Andrew Stein, Ohjelmistosuunnittelija Waymo – Haastattelusarja

Andrew Stein on ohjelmistosuunnittelija, joka johtaa havaintotiimiä Waymon autonomisissa toimituspyrkimyksissä, Waymo Vian. Waymo on autonomisen ajojärjestelmän kehitysyhtiö, joka on Alphabet (GOOG ) (GOOGL ) Inc:n tytäryhtiö, Googleen omistavan yhtiön tytäryhtiö.

Mikä aluksi kiinnosti sinua AI:hen ja robottiikkaan?

Olen aina pitänyt siitä, kun teen asioita, jotka “tekevät jotain”. Taide ja käsitöö voivat olla hauskoja, mutta suurin intohimoni on ollut tekeminen, joka on jollain tavoin toimiva. Mister Rogersin naapuruston suosikkiosuuteni olivat juontajan kuvaamiset konvektorien ja aktuaattorien automaattisissa tehtaissa, joissa pulloja ja muita tuotteita täytettiin, etiketöitiin, kuljetettiin ja merkittiin. Olin suuri Lego-fani ja muita rakennusleluja. Kiitoksena menestyksestäni tietokoneavusteisissa suunnittelukilpailuissa teknologiaopiskelijoiden yhdistyksessä keski- ja lukiotaikana, pääsin tekemään CAD-työtä pienten startup-yritysten parissa, kuten Clipper Manufacturing. Siellä suunnittelin tehdasrakenteita valtavalle robotti-erottimelle ja liittyville konvektoreille vaatetusalan järjestämiseksi vähittäiskaupan vaatetusteollisuudelle. Siitä edelleen pääsin Georgia Tech:iin opiskelemaan sähkötekniikkaa, jossa osallistuin IEEE Robotics Clubiin ja tein joitain tietokonegrafiikan kursseja. Ne lopulta johtivat minut Carnegie Mellonin yliopiston robotti-instituuttiin väitöskirjaani varten. Monet väitöskirjatutkijat CMU:sta ovat olleet läheisiä kollegoita Ankissa ja nyt Waymossa.

Aikaisemmin työskentelit Anki-robottiin keskittyvänä johtavana insinöörinä. Mitä projekteja sinulla oli mahdollisuus työskennellä Ankissa?

Olin ensimmäinen kokopäiväinen työntekijä Cozmo-projektissa Ankissa, jossa minulla oli etuoikeus aloittaa koodirepositorio alusta ja nähdä tuote yli miljoonan myydyn, elävänkaltaisen robotin myyntiin ihmisten koteihin. Se työ siirtyi seuraavaan tuotteeseen, Vectoriin, joka oli edistyneempi ja itsenäisempi versio Cozmosta. Sain työskennellä monilla osuuksilla noissa tuotteissa, mutta vastasin ennen kaikkea tietokonegrafiikasta, kasvontunnistuksesta, 3D-asennetunnistuksesta, sijaintitunnistuksesta ja muista havaintoon liittyvistä asioista. Lisäksi siirsin TensorFlow Liten toimimaan Vectorin upotetussa käyttöjärjestelmässä ja auttin käyttöönotossa syvää oppimista robotin laiteohjelmistoon käsi- ja henkilötunnistusta varten.

Vuonna 2019 Waymo palkkasi sinut ja 12 muuta robotti-asiantuntijaa Ankiosta sovittamaan itseajon tekniikkaa muihin alustoihin, mukaan lukien kuorma-autot. Mikä oli ensimmäinen reaktiosi mahdollisuuteen työskennellä Waymossa?

Tunsin monia nykyisiä ja entisiä insinöörejä Waymossa ja tiesin varmasti yhtiön maineen johtavana autonomisten ajoneuvojen kehittäjänä. Nauttin siitä, että sain työskennellä luovasti leluilla ja koulutusohjelmilla lapsille Ankissa, mutta halusin myös liittyä suurempaan yhtiöön, joka toimii yhteiskunnallisesti merkittävällä alalla, ja nähdä, miten ohjelmistokehitys ja turvallisuus toteutetaan tämän kaltaisessa organisaatiossa ja teknisessä monimutkaisuudessa.

Voitko kertoa, miltä työpäiväsi Waymossa näyttää?

Suurin osa roolistani on tällä hetkellä keskittynyt tiimin johtamiseen ja kasvattamiseen, kun etsimme ja ratkaismme kuorma-autospesifisiä haasteita yhteistyössä muiden insinööritiimien kanssa Waymossa. Se tarkoittaa, että viettän päiväni tapaamalla tiimiäni, muita teknisiä johtajia ja tuote- ja ohjelmapäälliköitä, kun suunnittelemme teknisiä ja organisaatiollisia lähestymistapoja kehittääksemme ja käyttöönottaaksemme itseajon järjestelmää, Waymo Driveria, ja laajentaaksemme sen kykyjä kasvavaan kuorma-autokalustoomme. Lisäksi, koska olemme aktiivisesti palkkaamassa, viettän myös merkittävän ajan haastattelemalla ehdokkaita.

