Uber 前高層離職創業，首款自動駕駛產品惹爭議

自動駕駛圈人才流動近幾年尤其明顯，特別是美國多家自動駕駛公司或部門被收購後，大批人才選擇自己創業。

不同的創業方向，原Uber ATG部門首席科學家Raquel Urtasun選擇可說是獨特。

▲ Waabi Innovation創始人Raquel Urtasun。（Source：Raquel Urtasun, CC BY-SA 4.0, via Wikimedia Commons）

去年6月，沉寂一段時間後Raquel Urtasun突然宣布創立Waabi Innovation，透過研發點到點自動駕駛模擬訓練平台，提升自動駕駛技術以進入無人重卡市場。經過半年多研發，Waabi模擬測試平台已有進展，不過產品卻引來眾多專家質疑，這又是為什麼？

AI自動駕駛模擬測試平台利與弊

相較其他自動駕駛模擬平台，Raquel Urtasun更注重AI應用。Raquel Urtasun認為傳統方法限制AI的力量，開發人員必須手動調整軟體堆疊，是複雜耗時的任務。

儘管部分公司將深度學習引入模擬測試平台，但深度學習的「黑盒子」特性，使研究人員無法查清如何解決特定任務的方式及原因。

她決定將深度網路、概率推理和複雜最佳化結合，提升自動駕駛系統的更新速度。Raquel Urtasun 斷言，Waabi模擬測試平台透過人工智慧設計測試、評估技能和教自動駕駛系統「學會自己駕駛」。她表示，平台可透過數據構建真實世界的「數位孿生」，並模擬即時感測器，自動製作場景對自動駕駛系統進行壓力測試，無需人工干預。

Waabi的模擬平台路線有兩大特點：

使用封閉環境模擬器，實現常見駕駛場景和Corner cases大規模測試。
構建模擬器，利用深度學習雷射模擬，快速提升虛擬路測和自動駕駛更新最佳化速度。

Waabi稱，透過減少實際路測需求，將為測試和製造自駕車帶來更安全、更低成本的自動駕駛解決方案。

美國韋恩州立大學電腦科學系教授施巍松提出，因技術太依賴人工智慧設計測試、評估技能和訓練自動駕駛系統，可能不能解決自動駕駛仿真測試平台的所有問題。Waabi模擬感測器資訊應加入真實道路會出現的噪音，並應允許用戶設定更多樣化場景。

與真實世界不同的是，真實數據模擬測試，無論感測器是否捕獲視點，每個測試場景必需根據車子運動使用預測模型渲染，意味只是粗略還原世界。

「我認為涵蓋所有典型駕駛模擬場景前，需實測以確認Corner cases。」施巍松表示。「我相信模擬測試作用有限，只有透過實際體驗場景，自駕車才能學會不同駕駛模式要如何反應。」

▲ 美國韋恩州立大學電腦科學系教授施巍松。（Source：美國韋恩州立大學）

不完美的模擬測試

模擬測試長期視為自動駕駛技術快速更新的手段之一。

蘭德智庫自駕車評估報告顯示，自動駕駛系統若達到量產應用條件，至少需經110億英里道路驗證。對車隊規模較小，資金不充裕的自動駕駛公司，需數年甚至數十年才能完成目標。

不過對自駕車究竟需要開多少里程道路測試，業界還沒有公認標準。從過去到現在，模擬測試因可透過模仿真實世界的交通環境，短時間且成本低為自動駕駛系統取得海量道路數據，備受各自動駕駛公司青睞。

不過極少有人注意到模擬測試的不足。模擬測試可分為三種：

回播感測器日誌，複習自駕車感測器數據，以訓練自動駕駛系統。
運動規劃模擬，模擬身臨其境的虛擬世界。
虛擬世界渲染，利用渲染技術自動擴大虛擬世界範圍。

儘管模擬測試很有用，仍不可避免受虛擬束縛，無法完美展現現實世界。

專家指出，模擬測試元素較單一，虛擬世界應有不同性別、身高、形狀等行人，且還需包括輪椅、嬰兒車等物體以更真實的接近真實世界中的行人。

此外，仿真測試相對可控的虛擬世界內，將使得自動駕駛汽車錯過某些值得關注的問題。譬如，如果現實世界中有人透過貼紙修改車輛的外觀，或者在其他車輛車身貼上限速標誌，自動駕駛感知系統可能因此受到影響。然而在仿真測試測試中，這些問題很可能不會出現。

鑑於仿真測試測試平台的弊處，業界為收據測試數據通常將實際道路測試與仿真測試相結合，以更好的提升自動駕駛技術。部分公司也將在此基礎上透過乘用車收集更多道路數據。或許Waabi未來將推出更多產品以彌補模擬器缺點，擺脫光學雷達才能實現自動駕駛的目標。

Waabi的誕生之路

成立自動駕駛公司，卻沒有先推出技術成果，而是耗費大量時間開發模擬平台，這看起來有違常理，但背後與Raquel Urtasun在Uber的工作經歷密切相關。

2017年Uber行駛中的Robotaxi撞上一名過馬路的49歲婦女並導致死亡，此事將Uber及自動駕駛技術推上風口浪尖，成為眾矢之的。透過這事件，讓Raquel Urtasun更深刻認識到安全的重要性。

她接受媒體採訪時表示，Uber的工作及那場車禍為Waabi「印上安全第一」烙印。她表示：「這也是我們模擬測試大量開發的原因之一，以降低風險。」

此外，她任職Uber ATG部門時大部分工作也與模擬測試有關。

2017年5月，Raquel Urtasun兼任多倫多大學電腦科學教授同時擔任Uber ATG部門首席科學家。在Uber，Raquel Urtasun帶領數十名研究人員與多倫多大學8名學生，透過使用人工智慧尤其深度學習模擬測試自動駕駛系統，試圖使自駕車完全擺脫光達。

任職期間Uber瘋狂招攬更多自動駕駛大神加入，ATG團隊從8人擴充至50多人。其中Uber從Waymo挖角明星工程師Anthony Levandowski，引發Waymo控訴Uber竊取商業機密（經兩年談判雙方近日達成和解）案件。

然而研究工作並非一帆風順。儘管Uber多方引入人才以提升自動駕駛技術，但2017年自駕車車禍、訴訟案件及疫情爆發多重衝擊下，Uber ATG部門2020年12月以40億美元賣給自動駕駛公司Aurora。

之後Raquel Urtasun及團隊銷聲匿跡長達半年，最終Raquel Urtasun去年6月宣布創立自動駕駛公司Waabi Innovation。或許Raquel Urtasun選擇創業可視為Uber研究工作的延續。不過與眾不同的是，Raquel Urtasun甫宣布消息便引來眾多看好目光。

彼時美國自動駕駛多家新創公司賣身車企，業界遭投資寒潮。然而當Raquel Urtasun宣布成立自動駕駛公司，短短幾天便獲得8,350萬美元A輪融資，投資方不僅有Uber、Aurora等知名公司機構，還包括Geoffrey Hinton、李飛飛、加州大學柏克萊分校機器人學習實驗室主任Pieter Abbeel和輝達AI主管Sanja Fidler等世界知名人工智慧專家。

A輪融資成為加拿大新創公司有史以來規模最大的一輪初始融資。

如今Raquel Urtasun在自己創立的Waabi中，延續Uber ATG部門的研究，在自動駕駛之路越走越遠。