前 Uber 高管离职创业，首款自动驾驶产品惹争议，Hinton、李飞飞曾参投

自动驾驶圈的人才流动，在近几年尤为明显，特别是美国多个自动驾驶公司或部门被收购后，一大批自动驾驶人才选择自主创业。

而在不同的创业方向中，原Uber ATG部门首席科学家Raquel Urtasun的选择较为独特。

Waabi Innovation创始人，Raquel Urtasun

去年6月，沉寂一段时间的Raquel Urtasun突然宣布创建Waabi Innovation，通过研发端到端的自动驾驶仿真训练平台，提升自动驾驶技术以进入无人重卡市场。

经过半年多的研发后，Waabi的仿真测试平台已有进展，不过其产品却引来众多专家的质疑，这又是为何？

AI自动驾驶仿真测试平台利与弊

相对于其它自动驾驶模拟平台，Raquel Urtasun更注重将AI融入应用。

Raquel Urtasun认为，传统方法限制了 AI 的力量，开发人员必须手动调整软件堆栈，这是一项复杂且耗时的任务。

目前，尽管已有部分公司将深度学习引入仿真测试平台，但深度学习的“黑匣子”特性，使得研究人员无法查清其如何解决特定任务的方式及原因。

因此，她决定将深度网络、概率推理和复杂优化相结合，以提升自动驾驶系统的迭代速度。Raquel Urtasun 断言，Waabi 的仿真测试平台通过人工智能来设计测试、评估技能和教授自动驾驶系统“学会自己驾驶”。她表示，该平台可通过数据构建真实世界的“数字孪生”，并模拟实时传感器，自动制作场景对自动驾驶系统进行压力测试，无需人工干预。

具体而言，Waabi的模拟平台路线有两大特点：

• 一是使用闭环模拟器，实现常见驾驶场景和Corner cases的大规模测试；

• 二是构建仿真器，利用深度学习进行激光仿真，快速提升虚拟路测和自动驾驶的迭代优化速度。

Waabi称，该技术通过减少对现实道路测试的需求，将为测试和制造自动驾驶汽车带来更安全、更低成本的自动驾驶解决方案。

针对此，美国韦恩州立大学计算机科学系教授施巍松提出，因其技术过于依赖人工智能设计测试、评估技能和训练自动驾驶系统，可能不能解决当今自动驾驶仿真测试平台的所有问题。

他认为，Waabi模拟的传感器信息中应加入真实道路中出现的噪声，并应允许用户设定更多样化的场景。

此外，与真实世界不同的是，在涉及真实数据的仿真测试中，无论传感器是否捕获视点，每个测试场景必须根据自动驾驶汽车的运动而使用预测模型进行渲染。这也意味着，渲染只是粗略地还原世界。

“我认为，在我们涵盖了所有典型的驾驶模拟场景之前，需要进行实际测试以测试Corner cases。”施巍松表示。“我相信模拟测试的作用目前是有限的，只有通过实际体验这些场景，自动驾驶汽车才能学会对不同的驾驶模式作出反应。”

美国韦恩州立大学计算机科学系教授施巍松

不完美的仿真测试技术

仿真测试技术，长期被视为自动驾驶技术快速迭代的技术手段之一。

兰德智库关于自动驾驶汽车的一份评估报告显示，自动驾驶系统若达到量产应用条件，至少需要经过110亿英里的道路验证。对于车队规模较小，资金并不充裕的自动驾驶公司而言，需要数年、甚至数十年才能完成这一目标。

