber多方引入人才以提升其自動駕駛技術(shù)，但在2017年其自動駕駛汽車車禍、訴訟案件以及疫情爆發(fā)的多重沖擊下，Uber ATG部門于2020年12月以40億美元的價格被出售給自動駕駛公司Aurora。
此后，Raquel Urtasun及其團隊銷聲匿跡長達半年，最終Raquel Urtasun在去年6月宣布創(chuàng)立自動駕駛公司W(wǎng)aabi Innovation。
或許，Raquel Urtasun選擇創(chuàng)業(yè)成立Waabi Innovation，可視為是其在Uber研究工作的延續(xù)。
不過與眾不同的是，Raquel Urtasun甫一宣布這一消息，便引來眾多看好的目光。
彼時，美國自動駕駛多家初創(chuàng)公司已賣身車企，行業(yè)遭受投資寒潮。然而當Raquel Urtasun宣布成立自動駕駛公司，僅在短短幾天內(nèi)便獲得 8350 萬美元的A輪融資，投資方不僅包括Uber、Aurora等知名公司機構(gòu)，還包括Geoffrey Hinton、李飛飛、伯克利大學機器人學習實驗室主任Pieter Abbeel和英偉達AI主管Sanja Fidler等世界知名人工智能專家。
這一A輪融資，成為加拿大初創(chuàng)公司有史以來規(guī)模最大的一輪初始融資之一。
如今，Raquel Urtasun在自己創(chuàng)立的Waabi中延續(xù)此前Uber ATG部門的研究工作，在自動駕駛之路上漸行漸遠。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
