经历伤亡事件后的 Uber ,能靠黑科技 VerCD 翻身吗?

商业资讯 阅读(1108)

雷,优步已经很长时间没有公开谈论自己的自主平台架构了。不久前,优步终于通过一篇博文详细介绍了ATG在测试、验证和部署人工智能模型时使用的黑色技术。

通过这篇文章,我们不仅可以进一步了解无人驾驶汽车研发的复杂性,还可以更深入地了解优步的无人驾驶标准。毕竟,后者是一家罕见的经历过自驾伤亡并进行了长期深刻反思的公司。

据优步称,ATG部门工作流程中最重要的部分是VerCD,这是一套专为优步自主原型开发的工具和微服务。它可以在研发过程中跟踪不同代码库、数据集和人工智能模型之间的相关性,确保工作流从数据提取阶段开始,然后逐渐过渡到数据验证、模型培训、评估和服务阶段。

"vercd已经成为Ubertg自主驾驶传感器训练数据的可靠来源."优步在博客中写道。“在将工作流中的数据集转移到VerCD后,我们的数据集刷新频率增加了十倍以上,效率也有了显着提高。经常使用的数据集的定期维护也加快了机器学习工程师产品的迭代速度,因为他们可以使用数据集进行实时实验,而不是花几天时间等待数据集的建立。

"此外,我们还为目标检测和路径预测模型设置了每日训练和每周训练。这种强化训练频率不仅缩短了检测时间,还加快了错误修复速度。”

Uber指出,VerCD背后的大部分项目都致力于增加公司特定的集成工作,即让现有系统与ATG完整的端到端机器学习工作流进行交互。为此,最新版本的VerCD的Orchestrator服务可以调用各种数据原语来构建用于测试的自主汽车的运行时,或者在使用深度学习库创建图像和在数据中心之间来回复制数据集时与代码库进行交互。

VerCD管理的数据集来自ATG自主车辆收集的日志。这里提到的日志数据包括摄像机拍摄的图像、激光雷达生成的点云、雷达收集的信息、车辆状态(位置、速度、加速度和方向)以及地图数据(如车辆路线和车道)。在工作中,日志数据还将分为训练数据、测试数据和验证数据,其中75%用于训练,15%用于测试,其余10%用于验证。为了更好地对日志数据进行分类,优步还开发?艘桓龌诘乩砦恢玫奶厥獾乩矸指罟ぞ摺?

一般来说,VerCD用户可以提供任何数据集、模型或度量的相关性,而数据库的后端是VerCD管理这些信息的“据点”。新数据集注册完成后,VerCD数据集服务会将相关元数据存储在补充数据库中。数据集通过其名称、版本号和VerCD跟踪的相关项目进行唯一标识,以便传感器日志标识、描述数据集生命周期的元数据等。可以从自动驾驶汽车上精确复制。机器学习模型也将被唯一地识别,以支持路径的复制,例如版本化数据集和人工智能模型训练简档。

在机器学习训练中,优步ATG使用“双线作战”的混合方法。培训不仅将在数据中心进行,还将在云中进行。优步的开源统一资源调度程序Peloton在这里也非常有用。

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的系统将开始训练它。在验证过程中,VerCD还允许实验和生产模式之间的平稳过渡,优步认为这对于再现性和可追溯性至关重要。

根据训练中的表现,VerCD将为各种模型加上“失败”、“失败”和“成功”等描述。如果一个模型失败了或者必须被丢弃,机器学习工程师可以选择用新的参数重建该模型。此外,VerCD还可以引导模型的验证,即基于特殊的训练模型检查训练管道。优步指出,只有构建和验证都成功,模型才能升级为生产模型。

在外部世界,这篇博文也是优步提高透明度的尝试。坦率地说,优步在研发方面的记录好坏参半

去年12月,在优步的自动驾驶团队因亚利桑那州的一起致命事故被禁赛八个月后,他们在匹兹堡重启了自动驾驶测试。国家交通安全委员会(NTSB)的调查结果显示,优步在汽车事故中禁用了沃尔沃XC90的自动制动系统(该公司在一份内部文件中表示,这样做是为了“减少不正常车辆行为的可能性”)。

在2018年6月发布的一篇博客文章中,优步ATG的负责人Eric Meyhofer详细介绍了公司新实施的安全措施,比如安全手动驾驶和监控系统的培训项目。如果司机把目光从道路上移开,远程监视器将收到警报。在提交给国家公路交通安全管理局(NHTSA)的一份安全评估中,优步表示,由于其新成立的系统工程测试团队,优步现在有了一个更好的位置,“对许多可能的结果进行推理,并最终做出安全回应。”

(雷锋网)

雷锋网

http://www.nmghyzg.cn