211service.com
Körsimulatorn med öppen källkod som tränar autonoma fordon
Självkörande bilar kommer att revolutionera transportsystem världen över. Om man ska tro hypen är helt autonoma fordon på väg att köra ut på den öppna vägen.
Sanningen är mer komplex. De mest avancerade självkörande teknikerna fungerar endast i en extremt begränsad uppsättning miljöer och väderförhållanden. Och medan de flesta nya bilar kommer att ha någon form av förarassistans under de kommande åren, är autonoma bilar som kör under alla förhållanden utan mänsklig uppsikt fortfarande många år bort.
Ett av huvudproblemen är att det är svårt att träna fordon för att klara sig i alla situationer. Och de mest utmanande situationerna är ofta de sällsynta. Det finns ett stort antal knepiga omständigheter som förare sällan stöter på: ett barn som springer in på vägen, ett fordon som kör på fel sida av gatan, en olycka omedelbart framför, och så vidare.
Under alla dessa omständigheter måste en självkörande bil fatta bra beslut, även om sannolikheten för att stöta på dem är liten. Och det väcker en viktig fråga: hur kan biltillverkare träna och testa sina fordon när dessa händelser är så sällsynta?
Idag får vi ett slags svar tack vare Alexey Dosovitskiys arbete på Intel Labs och några kompisar på Toyota Research Institute och Computer Vision Center i Barcelona, Spanien. De har skapat en körsimulator med öppen källkod som biltillverkare kan använda för att testa självkörande tekniker under realistiska körförhållanden.
Systemet, kallat CARLA (Car Learning to Act), simulerar ett brett spektrum av körförhållanden och upprepar farliga situationer i det oändliga för att underlätta inlärningen. Teamet har redan använt det för att utvärdera prestandan för flera olika metoder för autonom körning.
Körsimulatorer är inget nytt. Det finns många realistiska kör- och racingsimulatorer, många designade för spel. Olika grupper för självkörande har använt dem för att testa sin teknik.
Men ingen av dessa simulatorer ger den typ av feedback som autonoma körsystem behöver för att träna effektivt. Dessa system tillåter inte heller någon betydande kontroll över körförhållandena eller andra agenters handlingar.
Tävlingssimulatorer har vanligtvis inte korsande trafik eller fotgängare. Och stadssimulatorer som Grand Theft Auto ger inte kontroll över vädret, solens position, beteendet hos andra bilar, trafiksignaler och fotgängare, cyklister och så vidare.
Och dessa proprietära system ger inte den typ av teknisk feedback som autonoma körsystem behöver lära sig.
Så Dosovitskiy och co har skapat sin egen simulator. CARLA erbjuder ett bibliotek med tillgångar som kan ordnas i städer under olika väder- och ljusförhållanden. Biblioteket omfattar 40 olika byggnader, 16 animerade fordonsmodeller och 50 animerade fotgängare.
Teamet har använt dessa för att skapa två städer med flera kilometer körbara vägar och sedan testat tre olika tillvägagångssätt för att träna självkörande system. Tillvägagångssätten utvärderas i kontrollerade scenarier med ökande svårighetsgrad, säger teamet.
Resultaten visar att systemet kan spela en användbar roll. Teamet har publicerat en video av det resulterande körbeteendet som tydligt visar hur väl systemen kan prestera men också varför den här typen av träning inte kan utföras på riktiga vägar – bilarna kör ibland på trottoaren, på motsatt sida av vägen, träffar andra bilar, och så på.
Naturligtvis kan ett system som CARLA aldrig ersätta körtid på riktiga vägar. Men det kan ge en användbar och säker testplats för nya idéer. Och det är därför det är viktigt.
CARLA är öppen källkod och gratis att använda för icke-kommersiella ändamål. Så vem som helst kan ge det ett försök www.carla.org . Vi hoppas att CARLA kommer att göra det möjligt för en bred gemenskap att aktivt engagera sig i forskning om autonom körning, säger teamet.
Ref: arxiv.org/abs/1711.03938 : CARLA: En öppen stadskörningssimulator