Andrew Stein, Waymo Yazılım Mühendisi – Röportaj Serisi

Andrew Stein, Waymo Via’nın otonom teslimat çabalarına liderlik eden bir Yazılım Mühendisidir. Waymo, Alphabet (GOOG ) (GOOGL ) Inc’in bir iştiraki olan ve Google’ın ana şirketinin bir parçası olan otonom sürüş teknolojisi geliştirme şirketidir.

Sizce AI ve robotiğe ilk olarak neler sizi çekmiştir?

Çok küçük yaşımdan itibaren bir şeyler yapmayı severdim. Sanat ve el işleri eğlenceli olabilirdi, ancak en büyük tutkum, aynı zamanda bir şeyler yapan şeyler yaratmaktı. Bay Rogers’in Mahallesi’nin en sevdiğim kısımları, otomatik fabrikalarda konveyör bantları ve aktüatörlerin görüntüleriydi, şişeleri ve diğer ürünleri doldurur, etiketler ve taşırlardı. Legolar ve diğer inşaat oyuncaklarının büyük bir hayranıydım. Sonra, ortaokul ve lisede Bilgisayar Destekli Tasarım (CAD) yarışmalarındaki bazı başarılar sayesinde, bir küçük startup şirket olan Clipper Manufacturing için CAD işi yapan bir işe girdim. Orada, perakende giysi endüstrisi için büyük bir robotik sıralayıcı ve ilgili konveyör ekipmanları için fabrika düzenlerini tasarladım. Oradan, elektrik mühendisliği okumak için Georgia Tech’e gittim, orada IEEE Robotik Kulübü’nde yer aldım ve Bilgisayarlı Görüntüleme dersleri aldım. Bunlar sonunda beni Carnegie Mellon Üniversitesi’ndeki Robotik Enstitüsü’ne doktora yapmaya götürdü. CMU’deki birçok mezun arkadaşım, Anki ve şimdi Waymo’da yakın iş arkadaşlarım oldular.

Önceden Anki’de bir robotik startup’ta lead mühendis olarak çalıştınız. Anki’de çalışırken hangi projeler üzerinde çalışma fırsatınız oldu?

Anki’de Cozmo projesinde ilk tam zamanlı işe alımdım, orada kod deposunu sıfırdan başlattım ve ürünü bir milyondan fazla sevimli, gerçekçi robotun evlere gönderilmesine kadar gördüm. Bu çalışma, Vector adlı bir sonraki ürünümüze geçti, bu da Cozmo’nun daha gelişmiş ve kendi kendine yeterli bir versiyonuydu. Bu ürünlerin birçok bölümünde çalıştım, ancak principalmente yüz algılama, yüz tanıma, 3D poz tahmini, konum belirleme ve algılamanın diğer yönleri için bilgisayar görüntülemesinden sorumluydum. Ayrıca TensorFlow Lite’ı Vector’un gömülü OS’te çalıştırmak için port ettim ve derin öğrenme modellerini el ve kişi algılama için robota yüklemeye yardımcı oldum.

Cozmo ve Vector’un göz oluşturma sistemlerini de inşa ettim, bu da beni Anki’nin çok yetenekli ve yaratıcı animasyon ekibinin büyük bir bölümüyle yakın çalışmaya opportunity verdi, bu da çok eğlenceliydi.

2019’da Waymo, sizin ve diğer 12 robotik uzmanı Anki’den işe aldı, otonom sürüş teknolojisini kamyonlar da dahil olmak üzere diğer platformlara uyarlamak için. Waymo’da çalışmak fikrine ilk tepkiniz ne oldu?

Waymo’daki birçok mevcut ve eski mühendisi tanıyordum ve şirketin otonom araçlar alanında lider olarak ününü kesinlikle biliyordum. Anki’de çocuklar için oyuncaklar ve eğitim ürünleri üzerinde çalışmak yaratıcılık açısından çok eğlenceliydi, ancak aynı zamanda toplum için böyle bir etkili alanda çalışan daha büyük bir şirkete katılmak, burada nasıl yazılım geliştirme ve güvenlik yapıldığını görmek için heyecanlandım.

Waymo’da bir gününüz nasıl geçer?

Çoğu rolüm şu anda, kamyonetle ilgili zorlukları diğer Waymo mühendislik ekipleriyle yakın işbirliği içinde tanımlamak ve çözmek için benim takımımı yönlendirmek ve büyütmek üzerine odaklanmaktadır. Bu, benim günlerimi takımım, diğer teknik liderler ve ürün ve program yöneticileriyle görüşerek, Waymo Sürücüsü olarak adlandırdığımız otonom sistemimizi geliştirmek ve yeteneklerini kamyonetlerimize genişletmek için teknik ve organizasyonel yaklaşımlar planlamakla geçiririm. Bunun dışında, aktif olarak işe alım yaptığımız için, adaylarla görüşmek için önemli zaman harcarım.

