新冠病毒盛行期间，无人车的开辟碰到挑衅（下）

为爱访问上帝

神译局是36氪旗下编译团队，关注科技、贸易、职场、生存等范畴，重点先容国外的新技能、新观点、新风向。
编者按：新冠疫情令尽大部门的企业都停止了业务。哪怕无人车的研发会不会受到影响呢？必要职员共同的路测固然是没办法开展了。但是许多无人车公司纷纷把工作的中央放在了仿真上面，KYLE WIGGERS对此举行了盘货，原文发表在Venturebeat上，标题是：The challenges of developing autonomous vehicles during a pandemic。篇幅关系，我们分两部门刊出，此为下半部门。
相干阅读：新冠病毒盛行期间，无人车的开辟碰到挑衅（上）

Aurora
由前Waymo工程师Chris Urmson 建立的无人车公司Aurora则称，其Virtual Testing Suite平台均匀天天完成了凌驾100万次的测试。这个平台以及其他工具可以让公司的工程师可以或许敏捷辨认、考核、分类，并将大多数变乱和风趣的路况转换成假造的测试，然后跑数千个测试，从而对主代码库每一个变动举行评估。
这个Virtual Testing Suite包罗了代码库测试、感知测试，手动驾驶评估和模仿。工程师要写单位测试（比方说，看盘算速率的一个方法给出的答案是不是精确）和集成测试（好比，看同一个方法在体系的其他地方是否能正常工作）。新工作起首必须通过全部的相干测试，然后才气归并进更大的代码内里，如许工程师才可以辨认和修复任何题目。
Aurora根据现实的日记数据创建了一系列专门的仿真感知测试。他们表现。本身正在开辟“高度传神的”传感器仿真，从而可以针对稀有和高风险的环境天生测试。他们用Virtual Testing Suite定期要跑的其他实行包罗对Aurora Driver（Aurora的全栈无人驾驶平台）的评估，看它在一系列驾驶基准测试中的体现怎样。
不管测试的性子怎样，他们定制计划的工具都会主动从Aurora的日记数据内里提取信息（比方说，行人的走路速率）然后植进到各种仿真模子当中，好节流工程师的时间。

上图：对Aurora的一辆测试车的真实驾驶数据的可视化。
该公司表现，自Aurora中断了全部的现实测试以来的这几个月内，其车辆操纵员就在跟分类和标签团队互助，为门路变乱发掘手动和主动驾驶数据，然后转化为模仿假造测试。Aurora还表现，本身正在开辟新的工具，比方说旨在让工程师更加轻松地举行仿真的Web应用，同时加强现有途径才支持创建新的测试场景。
Aurora发言人还表现，公司的工程师正在继承开辟和美满公司车载舆图——Aurora Atlas——重要是针对规复路测后Aurora Driver将要行驶的地域。他们还在往Cloud Atlas内里添加新舆图。这是一个专门计划用来生存Atlas数据的数据库，可以使用呆板学习模子主动天生交通灯等标注。
人工智能和呆板学习的希望使得在模仿当中教汽车驾驶主体在此前从未见过的门路上行驶变得更加轻易。麻省理工学院盘算机科学和人工智能实行室的研究职员近来写了一篇论文，内里形貌了一种跟Aurora做法雷同的方法，使用Virtual Image Synthesis and Transformation for Autonomy（VISTA，假造图像合成和自主转换），一种照片级写实的模仿器，只利用实际天下的语料库来合成潜伏视角的车辆轨迹。VISTA可对一种模子举行练习，然后这种模子可以对车辆在此前未曾见过的门路上导航，哪怕汽车处在模仿的靠近发生碰撞的位置也能应对。
Urmson在一份声明中表现：“从恒久看我们预计COVID-19不会拖累我们的进度，这在很大水平上要回功于我们在假造测试上面的投资。但这也表明不消人驾驶，同时还可以包管安全快捷运输人和货的主动驾驶运输的紧急性。以是我们比以往任何时间都更加致力于我们的任务，我们会继承雇用各个范畴的专家，我们会继承给公司的每个人发工资，我们会想方想法推进Aurora Driver的开辟。只要我们这个行业同心协力，独创性，奉献精力以及思量全面的向导力会让我们度过这段布满挑衅的时期。”
Uber
作为Uber无人车项目前锋的先辈技能部（ATG），现在仍保存了一个团队，这支团队仍在根据测试跑道和门路举动数据在Uber的模仿器内里不停地扩展其测试集。ATG体系工程和测试负责人Adrian Thompson表现，每次对其主动驾驶体系软件举行任何调解时，他们都会主动重新运行整套模仿测试。
ATG工程师也有本身的工具，比方说DataViz。这是ATG与Uber的数据可视化团队互助开辟的一个Web版的应用，可以用来检察模仿情况下的汽车是怎样表明和感知假造天下的。DataViz提供了诸如汽车、地面图像、车道标志和标记之类的元素的拟真表现。对于通过算法天生的信息（好比对象分类、猜测、规划以及往前看等），它也会举行抽象表现（通过颜色和多少编码等本领）。具象和抽象表现归并症一起可以让员工查抄和调试通过离线和在线测试网络到的信息，以及在创建新场景的过程对信息举行探索。

