Uber开源自动驾驶可视化软件：可构建虚拟环境发挥数据价值

撰文 | 宇多田

「在这个自动驾驶秘密被严密保护的世界里，这是前所未有的一步。」外媒如是评价。

上周加州自动驾驶脱离报告公布的各大公司路测里程数，可以完美延伸出下一个问题：

如何让这些辛苦积累下来的路测数据物尽所值？

其实上榜的每一家公司都十分清楚让自动驾驶系统反复「学习」这些宝贵道路数据的价值所在，也都几乎掌握着一项与此相关的「秘密技术」：

把多达几十万甚至上百万的真实路测数据，混合并匹配到一个虚拟环境中，让自动驾驶系统把它当作真实场景继续测试（实际上计算机并不知道其中的区别）；

与此同时，你可以随时调整数据，比较不同的模型，或借此观察车辆在不寻常事件下的表现。

通俗点说，这就是充分利用路测数据的有效方式之一，也是仿真模拟训练平台存在的价值。

而就在今天，Uber 却突然宣布把自己那套「可以帮助构建仿真测试环境」的可视化工具，给开源了。

大约两年前，尚处在「自动驾驶第一军团」的 Uber 还是媒体的宠儿。当他们通过一篇博客首次向外界公布基于网络（Web）的可视化技术平台时，曾被媒体们大大宣传了一番。

当然，这个可视化平台受到关注的根本原因，不在于这项技术的复杂与先进性，而是 Uber 当时正在解决一个让许多自动驾驶技术公司感到困惑的问题：

如何从构建环境的角度切入，来进一步增加数据的价值。

有趣的是，在 Uber 2017 年 8 月发布博客前一周，谷歌的 Waymo 被大西洋月刊首次曝光了自己的模拟仿真工具 Carcraft，后者被描述为让 Waymo 自动驾驶系统水平迅速提升的关键因素。

而根据 Waymo 透露，虽然 2016 年在真实道路上的路测数据仅有 300 多万英里，但在虚拟环境下的测试数字早已超过 25 亿英里。

正是双重测试方法的结合，让谷歌在加州自动驾驶脱离报告上的「接管次数」大大降低。

似乎就是在那个时候，创造虚拟的测试环境才开始被真正重视起来。

一周后，Uber 洋洋洒洒写了几千字来「炫耀」自己的这套数据可视化 工具 的高明之处。

简单来说，就是：

「只要使用这套易上手的工具，工程师和操作人员就能快速检查、调试以及分析实际路测与虚拟测试中收集到的所有信息。」

为了便于理解，我们可以举一个例子。

与普通导航地图不同，自动驾驶所需的高精地图会包含更多细节，譬如地面的高分辨率扫描，车道边界与车道类型，转弯、限速以及人行横道……几乎涵盖了任何相关地理信息。

那么高精地图团队，就可以利用这个可视化工具和多来源的数据集合，来检查和更新某一交叉路口的高精地图细节。

「我们尝试通过建立一套视觉隐喻系统来表达复杂的道路数据。这套系统会为地面图像、车道标志等环境元素提供现实的表现形式，让工程师能够锚定其对车辆周围环境的理解。」Uber 在博客中解释。

当然不止是高精地图，这套工具也涉及到对自动驾驶系统本身感知、路线规划以及决策能力的检测与调试。

工程师们能够利用车辆日志在虚拟环境中实时播放和操纵摄像机，增加和减少场景中出现的物体，而这也被认为是 Uber 数据可视化框架发挥作用的地方。

譬如，工程师们可以在这个平台上比较两个版本自动驾驶软件生成的模拟结果；

再譬如，该可视化工具允许工程师打破和回放某些行程间隔，以便做进一步检查。

如果要处理像游行示威这样影响路况的重大事件，那么工程师就需要打开地图，在平台上关闭几条主干道，并增加大量行人和飘忽不定的人类驾驶员，来检测自动驾驶系统如何对未见过的情况作出反应。

实际上，可视化仅仅是一种易于理解的技术表现形式。

从本质上来看，利用现有数据，生成有用数据，并最终提升人工智能的水平，才是这类工具的目的。

此前并不是没有技术企业发布过类似的工具。

包括英伟达、英特尔在内的许多技术巨头都有提供可生成虚拟世界的类似工具，但是这些工具显然并不完美——

它们基于桌面，缺乏灵活性，非标准化，摄取的文件尺寸太大而不利于分享。

而在这篇两年前的博客中，Uber 将自己的可视化工具的优点进行了详细列举，几乎解决了上述问题：

• 可快速迭代

在 Web 上，以增量方式开发和部署特性是快速和容易的。如果用户想要一个产品的最新版本，他们只需要刷新浏览器的页面，而不是下载和安装一个新应用程序。

• 具备灵活性，且容易分享

由于 Web 与硬件无关，任何人、任何地方都可以使用任何操作系统在平台上工作。在网络上，报告和诊断事故只需要点击一个 URL。

• 具备协作性与个性化

每个团队都有独特的可视化和数据生成需求，因此，他们需要能够定制自己的标准。

「HTML5 和 JavaScript 是经过测试和可信任的工具，用于动态创建定制化 UI，并且很容易集成到其他基础设施和任务管理系统中。」Uber 在博客中强调。

当然，除了现有工具存在问题，许多「技术高超」的自动驾驶公司也不愿以及很少公开自己的可视化工具（或仿真模拟平台）。

譬如谷歌做了 11 年自动驾驶，但其虚拟仿真工具 Carcraft 两年前才被曝光；

技术创业公司 Drive.ai 也曾在 2018 年介绍过 4 款可视化工具（仪表板显示器、3D 数据可视化、注释数据集以及交互式模拟），但也只供内部工程师使用。

而 Uber 在此之前，也只允许内部工程师使用这套工具，两年前那篇博客的最后一句话，可以被看作是一个招聘启事：

「如果你对『绘制』自动驾驶技术感兴趣，欢迎加入 Uber 数据可视化团队……」

但这次 Uber 的特别举动，让 Venturebeat 等著名科技媒体称赞其「为全球自动驾驶开发工具生态系统做出了开源贡献」。

「包括上周开放了自己二维/三维场景图形库的 Cruise，两家公司的举动让人感到欣慰。在这个自动驾驶秘密被严密保护的世界里，这是前所未有的一步。虽然这一步还很小，但它有望鼓励开发人员开发出各种酷炫的应用程序，最终能够提升整个行业。」科技媒体 The Verge 如此评价。

目前，这款开源工具与负责开发自动驾驶汽车平台的 Uber 先进技术研发部使用的套件是相同的，甚至包括 Voyage 和 Applied Intuition 在内的几家自动驾驶公司也已经承诺会使用它。

「能够直观地探索传感器数据、被预测路径、被跟踪物体以及加速度等状态信息，对于分类过程来说是无价的。

在 Voyage，我们会利用这些信息对工程优先级做出数据驱动型决策。」Voyage 的首席技术官 Drew Gray 在一份声明中表示。

声明：本文来自机器之能，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如需转载，请联系原作者获取授权。