Otonom kamyonlarla karşılaşılan benzersiz bilgisayar görüntüleme ve AI zorlukları nelerdir?

Herhangi bir aracımızda kullandığımız aynı temel teknoloji yığınına sahibiz, ancak kamyonetle ilgili olarak dikkate almamız gereken bazı yeni hususlar vardır. İlk ve en önemli şey, alanın farklı olmasıdır: yolcuların arabalarına kıyasla, kamyonetler daha fazla zamanını otoyollarda geçirir, bu da daha yüksek hız ortamları demektir. Daha fazla kütle nedeniyle, kamyonetler arabalardan daha yavaş hızlanır ve fren yapar, bu nedenle Waymo Sürücüsü çok uzaklardan şeyler görmelidir. Ayrıca, otoyol inşaatı, yolcuların arabalarına kıyasla farklı işaretler ve tabela kullanır ve hatta yolun “yanlış” tarafına median geçişleri içerebilir; otoyol için özel yasalar vardır, örneğin, omuzda duran araçlar için yanaşmak gerekir ve çok şeritli trafikte navigasyon yapmak gerekir. Bir treyler tarafından oluşturulan daha büyük bir kör nokta sorununu aşmamız gereken bir başka zorluktur.

Waymo yakın zamanda Teksas’ta eğitimli sürücülerle birlikte bir sürücüsüz ağır kamyon filosunu test etmeye başladı. Bu aşamada Waymo, bu testlerden neler öğrenmeyi umuyor?

Araçlarımız, çalıştığımız alanlarda (AZ / CA / TX / NM) test edilir, böylece farklı durumlarla karşılaştığımızda deneyim ve veri kazanırız. Bu süreç, yazılımımızı ve donanımımızı egzersiz yapar, Waymo Sürücüsünü kamyonet alanına uyarlamak için nasıl devam edebileceğimizi öğrenmemize izin verir.

Teksas’a özel olarak bakıldığında: Dallas ve Houston, ABD’deki en büyük kargo merkezlerinin bir parçası olarak bilinir. Bu ortamda çalışarak, yoğun otoyollarda ve taşıyıcı hatlarında Waymo Sürücüsünü test edebiliriz, diğer kamyon ve yolcu arabası sürücülerinin bu rotalarda nasıl davrandığını daha iyi anlayabilir ve Waymo Sürücüsünün bu yoğun sürüş bölgelerinde nasıl tepki verdiğini ve cevap verdiğini iyileştirebiliriz. Ayrıca, bu, benzersiz hava koşullarına sahip bir yerde test etmemize de olanak tanır, bu da bu alanda yeteneklerimizi geliştirmemize yardımcı olur.

Waymo Açık Veri Seti’ni, sensör verileri ve etiketli verileri içeren bir veri setini tartışabilir misiniz? Waymo için bu değerli veri setini paylaşmanın faydaları nelerdir?

Waymo’da, makine öğrenimi alanında var olan en zor sorunlardan bazılarını ele alıyoruz. Makine algılama ve otonom sürüş teknolojisi alanında ilerlemeler yapan araştırma topluluğuna yardımcı olmak için, Waymo Açık Veri Seti’ni yayınladık, bu, kamuoyuna açık en büyük ve en çeşitli tam otonom sürüş veri setlerinden biridir. Araştırmacılara ücretsiz olarak waymo.com/open adresinde sunulan veri seti, 1.950 yüksek çözünürlüklü sensör verisi segmentinden oluşur ve yoğun kentsel merkezlerden banliyö manzaralarına kadar çeşitli ortamları kapsar, ayrıca günün farklı saatlerinde, şafak ve alacakaranlıkta, güneş ve yağmurlu havalarda topladığımız verileri içerir. Mart 2020’de ayrıca Waymo Açık Veri Seti Mücadeleleri’ni başlattık, böylece araştırma topluluğu uzmanlıklarını test edebilir ve diğerlerinin neler yaptığını görebilir.

Kişisel görüşünüz olarak, endüstri真正 otonom sürüş seviyesine ulaşana kadar ne kadar zaman geçecektir?

Bu teknoloji üzerinde on yıldan fazla süredir çalışıyoruz ve bu nedenle bu teknolojinin adım adım geleceğini biliyoruz. Otonom sürüş teknolojisi çok karmaşıktır ve bugüne kadar birçok alanda ilerlemeler kaydetmemize rağmen buraya geldik. Bu nedenle, bu teknolojiyi dünyaya sunmak için kademeli bir yaklaşım izliyoruz. Bu, en güvenli ve sorumlu yol olduğuna inanıyoruz ve yolcularımızdan ve iş ortaklarımızdan, topluluklarında bu teknolojiyi güvenli bir şekilde dağıtmak için aldığımız düşünceli ve ölçülü yaklaşımı takdir ettiklerini duyduk.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Waymo Via’yı ziyaret edebilir.