Uber 前高层离职创业，首款自动驾驶产品惹争议
▼
自动驾驶圈人才流动近几年尤其明显，特别是美国多家自动驾驶公司或部门被收购后，大批人才选择自己创业。
不同的创业方向，原Uber ATG部门首席科学家Raquel Urtasun选择可说是独特。
▲ Waabi Innovation创始人Raquel Urtasun。（Source：Raquel Urtasun, CC BY-SA 4.0, via Wikimedia Commons）
去年6月，沉寂一段时间后Raquel Urtasun突然宣布创立Waabi Innovation，透过研发点到点自动驾驶模拟训练平台，提升自动驾驶技术以进入无人重卡市场。经过半年多研发，Waabi模拟测试平台已有进展，不过产品却引来众多专家质疑，这又是为什么？
AI自动驾驶模拟测试平台利与弊
相较其他自动驾驶模拟平台，Raquel Urtasun更注重AI应用。Raquel Urtasun认为传统方法限制AI的力量，开发人员必须手动调整软件堆叠，是复杂耗时的任务。
尽管部分公司将深度学习引入模拟测试平台，但深度学习的“黑盒子”特性，使研究人员无法查清如何解决特定任务的方式及原因。
她决定将深度网络、概率推理和复杂最佳化结合，提升自动驾驶系统的更新速度。Raquel Urtasun 断言，Waabi模拟测试平台透过人工智慧设计测试、评估技能和教自动驾驶系统“学会自己驾驶”。她表示，平台可透过数据构建真实世界的“数位孪生”，并模拟即时感测器，自动制作场景对自动驾驶系统进行压力测试，无需人工干预。
Waabi的模拟平台路线有两大特点：
- 使用封闭环境模拟器，实现常见驾驶场景和Corner cases大规模测试。
- 构建模拟器，利用深度学习雷射模拟，快速提升虚拟路测和自动驾驶更新最佳化速度。
Waabi称，透过减少实际路测需求，将为测试和制造自驾车带来更安全、更低成本的自动驾驶解决方案。
美国韦恩州立大学电脑科学系教授施巍松提出，因技术太依赖人工智慧设计测试、评估技能和训练自动驾驶系统，可能不能解决自动驾驶仿真测试平台的所有问题。Waabi模拟感测器资讯应加入真实道路会出现的噪音，并应允许用户设定更多样化场景。
与真实世界不同的是，真实数据模拟测试，无论感测器是否捕获视点，每个测试场景必需根据车子运动使用预测模型渲染，意味只是粗略还原世界。
“我认为涵盖所有典型驾驶模拟场景前，需实测以确认Corner cases。”施巍松表示。“我相信模拟测试作用有限，只有透过实际体验场景，自驾车才能学会不同驾驶模式要如何反应。”
▲ 美国韦恩州立大学电脑科学系教授施巍松。（Source：美国韦恩州立大学）
不完美的模拟测试
模拟测试长期视为自动驾驶技术快速更新的手段之一。
兰德智库自驾车评估报告显示，自动驾驶系统若达到量产应用条件，至少需经110亿英里道路验证。对车队规模较小，资金不充裕的自动驾驶公司，需数年甚至数十年才能完成目标。
不过对自驾车究竟需要开多少里程道路测试，业界还没有公认标准。从过去到现在，模拟测试因可透过模仿真实世界的交通环境，短时间且成本低为自动驾驶系统取得海量道路数据，备受各自动驾驶公司青睐。
不过极少有人注意到模拟测试的不足。模拟测试可分为三种：
- 回播感测器日志，复习自驾车感测器数据，以训练自动驾驶系统。
- 运动规划模拟，模拟身临其境的虚拟世界。
- 虚拟世界渲染，利用渲染技术自动扩大虚拟世界范围。
尽管模拟测试很有用，仍不可避免受虚拟束缚，无法完美展现现实世界。
专家指出，模拟测试元素较单一，虚拟世界应有不同性别、身高、形状等行人，且还需包括轮椅、婴儿车等物体以更真实的接近真实世界中的行人。
此外，仿真测试相对可控的虚拟世界内，将使得自动驾驶汽车错过某些值得关注的问题。譬如，如果现实世界中有人透过贴纸修改车辆的外观，或者在其他车辆车身贴上限速标志，自动驾驶感知系统可能因此受到影响。然而在仿真测试测试中，这些问题很可能不会出现。
鉴于仿真测试测试平台的弊处，业界为收据测试数据通常将实际道路测试与仿真测试相结合，以更好的提升自动驾驶技术。部分公司也将在此基础上透过乘用车收集更多道路数据。或许Waabi未来将推出更多产品以弥补模拟器缺点，摆脱光学雷达才能实现自动驾驶的目标。
Waabi的诞生之路
成立自动驾驶公司，却没有先推出技术成果，而是耗费大量时间开发模拟平台，这看起来有违常理，但背后与Raquel Urtasun在Uber的工作经历密切相关。
2017年Uber行驶中的Robotaxi撞上一名过马路的49岁妇女并导致死亡，此事将Uber及自动驾驶技术推上风口浪尖，成为众矢之的。透过这事件，让Raquel Urtasun更深刻认识到安全的重要性。
她接受媒体采访时表示，Uber的工作及那场车祸为Waabi“印上安全第一”烙印。她表示：“这也是我们模拟测试大量开发的原因之一，以降低风险。”
此外，她任职Uber ATG部门时大部分工作也与模拟测试有关。
2017年5月，Raquel Urtasun兼任多伦多大学电脑科学教授同时担任Uber ATG部门首席科学家。在Uber，Raquel Urtasun带领数十名研究人员与多伦多大学8名学生，透过使用人工智慧尤其深度学习模拟测试自动驾驶系统，试图使自驾车完全摆脱光达。
任职期间Uber疯狂招揽更多自动驾驶大神加入，ATG团队从8人扩充至50多人。其中Uber从Waymo挖角明星工程师Anthony Levandowski，引发Waymo控诉Uber窃取商业机密（经两年谈判双方近日达成和解）案件。
然而研究工作并非一帆风顺。尽管Uber多方引入人才以提升自动驾驶技术，但2017年自驾车车祸、诉讼案件及疫情爆发多重冲击下，Uber ATG部门2020年12月以40亿美元卖给自动驾驶公司Aurora。
之后Raquel Urtasun及团队销声匿迹长达半年，最终Raquel Urtasun去年6月宣布创立自动驾驶公司Waabi Innovation。或许Raquel Urtasun选择创业可视为Uber研究工作的延续。不过与众不同的是，Raquel Urtasun甫宣布消息便引来众多看好目光。
彼时美国自动驾驶多家新创公司卖身车企，业界遭投资寒潮。然而当Raquel Urtasun宣布成立自动驾驶公司，短短几天便获得8,350万美元A轮融资，投资方不仅有Uber、Aurora等知名公司机构，还包括Geoffrey Hinton、李飞飞、加州大学柏克莱分校机器人学习实验室主任Pieter Abbeel和辉达AI主管Sanja Fidler等世界知名人工智慧专家。
A轮融资成为加拿大新创公司有史以来规模最大的一轮初始融资。
如今Raquel Urtasun在自己创立的Waabi中，延续Uber ATG部门的研究，在自动驾驶之路越走越远。
（本文由 雷锋网 授权转载；首图来源：shutterstock）
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
