研究公司ABI的数据显示，到2025年，将有800多万辆无人驾驶汽车出现在公共道路上，它们都有一些共同点：传感器、功能强大的个人电脑和机器学习算法。Nvidia、英特尔的Mobileye、百度等公司提供工具或平台，将汽车所看到的路况信息以可视化的形式展现在现实世界中。
不过，在Uber的研发人员看来，这些工具并不够完美，由于它们所摄取的文件规模很大，因此非常不利于分享，所以在今天，Uber开源了自主可视化系统(AVS)。
这套自主可视化系统(AVS)是一种独立的基于web的技术，研发团队将其描述为：理解和共享自主系统数据的一种新方式。负责开发其自动驾驶汽车平台的Uber部门——先进技术小组(Advanced Technologies Group，ATG)也使用了这一套件，包括Voyage和Applied Intuition在内的多家公司已经承诺使用这一套件。
“有了AVS的抽象可视化，开发者可以专注于驱动系统、远程辅助、地图绘制和仿真的核心自主能力。”Uber在一篇博客中写道：“AVS让开发者不必为他们的自动驾驶汽车开发定制的可视化软件。”
Uber表示，AVS团队使用模块化作为指导原则，在层中进行构建，这样自治堆栈中的组件就可以独立地根据上下文进行演化或定制，而不需要在整个系统范围内进行更改。这使得Uber的内部团队可以使用它来查看日志和进行地图维护，例如，同时保持其足够的可扩展性，可适用于无人机、机器人、卡车运输和车队管理等行业。
AVS包括两个核心支柱：XVIZ和streetscape. gl。XVIZ是一个提供、管理和描述自动生成的系统数据的规范；streetscape.gl是一个用于构建web应用程序的工具包，用于在XVIZ协议中接收数据。
根据Uber的介绍， XVIZ streams是一系列离散的更新，在特定的时间使用原语，或对象描述像相机图像、激光雷达点云、轨迹和车辆速度等随时间的变化，它包含了一个服务器端编码器和生成器，在客户机端包含一个解码器、数据缓冲区和同步器。模式结构的视图和显示系统跨客户端工作，使工程师能够探索和查找状态，并将单独的流更新绑定到单个对象中。
AVS的UI为带有数据的对象绑定了图形化面板，对象可以单独设计样式或分配样式类，而流（steam）可以通过分层命名来组织，其中元数据部分列出了它们的类型、相对转换等。
至于streetscape. gl，它是建立在vis.gl之上的，这是Uber的WebGL支持的开源可视化框架集合，它具有高度可样式化的组件，用于将XVIZ数据流转换为3D视区、图表、表格、视频等。此外，它还处理数据流、摄像头、动态样式以及与3D对象的交互等时间同步，支持实时回放和具有数十万几何图形的场景。
Uber表示，计划在未来通过更多的数据源和规范、性能优化以及更丰富的功能来增强AVS。他们在博客中写道：
我们创建了AVS，以满足Autonomy生态系统中每个人的需求，包括工程师、车辆运营商、分析师和专业开发人员。自动化工程师可以用XVIZ轻松地描述他们的系统，用有限的开销对自主系统进行可视化测试。专业开发人员可以使用streetscape.gl快速构建具有强大性能特征和简化集成的数据源无关应用。最后，运营商可以跨多个应用程序以标准可视格式（包括视频）查看数据，从而简化协作、了解知识、进行更深入的分析，并提升对数据质量的信任。
参考链接：