211service.com
Open-Source-køresimulatoren, der træner autonome køretøjer
Selvkørende biler skal revolutionere transportsystemer verden over. Hvis man skal tro på hypen, er helt autonome køretøjer ved at køre på den åbne vej.
Sandheden er mere kompleks. De mest avancerede selvkørende teknologier virker kun i et ekstremt begrænset sæt af miljøer og vejrforhold. Og mens de fleste nye biler vil have en form for førerassistance i de kommende år, er selvkørende biler, der kører under alle forhold uden menneskelig opsyn, stadig mange år væk.
Et af hovedproblemerne er, at det er svært at træne køretøjer til at klare sig i alle situationer. Og de mest udfordrende situationer er ofte de sjældneste. Der er en lang række vanskelige omstændigheder, som bilister sjældent støder på: et barn, der løber ud på vejen, et køretøj, der kører på den forkerte side af gaden, en ulykke umiddelbart forude, og så videre.
Under hver af disse omstændigheder skal en selvkørende bil træffe gode beslutninger, selvom sandsynligheden for at støde på dem er lille. Og det rejser et vigtigt spørgsmål: hvordan kan bilproducenter træne og teste deres køretøjer, når disse begivenheder er så sjældne?
I dag får vi en slags svar takket være Alexey Dosovitskiys arbejde hos Intel Labs og et par venner på Toyota Research Institute og Computer Vision Center i Barcelona, Spanien. De har skabt en open source køresimulator, som bilproducenter kan bruge til at teste selvkørende teknologier under realistiske køreforhold.
Systemet, kaldet CARLA (Car Learning to Act), simulerer en bred vifte af køreforhold og gentager farlige situationer i det uendelige for at hjælpe med at lære. Holdet har allerede brugt det til at evaluere ydeevnen af flere forskellige tilgange til autonom kørsel.
Køresimulatorer er ikke nye. Der er adskillige realistiske køre- og racersimulatorer, mange designet til spil. Forskellige selvkørende grupper har brugt dem til at teste deres teknologier.
Men ingen af disse simulatorer giver den slags feedback, som autonome køresystemer har brug for for at træne effektivt. Disse systemer tillader heller ikke væsentlig kontrol over køreforholdene eller andre agenters handlinger.
Racersimulatorer har normalt ikke krydsende trafik eller fodgængere. Og bysimulatorer som Grand Theft Auto giver ikke kontrol over vejret, solens position, andre bilers adfærd, trafiksignaler og fodgængere, cyklister og så videre.
Og disse proprietære systemer giver ikke den form for teknisk feedback, som autonome køresystemer skal lære.
Så Dosovitskiy og co har skabt deres egen simulator. CARLA tilbyder et bibliotek af aktiver, der kan arrangeres i byer under forskellige vejr- og lysforhold. Biblioteket omfatter 40 forskellige bygninger, 16 animerede køretøjsmodeller og 50 animerede fodgængere.
Holdet har brugt disse til at skabe to byer med flere kilometer kørende veje og derefter testet tre forskellige tilgange til træning af selvkørende systemer. Tilgangene evalueres i kontrollerede scenarier med stigende sværhedsgrad, siger teamet.
Resultaterne viser, at systemet kan spille en nyttig rolle. Holdet har offentliggjort en video af den resulterende køreadfærd, der tydeligt viser, hvor godt systemerne kan præstere, men også hvorfor denne form for træning ikke kan udføres på rigtige veje - bilerne kører nogle gange på fortovet, på den modsatte side af vejen, rammer andre biler, og så på.
Et system som CARLA kan naturligvis aldrig erstatte køretid på rigtige veje. Men det kan give en nyttig og sikker prøveplads for nye ideer. Og derfor er det vigtigt.
CARLA er open source og gratis at bruge til ikke-kommercielle formål. Så enhver kan give det en chance www.carla.org . Vi håber, at CARLA vil gøre det muligt for et bredt samfund at engagere sig aktivt i selvkørende forskning, siger teamet.
Ref: arxiv.org/abs/1711.03938 : CARLA: En åben bykørselssimulator