微軟自動駕駛Road Runner團隊利用深度強化學習訓練虛擬汽車
（長按掃描上方二維碼，報名第29屆IEEE IV大會 ）
導讀：如何訓練AI（人工智慧）演算法以決策和駕駛汽車，這就需要從數百萬乃至數十億英里的駕駛中收集數據。Road Runner通過將無人機模擬平台AirSim擴展到自動駕駛，來模擬現實世界中的路測，從而解決這個問題。
自動駕駛是未來汽車產業的趨勢之一。除了傳統汽車製造企業之外，以Waymo為代表的眾多科技巨頭也加入到這場狂歡中，在車輛原型設計和道路基礎設備建設上投入大量人力物力財力，便於測試和收集寶貴的數據信息。雖然Uber的車禍和特斯拉Autopilot近期的車禍讓公眾對自動駕駛的安全產生了質疑，但是並不妨礙企業進一步推進該技術的發展。
更精準培訓AI演算法
目前自動駕駛技術面臨的挑戰之一就是，如何訓練AI（人工智慧）演算法以決策和駕駛汽車，這就需要從數百萬乃至數十億英里的駕駛中收集數據。而這正是微軟Aditya Sharma領導的微軟車庫項目Project Road Runner想要解決的。
但是為自動駕駛汽車開發演算法是非常「昂貴」的。它需要基礎架構來構建昂貴的硬體平台，大量的數據以及快速測試和基準測試結果的能力。
Road Runner的目標是通過為測試這些演算法提供一個開放的、社區驅動的平台，讓開發自動駕駛汽車的各個方面可供更廣泛的研究人員使用。而具有開源代碼的AirSim無人機模擬平台，基於強大引擎來構建逼真的圖形和動畫。
Project Road Runner的系統並不是簡單地直接訓練自動駕駛AI。事實上，他們讓人工智慧融合讓虛擬汽車，這是Sharma和他的團隊所倡導的深度強化學習方法的一部分。換句話說，Project Road Runner給了人工智慧一個完全安全的環境，讓它學會如何通過反覆碰撞安全駕駛。考慮到自動駕駛汽車場景的稀缺性以及在現實世界中駕駛它們的安全考慮因素，該系統能夠收集到在現實世界中不可能發生的大量數據。
Road Runner牽手AirSim
一開始沒有任何資金，所以在最開始時候，團隊是在遠程遙控汽車和互聯網的免費模擬器上操作的。他們旅程的第一步就是侵入一輛RC汽車，為其增加自我駕駛能力。然而，RC車在實際道路上進行實際試驗時體積太小，速度太快而且很脆弱，所以車隊轉而開始使用模擬來開發自動駕駛演算法。他們很快意識到，互聯網上免費提供的模擬器不能滿足他們的需求。
該團隊開始尋找替代方案，才找到了微軟研究院的AirSim上。AirSim是無人機研究的開源模擬平台，使用虛幻引擎構建的AirSim環境的照片真實感非常適合訓練自主駕駛演算法，並且可以實現更加準確的數據捕捉，適用於真實世界的場景。這對於 Project Road Runner 與AirSim團隊合作非常有意義，AirSim在2017年11月宣布將功能擴展到自動駕駛。AirSim帶有詳細的3D城市環境，包括各種各樣的條件，包括交通信號燈，公園，湖泊和建築工地。用戶可以在幾種類型的社區中測試他們的系統，包括市區，半城市，植被和工業環境。模擬中包含超過12公里的橫跨20個城市街區的可駕駛路段。而且AirSim的新版本包括汽車模擬，新環境，易於編程的API以及可立即運行的腳本，以便其他人開始研究。
Road Runner的未來
目前來看，Road Runner不太可能成為商業化產品。但是，微軟在開發或資金方面毫不手軟，可以很好地將其轉化為未來自動駕駛軟體的基礎。但是，微軟在開發或資金方面毫不手軟，可以很好地將其轉化為未來自動駕駛軟體的基礎。未來期待Road Runner通過對虛擬汽車的「AI訓練」，讓自動駕駛技術更進一步。
TAG:智車科技 |