Uber详细介绍了自动驾驶汽车驱动的AI技术VerCD
尚未公开讨论其自动驾驶汽车平台架构的优步(Uber)今天发表了一篇文章，阐述了使先进技术集团(ATG)内的工程师能够测试，验证并将AI模型部署到汽车上的技术。它大致了解了自动驾驶汽车开发的复杂性，也许更重要的是，它是Uber无人驾驶努力的准绳，Uber无人驾驶努力在2018年5月在亚利桑那州坦佩市发生事故后遭受了挫折。
根据Uber的说法，ATG工作流程中最重要的组成部分是VerCD，这是专门为自动驾驶汽车原型开发的一组工具和微服务。它跟踪正在开发的各种代码库，数据集和AI模型之间的依赖关系，确保工作流从数据集提取阶段开始，然后是数据验证，模型训练，模型评估和模型服务阶段。
Uber写道：“ VerCD……已成为Uber 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纳入VerCD，我们将新数据集构建的频率提高了10倍以上，从而显着提高了效率。维护常用数据集的清单还提高了[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，而无需等待几天就可以构建新的数据集。此外，我们还为自动驾驶汽车的旗舰目标检测和路径预测模型提供了每日和每周的培训工作。这种频繁的培训节奏将发现和修复某些错误的时间减少到几天。
Uber表示，VerCD背后的大部分工程工作都花费在添加公司特定的集成上，以使现有系统能够与ATG的完整端到端机器学习工作流程进行交互。为此，最新的VerCD的Orchestrator服务可以调用各种数据原语来构建自动驾驶汽车的运行时以进行测试，或者与代码存储库进行交互，同时使用深度学习库创建图像并在数据中心之间来回复制数据集。云(应该在这些位置进行模型训练)。
VerCD管理的大部分数据集来自ATG自动驾驶汽车收集的日志。日志数据-来自摄像机的图像，激光雷达点和雷达信息，车辆状态(位置，速度，加速度，航向)和地图数据(例如车辆所使用的路线和车道)-分为训练数据，测试数据和验证数据，例如75%用于培训，15%用于测试和10%用于验证。称为GeoSplit的专有工具用于选择日志，并根据其地理位置在火车，测试和验证之间进行划分。
