前 Uber 高管離職創業，首款自動駕駛產品惹爭議，Hinton、李飛飛曾參投

AI+仿真測試，實現自動駕駛的一條新路徑？

作者 | 丁一

編輯 | 文靚

自動駕駛圈的人才流動，在近幾年尤爲明顯，特別是美國多個自動駕駛公司或部門被收購後，一大批自動駕駛人才選擇自主創業。

而在不同的創業方向中，原Uber ATG部門首席科學家Raquel Urtasun的選擇較爲獨特。

去年6月，沉寂一段時間的Raquel Urtasun突然宣佈創建Waabi Innovation，通過研發端到端的自動駕駛仿真訓練平臺，提升自動駕駛技術以進入無人重卡市場。

經過半年多的研發後，Waabi的仿真測試平臺已有進展，不過其產品卻引來衆多專家的質疑，這又是爲何？

AI自動駕駛仿真測試平臺利與弊

相對於其它自動駕駛模擬平臺，Raquel Urtasun更注重將AI融入應用。

Raquel Urtasun認爲，傳統方法限制了 AI 的力量，開發人員必須手動調整軟件堆棧，這是一項複雜且耗時的任務。

目前，儘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，她決定將深度網絡、概率推理和複雜優化相結合，以提升自動駕駛系統的迭代速度。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“學會自己駕駛”。她表示，該平臺可通過數據構建真實世界的“數字孿生”，並模擬實時傳感器，自動製作場景對自動駕駛系統進行壓力測試，無需人工干預。

具體而言，Waabi的模擬平臺路線有兩大特點：

一是使用閉環模擬器，實現常見駕駛場景和Corner cases的大規模測試；

二是構建仿真器，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化速度。

Waabi稱，該技術通過減少對現實道路測試的需求，將爲測試和製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鬆提出，因其技術過於依賴人工智能設計測試、評估技能和訓練自動駕駛系統，可能不能解決當今自動駕駛仿真測試平臺的所有問題。

他認爲，Waabi模擬的傳感器信息中應加入真實道路中出現的噪聲，並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，在涉及真實數據的仿真測試中，無論傳感器是否捕獲視點，每個測試場景必須根據自動駕駛汽車的運動而使用預測模型進行渲染。這也意味着，渲染只是粗略地還原世界。

“我認爲，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。”施巍鬆表示。“我相信模擬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。”

不完美的仿真測試技術

仿真測試技術，長期被視爲自動駕駛技術快速迭代的技術手段之一。

蘭德智庫關於自動駕駛汽車的一份評估報告顯示，自動駕駛系統若達到量產應用條件，至少需要經過110億英里的道路驗證。對於車隊規模較小，資金並不充裕的自動駕駛公司而言，需要數年、甚至數十年才能完成這一目標。

不過對於自動駕駛汽車究竟需要完成多少里程的道路測試，目前業內沒有公認的標準。

因此，從過去至現在，仿真測試技術因其可通過模仿真實世界道路的交通環境，短時間且成本低廉地爲自動駕駛系統獲取海量道路數據而備受各自動駕駛公司的青睞。

不過極少有人關注到，仿真測試技術存在的不足。

仿真測試技術，大致可分爲三種類型：

回放傳感器日誌，重新回放自動駕駛汽傳感器捕獲的數據，以訓練自動駕駛系統。

運動規劃模擬，模擬身臨其境的虛擬世界。

虛擬世界渲染，利用渲染技術自動擴大虛擬世界範圍。

不過，儘管仿真測試技術強大，但其仍不可避免受到虛擬的約束，無法完美展現現實世界。

專家指出，仿真測試中的元素較爲單一，創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，將使得自動駕駛汽車錯過某些值得關注的問題。譬如，如果現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誌，自動駕駛感知系統可能因此受到影響。然而在仿真測試測試中，這些問題很可能不會出現。

鑑於仿真測試測試平臺的弊處，業界爲收據測試數據通常將實際道路測試與仿真測試相結合，以更好的提升自動駕駛技術。部分公司也將在此基礎上通過乘用車收集更多道路數據。

或許，Waabi未來將推出更多產品以彌補模擬器的缺陷，以擺脫激光雷達實現自動駕駛爲目標的Waabi。

Waabi 的誕生之路

成立一家自動駕駛公司，沒有首先推出相關技術成果，而是耗費大量時間開發模擬平臺，這一舉動看上去有違常理，但這背後與Raquel Urtasun在Uber的工作經歷密切相關。

2017年，Uber一輛行駛中的Robotaxi撞上一名過馬路的49歲婦女並致其死亡，此事將Uber及自動駕駛技術推上風口浪尖，使之成爲衆矢之的。通過這一事件，讓Raquel Urtasun更深刻認識到安全的重要性。

此前，她曾在接受媒體採訪時表示，Uber的工作及那一場車禍的經歷，爲 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的原因之一，以降低開發這項技術的風險。”

此外，其在Uber ATG部門的大部分工作，也與模擬測試相關。

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帶領數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Waymo控訴Uber竊取商業機密（經過兩年的談判雙方最終於近日達成和解）。

然而研究工作並非一帆風順。儘管Uber多方引入人才以提升其自動駕駛技術，但在2017年其自動駕駛汽車車禍、訴訟案件以及疫情爆發的多重衝擊下，Uber ATG部門於2020年12月以40億美元的價格被出售給自動駕駛公司Aurora。

此後，Raquel Urtasun及其團隊銷聲匿跡長達半年，最終Raquel Urtasun在去年6月宣佈創立自動駕駛公司Waabi Innovation。

或許，Raquel Urtasun選擇創業成立Waabi Innovation，可視爲是其在Uber研究工作的延續。

不過與衆不同的是，Raquel Urtasun甫一宣佈這一消息，便引來衆多看好的目光。

彼時，美國自動駕駛多家初創公司已賣身車企，行業遭受投資寒潮。然而當Raquel Urtasun宣佈成立自動駕駛公司，僅在短短几天內便獲得 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，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，成爲加拿大初創公司有史以來規模最大的一輪初始融資之一。

如今，Raquel Urtasun在自己創立的Waabi中延續此前Uber ATG部門的研究工作，在自動駕駛之路上漸行漸遠。

END

自動駕駛時代，車載攝像頭的新故事

自動駕駛，開進北京冬奧會