自動駕駛汽車數據不再封閉，Uber 開源新的數據可視化系統

雷鋒網 AI 科技評論按：日前，Uber 開源了基於 web 的自動駕駛可視化系統（AVS），稱該系統為自動駕駛行業帶來理解和共享數據的新方式。AVS 由Uber旗下負責自動駕駛汽車研發的技術事業群（ATG）開發，目前該系統已在 Voyage、Applied Intuition 等多家公司應用。Uber 在其官網上發布了這一開源消息，雷鋒網 AI 科技評論編譯如下。

當自動駕駛汽車在城市環境中駕駛時，了解它們感知到了什麼對於開發使其能夠安全運行的系統至關重要。並且，正如我們為街道標誌和交通基礎設施制定標準以幫助人類駕駛員一樣，也需要為自動駕駛汽車的開發者提供標準的可視化平台，使其能夠表示來自感測器、圖像分類、運動推理以及用於構建直接環境的準確圖像的其他技術的輸入。

正如我們此前在「Engineering Uber"s Self-Driving Car Visualization Platform for the Web」（閱讀地址：https://eng.uber.com/atg-dataviz/）這篇文章所寫到的，為了支持不斷增長的自動化用例池，自動駕駛 Uber 的 ATG（技術事業群）和可視化團隊藉助基於 web 的可視化技術來解釋這些感測器以及演算法衍生的世界。

現在我們很高興對這個經過重新設計和增強的自動駕駛可視化系統（AVS）進行開源，對於自動駕駛行業來說，這個系統是其理解和共享自動駕駛系統數據的新方式。

AVS 地址：https://avs.auto/

AVS 可以顯示自動駕駛汽車在真實世界場景中的性能

AVS 是一個描述和可視化自動駕駛汽車的感知、運動以及數據規劃的新標準，提供了一個強大的基於 web 的工具包來創建可應用於使用該數據探索、交互以及（更關鍵的是）做出重要的開發決策的應用程序。

作為獨立的標準化的可視化層，AVS 可以讓開發人員無需再為自動駕駛汽車創建自定義可視化軟體。藉助 AVS 的抽象可視化，開發人員可以專註於駕駛系統、遠程協助、地圖繪製以及模擬等核心的自動駕駛研發。

包括科技公司、基金會、研究機構、原始設備商（OEM）以及創業公司等在內的諸多機構組織，都面臨著自動駕駛所帶來的挑戰。能夠顯示自動駕駛汽車在其環境中感知到了什麼的可視化工具，對於開發出安全的自動駕駛系統至關重要。從靠近硬體和感測器堆棧起，系統就需要用到這些工具，此外，自動駕駛系統日誌數據的在線或離線回放也需要反覆用到它們。隨著平台的成熟，圍繞分類、模擬、地圖繪製，安全、圖像收集以及標註的新的用例就會出現。生產之路需要能提供監控、遠程協助以及支持的全新的工具和基礎架構。

除了快速展開這些需求，自動駕駛工程師為了交付有效的工具解決方案，通常也不得不學習複雜的計算機繪圖方法和數據可視化技術。可視化標準的缺失造成的結果是，工程師為了快速交付解決方案，會圍繞現成的技術和框架來組裝定製的工具。然而，在我們的經驗中，嘗試用各種現成組件組裝出來的開發工具會造成系統難以維修或變得不靈活性，並且各組件間的結合度還不足構成平台的堅實基礎。

我們現在將 AVS 共享給更廣泛的自動駕駛界，就是希望工業界能夠通力合作推動這一領域的進展，並定義出一個新的標準，最終為大眾帶來一個更安全、更高效的交通工具方案。

在使用 Uber ATG 的基於 web 的 AVS 的案例中，通過對車輛使用該系統之前和之後的比較，我們可以看到汽車檢測得到改善。

自動駕駛汽車開發是一個快速發展的領域，擁有新的服務、數據集（尤其是通過 LiDAR）以及許多需要新解決方案的用例。在 Uber，多個工程團隊都對需要處理的解決方案有著獨一無二的需求。使用基於 Web 的可視化應用程序顯而易見是一種選擇，因為它為跨團隊的快速更迭、用例特定的應用程序、簡化的信息共享、定製以及現有服務的集成創造了機會。