上图：Uber的自主可视化体系，这是一个基于Web的车辆数据平台。
Thompson表现，在已往两年的时间里，Uber加速建模和仿真工具开辟工作的决定正在劳绩丰厚回报。他说，在某些环境下，公司以及开始使用凌驾200万英里的传感器日记，再联合模仿来完成“尽大部门”的AI练习和验证工作。
Thompson 说：“我们的AI模子开辟工作根本上没有受到无法上路的影响。我们的试验跑道测试就是为了验证模子的，以是这段时间内我们还可以或许维持原有的开辟节奏，假如不是加速的话。”
Thompson还说，跟新冠病毒大盛行之前相比，在Uber 模仿情况下的假造汽车行驶的里程数反而增长了，这一点大概不敷为奇。他没有明说这次康健危急是缘故原由，但表现COVID-19为继承扩大模仿提供了时机。
“ 我们已经订定了美满的战略筹划，从而可以进一步扩大我们的模仿里程。我们基于模子的开辟方法使得我们的运作在这种新冠大盛行的环境下变得更加结实，固然，这件事变从某种水平来说具有肯定的偶尔性。”他还增补说。“在可预见的将来，我们还会继承快速扩大我们的模仿本领，哪怕在这次疫情事后，我们也没有淘汰模仿行驶里程的筹划。”
Lyft
在被迫制止全部的现实路测时，Lyft 正在开辟新的车载平台。只管云云，Lyft L5级主动驾驶部分的工程总监Jonny Dyer称，该公司也在对模仿仿真“更加下注”，使用本身的无人车在实际情况下行驶得来的约莫100000英里的数据，在验证之前对模仿情况举行校正。
详细来说，Lyft 正在改进模仿利用的技能，引导主体（好比假造行人）对车辆做出现实反应，这此中一部门是借助AI和呆板学习模子来做到的。它还开辟雷同基准测试框架等工具，让工程师可以或许对举动检测器举行比力并改善性能，还在开辟住一个可以对可视化举行动态更新从而资助创建多样化仿真内容的仪表板。
Dyer说，Lyft的关注意点不是像模仿摄像头、激光雷达、雷达传感器数据之类的挑衅，相反，他们聚焦的更多是传统基于物理的机制，以及有助于辨认可用于模仿的精确参数集的方法。他说：“这不是用仿真模子来玩一场大规模的游戏，而是要用高保真度来模仿出符合的行驶。我们聚焦在保真度方面，要确保仿真跟实际驾驶环境下所做的事变更靠近。这不但仅是模仿里程数的题目，也是模仿精确性的题目。”
Dyer说，Lyft 还对本身的验证计谋举行了重新计划，从而在疫情期间对布局和动态模仿等方面举行更多的评估。该公司原筹划在开展这些步调之前先举行现实测试（现在仍会举行一部门）——但居家令让他们的硬件工程师被迫把工作从工程转向仿真。
比方说，一名高级盘算机工程师在她的寝室内里安装了一台高性能服务器，用来跑Lyft的主动驾驶汽车技能栈，这台服务器有八块图形卡以及一个功能强盛的x86处置惩罚器，为了散热，内里配了四个台式风扇。另一位工程师则在本身的车库内里用树莓派和他在eBay上购买的电路板来做了一个电解腐蚀装置。另一位工程师把自家后院的板球场酿成了激光雷达传感器探测范围，还用全尺寸的路标来校准Lyft筹划要整合只管的新传感器。
行业挑衅
只管为了应对新冠危急无人车公司做出了巨大积极，但少数会由于这场疫情受损好像在所不免。一些专家断言，模仿无法取代真正的路测。
在涉及真实数据的模仿内里，一个存在的恒久挑衅是，哪怕原始的传感器未曾记载到，每一个场景也都必须对主动驾驶汽车的活动做出相应。另有照片或视频没有捕获到任何角度或视角也都必须用猜测模子来渲染或模仿，这就是在已往模仿要靠盘算机天生的图形和基于实际的渲染（这些渲染在某种水平上代表了一个粗糙版的天下）的缘故原由。（值得留意的是，哪怕是重要在模仿情况下练习无人驾驶模子的英国初创企业Wayve，也要靠安全司机的反馈来对模子举行微调。）
