211service.com
Kjøresimulatoren med åpen kildekode som trener autonome kjøretøy
Selvkjørende biler er satt til å revolusjonere transportsystemer over hele verden. Hvis man skal tro hypen, er helt autonome kjøretøy i ferd med å kjøre ut på den åpne veien.
Sannheten er mer kompleks. De mest avanserte selvkjørende teknologiene fungerer bare i et ekstremt begrenset sett med miljøer og værforhold. Og mens de fleste nye biler vil ha en eller annen form for førerassistanse de neste årene, er autonome biler som kjører under alle forhold uten menneskelig tilsyn, fortsatt mange år unna.
Et av hovedproblemene er at det er vanskelig å trene kjøretøy til å klare seg i alle situasjoner. Og de mest utfordrende situasjonene er ofte de sjeldneste. Det er et stort utvalg av vanskelige omstendigheter som sjåfører sjelden kommer over: et barn som kjører ut i veien, et kjøretøy som kjører på feil side av gaten, en ulykke rett foran, og så videre.
I hver av disse omstendighetene må en selvkjørende bil ta gode beslutninger, selv om sannsynligheten for å møte dem er liten. Og det reiser et viktig spørsmål: hvordan kan bilprodusenter trene og teste kjøretøyene sine når disse hendelsene er så sjeldne?
I dag får vi et slags svar takket være arbeidet til Alexey Dosovitskiy ved Intel Labs og noen få venner ved Toyota Research Institute og Computer Vision Center i Barcelona, Spania. De har laget en åpen kildekode kjøresimulator som bilprodusenter kan bruke til å teste selvkjørende teknologier under realistiske kjøreforhold.
Systemet, kalt CARLA (Car Learning to Act), simulerer et bredt spekter av kjøreforhold og gjentar farlige situasjoner i det uendelige for å hjelpe til med å lære. Teamet har allerede brukt det til å evaluere ytelsen til flere forskjellige tilnærminger til autonom kjøring.
Kjøresimulatorer er ikke nytt. Det finnes mange realistiske kjøre- og racingsimulatorer, mange designet for spilling. Ulike autonome kjøregrupper har brukt dem til å teste teknologiene sine.
Men ingen av disse simulatorene gir den typen tilbakemelding som autonome kjøresystemer trenger for å trene effektivt. Heller ikke disse systemene tillater betydelig kontroll over kjøreforholdene eller handlingene til andre agenter.
Racingsimulatorer har vanligvis ikke kryssende trafikk eller fotgjengere. Og bysimulatorer som Grand Theft Auto gir ikke kontroll over været, solens posisjon, oppførselen til andre biler, trafikksignaler og fotgjengere, syklister og så videre.
Og disse proprietære systemene gir ikke den typen teknisk tilbakemelding som autonome kjøresystemer trenger å lære.
Så Dosovitskiy og co har laget sin egen simulator. CARLA tilbyr et bibliotek med eiendeler som kan ordnes i byer under forskjellige vær- og lysforhold. Biblioteket inkluderer 40 forskjellige bygninger, 16 animerte kjøretøymodeller og 50 animerte fotgjengere.
Teamet har brukt disse til å lage to byer med flere kilometer med kjørbare veier og deretter testet ut tre ulike tilnærminger for å trene selvkjørende systemer. Tilnærmingene blir evaluert i kontrollerte scenarier med økende vanskelighetsgrad, sier teamet.
Resultatene viser at systemet kan spille en nyttig rolle. Laget har publisert en video av den resulterende kjøreatferden som tydelig viser hvor godt systemene kan yte, men også hvorfor denne typen trening ikke kan utføres på ekte veier – noen ganger kjører bilene på fortauet, på motsatt side av veien, treffer andre biler, og så på.
Selvfølgelig kan et system som CARLA aldri erstatte kjøretid på ekte veier. Men det kan gi et nyttig og trygt testområde for nye ideer. Og det er derfor det er viktig.
CARLA er åpen kildekode og gratis å bruke for ikke-kommersielle formål. Så hvem som helst kan prøve det www.carla.org . Vi håper at CARLA vil gjøre det mulig for et bredt fellesskap å aktivt engasjere seg i forskning om autonom kjøring, sier teamet.
Ref: arxiv.org/abs/1711.03938 : CARLA: En åpen urban kjøresimulator