优步公布自动驾驶汽车原型开发工具VerCD

优步一直未公开详细讨论其自动驾驶汽车平台架构。然而，据外媒报道，近期优步公布了一项技术，能让该公司高级技术小组（ATG）工程师测试、验证并将AI模型部署到车辆中。这让大众大致了解到自动驾驶汽车开发的复杂性，或许更重要的是，可被视作衡量优步无人驾驶努力的标尺。在2018年5月亚利桑那州坦佩事故后，优步惨遭挫折。

（图片来源：优步官网）

优步表示，ATG工作流程中最重要的部分是VerCD，这是一套专门为自动驾驶汽车原型开发的工具和微服务。VerCD跟踪开发中的各种代码库、数据集和AI模型之间的依赖关系，确保工作流程按照数据集提取、数据验证、模型训练、模型评估和模型服务的顺序依次进行。

优步表示，“VerCD已经成为优步ATG自动驾驶传感器训练数据的可靠来源。通过将数据集构建工作流程加载到VerCD上，我们将新数据集构建的频率提高了10倍以上，从而显著提高了效率。维护经常使用的数据集库存也提高了（机器学习）工程师的迭代速度，因为开发人员可以立即继续进行实验，而不必因为构建新的数据集而等待许多天。此外，我们每天和每周还为无人驾驶汽车的目标检测和路径预测模型进行训练。这种频繁的训练节奏将检测和修复某些漏洞的时间缩短到了几天。”

优步表示，VerCD背后的大部分工作是添加公司特有的集成，使现有系统能够与ATG完整的端到端机器学习工作流程交互。为此，最新VerCD协调器服务可以调用各种数据元素，构建自动驾驶车辆运行时间，以用于测试，或与代码库交互，并同时使用深度学习库创建图像，并在数据中心和云之间来回复制数据集。

VerCD管理的大部分数据集是来自ATG的自动驾驶汽车收集的日志。日志数据包含摄像头捕获的图像、激光雷达点云数据和雷达信息、车辆状态（位置、速度、加速度、方向）、和地图数据（如车辆路线和车道）。这些数据又分为训练数据、测试数据和验证数据，75%用于训练、15%用于测试、10%用于验证。名为GeoSplit的专用工具用于选择日志，并根据日志的地理位置将其分为训练、测试和验证数据。

VerCD用户提供所有数据集、模型或度量架构的依赖项，VerCD在数据库后端管理这些信息。新数据集注册后，VerCD数据集服务将依赖项元数据存储在补充数据库中。数据集通过名称、版本号以及VerCD追踪的依赖项进行唯一识别，允许精确复制自动驾驶汽车的传感器日志ID、描述数据集生命周期的元数据等。机器学习模型也是唯一确定的，支持复制版本控制数据集和AI模型训练配置文件路径。

优步ATG使用综合方法来进行机器学习训练，训练工作运行在由显卡和处理器集群支持的本地数据中心和云端。优步的Peloton是一个开源的统一资源调度器，通过将作业部署到集群中的流程来衡量作业，而Kubernetes则通过主机集群来部署和衡量应用程序。

一旦机器学习工程师在VerCD的模型服务API中定义了实验模型，ATG的系统就会开始训练模型。VerCD支持验证步骤，以便在实验模型和生产模型之间实现平稳过渡。优步表示这对模型训练施加了额外的约束，以确保可重现性和可追踪性。

根据模型的表现，VerCD将其指定为“失败”、“中止”或“成功”。如果一个模型失败或者必须中止，ML工程师可以选择使用一组新的参数来重新构建。VerCD可以异步启动模型验证，其中训练管道检查取决于训练中的特定模型。优步表示，模型只有在实验中构建成功、验证成功之后，才可能用于生产环境中。

此举或可表明优步意在提高其自动驾驶研究透明度。委婉而言，优步在自动驾驶汽车研究方面的记录好坏参半。去年12月，优步在匹兹堡重启无人驾驶汽车测试。而8个月之前，沃尔沃的一辆原型SUV在坦佩撞死了一名行人。此后，该公司又在旧金山和多伦多启动了人工测试。美国国家运输安全委员会（National Transportation Safety Board）后来认定，在导致死亡事故的沃尔沃XC90中，优步关闭了自动紧急制动系统。该公司在内部文件中表示，这样做是为了“降低车辆意外行为的可能性”。

在2018年6月发布的一篇博客中，优步ATG负责人Eric Meyhofer详细介绍了新实施的安全措施，例如专注于安全手动驾驶和监控系统的训练计划，该监控系统可在驾驶员视线离开道路时提醒远程监控。在提交给美国国家公路交通安全管理局（National Highway Traffic safety Administration）的一份自愿安全评估报告中，优步表示，有了新成立的系统工程测试团队，该公司能更好地“对许多可能的结果进行推理，最终创建安全响应系统”。

如需阅读全部内容，请登录查看