自動駕駛仿真平臺VISTA推出，大幅優(yōu)化自動駕駛汽車測試和部署時間

知道自動駕駛汽車安全上路前需要進行多少里程的測試嗎？特斯拉CEO馬斯克說至少要60億英里（約合96.5億公里），蘭德智庫認為需要跑110億英里（約合177億公里），相當于在地球和太陽間往返50多趟。

這么大的數(shù)據(jù)量，要是全靠道路測試還不把工程師“逼瘋”。于是Waymo、通用Cruise等公司都用仿真軟件來訓練自動駕駛系統(tǒng)，也就是說讓汽車在模擬環(huán)境里“各種跑”，然后再到現(xiàn)實世界里使用。這種方式也有弊端，比如數(shù)據(jù)并非是真實世界的，訓練出來的系統(tǒng)總是與真實世界存在一定差異。

近日，豐田汽車和麻省理工學院（MIT）人工智能實驗室推出了一個新的自動駕駛仿真平臺“VISTA”，該平臺采用了汽車在真實世界中行駛的數(shù)據(jù)集。MIT宣稱，該系統(tǒng)無需人工手動標記各類元素，如路標、車道線、物理建筑物等信息，大幅優(yōu)化了自動駕駛汽車測試和部署時間。

VISTA 是一款自動駕駛汽車開發(fā)平臺，它可借助現(xiàn)實世界的數(shù)據(jù)集來合成車輛能夠用上的行駛軌跡。研究人員稱，VISTA是一款數(shù)字驅動型平臺，其所用的數(shù)據(jù)與真實的路況、駕駛情境內所涉及的目標物無論在距離還是行為動作上都保持一致。這防止了自動駕駛汽車在仿真軟件里所學的駕駛技巧與真實環(huán)境下的車輛操控存在不匹配的情況。為了創(chuàng)建VISTA，人類駕駛員每行駛一段距離，研究人員就會采集相應的視頻數(shù)據(jù)，逐幀地提取分析。

雖然 Waymo、Uber、Cruise 和 Aurora等自動駕駛汽車公司都有自己用來訓練 AI 的仿真環(huán)境，但 MIT 聲稱自家系統(tǒng)是少數(shù)不需要人工添加道路標記、樹木和物理模型等的系統(tǒng)之一，而這樣的特性可以大大加快自動駕駛汽車的測試與部署速度。

據(jù)研究人員介紹，如果虛擬車輛能保持不出事故，VISTA 會對其進行獎勵，從而使他們“有動力”學習應對各種路況，包括車輛突然偏離軌道后重新獲得控制權。VISTA 是數(shù)據(jù)驅動的，這意味著它可以根據(jù)與道路外觀以及場景中所有對象的距離和運動一致的真實數(shù)據(jù)軌跡進行合成。這樣可以防止在模擬中學到的知識與汽車在現(xiàn)實世界中的運行方式之間出現(xiàn)錯配。

為了訓練 VISTA，研究人員從多條道路的路測中采集視頻數(shù)據(jù)。對于每幀畫面，VISTA 會在一種 3D 點云中預測每一個像素。隨后，他們將虛擬車輛放置在環(huán)境中并進行測試，以便在發(fā)出轉向命令時，VISTA 根據(jù)轉向曲線以及車輛的方向和速度，通過點云合成一條新的軌跡。

接著，VISTA 使用上述軌跡繪制逼真的場景并編制深度地圖，其中包含從車輛視點到物體的距離有關的信息。 通過將深度地圖與估算 3D 場景中相機方向的技術相結合，引擎可精確定位車輛的位置及與虛擬模擬器中所有物體的相對距離，同時重新定位原始像素，從而從車輛的新視角中再現(xiàn)這個世界的景象。

在經過 10 到 15 個小時的訓練后，研究人員搞了對比測試。結果顯示在 10000 公里的測試里程中，經過 VISTA 訓練的虛擬汽車能夠在從未見過的街道上行駛。即使將其放置在模仿各種接近碰撞情況的路況上（例如只有一半車身還留在路上或進入另一個車道），汽車也能在幾秒內成功恢復到安全的行駛軌跡。

將來，研究團隊希望 VISTA 能從單一駕駛軌跡仿真進化到模擬所有類型的路況，例如白天和黑夜以及晴天和陰雨天氣。此外，他們還希望模擬一些有很多車輛參與的復雜交叉路口。

在自動駕駛方面，關于豐田的公開信息并不多。此前，豐田曾與英偉達建立合作，利用英偉達的全套生產套件來開發(fā)、培訓和驗證自動駕駛技術。2019年，豐田推出了基于雷克薩斯LS 500h改裝的自動駕駛測試車。不久前，豐田又以4億美元（約合人民幣28億元）投資國內自動駕駛初創(chuàng)公司小馬智行，加速自動駕駛的研發(fā)和商用進程。不僅如此，豐田還和另一家初創(chuàng)公司Momenta就自動駕駛高精度地圖展開了合作。越發(fā)激進的舉措表明，豐田正在提速在中國的自動駕駛布局。

