研究公司ABI的數據顯示，到2025年，將有800多萬輛無人駕駛汽車出現在公共道路上，它們都有一些共同點：傳感器、功能強大的個人電腦和機器學習算法。Nvidia、英特爾的Mobileye、百度等公司提供工具或平臺，將汽車所看到的路況信息以可視化的形式展現在現實世界中。
不過，在Uber的研發人員看來，這些工具並不夠完美，由於它們所攝取的文件規模很大，因此非常不利於分享，所以在今天，Uber開源了自主可視化系統(AVS)。
這套自主可視化系統(AVS)是一種獨立的基於web的技術，研發團隊將其描述爲：理解和共享自主系統數據的一種新方式。負責開發其自動駕駛汽車平臺的Uber部門——先進技術小組(Advanced Technologies Group，ATG)也使用了這一套件，包括Voyage和Applied Intuition在內的多家公司已經承諾使用這一套件。
“有了AVS的抽象可視化，開發者可以專注於驅動系統、遠程輔助、地圖繪製和仿真的核心自主能力。”Uber在一篇博客中寫道：“AVS讓開發者不必爲他們的自動駕駛汽車開發定製的可視化軟件。”
Uber表示，AVS團隊使用模塊化作爲指導原則，在層中進行構建，這樣自治堆棧中的組件就可以獨立地根據上下文進行演化或定製，而不需要在整個系統範圍內進行更改。這使得Uber的內部團隊可以使用它來查看日誌和進行地圖維護，例如，同時保持其足夠的可擴展性，可適用於無人機、機器人、卡車運輸和車隊管理等行業。
AVS包括兩個核心支柱：XVIZ和streetscape. gl。XVIZ是一個提供、管理和描述自動生成的系統數據的規範；streetscape.gl是一個用於構建web應用程序的工具包，用於在XVIZ協議中接收數據。
根據Uber的介紹， XVIZ streams是一系列離散的更新，在特定的時間使用原語，或對象描述像相機圖像、激光雷達點雲、軌跡和車輛速度等隨時間的變化，它包含了一個服務器端編碼器和生成器，在客戶機端包含一個解碼器、數據緩衝區和同步器。模式結構的視圖和顯示系統跨客戶端工作，使工程師能夠探索和查找狀態，並將單獨的流更新綁定到單個對象中。
AVS的UI爲帶有數據的對象綁定了圖形化面板，對象可以單獨設計樣式或分配樣式類，而流（steam）可以通過分層命名來組織，其中元數據部分列出了它們的類型、相對轉換等。
至於streetscape. gl，它是建立在vis.gl之上的，這是Uber的WebGL支持的開源可視化框架集合，它具有高度可樣式化的組件，用於將XVIZ數據流轉換爲3D視區、圖表、表格、視頻等。此外，它還處理數據流、攝像頭、動態樣式以及與3D對象的交互等時間同步，支持實時回放和具有數十萬幾何圖形的場景。
Uber表示，計劃在未來通過更多的數據源和規範、性能優化以及更豐富的功能來增強AVS。他們在博客中寫道：
我們創建了AVS，以滿足Autonomy生態系統中每個人的需求，包括工程師、車輛運營商、分析師和專業開發人員。自動化工程師可以用XVIZ輕鬆地描述他們的系統，用有限的開銷對自主系統進行可視化測試。專業開發人員可以使用streetscape.gl快速構建具有強大性能特徵和簡化集成的數據源無關應用。最後，運營商可以跨多個應用程序以標準可視格式（包括視頻）查看數據，從而簡化協作、瞭解知識、進行更深入的分析，並提升對數據質量的信任。
參考鏈接：