雖然基於 Web 的可視化系統擁有顯而易見的優勢，但它也面臨著如何在保留與基於桌面系統相當的性能的同時還能高效地管理數據的挑戰。解決這些挑戰就需要一個新的抽象來管理和描述 Web 應用程序使用的生成數據。

基於上述需求，我們圍繞兩個關鍵的部分建立了自己的系統：XVIZ 提供了數據（包括管理和規格）；而 streetscape.gl 則是一個組件工具包，能夠強化 web 應用程序。

XVIZ

自動駕駛系統生成的數據需要一個正式且兼具靈活性的規格，例如可以與展開的基礎框架集成、符合多個客戶端、並且足夠接近數據源以定義必要的控制項和綁定來高效地管理數據的數據格式。

XVIZ 的高級數據流包括：伺服器端上的編碼器和構建器和客戶端上的解碼器、數據緩衝器和同步器。

XVIZ 提供了隨時間變化的場景的（數據）流導向視圖以及聲明性的用戶界面顯示系統。像視頻錄製一樣，您可以隨意搜索並了解系統當時的現狀。同時它也像 HTML 文檔一樣，其表示會根據允許內省的模式進行聚焦和結構化處理。不過，XVIZ 還允許通過將單獨的流捆綁在一起並更新到單個目標中，來輕鬆探索和查詢數據。

XVIZ 流是在特定時間使用特定的基元類型（primitive types）時發生的一系列離散的更新。基元是能夠描述 LiDAR 點雲、相機圖像、目標範圍、軌跡、隨時間變化的車輛速度以及預測的規劃的目標。為了簡化給用戶呈現的演示，這些目標被單獨設置了樣式（包括數據流級別）或分配了樣式類（style class）。

XVIZ 通過分層命名來組織數據流，其中單獨的元數據部分列出了數據流、它們的類型、相對變換、聲明性 UI 面板和樣式類。然後，用戶界面將目標的圖形面板與數據捆綁在一起，通過 YAML （https://en.wikipedia.org/wiki/YAML）為用戶提供控制項，進而安裝一系列布局和顯示組件。

XVIZ 的數據結構，其允許研究者從數據集切換流。

streetscape.gl

streetscape.gl 提供了各種 UI 組件，包括相機、回放控制項、目標標註和繪圖功能。

streetscape.gl 是一個工具包，它用於創建使用 XVIZ 協議中的數據的 web 應用程序。它為以 3D 視圖、圖表、表格、視頻等形式將 XVIZ 流可視化提供了可立即投入使用的組件。同時，它還解決了常見的可視化痛點，例如跨數據流的時間同步（time synchronization）、坐標系統、相機、動態樣式以及與 3D 目標和交叉組件的交互等，從而讓用戶可以投入更多的時間來創建出自動駕駛汽車軟體本身。

渲染性能（Render performance）是 streetscape.gl 的首要目標。藉助 React 和 Uber 成熟的基於 WebGL 的可視化平台（http://vis.gl/），我們能夠支持實時回放以及與支持數十萬種幾何尺寸的場景的平滑交互。

可組合性也是設計 streetcape.gl 的前線和中心。我們的內部可視化平台為分類、標註、調試、遠程協助和場景編輯等十幾個不同的用例提供支持，通過從該平台的工作中學習，我們設計的組件具有高度的樣式可定製性和可擴展性，因而所有的團隊都能根據其獨特的工作流程來體驗這一系統。

AVS 有何不同

AVS 被設計成開放和模板化的系統，從其開發之初，我們就鼓勵內部團隊出謀劃策來實現去耦（decoupling）。從架構上來說，它提供了一個分層的方法，該方法可以最小化自動駕駛堆棧的組件間的耦合，並為數據交換提供一個明確的定義。每個層都可以按需形成，而不需要改變全系統，並且系統還可以按照特定的場景或用例來定製層。