Mitkä ovat joitain yksilöllisiä tietokonegrafiikan ja tekoälyhaasteita, joita kohtaavat autonomiset kuorma-autot verrattuna autonomisiin ajoneuvoihin?

Vaikka käytämme samaa ydinteknologiaa kaikissa ajoneuvoissamme, on joitain uusia huomioon otettavia seikkoja, jotka liittyvät nimenomaan kuorma-autoliikenteeseen. Ensisijaisesti alue on erilainen: verrattuna henkilöautoihin kuorma-autot viettävät enemmän aikaa moottoriteillä, jotka ovat korkeanopeusympäristöjä. Kuorma-autojen suuremman massan vuoksi ne kiihdyttävät ja jarruttavat hitaammin kuin autot, mikä tarkoittaa, että Waymo Driverin on havaittava asioita hyvin kaukaa. Lisäksi moottoritien rakentaminen käyttää erilaisia merkkejä ja merkintöjä ja voi sisältää median ylityksiä “väärälle” puolelle tietä; on moottoritien lakeja, kuten siirtymistä pysähtyneiden ajoneuvojen ohi; ja on useita ruuhkaisia liikenteen kaistoja, joita on navigoitava. Mahdollinen suurempi sokea piste, jonka aiheuttaa perävaunu, on toinen haaste, jonka on voitettava.

Waymo on aloittanut kokeilun kuljettajattomasta kuorma-autokalustosta Teksasissa koulutettujen kuljettajien ollessa läsnä. Tässä vaiheessa, mitä Waymo toivoo oppivansa näistä kokeiluista?

Kuorma-automme testaavat alueilla, joilla toimimme (AZ / CA / TX / NM), jotta voimme saada merkittävää kokemusta ja dataa erilaisissa tilanteissa, joita voimme kohtaamme ajamalla moottoritietä. Tämä prosessi harjoittaa ohjelmistoa ja laitteistoa, mikä mahdollistaa meille jatkuvan parantamisen ja mukauttamisen Waymo Driveria varten kuorma-autoliikenteen alueella.

Teksasin osalta: Dallas ja Houston ovat tunnettuja Yhdysvaltain suurimpien rahti-keskusten osana. Toimimalla tässä ympäristössä voimme testata Waymo Driveria tiheämmillä moottoriteillä ja rahtiyritysten reiteillä, ymmärtää paremmin, miten muut kuorma- ja henkilöauton kuljettajat käyttäytyvät näillä reiteillä, ja jatkuvasti parantaa, miten Waymo Driver reagoi ja vastaa näissä ruuhkaisissa ajoalueissa. Lisäksi se mahdollistaa myös testaamisen paikassa, jossa on ainutlaatuiset sääolosuhteet, jotka voivat auttaa meitä edistämään kykyjämme siinä.

Voitko keskustella Waymon avoimesta tietokannasta, joka sisältää sekä anturidataa että merkittyä dataa, ja mitkä ovat Waymon hyödyt jakamalla tämän arvokkaan tietokannan?

Waymossa ratkaamme joitain haasteellisimmista ongelmista, jotka ovat olemassa koneoppimisessa. Edistääksemme tutkimusyhteisön edistymistä konehavainnossa ja itseajon tekniikassa, olemme julkaisseet Waymon avoimen tietokannan, joka on yksi suurimmista ja monipuolisimmista julkaistuista itseajotietokannoista. Tutkijoille saatavilla ilman kustannuksia osoitteessa waymo.com/open, tietokanta koostuu 1 950 segmentistä korkearesoluutioista anturidataa ja kattaa laajan valikoiman ympäristöjä aina tiheistä kaupunkikeskuksista esikaupunkimaisiin maisemiin, sekä päivällä, yöllä, aamulla, iltapäivällä, auringonpaisteessa ja sateessa. Maaliskuussa 2020 julkaisimme myös Waymon avoimet tietokannan haasteet tutkijoille, jotta he voivat testata asiantuntemustaan ja nähdä, mitä muut tekevät.

Miten pitkään luulet, että kestää, ennen kuin teollisuus saavuttaa todellisen tason 5 -autonomian?

Olemme työskennelleet tämän parissa yli kymmenen vuotta, joten meillä on etuoikeus tietää, että tämä teknologia tulee maailmaan askel askeleelta. Itseajoteknologia on niin monimutkainen, ja olemme päässeet tähän pisteeseen edistysten ansiosta useissa aloissa aistimisesta laitteistossa koneoppimiseen. Siksi olemme ottaneet asteittaisen lähestymistavan esittääksemme tämän teknologian maailmalle. Uskomme, että se on turvallisin ja vastuullisin tapa edetä, ja olemme myös kuulleet kuljettajilta ja kumppaneilta, että he arvostavat tätä huolellista ja mietittyä lähestymistapaa, jonka otamme käyttöön tämän teknologian turvalliseen käyttöönottoon heidän yhteisöissään.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Waymo Vian sivustolla.