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。

這么大的數據量，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，也就是說讓汽車在模擬環境里“各種跑”，然后再到現實世界里使用。這種方式也有弊端，比如數據并非是真實世界的，訓練出來的系統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據集。MIT宣稱，該系統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平臺，它可借助現實世界的數據集來合成車輛能夠用上的行駛軌跡。研究人員稱，VISTA是一款數字驅動型平臺，其所用的數據與真實的路況、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境下的車輛操控存在不匹配的情況。為了創建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據，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 的仿真環境，但 MIT 聲稱自家系統是少數不需要人工添加道路標記、樹木和物理模型等的系統之一，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 是數據驅動的，這意味著它可以根據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據軌跡進行合成。這樣可以防止在模擬中學到的知識與汽車在現實世界中的運行方式之間出現錯配。

為了訓練 VISTA，研究人員從多條道路的路測中采集視頻數據。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境中并進行測試，以便在發出轉向命令時，VISTA 根據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、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公司小馬智行，加速自動駕駛的研發和商用進程。不僅如此，豐田還和另一家初創公司Momenta就自動駕駛高精度地圖展開了合作。越發激進的舉措表明，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據對環境、感知以及車輛進行模擬，這種模擬器主要用于控制與規劃算法的初步開發上；第二種是基于真實數據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免費。三維機器人模擬器Gazebo一般結合機器人操作系統ROS來測試。

優點：

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據，可選的噪音。

4.插件

可開發機器人，傳感器和環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系統去控制。所有傳感器數據都是通過ROS發布，并且可以用RVIZ可視化。利用Gazebo功能整合現有的模型和傳感器，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，系統要求ROS+Ubuntu環境。

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和獎勵。訓練中還使用了一些手工創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，

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（優達學城）推出了面向自動駕駛開發的納米學位，來滿足目前汽車行業對自動駕駛軟件工程師旺盛的需求。近日，Udacity通過開源協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建自己的虛擬測試路線。

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

責任編輯：gt