卡内基·梅隆大学研究职员发表的一篇论文概述了模仿所面对的阻扰了实际天下硬件开辟的其他方面挑衅：
实际鸿沟：模仿情况并不总能充实代表物理实际——比方说，缺乏准确轮胎模子的模仿大概没法表明实际环境下高速转弯时汽车的举动。资源本钱：仿真的盘算开销必要图形卡之类的专用硬件，这会导致高昂的云盘算本钱。根据Synced近来的一份陈诉，假如要练习一个最先辈的呆板学习模子（比方说华盛顿大学的Grover）来天生和检测假消息，两周的时间里大概要花25000美元以上。再现性：模仿器再好也大概包罗不确定性元素，这些不确定元素会导致测试无法重现。现实上，在受答应地域（好比莫斯科）仍旧继承实况路测的Yandex就指出，只管模仿可以资助举行主动驾驶汽车开辟，但公测仍旧至关紧张。该公司称，把研究方向转到没有路测的完全模仿在短期内会延缓主动驾驶汽车开辟的进度，由于要想开辟出具备100％正确性和复杂性的模仿必要的题目办理方案和资源大概会跟开辟主动驾驶技能自己所需的一样多。
Yandex 发言人表现：“ [假如没有真实测试，]主动驾驶公司就没法网络紧张的真实驾驶数据。” “ [别的，]模仿驾驶以及在测试跑道驾驶可以资助证实车辆满意实行室情况下的特定要求。但在公路上行驶的时间，主动驾驶平台必要面临更为复杂的实际天下动态，包罗差别的气候条件以及各种行人和驾驶员举动等状态。”
除了要让主动驾驶体系袒露在这些复杂动态之外，Ars Technica的Timothy B. Lee还指出，测试可确保传感器和其他硬件的故障率较低；确保汽车会选择安全的搭客上落所在；还要确保车队操纵员均受过精良的培训，可以应付任何突发变乱。测试还可以让公司可以或许辨认出大概会出现的题目，比方说是否有充足的车辆可用于高峰时间的服务。
Dyer对这些观点并并不完全差别意，但总的说来他对模仿测试的远景更为乐观。他说，仿真非常适适用来对测试跑道数据举行布局化和功能测试，这在Lyft 的主动驾驶门路图内里占据了很大的一块。
他说：“究竟上，全部的仿真多少都会受到一些限定，由于你必须用实际往校正和验证模仿驾驶。…以是模仿不会很快就能代替路测，[由于]你没法在模仿内里做完全部的事变。但我简直以为我们在模仿情况下正在取得巨大进步。就这一点而言，这次疫情根本没有影响。大型工程项目有许多东西是免不了的，比方说技能债务，要修复的底子办法，但是假如处于操纵步伐过程中的话，是很很难修复的。我以为假如如今对这些举行投资的话，一旦重新启动我们会收到极大的回报。”
波士顿咨询团体高级合资人兼董事总司理Brian Collie等人则是猜疑论者，他以为这次疫情回到无人驾驶汽车技能的贸易化至少推迟三年。福特好像已经暗示本身将会公布把启动主动驾驶汽车服务的筹划推迟到2022年。这家汽车制造商不停在跟Argo AI互助，并通过Postmates、Walmart、Domino以及当地的互助同伴试点筹划来测试其进进市场的战略。
Karmel认可进步的路上大概会有些颠簸，尤其是当Waymo的测试停息时，但他布满信心地表现，这次疫情并未对筹划中的上线产生实质性影响。
Karmel说：“假如光关注合成的行驶里程，而没有拿到实际天下内里往查验的话，是很丢脸出我们毕竟取得了什么样的现实希望的。不管怎样，我们要做的就是尽大概多地往学习——哪怕在疫情期间，我们仍旧积聚了数千年的履历。”
译者：boxi
【关注百家号乐居财经，洞悉房产市场风云变革。】
文章泉源:神译局


http://www.fyguaji.com