为什么数据可视化在机器人技术中如此重要
亚德里安·麦克尼尔是Foxglove的联合创始人兼首席执行官，该公司是一家初创企业，提供强大的机器人数据管理与可视化软件。在创办Foxglove之前，他曾在自动驾驶公司Cruise负责基础设施和开发工具。
麦克尼尔热衷于提升开发人员的工作效率，认为优化开发人员的反馈循环对于机器人领域的快速创新至关重要。
他表示，当我们思考机器人技术的发展时，往往会想象一个合乎逻辑、有条不紊的过程。虽然我们并不认为这很容易或简单，但我们可能会觉得它相对客观——最终目标清晰，实现目标的步骤也可以衡量。
但我们忘记了，在开发新技术时，我们同样需要全新的方法来测试和排除这些技术的故障。这不仅涉及一个新机器人，还涉及为制造这个机器人而必须发明的全新工具和流程。与任何其他未知领域一样，这些工具和流程仍在开发中，它们与产品及制造产品的人一同演进。
数据可视化是这些工具中尤为重要的一种。它以易于理解的形式呈现复杂而细致的数据，从而支持同样复杂而细致的决策，帮助人们了解机器人如何运作以及如何改进。这种工具能够抑制无关的噪声，放大重要的信号。
“它为机器人数据这种极其多维的特性带来了急需的意义与秩序。机器人技术本应是一门精确的科学，但它在很大程度上仍是一项主观性很强的工作，无数人为判断推动我们向最终目标迈进一步——让我们的日常生活因机器人技术而变得更加美好、更加丰富的世界”
传统软件开发与机器人开发的对比
要真正理解数据可视化在机器人技术中的重要性，首先需要了解机器人开发与传统软件开发有何不同。
在传统软件开发中，诊断问题的根本原因相对是二元的过程：代码要么在该阶段执行了应做的事，要么没有。对于每种可能的场景，应该发生什么都有明确的预期。
通过沿错误路径逐步排查，并在路径的每个节点运行测试——例如记录数值、比对预期与实际结果、开启或关闭特定功能——工程师通常能相当精确地定位导致问题的代码行。
另一方面，机器人开发中的问题排查很少如此线性。查明机器人系统出了什么问题通常要复杂得多，因此也更加开放。例如，当自主移动机器人（AMR）撞上另一个物体时，并不存在明显的“代码路径”或可以归咎的对象。
导致这种情况的原因可能有无数种，正如人也可能因为各种原因撞上障碍物。也许AMR没有看到障碍物，因为它在拐角后面；也许它错误地计算了自身的行进轨迹，未能避开碰撞。原因甚至未必与软件有关——AMR的刹车可能失灵，或者它的摄像头视野可能被什么东西短暂遮挡。
不存在一套必须遵循的统一方法论，问题的根源可能是一系列相互关联的小问题，它们贯穿机器人技术栈的多个层级。解决方案往往依赖条件和具体情境，因此在调试过程中，情境信息的重要性不亚于屏幕上的代码本身。
机器人数据可视化
要应对这种调试复杂性，需要新一代复杂工具来研究机器人数据的多个方面。机器人数据可视化正是为此而生。
在自动驾驶汽车公司Cruise的早期，员工亲身体验到了在缺乏合适工具的情况下开发机器人是多么痛苦。
在调试数据或模拟结果时，工程师必须在Ubuntu机器上安装完整的开发环境，然后下载若干不同的开源工具，例如rviz、rqt等。接着，工程师还需要手动启动日志文件的回放，并调整屏幕上多个窗口的位置，以便同时使用它们。
工程师可能会为某个工作流精心安排屏幕上的窗口布局，但要为另一个工作流更换布局，或将其复制到队友的电脑上，就会耗费宝贵的开发时间。虽然这些工具各自都能完成其专门的工作，但显然，它们并非为了协同使用，也并非为了在更大规模的机器人团队中使用而设计的。
这些工具本身使用起来笨拙，彼此之间难以集成，也无法与队友有效地共同使用。团队在机器人迭代上的能力受到严重制约——这并非因为团队缺乏才能，而是因为无法快速从数据中提取有价值的信息。
这促成了一个黑客马拉松项目，一组工程师在其中看到了改进这一工作流程的机会。他们推出了一款网页数据可视化工具，广受欢迎，甚至赢得了热烈掌声，最终被改造成内部工具，并配备了专门的团队。
这个工具就是Webviz——它最终被开源，帮助其他机器人开发者更高效地使用集成度更高的工具链。随着时间推移，公司意识到Webviz对Cruise产生的影响，于是决定成立Foxglove，以继续解决整个机器人行业的常见问题。
“我们推出了Foxglove Studio，帮助用户可视化和调试机器人数据；推出了Foxglove Data Platform，帮助他们将数据集中存储和管理。借助数据可视化，我们能够快速理解自己的数据——从不同角度、使用不同视图、服务于不同工作流——从而确定下一步的开发方向。正是通过这种方式，我们才能探索非二元的情境，做出推动机器人技术迈向未来所需的人为判断”
丰富的交互式数据可视化至关重要，它帮助机器人开发者参与到机器人发展所需的更开放的探索中。它让开发者能够运用直觉和经验，开始调试特定问题。它还帮助他们综合那些同等重要的主观与客观判断，这些判断对于排查其工作中的问题必不可少。
它让他们一眼就能看出机器人当前的运行状况以及可以如何改进，从而更有效地对其进行调整。
不同的数据可视化工具可以在解决不同问题时支持不同的判断。调试或分析工作流的每一步都可能受益于多种工具的组合。例如，在Foxglove Studio中，用户可以从丰富的可视化面板中进行选择，搭建自定义的调试布局。
每个面板都有特定的功能——一个用于绘制数值，另一个用于在地图上标记坐标，第三个用于在交互式场景中显示3D模型。无论你是在排查机器人规划栈的问题，还是在监控其诊断信息，总有一种可视化工具适合这项任务。
借助丰富的交互式数据可视化，工具终于能够匹配人们的雄心。现在，人们可以更深入地探索、分析和理解那些过去难以洞察的数据，从而加快迈向目标的步伐。
机器人技术与数据可视化的未来
尽管机器人开发看似客观，但它并非没有主观和创造性的决策。最终成果可能非常具体，例如“机器人现在可以在仓库地面上穿行”，但实现这一目标的手段却是一个无尽的迭代过程，需要大量的人为干预。
“要向大众成功展示机器人，我们必须承认，机器人技术是一个更加开放的领域，它面临更多相互关联的问题，有更多依情境而定的解决方案，因此比传统软件开发需要更加多样化的工具”
机器人开发中仍有许多亟待解决的问题：笨重的测试基础设施、难以预测的硬件开发周期以及可扩展的数据管理。这份清单还可以继续列下去。但有几项改进将对整个机器人行业产生深远影响，比如优秀的数据可视化工具。