不过对于自动驾驶汽车究竟需要完成多少里程的道路测试，目前业内没有公认的标准。

因此，从过去至现在，仿真测试技术因其可通过模仿真实世界道路的交通环境，短时间且成本低廉地为自动驾驶系统获取海量道路数据而备受各自动驾驶公司的青睐。

不过极少有人关注到，仿真测试技术存在的不足。

仿真测试技术，大致可分为三种类型：

• 回放传感器日志，重新回放自动驾驶汽传感器捕获的数据，以训练自动驾驶系统。

• 运动规划模拟，模拟身临其境的虚拟世界。

• 虚拟世界渲染，利用渲染技术自动扩大虚拟世界范围。

不过，尽管仿真测试技术强大，但其仍不可避免受到虚拟的约束，无法完美展现现实世界。

专家指出，仿真测试中的元素较为单一，创建的虚拟世界中应包括不同性别、身高、形状等行人，且还需包括轮椅、婴儿车等物体以更真实的接近真实世界中的行人。

此外，仿真测试相对可控的虚拟世界内，将使得自动驾驶汽车错过某些值得关注的问题。譬如，如果现实世界中有人通过贴纸修改车辆的外观，或者在其它车辆车身贴上限速标志，自动驾驶感知系统可能因此受到影响。然而在仿真测试测试中，这些问题很可能不会出现。

鉴于仿真测试测试平台的弊处，业界为收据测试数据通常将实际道路测试与仿真测试相结合，以更好的提升自动驾驶技术。部分公司也将在此基础上通过乘用车收集更多道路数据。

或许，Waabi未来将推出更多产品以弥补模拟器的缺陷，以摆脱激光雷达实现自动驾驶为目标的Waabi。

Waabi 的诞生之路

成立一家自动驾驶公司，没有首先推出相关技术成果，而是耗费大量时间开发模拟平台，这一举动看上去有违常理，但这背后与Raquel Urtasun在Uber的工作经历密切相关。

2017年，Uber一辆行驶中的Robotaxi撞上一名过马路的49岁妇女并致其死亡，此事将Uber及自动驾驶技术推上风口浪尖，使之成为众矢之的。通过这一事件，让Raquel Urtasun更深刻认识到安全的重要性。

此前，她曾在接受媒体采访时表示，Uber的工作及那一场车祸的经历，为 Waabi“印上了安全第一”。她表示：“这也是我们在模拟测试方面进行大量开发的原因之一，以降低开发这项技术的风险。”

此外，其在Uber ATG部门的大部分工作，也与模拟测试相关。

2017年5月，Raquel Urtasun在兼任多伦多大学计算机科学教授一职的情况下，担任Uber ATG部门首席科学家。在Uber，Raquel Urtasun带领数十名研究人员与其从多伦多大学带来的八名学生，通过使用人工智能尤其是深度学习对自动驾驶系统进行模拟测试，试图使自动驾驶汽车完全摆脱激光雷达。

在其任职期间，Uber疯狂招揽更多自动驾驶大牛加入，ATG团队从8人扩充至50多人。其中Uber从Waymo挖角明星工程师Anthony Levandowski，引发Waymo控诉Uber窃取商业机密（经过两年的谈判双方最终于近日达成和解）。

然而研究工作并非一帆风顺。尽管Uber多方引入人才以提升其自动驾驶技术，但在2017年其自动驾驶汽车车祸、诉讼案件以及疫情爆发的多重冲击下，Uber ATG部门于2020年12月以40亿美元的价格被出售给自动驾驶公司Aurora。

此后，Raquel Urtasun及其团队销声匿迹长达半年，最终Raquel Urtasun在去年6月宣布创立自动驾驶公司Waabi Innovation。

或许，Raquel Urtasun选择创业成立Waabi Innovation，可视为是其在Uber研究工作的延续。

不过与众不同的是，Raquel Urtasun甫一宣布这一消息，便引来众多看好的目光。

彼时，美国自动驾驶多家初创公司已卖身车企，行业遭受投资寒潮。然而当Raquel Urtasun宣布成立自动驾驶公司，仅在短短几天内便获得 8350 万美元的A轮融资，投资方不仅包括Uber、Aurora等知名公司机构，还包括Geoffrey Hinton、李飞飞、伯克利大学机器人学习实验室主任Pieter Abbeel和英伟达AI主管Sanja Fidler等世界知名人工智能专家。

这一A轮融资，成为加拿大初创公司有史以来规模最大的一轮初始融资之一。

如今，Raquel Urtasun在自己创立的Waabi中延续此前Uber ATG部门的研究工作，在自动驾驶之路上渐行渐远。

雷峰网雷峰网雷峰网(公众号：雷峰网)