這一指導原則有助於將 AVS 與當前的解決方案區分開來。具體而言，AVS 的架構使該系統獨樹一幟，因為：

• 它在設計上故意將數據與所有的底層平台分離；

• 它的有限的小規格可以讓開發者更易於開發工具；

• 它的數據格式要求可以實現快速的轉移和處理。

此外，AVS 還可以迎合自動駕駛生態系統中各類人的需求，包括工程師、操作員、分析家以及專業的開發者等。自動駕駛工程師可以使用 XVIZ 輕易地對他們的系統進行描述，然後還可以使用有限的經費來驗證和實踐他們的預想。專業的開發者可以使用 streetscape.gl 快速地創建與數據源無關的具有強大的性能特徵和簡化的集成的應用程序。最後，操作者也能夠通過多個應用程序以視頻等視覺格式來查看數據，從而使得協作、知識理解、更深入的分析以及總體信任數據的質量，都變得更加容易。

通過將 AVS 開源給工業界，我們鼓勵更多開發者基於這一系列原始的思路貢獻更多想法，並開發出更多系統。

對於 Voyage、 Applied Intuition 以及 Uber ATG 等開發或支持自動駕駛汽車的公司來說，通過從模擬到道路測試的方法來尋找自動駕駛問題的根本原因，是一個極度耗時的過程。

據 Voyage 的首席技術官 Drew Gray 所提到的，能夠可見地探索自動駕駛感測器數據、預測路徑、追蹤目標和速度及加速等狀態信息對於分類過程來說是價值巨大的，並且還可以對開發人員的效率帶來積極影響。此外，該信息還可用於設置基於數據的工程的優先順序。

Voyage 的聯合創始人 Warren Ouyang 也隨聲附和了 Gray 對於 AVS 的發展潛力所發表的觀點。他表示「我們非常高興能夠使用 Uber 的自動駕駛可視化系統，並共同協作為自動駕駛界的向前發展開發出更好的工具。」

AVS 在其他應用程序中提供了豐富的上下文，例如這個案例就增強了 Uber ATG 在景點視察方面的應用。

除了對根本原因的分析之外，uber 團隊也在其他用例中使用了 AVS，例如基於 Web 的日誌查看、開發人員環境和映射維護等。同時，我們還打算通過開源這些技術，讓無人機、機器人、貨車運輸、車隊管理、增強和虛擬現實以及零售等其他新興和相鄰行業的開發人員，也能為此工具包找到應用場景。

讓 AVS 進入更廣泛的工業界只是一個開始。我們希望為更多開發者和操作者提供自主化的訪問，以期為自動駕駛領域做出貢獻。

通過與 Voyage、Applied Intuition、開源基金會等組織機構及貢獻者的合作，我們計劃通過更多數據源和規格（尤其是 ROS 支持）、性能優化以及更豐富的功能（如並排比較）來強化該產品。

Applied Intuition 的首席技術官 Peter Ludwig 說道：「在 Applied Intuition，我們正在與世界上最先進的 AV 團隊合作，他們需要的是最先進的工具... 而 AVS 正好符合這一點，並且特別值得注意的是，它是基於網路的，同時還滿足了自動駕駛領域的這一需求：不需要一遍又一遍地重建相同的可視化工具。此外， Uber 開源 AVS 對於其他的 AV 領域來說，也意義重大。」

Uber ATG 的 AVS 賦能的 AV 日誌查看器這一應用程序讓我們可以分析車輛應對交叉路口的方法。

Uber 熱衷於實現自動駕駛汽車的長遠願景：為每個人帶來更安全、更清潔和更高效的交通解決方案。遺憾的是，各個行業中的早期開發工具往往是原始的，並且適用於解決能夠擴展其功能的新用例。鑒於技術正在快速地改變交通運輸方式和我們所居住的城市，因此我們比以往更加迫切地需要更好的工具來加速這一變化。

無論這個產品是用來改善城市規劃投資（相關閱讀：https://medium.com/uber-movement/bringing-more-data-to-uber-movement-with-street-speeds-32da498329a7）、更多樣的地理空間分析（相關閱讀：https://eng.uber.com/keplergl/）、更先進的地圖繪製（相關閱讀：https://eng.uber.com/uber-visualization-mapbox/）還是新的移動趨勢（相關閱讀：https://www.uber.com/newsroom/mobility-dashboard-for-jump-bikes/），我們都發現：開源數據和工具的策略能夠幫助政府、開發者和研究者以及整個工業界加快邁向未來更智能化的交通生態系統的步伐。

via：https://eng.uber.com/avs-autonomous-vehicle-visualization/雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！