自動駕駛車輛仿真模擬軟件盤點

無人駕駛汽車真實上路后所要面臨的外部環(huán)境是復雜多變的。通過利用仿真模擬軟件可以檢查算法，也可以訓練無人車面對不同場景下的感知、決策等算法。

模擬平臺有很多種，如果分類的話，可以分為兩種：開源和收費的。從技術上分，也主要有兩種：第一種是基于合成數(shù)據(jù)對環(huán)境、感知以及車輛進行模擬，這種模擬器主要用于控制與規(guī)劃算法的初步開發(fā)上；第二種是基于真實數(shù)據(jù)的回放以測試無人駕駛不同部件的功能及性能。

開源模擬平臺

Gazebo

Gazebo平臺可以提供在復雜的室內和室外環(huán)境中準確有效地模擬訓練機器人的能力。它擁有一個強大的物理引擎，高品質的圖形，方便的編程和圖形界面。最重要的是，Gazebo是一個充滿活力的社區(qū)免費。三維機器人模擬器Gazebo一般結合機器人操作系統(tǒng)ROS來測試。

優(yōu)點：

1.動力學仿真

可以連接多個高性能物理引擎，包括ODE，Bullet，Simbody和DART。

2.先進的3D圖形

Gazebo利用OGRE提供逼真的渲染環(huán)境，包括高質量的照明，陰影和紋理。

3.傳感器和噪音

從激光測距儀，2D / 3D攝像機，Kinect風格的傳感器，接觸式傳感器，力矩等等生成傳感器數(shù)據(jù)，可選的噪音。

4.插件

可開發(fā)機器人，傳感器和環(huán)境控制的自定義插件。插件可直接訪問Gazebo的API。

5.機器人模型

提供了許多機器人，包括PR2，Pioneer2 DX，iRobotCreate和TurtleBot。 或者使用SDF構建你自己的。

6.命令行工具

廣泛的命令行工具有利于模擬內省和控制。

7.云模擬

通過運用Gazebo的功能來整合現(xiàn)有的模型和傳感器。

應用：

在無人駕駛車輛測試方面，github上有人用ROS動能和Gazebo 8做過一個Car Demo，車輛的油門、剎車、轉向和傳動都是通過一個ROS系統(tǒng)去控制。所有傳感器數(shù)據(jù)都是通過ROS發(fā)布，并且可以用RVIZ可視化。利用Gazebo功能整合現(xiàn)有的模型和傳感器，構建城市模型和一個高速公路交互場景，垃圾箱、交通錐和加油站等都來自Gazebo模型庫。在車頂處搭載一個16線激光雷達，8個超聲波傳感器，4個攝像頭和2個平面激光雷達。代碼可以從Github 網址得到。通過Nvidia-docker并從Docker Hub中提取osrt/car_demo進行嘗試。該平臺基于C++開發(fā)，系統(tǒng)要求ROS+Ubuntu環(huán)境。

EuroTruck Simulator 2

Euro Truck Simulator 2 本身是一個卡車模擬經營類游戲，可以通過代碼訓練和運行自動駕駛汽車，。通過AI輸出的結果實現(xiàn)自動轉向、加速和剎車，可以用來強化學習訓練車輛算法。它的缺點是只能控制上下左右四個方向鍵，不能設置方向盤的角度。

除了Euro Truck Simulator 2，還有The Open Racing Car Simulator游戲也可以被用來進行自動駕駛汽車的訓練。

應用：gibbgub上有人做了Self-driving-truck項目，基本訓練方法遵循接近原始的 Atri 論文中的強化學習標準，此外該模型還試圖未來的狀態(tài)和獎勵。訓練中還使用了一些手工創(chuàng)建的模型和自動生成的模型。

Torcs

The Open Racing Car Simulator（TORCS）是一款開源3D賽車模擬游戲。是在Linux操作系統(tǒng)上廣受歡迎的賽車游戲。有50種車輛和20條賽道，簡單的視覺效果。用C和C++寫成，釋放在GPL協(xié)議下。

應用：有人用深度學習框架Keras和深度強化學習算法DDPG去訓練Torcs汽車。也有人使用gym_torcs庫，在python中直接調用torcs，接口類似于OpenAI的Gym。還有人做了基于DRL和TORCS的自動駕駛仿真系統(tǒng)，

Unity

自動駕駛汽車需要自動駕駛軟件來驅動，而在線教育公司Udacity（優(yōu)達學城）推出了面向自動駕駛開發(fā)的納米學位，來滿足目前汽車行業(yè)對自動駕駛軟件工程師旺盛的需求。近日，Udacity通過開源協(xié)議授權公開了它的自動駕駛汽車模擬器，有 Unity 技術背景的任何人都可以利用此模擬器的資源，載入軟件內置場景或創(chuàng)建自己的虛擬測試路線。

該模擬器是為優(yōu)達自動駕駛，旨在教學生如何使用深度學習駕駛汽車，支持Linux、Mac、Windows環(huán)境，只需將數(shù)據(jù)庫復制到本地目錄，確保使用Git LFS 帶動大量的紋理和模型資源。

責任編輯：gt